VARIABLES ALEATORIAS

Sea x la variable aleatoria que expresa el número de reclusos que habitan en un

centro de readaptación elegido al azar. La distribución de probabilidad de x es la
siguiente:

8o
xi 1 2 3 4 5 6 7
más

pi 0.225 0.321 0.188 0.145 0.062 0.023 0.016 0.020

 Comprobar que los datos de la tabla representan una distribución de

probabilidad.

Los datos si representan una distribución de probabilidad porque al

sumarlos el resultado de pi es 1.

∑ P ( X )=0.225+0.321+0.188+ 0.145+ 0.062+ 0.023+0.016+0.02=1

 Hallar la probabilidad de que el número de reclusos que habitan en un centro

de readaptación sea menor o igual que 4.

P( X )=0.225+0.321+0.188+0.145=0.879

 Calcular la probabilidad de que al menos dos reclusos habitan en un centro de

readaptación.

P ( X )=1−0.225=0.775

 Obtener el número promedio de reclusos que habitan en un centro de

readaptación.

∑ X i∗P ( X ) =0.225∗1+0.321∗2+0.188∗3+0.145∗4+ 0.062∗5+0.023∗6+ 0.016∗7+ 0.02∗8=2.731 ≈ 3

Determinar el número esperado de personas para un intervalo de 15 min.

Xi P(Xi) Xi*P(Xi)

1 0.225 0.225
2 0.321 0.642
3 0.188 0.564
4 0.145 0.58
5 0.062 0.31
6 0.023 0.138
7 0.016 0.112
8 0.02 0.16
∑ 2.731

DISTRIBUCIÓN BINOMIAL
Un policía municipal tiene ocho sectores a su cargo, y en promedio la probabilidad
de que ocurra un acto delictivo es: 0.38. Si x representa el número de actos
delictivos que pueden presentarse al policía municipal, construir la distribución de
probabilidad.
8!
P0 ( 0|8,0.38 ) = ∗0.38 0∗0.62(8−0)=0.021834
0 !∗( 8−0 ) !

8!
P1 (1|8,0.38 )= ∗0.381∗0.62(8−1)=0.107057
1!∗( 8−1 ) !

8!
P2 ( 2|8,0.38 )= ∗0.382∗0.62(8−2) =0.229655
2!∗( 8−2 ) !

8!
P3 ( 3|8,0.38 )= ∗0.383∗0.62(8−3)=0.281512
3 !∗( 8−3 ) !
 8!
P4 ( 4|8,0.38 ) = ∗0.384∗0.62(8 −4)=0.215675
4 !∗( 8−4 ) !

8!
P5 ( 5|8,0.38 )= ∗0.385∗0.62(8−5)=0.10575
5 !∗( 8−5 ) !

8!
P6 ( 6|8,0.38 ) = ∗0.386∗0.62(8−6)=0.032407
6 !∗( 8−6 ) !

8!
P7 ( 7|8,0.38 ) = ∗0.38 7∗0.62(8 −7 )=0.005675
7 !∗( 8−7 ) !

8!
P8 ( 8|8,0.38 ) = ∗0.38 8∗0.62(8−8)=0.000435
8 !∗( 8−8 ) !

DISTRIBUCION DE PROBABILIDAD COSTRUIDA:

xi 1 2 3 4 5 6 7 8

pi 0.107057 0.229655 0.281512 0.215675 0.10575 0.032407 0.005675 0.000435

DISTRIBUCIÓN POISSON
Un proceso de aprehensión de delincuentes trabaja con un promedio de casos no
exitosos del 4%. Cada hora se considera una muestra aleatoria de 15 asaltos y se
analiza. Si la muestra contiene más de un caso de aprehensión no exitoso, el
proceso deberá dejarse de realizar.
La fórmula a utilizar será la siguiente:
Los valores:
4% =0.04 =‫גּ‬
e= 2.71828
 Calcule la probabilidad de que el proceso deba dejarse de realizar debido al
esquema de muestreo.
p(x = 0I 0.04= ‫( = )גּ‬0.04) °= e 0.04 = 2.71828 0.04 =0.9607 = 96.07%

 De acuerdo con la respuesta que otorgo, ¿el esquema de muestreo es

adecuado o generará demasiados procesos de aprehensión sin realizar?
La respuesta es No ¿porque? Crea muchos procesos sin realizar aprehensión.

DISTRIBUCIÓN NORMAL
Una investigación sobre los delincuentes juveniles que el juez Conners pone en
libertad condicional reveló que el 38% de ellos cometió otro delito.
¿Cuál es la probabilidad de que los últimos 100 delincuentes juveniles nuevos, 30
o más cometerán otro delito?
Para X>30 o mas

M: np= (100) (.38) = 38

30−38
Z= =−1.65
4.854

S= √ 100∗0.38∗0.62=4.854
S= 4.854
¿Cuál es la probabilidad de que 40 o menos de los delincuentes cometerán otro
delito?

Para X<40 R=P ( z y−1.64 )=0.4495+0.5=0.9495

40−38
Z= =2=0.41
4.85

P (Z<0.41) = 0.4+0.1591=0.6591

En la tabla se localiza el valor de Z= 0.41 y se encuentra el valor de

0.6591

¿Cuál es la probabilidad de que de 30 a 40 de los delincuentes cometerán otro

delito?
P (- 1.64 Z <0.41) = 0.4495+ 0.1591= 0.6086

APROXIMACIÓN DE LA DISTRIBUCIÓN NORMAL A LA BINOMIAL

Un funcionario de seguridad pública sabe que, en promedio, 2% de los delitos que
se cometen volverán a presentarse en un término de 100 días posteriores a la
fecha en que suceden. Use la aproximación normal a la distribución binomial para
determinar la probabilidad de que entre 1500 de esos delitos al menos 40 volverán
a presentarse en los primeros 100 días posteriores a la fecha en que presentaron.

y=1500∗0.02=30

σ =√ 1500∗0.02∗0.98=5,42

Z=40−30=10=1.84
P= ( Z >1.84 ) =0.5−0.4671=3.2990