UNIVERSIDAD MILITAR NUEVA GRANADA

FACULTAD DE ESTUDIOS A DISTANCIA

ASIGNATURA:PROBABILIDAD Y ESTADÍSTICA
VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD
Docente Titular: Edwin Fernando Munoz Ch

Temas a evaluar: Variables aleatorias y distribuciones de probabilidad.

1. Variables Aleatorias Discretas.

X=“Resultado de lanzar un dado”
X ∈ 1, 2, 3, 4, 5, 6
Y=“Resultado de aplicar un tratamiento a un enfermo y observar si se cura (1) o no se cura (0)”

Y ∈ 1, 0

Z=“Número de tornillos defectuosos fabricados por una máquina”

Z ∈ 0, 1, 2, 3 . . .

W=“Número de caras obtenidas al lanzar tres monedas”

W ∈ 0, 1, 2, 3 . . .

K=“Suma de las caras superiores obtenidas al lanzar dos dados ”

K ∈ 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 . . .

2. Una variable aleatoria X puede tomar los valores 30, 40, 50 y 60 con probabilidades 0.4, 0.2, 0.1 y
0.3. Represente en una tabla la función de probabilidad, P (X = x), y la función de distribución de
probabilidad, F (X) = P (X), y determine las siguientes probabilidades.

a) P (X ≤ 25)
b) P (X ≥ 60)
c) P (X < 40)
d ) P (X > 40)
e) P (30 ≤ X ≤ 60)
f ) P (30 ≤ X < 60)
g) P (30 < X ≤ 60)
h) P (30 < X < 60)

Hallar la esperanza y la varianza.

Solución:

Distribución de probabilidad de X

X P (X = x)
30 0,4
40 0,2
50 0,1
60 0,3

Función de distribución de probabilidad de X

X F (x) = P (X ≤ x)
30 0,4
40 0,6
50 0,7
60 1

a) P (X ≤ 25) = 0
b) P (X ≥ 60) = P (X = 60) = 0,3
c) P (X < 40) = P (X = 30) = 0,4
d ) P (X > 40) = 1 − P (X ≤ 40) = 1 − F (40) = 0,4
e) P (30 ≤ X ≤ 60) = P (X ≤ 60) − P (X < 30) = F (60) − 0 = 1
f ) P (30 ≤ X < 60) = P (X ≤ 50) − P (X < 30) = F (50) − 0 = 0,7
g) P (30 < X ≤ 60) = F (60) − F (30) = 1 − 0,4 = 0,6
h) P (30 < X < 60) = F (50) − F (30) = 0,7 − 0,4 = 0,3.

Para el cálculo de la Esperanza, se tiene que

E(X) = Σki=1 xi P (X = xi )

entonces

X P (X = x) xP (X = x)
30 0,4 12
40 0,2 8
50 0,1 5
60 0,3 18

E(X) = 12 + 8 + 5 + 18 = 43.
Finalmente, se calcula la Varianza, teniendo en cuenta que

V (X) = Σki=1 x2i P (X = xi ) − E(X)2

entonces
V (X) = Σki=1 x2i P (X = xi ) − E(X)2 = 2010 − (43)2 161
√
de lo que se concluye que la desviación estandar σ = 161 = 12,69.
 X P (X = x) xP (X = x) x2 P (X = x)
30 0,4 12 360
40 0,2 8 320
50 0,1 5 250
60 0,3 18 1080
1 45 2010

3. Distribución Binomial.

En una Facultad el 35 % de los alumnos realiza algún deporte. Se ha obtenido una muestra de 10
alumnos de dicha Facultad

a) ¿Qué modelo sigue la variable X = “número de alumnos que realiza algún deporte entre los 10
seleccionados (Recuento de éxitos entre las n pruebas )?”
La variable definida sigue un modelo binomial de parámetros n = 10 y p = 0,35.

X −→ B(10, 0, 35)

b) Esperanza y varianza de la variable

E(X) = np = 10 · 0,35 = 3,5

V (X) = npq = 10 · 0,35 · 0,65 = 2,275

c) Probabilidad de que más de 2 realicen algún deporte

P (X > 2) = 1 − P (X ≤ 2) = 1 − 0,2616 = 0, 7384

d ) Probabilidad de que entre 2 y 8 inclusive, realicen algún deporte

P (2 ≤ X ≤ 8) = P (X ≤ 8) − P (X ≤ 1) = 0, 99950, 860 = 0, 9135

e) Probabilidad de que menos de la mitad realice algun deporte

P (X < 5) = P (X ≤ 4) = 0, 8497.

4. Distribución Poisson.

El número medio de accidentes ocurridos en un planta petrolera es de 2 accidentes en 2 meses3

a) ¿Qué modelo sigue la variable número de accidentes ocurridos en la planta por 2 meses?.
La variable definida sigue un modelo Poisson de parámetro λ = 2.

X −→ P (2)

b) Probabilidad de que haya más de 2 accidentes en 2 meses.

P (X > 2) = 1 − P (X ≤ 2) = 1 − 0, 6767 = 0,3233.

c) Probabilidad de que haya entre 2 y 8 inclusive, en 2 meses.

P (2 ≤ X ≤ 8) = P (X ≤ 8) − P (X ≤ 1) = 0, 99980, 4060 = 0, 5938.

d ) Probabilidad de que haya más de 2 accidentes en 1 mes.

La variable definida sigue un modelo Poisson de parámetro λ = 1.

Y −→ P (1)

P (Y > 2) = 1 − P (Y ≤ 2) = 1 − 0, 9197 = 0, 0803.

5. Distribución de probabilidad Hipergeométrica.
Una caja contiene 9 baterias de las cuales 4 están en buen estado y las restantes defectuosas. Se toma
una muestra eligiendo al azar tres de las baterias. Calcule la probabilidad que en la muestra se obtengan:

a) Ninguna bateria en buen estado

b) Al menos una bateria en buen estado
c) No más de dos baterias en buen estado

Solución: En este experimento, se considera un caso particular de muestreo sin reemplazo, por lo tanto
es un experimento hipergeométrico con
N=9 (Total de elementos del conjunto)
K=4 (Total elementos considerados éxitos)
n=3 (Tamaño de la muestra)
X: Cantidad de baterı́as en buen estado en la muestra (Variable aleatoria discreta).
Entonces la distribución de probabilidad X, es:
(4 Cx )(9−4 C3−x )
f (x) =
9 C3

para todo x = 0, 1, 2, 3

a) Ninguna bateria en buen estado

(4 C0 )(9−4 C3−0 )
P (X = 0) = f (0) = = 0,119
9 C3

b) Al menos una bateria en buen estado

P (X ≥ 1) = 1 − p(X < 1) = 1 − f (0) = 1 − 0,119 = 0,881.

c) No más de dos baterias en buen estado

P (X ≤ 2) = P (X = 0)P (X = 1) + P (X = 2) = 0,119 + 0,4762 + 0,3571 = 0,9523.

6. Distribución de probabilidad Normal.

El valor (en miles) de las ventas mensuales realizadas en una Editorial sigue un modelo normal de
media igual a 200 y desviación tı́pica igual a 40
Y −→ N (200, 40)
a) Probabilidad de que la ventas de un mes sean superiores 300.
 
300 − 200
P (X < 30) = 1−P (X ≤ 300) = 1−P Z < = 1−P (Z < 2,5) = 1−0,9938 = 0,0062.
40
b) Probabilidad de que las ventas de un mes se encuentren entre 160 y 240.
160 − 200 240 − 200
P (160 < X < 240) = P ( <Z< ) = P (−1 < Z < 1) = 1−P (Z < 2,5) = 1−0,9938 = 0,0062.
40 40
c) Probabilidad de que las ventas de un mes no superen a 150.
 
150 − 200
P (X < 150) = P Z < P (Z < −1,25) = 0,1056
40
d ) Probabilidad de que las ventas de un mes superen 3000.
 
3000 − 200
P (X > 3000) = P Z < P (Z > 70) = 0
40