Documentos de Académico
Documentos de Profesional
Documentos de Cultura
VARIABLE ALEATORIA: Es una función que asocia un número real a cada elemento
del espacio muestral. Es decir son aquellas que pueden diferir de una respuesta a otra.
Variable aleatoria discreta. Una variable discreta proporciona datos que son llamados
datos cuantitativos discretos y son respuestas numéricas que resultan de un proceso de
conteo.
x
Distribuciones P(x)
Continuas
1 n x
Distribuciones discretas. Son aquellas donde las variables asumen un número limitado
de valores, por ejemplo el número de años de estudio.
Binomial
Discretas Hipergeométrica
Multinomial
Poisson
Distribuciones continuas. Son aquellas donde las variables en estudio pueden asumir
cualquier valor dentro de determinados límites; por ejemplo, la estatura de un
estudiante.
Continuas
Las probabilidades que se asocian a cada uno de los valores que toma la variable
aleatoria x constituyen lo que se conoce como DISTRIBUCIÓN DE PROBABILIDAD, la
cual puede ser representada mediante una función matemática, una gráfica o una tabla
de valores. La diferencia consiste en que la función matemática se transforma en una
función probabilística.
S E0 E1 ... En
X x0 x1 ... xn
P(X) p(x0) p(x1) ... p(xn)
Dados los eventos E1, E2, ..., En ⊂ S, se dice que x es una variable aleatoria, si a cada
valor de xi que asume cada Ei, se le asocia su probabilidad de ocurrencia y cumple con
las siguientes condiciones:
a) La probabilidad para todo valor que asuma la variable aleatoria x i, será mayor o
igual a cero pero menor que uno.
0 ≤ P(xi) ≤ 1 ∀ xi
b) La suma de todas las probabilidades asociadas a todos los valores que toma la
variable x, es igual a la unidad.
n
∑ P(xi ) = 1
1
Encuentre la distribución de probabilidad de lanzar dos monedas y la variable aleatoria
número de águilas.
P(X)
0 1 2
Sabemos que una variable aleatoria discreta o discontinua es aquella en la que existe
una distancia bien definida entre dos de los valores consecutivos que asume; y dichos
valores son numerables.
UNIFORME DISCRETA
Si la variable aleatoria X asume valores de X1, X2, ..., Xk con iguales probabilidades,
entonces la distribución uniforme es:
1
f(x, k) =
k
P(x)
k
∑ xi
µ= i=1
k
k
∑(xi − µ)2
σ2 = i=1
k
La distribucióin de probabilidad del lanzamiento de un dado es:
S = {1, 2, 3, 4, 5, 6}
P(x = 1, 2,..., 6) =
µ= = 3.5
LA DISTRIBUCION BINOMIAL
Esta distribución fue elaborada por Jacobo Bernoulli y es aplicable a un gran número de
problemas de carácter económico y en numerosas aplicaciones como:
- Juegos de azar.
- Control de calidad de un producto.
- En educación.
- En las finanzas.
n = 4 ensayos. p = probabilidad
de éxito en un ensayo.
q = 1 - p = 1− =
x = 0, 1, 2, 3, 4
S = {lanzar 4 veces la moneda}
A = {número de águilas que MEDIDAS DE TENDENCIA CENTRAL Y
DE DISPERSIÓN
µ = np
σ 2 = npq
σ = npq
µ = Media
σ2 = Varianza
σ = Desviación estándar
DISTRIBUCIÓN MULTINOMIAL
Ocurre cuando en el experimento binomial cada intento tiene más de dos resultados
posibles.
Las probabilidades de ocurrencia p1, p2, ..., pk en un solo ensayo, la distribución de
probabilidad de las variables aleatorias k1, k2, ..., kn que representan el número de
ocurrencias de E1, E2, ..., En en n intentos independientes es:
n! k1pk22 Kpknn
P(n, k1, k2,K, kn) = k1!k2!Kkn! p1
Calcular la probabilidad de obtener dos veces el número 4, dos veces el número 5 y una
vez el número 2, en el lanzamiento de un dado 5 veces.
LA DISTRIBUCIÓN HIPERGEOMÉTRICA
E E’
M N-M
x n
n-x
donde:
N = El tamaño de espacio
muestral S n = El número de
ensayos
M = El número de éxitos en el espacio muestral N-M =
Número de fracasos del espacio muestral x =
Número de éxitos en la muestra n - x = Número de fracasos
de la muestra.
Si en una empresa se presentan para cubrir dos vacantes 13 aspirantes de los cuales 5
son hombres y 8 son mujeres, calcular " El número de hombres contratados."
E E’
desarrollando
N = 13 total de aspirantes
M = 5 aspirantes hombres N-
M = 8 aspirantes mujer n = 2
vacantes totales x = 0,1,2
hombres posibles a contratar
n-x = 2,1,0 mujeres posibles a contratar
5 8 0 2 28
5 8 2 0 10
13 78
σ = σ2
µ = Media
σ2 = Varianza
σ = Desviación estándar
µ=2 5 = 0.7693
13
σ2 = = 0.4339
σ=
0.4339 = 0.6587
DISTRIBUCIÓN HIPERGEOMÉTRICA GENERALIZADA (MULTIVARIADA)
Si N resultados pueden dividirse en la k celdas N1, N2, ..., Nk con k1 ,k2, ..., kn elementos
respectivamente, entonces la distribución de probabilidad representa el número de
elementos selecionados, en una muestra aleatoria de tamaño n, es:
N3 = N = 12
N1 = N2 =
4
3 5
k1 = k2 = k3 =
2 4 4 n=7
3 5 4
P(7;2,4,1) = 2 4 1 = 0.0758
12
7
DISTRIBUCIÓN DE POISSON
A este tipo de problemas se les conoce el número de éxitos x obtenidos por unidad de
medida en n ensayos; pero es totalmente imposible conocer el número de fracasos (n -
x).
Un conmutador recibe en promedio 5 llamadas sobre autos extraviados por hora. ¿Cuál
es la probabilidad de que en una hora tomada al azar reciba?
a) Ninguna llamada.
b) Exactamente 3 llamadas.
c) No más de 3 llamadas.
a) Ninguna llamada. x = 0
50e.5
P(E0) = P(0,5) = = 0.00674963
0!
b) Exactamente 3 llamadas: x = 3
53e.5
P(E3) = P(3,5) = = 0.1404
3!
c) No más de 3 llamadas: x < 4
µ = Media
σ2 = Varianza
σ = Desviación estándar
BIBLIOGRAFIA