PyE T3 PDF

PROBABILIDAD Y ESTADSTICA
Notas de clase
Profesores: A. Leonardo Bauelos S.

Nayelli Manzanarez Gmez
TEMA III real.
VARIABLES ALEATORIAS Usualmente, se denotan a las variables aleatorias (vv.aa.) utilizando las ltimas
letras maysculas del alfabeto.
INTRODUCCIN Los valores de la imagen de dicha funcin, se conocen como valores de la

variable aleatoria (v.a.) y se denotan con la misma letra que la funcin, pero con
El objetivo de este tema es conocer y utilizar el concepto de variable aleatoria para minsculas.
resolver problemas probabilsticos.
S))))))))))))))))))))))))))))))))))))Q
Qu es la variable aleatoria? En el tema anterior, se describieron los resultados Ejemplo 3.1
de un experimento (eventos) en palabras; claramente esto dificultaba el anlisis de Considerando las familias que tiene dos hijos, si se desea conocer el sexo de
algunos problemas. Es mucho ms fcil describir y manipular cuando se utilizan los hijos entonces el espacio muestral es:
nmeros.
El propsito de la variable aleatoria es "mapear" cada punto de un espacio Asignar valores de la variable aleatoria.
muestral en un punto de un eje real, y puesto que la regla de correspondencia para
realizar el mapeo de un conjunto a otro recibe el nombre de funcin, la variable aleatoria Resolucin
es entonces una funcin. Podran realizarse varias asignaciones:
Utilizando para el sexo femenino y para el masculino.
: 1, 2, 3, 4.
LA VARIABLE ALEATORIA
: 0, 1, 2, 3.
Los fenmenos que ms interesan a los ingenieros son aquellos que pueden ser : 1, 2, 2, 3.
identificados por nmeros, los cuales reciben el nombre de eventos numricos. Por : 0, 1, 1, 2.
ejemplo, un mdico est interesado en el evento de que diez de diez pacientes se curen
etc.
de cierta enfermedad.
S))))))))))))))))))))))))))))))))))))Q
La definicin (en su construccin y significado) de una variable aleatoria (v.a.)

es arbitraria. Una forma adecuada de construir (definir) una v.a. es hacerlo de tal manera
que dicha variable responda a la pregunta de inters.
En el ejemplo anterior, si nos interesa conocer el nmero de hijos varones en

una familia, la definicin ms adecuada de la v.a. es la de que asocia reales de la
siguiente manera:
Fig. 3.1 Variable aleatoria.
; ;
Definicin 3.1
S))))))))))))))))))))))))))))))))))))Q
Una variable aleatoria (v.a.) es una funcin, cuyos valores son nmeros
Ejemplo 3.2
reales, definida en un espacio muestral. De una manera simple puede
En el lanzamiento de dos dados se desea calcular la probabilidad de que la
denotarse por suma de los dados sea par.
a) Definir el espacio muestral del experimento.
En otras palabras una variable aleatoria es una funcin que asigna nmeros b) Definir una variable aleatoria adecuada para el problema.
reales a cada posible resultado de un experimento aleatorio; esto es, es una funcin cuyo c) Calcular la probabilidad.
dominio de definicin es el espacio muestral de un experimento y cuyo rango es el eje
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 2
Resolucin una combinacin de los casos anteriores.
a)
Una variable aleatoria discreta toma valores de un conjunto numerable,
mientras que una variable aleatoria continua toma valores de un conjunto continuo.
VARIABLES ALEATORIAS DISCRETAS

b) La definicin es la siguiente:
Sea la variable aleatoria que representa la suma de los resultados en
el lanzamiento de los dados. Definicin 3.2
Los posibles valores de son entonces: Una variable aleatoria se dice discreta si solamente puede tomar valores
2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 de un conjunto numerable de valores.
c) Sea el evento en el cual la suma de los resultados es par, es
evidente que: Una vez definida una variable aleatoria discreta, se debe definir la forma en la
que se asignarn las probabilidades a cada valor que puede tomar la variable aleatoria.
Por lo que
Definicin 3.3
Sea una v.a. discreta, se define su funcin de probabilidad 1 2
como:
donde
Para cualquier funcin de probabilidad de una v.a. discreta debe cumplirse lo

siguiente:
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.3
En una ciudad se observa el tiempo que transcurre de un sismo a otro, el cual
se representa mediante la v.a. . Obtener el rango de .
Resolucin
Considerando que de un sismo a otro debe de transcurrir algn tiempo, y que
no se sabe cunto tardar en ocurrir el nuevo sismo, se tiene: 1
T a mbi n lla mada: funcin m asa de p r ob ab ilid ad o distribucin de
probabilidad.
S))))))))))))))))))))))))))))))))))))Q
2
Es muy comn la notacin , donde se resalta el hecho de que la funcin
Las variables aleatorias pueden clasificarse en discretas, continuas o mixtas. Se proporciona probabilidad. En estas notas se utiliza la notacin para
estudiarn las caractersticas de las discretas y de las continuas, dejando las mixtas como
hacer nfasis en que es una funcin.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
Verificando la propiedad (1)

Definicin 3.4 Propiedades de la funcin de Probabilidad
1)
2) Verificando (2)
Debe cumplirse que
3)
es decir
Debe observarse la analoga de estas propiedades con los axiomas de la

probabilidad. Para determinar si una funcin es una funcin de probabilidad, se deben De la serie geomtrica se sabe que: converge a cuando
cumplir las propiedades anteriores, en particular se deben probar (1) y (2).
y diverge cuando .
S))))))))))))))))))))))))))))))))))))Q
Relacionando la funcin de probabilidad con la serie geomtrica se tiene que
Ejemplo 3.4
Considrese el lanzamiento de una moneda. Se desea observar el nmero de .
lanzamientos hasta que "caiga" por primera vez un sol. Obtener una expresin
para la funcin de probabilidad y verificar que cumple con las primeras dos Slo falta restar el primer trmino cuando , de donde
propiedades.
Resolucin
Sea la v.a. que representa el nmero de lanzamientos necesarios para
observar por primera vez un sol.
Por lo que s se satisface (2).
El rango de la v.a. es
S))))))))))))))))))))))))))))))))))))Q
Debe observarse con mucho cuidado el hecho de que una vez definida la v.a.,
debe poderse obtener el rango de dicha variable, es decir el conjunto de valores que la
variable aleatoria puede tomar; sin embargo, el dominio de la funcin de probabilidad
puede extenderse a todos los reales, para facilitar la notacin en anlisis posteriores.
.
.
.
En general
Fig. 3.2 Variable Aleatoria y Funcin de
Probabilidad.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
S))))))))))))))))))))))))))))))))))))Q S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.5 Ejemplo 3.6
Considrese la v.a. cuyos posibles valores son 0, 1, 2, 3 y 4; y que tiene la Al examinar pozos de agua en una regin con respecto a dos tipos de impurezas
siguiente funcin de probabilidad. encontradas frecuentemente en el agua potable, se encontr que el 20% de los
pozos no revelaban impureza alguna, el 40% tenan la impureza del tipo A y
el 50% la impureza del tipo B (naturalmente, algunas tenan ambas impurezas).
0 1 2 3 4 Si se selecciona un pozo de la regin al azar, obtener la distribucin de
probabilidad para , esto es, el nmero de impurezas encontradas en el pozo.
Resolucin
Sea el evento en el cual se tiene la impureza A, y el evento en el cual se
tiene la impureza B, entonces, la siguiente tabla muestra las probabilidades de
a) Determinar el valor de la constante para que sea una funcin las intersecciones de los eventos:
de probabilidad.
b) Calcular .
Total
Resolucin
a) Para que sea una funcin de probabilidad, deben cumplirse las
propiedades 1 y 2.
Si entonces se cumple que Total
Y por otro lado:
De donde
De donde
b) Por lo que la funcin de probabilidad es:
0 1 2
S))))))))))))))))))))))))))))))))))))Q
0.2 0.7 0.1
Los problemas que generalmente resultan ms interesantes son aquellos en los S))))))))))))))))))))))))))))))))))))Q
que se debe obtener la funcin de probabilidad para una variable aleatoria discreta a Una funcin de probabilidad generalmente se representa de manera grfica
partir de un problema en particular. utilizando lneas verticales que representan la probabilidad, como se muestra en la
siguiente figura.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
El rango de la v.a. es
Sea el evento en el cual el interruptor funciona, para .
Fig. 3.3 Grfica de una funcin de

Probabilidad
Sin embargo, en el presente curso se preferir la representacin puntual, para

hacer nfasis en que se trata de una funcin muy semejante a las estudiadas en los cursos
de clculo, pero que solamente toma valores puntuales. La representacin que se
utilizar es entonces:
Finalmente la distribucin es:
0 1 2
0.019 0.252 0.729
Fig. 3.4 Grfica de una funcin de

Probabilidad S))))))))))))))))))))))))))))))))))))Q
))))))))))))))))))))))))))))))))))))Q Un ejemplo ms elaborado de la obtencin de una funcin de probabilidad es

Ejemplo 3.7 el mostrado en el siguiente ejemplo.
Cuando se encienden, cada uno de los tres interruptores del diagrama siguiente
S))))))))))))))))))))))))))))))))))))Q
trabaja en forma correcta con una probabilidad de . Si un interruptor trabaja
Ejemplo 3.8
en forma correcta, puede pasar la corriente por l cuando se enciende.
Determinar la distribucin de probabilidad , el nmero de trayectorias De la gente que llega a un banco de sangre como donador, uno de cada tres
cerradas de a cuando los tres interruptores se encienden. tiene sangre tipo , y uno de 15 sangre tipo . Para las siguientes tres
personas que llegan al banco, sea el nmero que tiene sangre y las
que tienen .
Si se supone que las proporciones de los tipos de sangre se mantienen
constantes (independencia), determinar las distribuciones de probabilidad para
y .
Resolucin
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
Resolucin VARIABLES ALEATORIAS CONTINUAS

Se tiene que:
, Probabilidad de que una persona tenga . Definicin 3.5

Una v.a. se dice continua si puede tomar valores de un conjunto
, Probabilidad de que una persona tenga infinito no numerable de valores.
Las variables aleatorias continuas tambin tienen una funcin que

proporciona informacin sobre la probabilidad, dicha funcin se define a continuacin.
Definicin 3.6 Propiedades de la Funcin de Densidad

Sea una variable aleatoria continua, se define su funcin de densidad
En general: , como una funcin con las siguientes propiedades:
1)
, .
2)
, . 3)
En forma tabular, se tiene: Recordando las propiedades de la integral definida, se tienen los siguientes
resultados:
a)
b)
En trminos simples, las propiedades de la funcin de densidad dicen que la

funcin debe ser no negativa (1); y que la probabilidad del espacio muestral debe ser
igual a la unidad (2). De los resultados debe destacarse el hecho de que la probabilidad
de que una variable aleatoria continua tome exactamente un valor es cero (a), lo cual
debe interpretarse como: la probabilidad de que una variable aleatoria continua tome
exactamente un valor es prcticamente cero.
Una funcin de densidad, se representa grficamente de igual forma que una

funcin continua en el clculo, como puede observarse en la figura 5.
S))))))))))))))))))))))))))))))))))))Q
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
Fig. 5 Grfica de una funcin de densidad.
Debe observarse de la propiedad (3), que para obtener la probabilidad de que

una variable aleatoria est dentro de cierto intervalo, se integra sobre ese intervalo;
recordando la interpretacin geomtrica de la integral, se puede decir que la probabilidad c)
coincide con el "rea" bajo la curva .
El siguiente ejemplo muestra el uso de la propiedad 2 de las funciones de
densidad, la propiedad 3 para el clculo de probabilidades y adicionalmente, ilustra la
forma en la que se pueden calcular probabilidades condicionales, utilizando una d)
variacin de la definicin de probabilidad condicional vista en el captulo anterior,
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.9
El tiempo requerido por los estudiantes para presentar un examen de una hora
es una variable aleatoria con una funcin de densidad dada por
S))))))))))))))))))))))))))))))))))))Q
a) Determinar el valor de . Ejemplo 3.10
b) Trazar la grfica de . La temperatura de encendido de un interruptor con control termosttico de un
sistema de acondicionamiento de aire se ajusta a 60 F, pero la temperatura real
c) Calcular la probabilidad de que un estudiante termine en menos de
media hora. a la cual el interruptor acciona es una variable aleatoria que tiene la funcin
d) Dado que cierto estudiante necesita al menos 15 minutos para de densidad de probabilidad
presentar el examen, obtener la probabilidad de que necesite al menos
30 minutos para terminarlo.
Resolucin
a) , de donde a) Calcular la probabilidad de que sea una temperatura mayor de 60 F
la necesaria para que accione el interruptor.
b) Si se utilizan en forma independiente dos de tales interruptores,
calcular la probabilidad de que ambos necesiten que la temperatura
sea mayor de 60 F para que se accionen.
b)
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
Resolucin
a)
b) Sea la variable aleatoria que representa la temperatura a la cual el

interruptor se acciona, entonces:
Sin importar si la variable aleatoria es discreta o continua, la funcin de
distribucin tiene las siguientes propiedades, que se deducen directamente de la
para
definicin.
por lo que: Propiedades de la Funcin de Distribucin
1) ,
2) Para el mayor valor en el rango de la variable aleatoria , ; es
decir:
Para un valor menor al primer valor en el rango de la variable aleatoria ,

S))))))))))))))))))))))))))))))))))))Q
; es decir:
FUNCIN DE DISTRIBUCIN
La funcin de distribucin, tambin llamada funcin de distribucin acumulativa, 3) La funcin es no decreciente; es decir:
muestra el comportamiento acumulado de una variable aleatoria.
Si entonces
4) La probabilidad de que una variable aleatoria est en el intervalo est
Definicin 3.7 dada por:
Si es una variable aleatoria, entonces su funcin de distribucin
, se define como una funcin que asocia a cada valor real, la
probabilidad de que la variable aleatoria asuma valores menores o Para generalizar la propiedad (4) al intervalo cerrado , deben utilizarse
iguales que l. los casos discreto y continuo.
La funcin de distribucin se obtiene de la siguiente manera:
La representacin grfica de la funcin de distribucin para una v.a discreta es

una funcin escalonada con discontinuidades de salto, mientras que para una variable
aleatoria continua es una funcin continua.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
S))))))))))))))))))))))))))))))))))))Q El tiempo requerido por los estudiantes para presentar un examen de una hora
Ejemplo 3.11 es una variable aleatoria con una funcin de densidad dada por
Sea una variable aleatoria con funcin de probabilidad ,
-5 -1 1 1.5 3
0.2 0.01 0.3 0.29 0.2
a) Construir la funcin de distribucin de en forma tabular. a) Obtener .

b) Trazar su grfica. b) Trazar la grfica .
Resolucin c) Utilizar del inciso (a) para encontrar , y

a) La forma tabular de la funcin de distribucin se obtiene directamente .
de la funcin de probabilidad, sumando las casillas a la izquierda y
la del valor que se desea.
Resolucin
a) ,
-5 -1 1 1.5 3
0.2 0.21 0.51 0.8 1 Finalmente
b)
b)
c)
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.12
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
En este intervalo debe considerarse lo que se acumula de en

adelante, as como todo lo acumulado en el intervalo anterior.
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.13
Una gasolinera tiene dos bombas, que pueden bombear cada una hasta 10,000
Finalmente
litros de gasolina por mes. La cantidad total de gasolina bombeada en un mes
es una variable aleatoria (expresada en diez mil litros), con una funcin de
densidad de probabilidad dada por
a) Trazar la grfica de .
Obsrvese que la funcin de distribucin es no decreciente, por lo que
b) Obtener y construir su grfica. inicia teniendo el valor cero y termina teniendo el valor de uno.
c) Calcular la probabilidad de que la gasolinera bombee entre 8,000 y
12,000 litros en un mes.
d) Si se sabe que la gasolinera ha bombeado ms de 10,000 litros en un
mes en particular, obtener la probabilidad de que haya bombeado ms
de 15,000 litros durante el mes.
Resolucin
a)
c)
d)
S))))))))))))))))))))))))))))))))))))Q
b) Para
Para
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
VALOR ESPERADO DE UNA VARIABLE ALEATORIA resultado de la repeticin.
El concepto de valor esperado es sin duda uno de los ms importantes en el estudio de Es muy comn denotar al valor esperado de una variable aleatoria mediante
las distribuciones de probabilidad. Tiene sus orgenes en los juegos de azar, debido a que , y en ocasiones, simplemente como .
los apostadores queran saber cul era su expectativa en un juego despus de participar
en l muchas veces. S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.14
Por ejemplo, considrese una pequea rifa que depende del resultado de un Un automovilista desea asegurar su coche por 50,000 U.M. 3. La compaa
dado. El boleto para participar en la rifa cuesta un peso, y el apostador recibe cinco aseguradora estima que una prdida total puede ocurrir con una probabilidad
pesos si el resultado es 6 (tiene una ganancia de 4 pesos), y en caso contrario pierde el de 0.002, un 50% de prdida con una probabilidad de 0.01 y un 25% de
valor del boleto con el que particip en la rifa. Despus de un gran nmero de juegos, prdida con una probabilidad de 0.1. Ignorando todas las otras prdidas
cual ser su prdida o ganancia? Para contestar se debe considerar a la distribucin de parciales, qu prima deber cobrar anualmente la compaa aseguradora para
probabilidad como la frecuencia relativa a largo plazo de los resultados que se tener una utilidad promedio por automvil de 500 U.M.?
obtendrn, de manera que, si es la variable aleatoria que representa el resultado del
Resolucin
dado, la probabilidad de ganar es , mientras que la probabilidad de Sea la prima y la variable aleatoria que representa la utilidad, entonces
perder es , de donde la ganancia esperada promedio por rifa es:
Es decir, despus de jugar un gran nmero de veces, el apostador pierde un Para que la utilidad promedio sea de , se debe satisfacer ,
sexto de peso en promedio por rifa. de donde
Debe observarse que la operacin que se realiz es un promedio ponderado de

la ganancia de cada rifa. De hecho de esta forma se define el valor esperado de una
variable aleatoria discreta. Para el caso de una variable aleatoria continua la definicin
es similar. Por lo que
U.M.
Definicin 3.8
La prima deber de ser de U.M.
Sea una variable aleatoria con distribucin de probabilidad . El S))))))))))))))))))))))))))))))))))))Q
valor esperado de , es: Ejemplo 3.15
La funcin de densidad de la variable aleatoria continua , el nmero total de
horas, en unidades de 100 horas, que una familia utiliza una aspiradora durante
un ao est dado por
El valor esperado es muy utilizado en la teora de decisiones. Es decir, en

situaciones de incertidumbre se toma una decisin basada en la expectativa de repetir un
gran nmero de veces una situacin similar y determinar el valor esperado como 3
Unidades Monetarias
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
y el uso de las propiedades de la suma y de la integral.
El valor esperado de una variable aleatoria discreta puede ser interpretado como
el centro de masa de una distribucin de masas colocadas en los puntos del
Obtener el nmero promedio de horas por ao que la familia utiliza la eje .

aspiradora. El valor esperado de una variable aleatoria continua puede ser interpretado
como la abscisa del centroide de la figura formada por la funcin junto con el eje
Resolucin
(y los extremos de si los hubiera).
La aspiradora se usa en promedio 100 horas al ao. MOMENTOS DE UNA VARIABLE ALEATORIA
S))))))))))))))))))))))))))))))))))))Q
Sea una variable aleatoria, se define su -simo momento con respecto al origen
PROPIEDADES DEL VALOR ESPERADO como:
1) El valor esperado de una constante , es la misma constante.

y el -simo momento con respecto a la media 4 como
2) El valor esperado de una variable aleatoria por una constante, es la constante

por el valor esperado de la variable aleatoria
El primer momento con respecto al origen es el valor esperado
3) El valor esperado de la cantidad donde y son constantes, es el

producto de por el valor esperado de ms . Por las caractersticas del operador valor esperado, es posible obtener
momentos con respecto a la media a partir de momentos con respecto al origen, como
en el siguiente ejemplo
4) Si es una funcin de , entonces:
Es decir, el segundo momento con respecto a la media se puede obtener a travs

de dos momentos con respecto al origen, y de similar forma el tercer momento con
respecto a la media se puede obtener con tres momentos con respecto al origen, y as
5) El valor esperado de una suma de funciones es igual a la suma de los valores sucesivamente.
esperados.
Si y son funciones de , entonces
4
Las demostraciones son inmediatas a partir de la definicin del valor esperado o valor esperado.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
Tpico Especial: FUNCIN GENERADORA DE M OM ENTOS
Debido a que los momentos permitirn calcular algunas de las caractersticas numricas
de las variables aleatorias, es conveniente estudiar una forma alterna para obtener los
momentos. La funcin generadora de momentos permite calcular con facilidad algunos por lo que sustituyendo en la definicin de la funcin generadora de momentos
momentos, que utilizando la definicin resultan mucho ms complicados.
Definicin 3.9
Sea una variable aleatoria se define su funcin generadora de de donde
momentos como
y si el valor esperado existe, genera todos los momentos con respecto al

origen.
Al calcular el valor esperado , se considera como constante, de

Para obtener el -simo momento con respecto al origen se deriva veces con
manera que es finalmente slo funcin de y no contiene . La variable
respecto de y se vala en .
de la funcin generadora es una variable muda, puesto que para calcular el momento
debe valuarse la variable. Es muy comn que se denote a la funcin generadora como
; sin embargo, aqu se preferir la mayscula , debido a que la minscula se
utiliza en el curso de estadstica para definir los momentos muestrales, y se prefiere
sobre debido a que se utiliza como variable aleatoria en una funcin de densidad
muy importante que se estudiar en detalle en el tema 6. y para ello, la funcin debe ser veces derivable en cero.
S))))))))))))))))))))))))))))))))))))Q
La razn por la cual la funcin genera los momentos con respecto al
Ejemplo 3.16
origen y la forma en que lo hace puede observarse a continuacin Considrese la variable aleatoria con funcin de probabilidad
La serie de M aclaurin es:

-4 -2 0 1 10 20
0.01 0.3 0.25 0.04 0.24 0.16

Expresando en serie de Maclaurin se tiene:
Construir la funcin generadora de momentos y utilizarla para calcular la media

Si de la variable aleatoria.
Resolucin
sustituyendo
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
Por lo que
integrando por partes se obtiene

Valuando en cero:
Por lo que
S))))))))))))))))))))))))))))))))))))Q
Para una variable aleatoria discreta, cuya funcin de probabilidad est definida
por una tabla, resulta ms laborioso utilizar la funcin generadora para obtener su media
o valor esperado, que haber utilizado simplemente la definicin. En general, la funcin
generadora facilita el anlisis cuando la obtencin por medio de la definicin es
laboriosa, y lo dificulta cuando la obtencin del valor esperado es muy fcil por medio
de la definicin.
Y recordando que la funcin generadora debe ser continua y veces
S))))))))))))))))))))))))))))))))))))Q derivable en el origen, entonces
Ejemplo 3.17
La funcin de densidad de probabilidad de una variable aleatoria est
determinada por:
de donde
b) Para obtener la media, o valor esperado, se sabe que:

a) Determinar la funcin generadora de momentos de .
b) Utilizar la funcin generadora de momentos para obtener la media de
. por lo que
,
Resolucin
a) La funcin generadora de momentos est definida por
por lo que: S))))))))))))))))))))))))))))))))))))Q
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
CARACTERSTICAS NUMRICAS DE LA VARIABLE Al observar las probabilidades de la tabla se observa que:

ALEATORIA
Si bien, el comportamiento probabilstico de las variables aleatorias queda S))))))))))))))))))))))))))))))))))))Q
completamente especificado mediante las funciones de probabilidad o de densidad,
segn sea el caso, en ocasiones es conveniente trabajar con algunas caractersticas
numricas que describen el comportamiento de la variable aleatoria.
M ediana
Las caractersticas numricas se clasifican en tres:
Es aquel valor para el cual la probabilidad de que la variable aleatoria tome valores
- Medidas de tendencia central. menores o iguales a dicho valor es 0.5. Se denota por .
- Medidas de dispersin.
- Parmetros de forma.
Matemticamente, la mediana es el valor tal que .
M EDIDAS DE TENDENCIA CENTRAL S))))))))))))))))))))))))))))))))))))Q

Ejemplo 3.19
Las medidas de tendencia central son la media, la moda y la mediana.
Sea la funcin de densidad
M edia
La media o valor esperado, que tambin recibe el nombre de esperanza matemtica, se

estudi antes. En muchas aplicaciones se considera como el valor ms representativo de
una variable aleatoria Se denota por . Obtener la media, la mediana y la moda.
M oda Resolucin
La media est dada por
Es aquel valor para el cual la funcin de probabilidad o funcin de densidad, segn sea
el caso, toma su valor mximo. Se denota por .
Integrando por partes se tiene que:
S))))))))))))))))))))))))))))))))))))Q
La mediana est dada por
Ejemplo 3.18
Considrese la variable aleatoria con funcin de probabilidad de donde
-4 -2 0 1 5 10
0.01 0.3 0.25 0.04 0.24 0.16
Obtener la moda de la variable aleatoria. La moda es el valor en el cual se encuentra el mximo, por lo que derivando e
igualando a cero para obtener el mximo:
Resolucin
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
En otras palabras, puede decirse que la desviacin media es el promedio de los

valores absolutos de las dispersiones alrededor de la media.
No existe solucin.
Por otro lado, no se puede considerar ningn extremo del intervalo, puesto que Debido a la dificultad matemtica que implica trabajar con el valor absoluto,
en ambos casos es abierto . recurdese que el valor absoluto est definido mediante dos reglas de correspondencia,
se utiliza una funcin cuadrtica para eliminar el problema que se genera por las
Se concluye que la funcin no tiene moda. diferencias positivas y negativas, dando lugar a la variancia.
S))))))))))))))))))))))))))))))))))))Q
Variancia
Como se pudo observar en el ejemplo anterior, no es necesario que existan
todas las medidas de tendencia central, de hecho la media y la moda pueden no existir. La variancia 6 se denota por o bien por y se define como el promedio del
La media no existe cuando la integral para las vv.aa. continuas no converge; la moda no
existe en casos como el anterior, o bien, cuando para cualquier valor de la variable la cuadrado de la diferencia de la variable aleatoria y su media.
funcin toma el mismo valor 5.
Matemticamente:
M EDIDAS DE DISPERSIN
Las medidas de dispersin indican la lejana de los valores que puede tomar la variable
aleatoria. Las principales medidas de dispersin son el rango, la desviacin media, la
variancia, la desviacin estndar y el coeficiente de variacin.
De la definicin de la variancia, y utilizando las propiedades del valor esperado,
Rango se puede escribir la variancia como:
Es la mediada de dispersin ms simple. El rango se define como la diferencia entre el

mayor valor que puede asumir la variable y el menor valor que puede asumir.
Debe recordarse que en este momento se est considerando que es una
caracterizacin exacta de la distribucin de frecuencias de una poblacin, es decir,
proporciona toda la informacin de la poblacin, por lo que se puede escribir:
Desviacin media
La desviacin media de una variable aleatoria es el valor esperado de la diferencia en

valor absoluto entre los valores de y su media. Se denota
en el curso de Estadstica se estudiarn los casos en los cuales no se cuenta con toda la
Matemticamente: informacin de la poblacin.
La variancia es el segundo momento con respecto a la media.
5 6
Algunos autores dicen que en este caso todos los valores son modas. Algunos autores utilizan la traduccin "varianza".
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
CARACTERSTICAS DE LA VARIANCIA distribucin simtrica con respecto a la media.
1) La variancia de una constante es cero.
2) La variancia de una constante por la variable aleatoria es el cuadrado

de la constante por la variancia de la variable aleatoria
Debido a que la variancia queda en unidades cuadradas, se obtiene la raz

cuadrada para regresar a las unidades originales, lo que da lugar a la desviacin estndar.
Desviacin estndar
Sesgo positivo Simtrica Sesgo negativo
La desviacin estndar se define como la raz cuadrada positiva de la variancia. Se
denota por . Esto es: El sesgo positivo tambin se llama sesgo hacia la derecha, y el sesgo negativo
hacia la izquierda.
Tpico Especial: Coeficiente de curtosis

Coeficiente de Variacin
El coeficiente de curtosis mide el grado de aplanamiento, o bien, indica que tan
El coeficiente de variacin mide la dispersin relativa a la media de una distribucin de puntiaguda es la distribucin. Se define como el cuarto momento con respecto a la media
probabilidad, y se utiliza para comparar la dispersin de dos distribuciones de estandarizado. Se denota por .
probabilidad.
Se define como la desviacin estndar entre la media. Se denota .
El valor del coeficiente de curtosis se compara con el nmero tres.
PARM ETROS DE FORM A
Los parmetros de forma son el coeficiente de sesgo y el coeficiente de curtosis.
Coeficiente de sesgo
El coeficiente de sesgo mide el grado de simetra de una distribucin de probabilidad.

Se define como el tercer momento con respecto a la media estandarizado. Se denota por
.
Platicrtica Mesocrtica Leptocrtica

El valor del coeficiente de sesgo se compara contra cero, que indica una
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.20
Considrese una variable aleatoria continua con la funcin de densidad dada
por
Desviacin estndar
Coeficiente de variacin
Determinar todas las caractersticas numricas de la variable aleatoria .
Resolucin
Medidas de tendencia central:
Parmetros de forma:
Media,
Sesgo,
Moda,
Mediana, pero
Para encontrar la mediana deben de utilizarse en orden las reglas de
correspondencia de la funcin de densidad, hasta obtener la regla con la cual
se acumule la probabilidad de 0.5
Para la primera regla de correspondencia, con , se tiene:
por lo que La distribucin es simtrica.
Curtosis
Esto es , de donde , y puesto que el valor obtenido s se
pero
encuentra dentro de intervalo , entonces la mediana es .
Medidas de dispersin:
Rango,
Desviacin media
por lo que
por simetra La distribucin es platicrtica.
Variancia S))))))))))))))))))))))))))))))))))))Q
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
Ejemplo 3.21 Rendimiento Esperado
Un empresario debe decidir entre invertir en el proyecto o el . Segn los

estudios realizados por sus analistas cada proyecto puede generar distintos
rendimientos dependiendo de situaciones relacionadas con la competencia y la
poltica nacional. En resumen se tiene la siguiente informacin:
Probabilidad
0.1 -25 -40
0.2 5 0
0.4 15 16
0.2 30 40 c) Con base en el rendimiento esperado, el mejor proyecto es el .

Con base en el riesgo del proyecto, el mejor proyecto es el .
0.1 45 66
Con base en el riesgo por rendimiento prometido, el mejor proyecto
es el .
a) Determinar el rendimiento esperado de los activos y .
S))))))))))))))))))))))))))))))))))))Q
b) Determinar la desviacin estndar y coeficiente de variacin de los
rendimientos de los proyectos y .
c) Jerarquizar los proyectos con base en el rendimiento esperado, el TPICOS ESPECIALES: TEOREM A DE CHEBYSHEV
riesgo del proyecto y el riesgo por rendimiento prometido.
El teorema de Chebyshev o la desigualdad de Chebyshev proporciona una cota para la
Resolucin probabilidad de que una variable aleatoria se aleje un cierto nmero de desviaciones
a) Sean y los rendimientos de los proyectos y . estndar de la media. La cota no siempre genera un intervalo reducido; sin embargo, se
requiere muy poca informacin de la variable aleatoria para generar el intervalo, de
hecho, basta con conocer la media y la desviacin estndar.
Teorema de Chebyshev
La probabilidad de que cualquier variable aleatoria tome un valor dentro
de desviaciones estndar de la media es por lo menos ; es decir,
b) De hecho, la desigualdad de Chebyshev se puede escribir tambin como:
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
Por lo que deben existir 41 tarjetas de impresora en el inventario.

o bien, utilizando el complemento
S))))))))))))))))))))))))))))))))))))Q
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.22
Una variable aleatoria tiene una media , con una variancia ,
y una distribucin de probabilidades conocida. Utilizando el teorema de
Chebyshev, obtener:
a) .
b) .
Resolucin
a)
b)
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.23
Tener a mano un suministro adecuado de refacciones es funcin importante del

almacn de una gran empresa electrnica. Se estudi la demanda mensual de
tarjetas para impresoras de microcomputadoras durante algunos meses y se vio
que el promedio o media es 28 y la desviacin estndar es 4. Cuntas tarjetas
de impresora deben tener a la mano al principio de cada mes para asegurar que
la demanda ser mayor que la oferta cuando mucho con una probabilidad de
0.10?
Resolucin
Sea la variable aleatoria que representa la demanda.
Utilizando el teorema de Chebyshev con se tiene :
es decir :
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
AUTOEXAM EN TEM A III
1.- Sea una variable aleatoria con funcin de densidad
donde . La probabilidad de que est entre 1 y 2 es:
A) B) C) D) E)
A) 2 B) 1 C) D) E)
2.- Los siguientes enunciados se relacionan con una distribucin de probabilidad
discreta, EXCEPTO:
5.- Dada la variable aleatoria con funcin de densidad
A) La suma de todas la probabilidades es uno.
B) Se puede presentar como una frmula.
C) A cada valor de la variable se le asigna una probabilidad.
D) Se puede representar en forma grfica.
E) Su funcin de distribucin es continua. entonces el valor de es:
3.- Sea una variable aleatoria discreta con funcin de distribucin A) B) 1 C) 2 D) 3
E) Ninguna de las anteriores.
6.- Una compaa de seguros debe determinar la cuota anual a cobrarse por un
seguro de cincuenta mil pesos para hombres cuya edad se encuentra entre los
30 y 35 aos. Con base en las tablas actuariales el nmero de fallecimientos al
Entonces es: ao, para este grupo, es de 5 por cada mil. Si es la v.a. que representa la
ganancia de la compaa de seguros, entonces el monto de la cuota anual para
que la compaa no pierda, a pesar de tener un nmero grande de tales seguros
A) 1 B) 0 C) 0.2 D) 0.3 E) 0.5
es:
4.- Si la variable aleatoria tiene la funcin de densidad que se muestra en la

A) 100 B) 250 C) 5000 D) 50,000
figura, entonces el valor de es: E) Ninguno de los anteriores.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
7.- Dada la funcin de densidad
D)
la funcin de distribucin acumulativa es: E) Ninguna de las anteriores.
8.- El tiempo que toma reparar una computadora personal es una variable aleatoria
con funcin de densidad
A)
El costo de la reparacin depende del tiempo, y es igual a . El costo
esperado al reparar una computadora personal es:
A) 68.28 B) 70 C) 1 D) 16.56
B) 9.- Dada la funcin de probabilidad
0 1 2 3
0.1 0.2 0.4 0.3
Su funcin generadora de momentos es:

C)
1) 2)
3) 4)
5)
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
10.- Si la variable aleatoria tiene una distribucin asimtrica a la derecha

BIBLIOGRAFA
entonces , y corresponden
Hines, W illiam W . y M ontgomery, Douglas C. - Probabilidad y Estadstica para
ingeniera, cuarta edicin..- CECSA.- Mxico, 2005.
Milton, Susan J. Y Arnold, Jesse C.- Probabilidad y Estadstica para con aplicaciones
para ingeniera y ciencias computacionales, cuarta edicin.- McGraw-Hill.- Mxico,
2004..
Devore, Jay L.- Probabilidad y Estadstica para ingeniera y ciencias, sexta edicin.-
Editorial Thomson.- Mxico, 2005.
W ackerly Dennis D .- Mendenhall, W illiam, et al.- Estadstica Matemtica con

Aplicaciones, sexta edicin.- Editorial Thomson.- Mxico, 2002.
en ese orden, a: W alpole, Ronald E., et al.- Probability and Statistics for Engineers and Scientists.-
Pearson.- USA, 2007.
A) La media, la moda y la mediana.
Montgomery, Douglas C. y Runger, George C.-Probabilidad y Estadstica aplicadas a
B) La moda, la media y la mediana.
la Ingeniera, segunda edicin.- Limusa-W iley.- Mxico, 2002.
C) La mediana, la media y la moda.
D) La moda, la mediana y la media.
Scheaffer, Richard L. y McClave, James T.- Probabilidad y Estadstica para Ingeniera.-
Grupo Editorial Iberoamrica.- Mxico, 1993.
Canavos, George C.- Probabilidad y Estadstica Aplicaciones y Mtodos.- McGraw-

Hill.- Mxico, 1988.
Meyer, Paul L.- Probabilidad y Aplicaciones Estadsticas.- Addison W esley

Iberoamericana.- Mxico, 1992.
Borras Garca, Hugo E., et al.- Apuntes de Probabilidad y Estadstica.-Facultad de

Ingeniera.- Mxico, 1985.
Rosenkrantz, W alter A.- Introduction to Probability and Statistics for Scientists and
Engineers.- McGraw-Hill.- EE.UU., 1997.
Ross Sheldon M - Probabilidad y Estadstica para Ingeniera y Ciencias-McGraw-Hill.-

Mxico, 2002.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

PyE T3 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

PyE T3 PDF

Cargado por

Copyright:

Formatos disponibles

PROBABILIDAD Y ESTADSTICA

Profesores: A. Leonardo Bauelos S.

INTRODUCCIN Los valores de la imagen de dicha funcin, se conocen como valores de la

La definicin (en su construccin y significado) de una variable aleatoria (v.a.)

En el ejemplo anterior, si nos interesa conocer el nmero de hijos varones en

Resolucin una combinacin de los casos anteriores.

VARIABLES ALEATORIAS DISCRETAS

Para cualquier funcin de probabilidad de una v.a. discreta debe cumplirse lo

Verificando la propiedad (1)

Debe observarse la analoga de estas propiedades con los axiomas de la

b) Por lo que la funcin de probabilidad es:

Fig. 3.3 Grfica de una funcin de

Sin embargo, en el presente curso se preferir la representacin puntual, para

Finalmente la distribucin es:

0.019 0.252 0.729

Fig. 3.4 Grfica de una funcin de

))))))))))))))))))))))))))))))))))))Q Un ejemplo ms elaborado de la obtencin de una funcin de probabilidad es

Resolucin VARIABLES ALEATORIAS CONTINUAS

, Probabilidad de que una persona tenga . Definicin 3.5

Las variables aleatorias continuas tambin tienen una funcin que

Definicin 3.6 Propiedades de la Funcin de Densidad

En trminos simples, las propiedades de la funcin de densidad dicen que la

Una funcin de densidad, se representa grficamente de igual forma que una

Fig. 5 Grfica de una funcin de densidad.

Debe observarse de la propiedad (3), que para obtener la probabilidad de que

b) Sea la variable aleatoria que representa la temperatura a la cual el

por lo que: Propiedades de la Funcin de Distribucin

Para un valor menor al primer valor en el rango de la variable aleatoria ,

La funcin de distribucin se obtiene de la siguiente manera:

La representacin grfica de la funcin de distribucin para una v.a discreta es

0.2 0.01 0.3 0.29 0.2

a) Construir la funcin de distribucin de en forma tabular. a) Obtener .

Resolucin c) Utilizar del inciso (a) para encontrar , y

0.2 0.21 0.51 0.8 1 Finalmente

En este intervalo debe considerarse lo que se acumula de en

VALOR ESPERADO DE UNA VARIABLE ALEATORIA resultado de la repeticin.

perder es , de donde la ganancia esperada promedio por rifa es:

Debe observarse que la operacin que se realiz es un promedio ponderado de

El valor esperado es muy utilizado en la teora de decisiones. Es decir, en

y el uso de las propiedades de la suma y de la integral.

Obtener el nmero promedio de horas por ao que la familia utiliza la eje .

1) El valor esperado de una constante , es la misma constante.

2) El valor esperado de una variable aleatoria por una constante, es la constante

3) El valor esperado de la cantidad donde y son constantes, es el

4) Si es una funcin de , entonces:

Es decir, el segundo momento con respecto a la media se puede obtener a travs

Tpico Especial: FUNCIN GENERADORA DE M OM ENTOS

y si el valor esperado existe, genera todos los momentos con respecto al

Al calcular el valor esperado , se considera como constante, de

La serie de M aclaurin es:

0.01 0.3 0.25 0.04 0.24 0.16

Construir la funcin generadora de momentos y utilizarla para calcular la media

integrando por partes se obtiene

b) Para obtener la media, o valor esperado, se sabe que:

por lo que: S))))))))))))))))))))))))))))))))))))Q

CARACTERSTICAS NUMRICAS DE LA VARIABLE Al observar las probabilidades de la tabla se observa que:

M EDIDAS DE TENDENCIA CENTRAL S))))))))))))))))))))))))))))))))))))Q

La media o valor esperado, que tambin recibe el nombre de esperanza matemtica, se

0.01 0.3 0.25 0.04 0.24 0.16

En otras palabras, puede decirse que la desviacin media es el promedio de los

Es la mediada de dispersin ms simple. El rango se define como la diferencia entre el

La desviacin media de una variable aleatoria es el valor esperado de la diferencia en

La variancia es el segundo momento con respecto a la media.