Está en la página 1de 5

Estadstica I Profesora: Carolina Palma Aldunce

Distribuciones de Probabilidad
Conceptos Previos:

Poblacin: Es la coleccin de toda la posible informacin que caracteriza a un fenmeno aleatorio.

Muestra: Es un subconjunto representativo de la poblacin.

Variables aleatorias.
Es la caracterstica de inters del fenmeno aleatorio en estudio. Se denotan por letras maysculas X, Y, Z, etc. Por ejemplo:
Nmeros de artculos defectuosos.
Tiempo de duracin de un artculo.
Monto de las utilidades de una empresa.

Las variables aleatorias se clasifican en:

Variables discretas: Son aquellas cuyo recorrido es un conjunto finito o infinito numerable. (Rec X={0,1,2,3,4,.})

Obedecen a situaciones de conteo.

Ejemplos:
Nmero de personas que llegan a un banco en determinada hora.
Nmero de automviles que cruzan cierta interseccin.

Variables continuas: Son aquellas cuyo recorrido es uno o ms intervalos reales. (Rec X = [0,100])

Obedecen a situaciones de medicin.

Ejemplos:
Tiempo de duracin de una ampolleta.
Dimetro de un rodamiento.

Una distribucin de probabilidad es una funcin que permite obtener la probabilidad de que una variable aleatoria X asuma
un valor cualquiera x.
f(x) = P(X=x)
El carcter aleatorio de una variable estadstica, que supone la imposibilidad de realizar con total exactitud una afirmacin
respecto de ella, hace necesario disponer de una funcin que permita formular dichas afirmaciones en trminos probabilsticos.

Las condiciones para que una funcin sea de probabilidad dependen de si la variable es discreta o continua.

Funcin de cuanta: Si X es una variable aleatoria discreta, entonces f ( x) = P ( X = x) es funcin de probabilidad


discreta o funcin de cuanta si:
1. f ( x) 0 "x RecX
2. f ( x) = 1
xRecX

x
; x = 1, 2,3, 4,5
Ejemplo: La funcin f ( x) = 15 es una funcin de cuanta.

0 ; T .O.C
En efecto, se cumple:
1. f ( x) 0 "x = 1, 2,3, 4,5
5
1 2 3 4 5 15
2. f ( x ) = f (1) + f (2) + f (3) + f (4) + f (5) = + + + + = =1
x =1 15 15 15 15 15 15

Funcin de densidad: Si X es una variable aleatoria continua, entonces f ( x ) = P( X = x ) es funcin de probabilidad


continua o funcin de densidad si:
1. f ( x) 0 "x IR
+
2. f ( x)dx = 1
-

1
Estadstica I Profesora: Carolina Palma Aldunce

Clculo de probabilidades.
f ( x) = P ( X = x) Funcin de probabilidad

Funcin de cuanta (discreta) Funcin de densidad (continua)

P ( X = a ) = f (a ) P ( X = a) = 0
a
P ( X a) = f ( x)
x a
P( X a ) =f ( x)dx
+
-
P ( X a) = f ( x) P( X a) = f ( x) dx
x a
b a b
P( a X b) = f ( x) P ( a X b) =
f ( x )dx
x=a a

Propiedades de probabilidades.

1) P( X > a) = 1 - P( X a) Propiedad del complemento

P ( X < a) = P( X a )
2) Propiedad vlida solo para variables continuas
P ( X > a) = P( X a)
P ( a < X < b) = P (a X b)
Ejemplos:
1) Sea X variable aleatoria discreta con funcin de cuanta:
x
; x = 1, 2,3, 4,5
f ( x) = 15

0 ; T .O.C
3
P( X = 3) = = 0, 2
15
1 2 3
P( X 2) = f (1) + f (2) = + = = 0, 2
15 15 15
2 3 4 9
P(1 < X 4) = f (2) + f (3) + f (4) = + + = = 0, 6
15 15 15 15

Distribucin de probabilidad acumulada:


Una distribucin de probabilidad acumulada es una funcin que permite calcular la probabilidad de que la variable aleatoria X
sea menor o igual a un valor x. Se denota por F(x).
F ( x) = P ( X x)
La forma de calcular esta funcin depende de si la variable es discreta o continua.
f ( x ) ; si X es discreta

X x
F ( x) = x
f (t ) dt ; si X es continua
-

2
Estadstica I Profesora: Carolina Palma Aldunce

Esperanza y Varianza

Valor esperado de una variable aleatoria .

El valor esperado o esperanza de una variable aleatoria X es el promedio o valor medio de X y est dado por:

x f ( x ) ; si X es discreta

xRe cX
E ( X ) = +
x f ( x )dx ; si X es continua
-
Esta esperanza o media poblacional tambin se suele denotar como , y se debe diferenciar de la media muestral X
Varianza de una variable aleatoria.

La varianza de una variable aleatoria X es una medida de la dispersin de la distribucin de probabilidad de esta.

Var ( X ) = E ( X 2 ) - [ E ( X ) ]
2

x 2 f ( x ) ; si X es discreta

xRe cX
En donde: E( X 2 ) = +
x 2 f ( x)dx ; si X es continua
-

La varianza poblacional tambin se suele denotar como , y se debe diferenciar de la varianza muestral

( )
2
S2 = X 2 - X

Desviacin Estndar: = Var ( X )


Transformacin Lineal:

Sean X una variable aleatoria cualquiera, y sea Y una combinacin lineal de X, es decir, Y = a + bX con a, b R. La idea es
determinar E(Y), Var(Y) y (Y), sin determinar la funcin de cuanta o funcin de densidad de Y, dependiendo si la variable
aleatoria X es discreta o continua.
Para determinar estas cantidades usaremos el siguiente resultado:

Resultado: Sea X una variable aleatoria con valor esperado E(X) y varianza Var(X), y sea Y = a + bX con a, b R.
Entonces:
E(Y) = E(a + bX ) = a + b E(X )
Var(Y) = Var(a + bX ) = b2 Var(X )
(Y) = (a + bX ) = b (X )

Ejemplo:
Considere el lanzamiento, en forma independiente, de dos dados honestos. El espacio muestral asociado a este experimento
aleatorio es:
={(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2),
(4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}

Considere la variable aleatoria Y = Suma de los puntajes de los dados. El dominio de esta variable aleatoria es el conjunto Y=
{2,3,4,5,6,7,8,9,10,11,12}. Imagine que se quiere calcular la probabilidad de que Y = 7. As, la probabilidad buscada es:
P (Y=7)= {(1,6), (6,1), (2,5), (5,2), (3,4), (4,3)} = 6/36 = 1/6

3
Estadstica I Profesora: Carolina Palma Aldunce

La distribucin de probabilidades de esta variable aleatoria es:

As, la esperanza de Y se calcula como:


12
1 2 3 4 5 6 5 4 3 2 1
E(Y) =
y =2
P(Y = y) = 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12 = 7
y
36 36 36 36 36 36 36 36 36 36 36
Esta cantidad se interpreta de la siguiente manera: imagine que repite muchas veces el experimento aleatorio de lanzar dos
dados y sume los puntajes obtenidos, en cada repeticin, en los dados y luego los promedia. Dicho promedio es 7 el que
corresponde al valor esperado de la variable aleatoria Y.

Tambin se tiene que la varianza y la desviacin estndar es:


12
1 2 3 4 5 6 5 4 3 2 1
E(Y 2 ) =
y =2
P(Y = y) = 22 + 32 + 42 + 52 + 62 + 72 + 82 + 92 + 102 + 112 + 122 = 54,83
y2
36 36 36 36 36 36 36 36 36 36 36
E(Y)2 = 72 = 49
Luego la varianza y la desviacin estndar quedan determinadas por:
Var(Y) = 54,83 - 49 = 5,83
(Y) = Var(Y) = 5,83 = 2,42

Ejercicios:

1. El nmero de das requeridos para terminar las auditorias, es una variable aleatoria X, con funcin de cuanta (de
probabilidades) dada por:

a) Determine el nmero esperado de das, para terminar las auditorias. R: 11,6


b) Cul es la variabilidad del nmero de das requeridos para terminar las auditorias?. R: 1,44
c) La utilidad obtenida por la empresa encargada de las auditorias est expresada por la siguiente relacin:
Y = $200.000*(12X).
c.1. Cul es la utilidad esperada por la Empresa Auditora? R: 80.000
c.2. Cul es la probabilidad de que la Empresa Auditora obtenga prdida? R: 0,2
c.3. Determine la desviacin estndar de la utilidad. R: 240.000

Ejercicios propuestos:

1. El nmero de automviles vendidos semanalmente por una casa comercial es una variable aleatoria X con
funcin de probabilidad:

a) Determinar el valor de k
b) Encontrar la funcin de distribucin acumulada
c) Calcular la probabilidad de que el nmero de automviles vendidos en la ltima semana no supere las dos
unidades.

4
Estadstica I Profesora: Carolina Palma Aldunce

2. Determinar la funcin de distribucin para la variable aleatoria X con funcin de probabilidad:

3. La demanda diaria de cierto artculo est caracterizada por la siguiente distribucin de probabilidad:

a) Determine la constante k.
b) Calcule la esperanza y varianza de la demanda
c) Cul es la probabilidad de que la demanda no sobrepase los 4 artculos?

4. Un vendedor ha descubierto que la probabilidad de hacer varias ventas por da, si visita a 10 presuntos
compradores se presenta en la siguiente tabla:

a) Calcule la cantidad esperada y la varianza del nmero de ventas por da.


b) Suponga que el vendedor obtiene una comisin de $1500 por venta, determine sus ganancias diarias esperadas por
concepto de comisiones.

5. La demanda mensual de camiones es una variable aleatoria discreta con la siguiente ley de probabilidades:

Los camiones tienen costo de bodega de 35 U.M. por camin, y el precio de venta es de 55000 U.M. por camin. Si los
camiones no se venden en el mes se tiene una prdida total.
Usted al principio de cada mes, tiene que dejar una cantidad fija de camiones; justificando su respuesta indique, si conviene
dejar 2, 3 4 camiones al principio del mes.
Indicacin: Para cada uno de los casos 2, 3 y 4 determinar la Utilidad y luego calcular el valor esperado.