MÉTODOS

EXPERIMENTALES EN
INGENIERÍA QUÍMICA

Ing. Daniel Velasco M.Sc.

Velasco.daniel@correounivalle.edu.co
VARIABLES ALEATORIAS Y MODELOS DE
DISTRIBUCION
 VARIABLES ALEATORIAS
• Una variable se dice que es aleatoria, si se sabe que posible valor puede
tomar, pero no se sabe con certeza su ocurrencia.

• DISCRETA. Cuando el subconjunto de números reales que toma es finito

o infinito pero es contable.

• CONTINUA. Cuando el subconjunto de números reales que toma es

infinito y no contable.
 V.A. DISCRETA Y FUNCION DE PROBABILIDAD
Si X es discreta y toma valores en {x1, x2 ,…}, la probabilidad se da por la
función de probabilidad.
෍ 𝑃 𝑥𝑖 = 1
𝑥𝑖 ∈𝑅

La función de probabilidad de la variable discreta X, especifica todos los

posibles valores de la variable aleatoria (x) con su respectiva probabilidad
de ocurrencia P(x), puede ser una fórmula, una tabla o una gráfica.
El valor esperado E(X) Varianza esta dada por:
𝐸 𝑋 = ෍ 𝑥𝑃 𝑥 𝑉 𝑋 =෍ 𝑥−𝐸 𝑥 2𝑃 𝑥 = 𝐸 𝑥2 − 𝐸 𝑥 2
 FUNCIONES DE PROBABILIDAD V.A.D.
MODELO UNIFORME MODELO BINOMIAL
Todos los valores asumibles por la • S tiene n ensayos idénticos.
variable X, son equiprobables (tienen la • Cada observación es dicotómica
misma probabilidad). Por tanto puede • P(éxito) y P(fracaso) son constantes
asumirse una distribución uniforme:
• Resultado de observaciones son independientes
1
𝑃𝑈 𝑥 =
𝑛
𝑃𝐵 𝑥, 𝑛, 𝑝 = 𝐶𝑥𝑛 𝑝 𝑥 𝑞 𝑛−𝑥
σ𝑥
𝐸𝑈 𝑋 =
𝑛 𝐸𝐵 𝑋 = 𝑛𝑝
2
σ 𝑥2
σ𝑥 𝑉𝐵 𝑋 = 𝑛𝑝𝑞
𝑉𝑈 𝑋 = −
𝑛 𝑛
 FUNCIONES DE PROBABILIDAD V.A.D.
MODELO HIPERGEOMETRICO
Se emplea para muestreos sin reemplazo de una 𝐶𝑥𝑀 𝐶𝑛−𝑥
𝑁−𝑀
población finita cuya probabilidad de ocurrencia 𝑃𝐻 𝑥, 𝑁, 𝑀, 𝑛 =
𝐶𝑛𝑁
cambia a lo largo del ensayo

𝑛𝑀
N  Tamaño dela población 𝐸𝐻 𝑋 =
𝑁
n  número deensayos efectuados
M  númeroéxitos enel espacio muestral
𝑛𝑀 𝑁 − 𝑀 𝑁 − 𝑛
N  M  número de fracasos del espacio muestral 𝑉𝐻 𝑋 =
𝑁2 𝑁 − 1
x número deéxitos enla muestra
n  x  número de fracasos de la muestra
 FUNCIONES DE PROBABILIDAD V.A.D.
MODELO POISSON
Se emplea para calcular las probabilidades asociadas a la
variable aleatoria dentro de un intervalo continuo de 𝜆𝑥 𝑒 −𝜆
tiempo o espacio; este intervalo es generalmente una 𝑃𝑝 𝑥, 𝜆 =
𝑥!
unidad de medida conocida:

n  número deensayos efectuados 𝐸𝑝 𝑋 = 𝜆 = 𝑛𝑝

x número deéxitos esperados enla muestra
e  2.71828...
𝑉𝑝 𝑋 = 𝜆
  n p Constante(# éxitos promedio porunidad de medida)
p  Probabilidad constante durante el procesoigual al
número deéxitos promedio por unidad de medida
 VARIABLE ALEATORIA CONTINUA
Cuando el subconjunto de números reales que toma es infinito y
no contable.
 VARIABLE ALEATORIA CONTINUA
Ejemplos
- Se toman los tiempos entre llegadas de clientes a la
fila de una caja de banco.
- Se mide el peso de los contenidos de arroz en bolsas
a la salida de una empacadora.
- Un meteorólogo registra las temperaturas máximas
diarias.
 V.A. CONTINUA Y FUNCION DE DENSIDAD
Si X es continua, puede tomar valores de los números reales,
dentro de los cuales se encuentra contenido un intervalo infinito
de números. La probabilidad se da por la función de densidad.
f : R  R, f x  f ( X  x)  0 x  R
b 

P  a x  b   f  x  dx  f  x dx  1
a 

La probabilidad de EXACTAMENTE x ….
… es cero !!
 VALOR ESPERADO Y VARIANZA DE V. A. C.
El valor esperado E(X) es el promedio ponderado de todos los valores
numéricos posibles de la variable, utilizando la función de densidad:


EX    x f  x dx


La varianza esta definida como sigue:

V  x   E  x    E  x 
2 2
 FUNCIONES DE DENSIDAD V.A.C.
Ejemplo
Comprobar que
f  x   2  x  1 , 1  x  2

es una función de densidad.

Graficar la función, hallar su valor esperado y su varianza
 FUNCIONES DE DISTRIBUCION V.A.C.

F(x) se denomina a la función de distribución acumulativa

xi

F : R  R, F  x   P( X  x)   f xdx

Para
f  x   2  x  1 , 1  x  2

Hallar F(1.5)
 MODELO UNIFORME O RECTANGULAR
Se dice que X es una variable aleatoria continua uniforme X ~ U a, b, si su
función de densidad es una constante definida como sigue:

 1
 para todo x a, b 
f  x   b  a
0 para todo x   a, b 

[a,b] es el intervalo que recorre X, todos los
eventos tienen la misma probabilidad
 MODELO UNIFORME O RECTANGULAR

Función de Distribución
0 si x  a
 xa

F  x   si a  x  b
b  a

1 si x  b
Valor esperado y varianza
 b  a
2
ab
E  x  V  x 
2 12
 EJERCICIO
El precio medio del galón de gasolina durante el próximo año se estima que
puede oscilar entre $9.500 y $13.000. Hay infinitas posibilidades, todas ellas
con la misma probabilidad, Si X es el precio medio del galón de gasolina.
1. Determine que tipo de variable aleatoria es X
2. Identifique el modelo de probabilidad que se
ajusta al experimento
3. Establezca la función de densidad y la función de distribución
4. Cuál es el valor esperado
5. Cuál es el valor de la varianza
6. Hallar la probabilidad que el valor se encuentre entre $ 11.000 y $ 11.500?
7. Cual es la probabilidad que sea menor de $11.000?
 MODELO EXPONENCIAL

Una variable X sigue distribución exponencial de parámetro λ > 0

y se denota por X ~ Exp  si toma valores positivos según la
siguiente función de densidad
 e   x si x  0
f  x  
0 si x  0

 : Numero de ocurrencias en el
intervalo de interés
 MODELO EXPONENCIAL
Función de Distribución
0 si x  0
F  x   P  X  x    x
1 e si x  0

Valor esperado y varianza

1 1
E  x  V  x 
 2
 EJERCICIO
Un sistema usa un componente cuya duración es en promedio
de 4 años. Si X es el tiempo de duración del componente.
1. Determine que tipo de variable aleatoria es X
2. Identifique el modelo de probabilidad que se
ajusta al experimento
3. Establezca la función de densidad y la función de distribución
4. Cuál es el valor esperado
5. Cuál es el valor de la varianza
6. Determine la probabilidad de que al cabo de 6 años el componente siga
funcionando
 EJERCICIOS
Durante un experimento de laboratorio el número promedio de partículas
contaminantes que pasan a través de un filtro en un milisegundo es cuatro.
Siendo X el número de partículas que pasan por el filtro
1. Determine que tipo de variable aleatoria es X
2. Identifique el modelo de probabilidad que se
ajusta al experimento
3. Establezca la función de probabilidad
4. Cuál es el valor esperado
5. Cuál es el valor de la varianza
6. Cuál es la probabilidad que 6 partículas pasen por el filtro en un
milisegundo?
 EJERCICIOS
El listado de cuentas de clientes de una empresa grande contiene 1000 clientes.
De éstos, 700 han comprado al menos uno de los productos de la empresa en
los últimos tres meses. Para evaluar el diseño de un nuevo producto, se eligen
50 clientes al azar del listado empresarial, siendo X el número de clientes que
han adquirido algún producto de la empresa en los últimos tres meses
1. Determine que tipo de variable aleatoria es X
2. Identifique el modelo de probabilidad que se
ajusta al experimento
3. Establezca la función de probabilidad
4. Cuál es el valor esperado
5. Cuál es el valor de la varianza
6. Cual es la probabilidad de que más de 45 clientes que hay en la muestra
hayan adquirido un producto de la empresa en los últimos 3 meses.
 EJERCICIOS
La probabilidad de que el primer dígito del número de serie de una pieza
sea uno de los números desde 0 hasta 9, es la misma. Si se toma una pieza
al azar de un lote muy grande, y X es el primer dígito del número de serie.
1. Determine que tipo de variable aleatoria es X
2. Identifique el modelo de probabilidad que se ajusta al experimento
3. Establezca la función de probabilidad
4. Cuál es el valor esperado
5. Cuál es el valor de la varianza
6. Cuál es la probabilidad que el primer dígito del número de la serie sea
mayor de 5?
 EJERCICIOS
La probabilidad de recibir un resultado erróneo por un equipo de control de pH
es 0,1. Además se puede asumir que cada toma de pH es independiente de las
otras. Si X es el número de resultados erróneos en los próximos 5 resultados
entregados.
1. Determine que tipo de variable aleatoria es X
2. Identifique el modelo de probabilidad que se
ajusta al experimento
3. Establezca la función de probabilidad
4. Cuál es el valor esperado
5. Cuál es el valor de la varianza
6. Cuál es la probabilidad de recibir 2 errores en los próximos
5 resultados
TABLAS DE
PROBABILIDAD

IMPRIMIR PARA
LA PRÓXIMA CLASE
TALLER. DISTRIBUCIONES
DE PROBABILIDAD