Está en la página 1de 34

ASIGNATURA

ANÁLISIS DE DATOS I
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad
GRADO DE PSICOLOGÍA

TEMA 5
Variable aleatoria unidimensional
y distribuciones de probabilidad

Autora: Ana Rocío Andreu Pérez

1
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

Unidad didáctica.

Tema 5: Variable aleatoria


unidimensional y distribuciones de
probabilidad.

ÍNDICE

I. PRESENTACION ..................................................................................................... 3
II. OBJETIVOS. ........................................................................................................ 4
III. ESQUEMA .......................................................................................................... 5
IV. CONTENIDO ....................................................................................................... 6
1. Variables aleatorias. ......................................................................................... 6
2. Variables aleatorias discretas ............................................................................. 6
3. Distribución binomial ....................................................................................... 11
V. RESUMEN .......................................................................................................... 13
VI. GLOSARIO......................................................................................................... 14
VII. BIBLIOGRAFIA ................................................................................................... 15
VIII. ACTIVIDADES ................................................................................................... 16
IX. ANEXOS ........................................................................................................... 21

2
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

I. PRESENTACION

A diferencia de la unidad anterior en la que estudiábamos experimentos que se realizan una sola vez,
en esta unidad vamos a analizar experimentos que se realizan más de una vez hasta que salen todos
los resultados posibles. Las variables para este tipo de experimentos pueden ser discretas y continuas.

En esta unidad nos vamos a ocupar de experimentos con variables aleatorias discretas, vamos a
estudiar su función y distribución de probabilidad. En las distribuciones de probabilidad estudiaremos
las medidas de tendencia central y dispersión. Por último, analizaremos un caso concreto de
distribución de probabilidad discreta, la denominada distribución binomial de amplia aplicación en el
ámbito de la Ciencias Sociales y la Salud.

Este tipo de análisis aunque comenzó con el estudio de los juegos de azar, su aplicación en el ámbito
de la Ciencias Sociales y de la Salud es amplio, ya que su campo de aplicación a través del estudio del
éxito o fracaso de la distribución binomial, trata de prever las probabilidades de que las técnicas que
implementamos en el ámbito de la psicología sean exitosas.

3
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

II. OBJETIVOS.

Los objetivos de esta unidad didáctica son los siguientes:

- Ser capaz de definir correctamente una o más variable aleatorias sobre los resultados de un
experimento aleatorio.

- Conocer las propiedades de la función y distribución de probabilidad.

- Obtener la función y distribución de probabilidad.

- Calcular las medidas de tendencia central y dispersión de distribuciones de variable aleatorias


discretas.

- Aplicar la distribución binomial y manejar las tablas de dicha distribución en problemas


concretos.

4
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

III. ESQUEMA

Variables Aleatorias

Variables Aleatorias Discretas

Distribuciones Discretas de
Probabilidad

Distribución Binomial

5
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

IV. CONTENIDO

1. Variables aleatorias

En un experimento aleatorio podemos definir las variables de la manera que creamos oportuna,
podemos lanzar una moneda al aire en tres ocasiones y podemos definir la variable como el número
de cruces obtenidas, o cómo el número de caras obtenidas, o también como una variable que toma
el valor 1 cuando el número de caras obtenidos es mayor que el número de cruces y toma el valor
cero en otros casos. Pues bien, definida la variable y una vez obtenido un resultado en el experimento
aleatorio, la función asigna un valor número inequívoco a ese resultado. Lo que es aleatorio, en lo
que interviene el azar, es el resultado que obtenemos al realizar el experimento aleatorio y no la
variable en función.

Por tanto, podemos definir una variable aleatoria como una función que asigna un número real, y sólo
uno, a cada uno de los resultados de un experimento aleatorio. La variables aleatorias se suelen
representar con letras mayúsculas, X, Y,… y los valores concretos con letras minúsculas con subíndices
(poner x e y con subíndices) 1, 2,…1, 2,…

Si una variable puede tomar infinitos valores decimos que es continua, por ejemplo, el conjunto de
números naturales, cuando la variable toma un conjunto de valore finitos. Por ejemplo, el número de
caras obtenidas al lanzar una moneda en tres ocasiones y sólo puede tomar los valores 0, 1, 2, 3
decimos que es discreta.

2. Variables aleatorias discretas.

En este apartado vamos a trabajar con las variables aleatorias discretas e introduciremos a través de
un ejemplo los conceptos de función de probabilidad y función de distribución.

Vamos a definir la variable aleatoria discreta X como el número de caras obtenidos al lanzar una
moneda en tres ocasiones, en este caso X tomaría los siguientes valores 0 “si no sale ninguna cara”,
1“si sale una cara”, 2 “si salen dos caras”, 3 “si salen tres caras” que podríamos expresar así, 1 = 0,
2 = 1, 3 = 2, 4 = 3.

El comportamiento de la variable aleatoria discreta la podemos ver a través de la tabla 1:

6
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

E X P

┼┼┼ 1 =0 1/8 = 0,125

┼┼☺

┼☺┼ 2 =1 3/8 = 0,375

☺┼┼

┼☺☺

☺┼☺ 3/8 = 0,375


3 =2
☺☺┼

☺☺☺ 4 =3 1/8 = 0,125

Tabla 1: Comportamiento de la variable aleatoria discreta.


(Fuente: Adaptado de Garriga-Trillo et al. (2010))

La primera columna recoge el espacio muestral del experimento (repetimos el experimento 8 veces),
la segunda los valores que puede tomar la variable x anteriormente definida (lanzar 3 veces la moneda
y las veces que sale cara) y la tercera sus correspondientes probabilidades.

Teniendo esa tabla ya podríamos definir la función de probabilidad de una variable aleatoria discreta
X, representada por f(x), como aquella función que asocia a cada valor de la variable la probabilidad
de que ésta adopte ese valor. Es decir, f (x) = P (X = x)

Por lo tanto, la función de probabilidad de nuestro problema sería:

x f(x)

0 0,125

1 0,375

2 0,375

3 0,125

Tabla 2: Función de probabilidad de la Tabla 1.


(Fuente: Adaptado de Garriga-Trillo et al. (2010))

7
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

La función de probabilidad de una variable aleatoria discreta se representa mediante un diagrama de


barras como vemos a continuación.

f(x)
0,4

0,35

0,3

0,25

0,2
f(x)
0,15

0,1

0,05

0
0 1 2 3

Gráfico 1: Diagrama de barras de la función de probabilidad del problema anterior.


(Fuente: Elaboración propia)

Según Garriga-Trillo et al. (2010) las dos propiedades que deben de cumplir la función de probabilidad
son:

- Para cualquier valor de x, siempre toma valores positivos o nulos: ∀ x ∈ X f(x) ≥ 0

- La suma de todas las probabilidades correspondientes a cada valor de x es igual a 1:


∑ 𝑓(𝑥) = f (X1 ) + f (X2 ) + … + f (X𝑛 ) = 1

Se llama función de distribución de una variable aleatoria discreta X, representada por F (x), a
aquella función que asocia a cada valor de la variable la probabilidad de que ésta adopte ese valor o
cualquier otro inferior, y se expresa así: F (X) = P (X ≤ x)

Si ordenamos de menor a mayor la valores de x de la variable aleatoria discreta, la función de


distribución se obtiene acumulando o sumando los valores de la función de probabilidad, aplicando la
siguiente expresión: F(x) = P (X ≤ x) = f (1) + f (2) +…+ f ()

Siguiendo el mismo ejemplo anterior que consistirá en lanzar una moneda al aire en tres ocasiones
definiendo X cómo número de caras, vamos a calcular su función de distribución.

8
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

Calcularemos F (0), que es la probabilidad de que la variable aleatoria X número de caras tome un
valor menor o igual a cero, esto es:

F (0) = P (X ≤ 0) = P (X = 0) = 0,125

F (1) es la probabilidad de que el número de caras sea menor o igual a 1, esto es que sea 0 o 1:

F (1) = P (X ≤ 1) = P (X = 0) + P (X = 1) = f (0) + f (1) = 0,125 + 0,375 = 0,50

F (2) que es la probabilidad del número de caras sea menor o igual a dos:

F (2) = P (X ≤ 2) = P (X = 0) + P (X = 1) + P (X = 2) = f (0) + f (1) + f (2) = 0,125 + 0,375 + 0,375 = 0,875

F (3) que es la probabilidad del número de caras sea menor o igual que tres:

F (3) = P (X ≤ 3) = P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) = f (0) + f (1) + f (2) + f (3) = 0,125 + 0,375


+ 0,375 + 0,125 = 1

Estos resultados se pueden organizar mediante la tabla 3 que viene a continuación:

x F (x)

0 0,125

1 0,500

2 0,875

3 1

Tabla 3: Resultados.
(Fuente: Elaboración propia)

Las propiedades de una función de distribución son las siguientes:

- Todos los valores que toma la función de distribución de probabilidad son positivos o nulos:
∀x F (x) ≥ 0

- F (x) es nula vale 0, para todo valor inferior al menor valor de la variable aleatoria, 1 :

F (x) = 0 si x < 1

- F (x) es igual a uno para todo valor igual o superior al mayor valor de la variable aleatoria. Si
llamamos K al mayor valor de la variable: F (x) = 1 si x ≥ k

- La función F (x) es no decreciente ya que es una acumulación o suma de probabilidades que


son siempre positivas o nulas.

9
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

- La probabilidad P, de que la variable aleatoria X tome valores x superiores a 1 , e inferiores


o iguales a 2 (1 < x ≤ 2) es la diferencia entre los valores de la función de distribución
correspondiente a su valor superior menos su valor inferior: P (1 < x ≤ 2) = F (2 ) - F (1)

Además, en las variable aleatorias se pueden calcular su media y su varianza. La media de una variable
X, también denominada esperanza matemática o valor esperado de X se representa E (X). Este término
tiene sus raíces en el estudio de los juegos de azar y pretende estimar las ganancias esperadas, si se
repitiese el juego un número elevado de veces. Para una variable aleatoria representa el promedio
teórico que tomaría la variable aleatoria si se repitiese el experimento aleatorio infinitas veces.

La media, μ, de una variable aleatoria discreta X viene definida por la siguiente expresión:

μ = ∑ 𝑥·f(x)

Siguiendo con el ejemplo la media o esperanza matemática de la variable X la vamos a calcular en la


tabla 4 siguiente:

x f(x) x . f(x)

0 0,125 0

1 0,375 0,375

2 0,375 0,750

3 0,125 0,375

1,5

Tabla 4: Media o esperanza matemática de la variable X.


(Fuente: Adaptado de Garriga-Trillo et al. (2010))

Lo que es lo mismo μ = E (X) = ∑ 𝑥f (x) = 1 f (1) + 2 f (2) + 3 f (3) + 4 f (4) = 0 * 0,125 + 1 * 0,375
+ 2 * 0,375 + 3 * 0,125 = 1,5

La varianza, expresada 𝜎 2 = ∑(𝑥 − μ)2 ·f(x)

Establezcamos la tabla 5 para su cálculo:

X f (x) (x- μ) (𝑥 − μ)2 (𝑥 − μ)2 ·f (x)

0 0,125 -1,5 2,25 0,28125

1 0,375 -0,5 0,25 0,09375

2 0,375 0,5 0,25 0,09375

10
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

3 0,125 1,5 2,25 0,28125

0,75

Fuente 5: Cálculo de la varianza.


(Fuente: Adaptado de Garriga-Trillo et al. (2010))

𝜎 2 = ∑(𝑥 − μ)2 ·f (x) = 0,75

3. Distribución binomial.

Existen algunas distribuciones discretas que, por su interés y por su utilización a menudo como
modelos estadísticos son importantes. De la mayoría se han elaborado una serie de tablas que facilitan
su utilización en problemas concretos. Una de ellas es la denominada distribución binominal que sólo
toma dos valores (variables dicotómicas), acierto o fracaso, y que habitualmente se representa como
1 y 0. Por su amplia utilización en Ciencias Sociales y de la Salud, vamos a estudiarla a continuación.

La tabla I del anexo, presenta la función de probabilidad binomial, la primera columna encabezada
por la letra “n” se refiere al número de ensayos e incluye los valores desde 0 hasta 20. La segunda
columna recoge el número de éxitos “x” que esperamos obtener para ese número de ensayos y que
abarca desde 0 hasta ese número de ensayos. La primera fila de la tabla recoge algunos valores de la
probabilidad de éxito “p” que va desde 0,01 a 0,5. En el interior de la tabla se encuentran las
probabilidades correspondientes. La probabilidad buscada para unos valores concretos de “n” y “x”
se encuentra en la intersección de su fila con la correspondiente columna de “p”. Por ejemplo, la
probabilidad de obtener en 3 ensayos 2 éxitos con una probabilidad de éxito de 0,3, vale en la tabla
0,1890

La utilización de la tabla II del anexo, función de distribución binomial, es idéntica a la anterior.


Solamente destacar que las probabilidades que aparecen en el interior de la tabla son acumuladas

Con los datos del ejemplo que estamos utilizando vamos a utilizar las tablas I y II:

a) f(2) = (X=2) = 0,375 que es el mismo valor que representa en la tabla I anexo la fila n = 3

x = 2 con la columna p = 0,5

b) F(2) = P (x ≤ 2 ) = 0,875 que es el mismo valor que representa en la tabla II del anexo la fila
n = 3, x = 2 con la columna p = 0,5

c) P (X > 2) = 1 – P (X ≤ 2) = 1 – F (2) = 1 – 0,875 = 0,125 puesto que F (2) ya se ha obtenido


utilizando la tabla II.

11
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

Las tablas I y II sólo contienen valores de p desde 0,1 hasta 0,5 entonces, ¿qué hacemos cuando
tengamos valores mayores que 0,5? Muy sencillo, intercambiamos las condiciones de éxito y fracaso.
Por ejemplo sabemos que por la experiencia de años anteriores en una determinada clínica, que un
60 % son tratados con una nueva técnica. Si un determinado día acuden 5 pacientes a la consulta,
¿cuál es la probabilidad de que 3 sean tratados con la nueva técnica?

En este caso, si la probabilidad de ser tratado con la nueva técnica es p = 0,6, la probabilidad de no
ser tratado es q = 1 – p = 0,4 (q es la probabilidad de fracaso). Por otro lado, que tres personas de un
total de cinco, sean tratadas con la nueva técnica, es lo mismo que dos personas de las cinco no sean
tratadas con dicha técnica. Por tanto, el valor correspondiente, en la tabla I, a la intersección de la
fila n = 5 y x = 2 con las columna p = 0,4 nos dará respuesta a la pregunta planteada, 0,3456 es el
resultado buscado.

Por último, hay que tener en cuenta que:

La media: μ = 𝑛𝑝 Es decir: μ = 𝑛 ∙ 𝑝

La varianza: 𝜎 2 = 𝑛𝑝𝑞 Es decir: 𝜎 2 = 𝑛 ∙ 𝑝 ∙ 𝑞

12
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

V. RESUMEN

En esta unidad hemos trabajado con variables aleatorias discretas, analizado su función y distribución
de probabilidad, calculando medidas de tendencia central y dispersión para finalizar con el estudio
de un caso concreto de distribución discreta, el modelo binomial. Donde hemos comenzado a emplear
tablas para la resolución de problemas concretos.

13
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

VI. GLOSARIO

Variable aleatorias Cuando una variable aleatoria toma infinitos valores decimos que es
continuas continua.

Variables aleatorias Cuando la variable aleatoria toma un conjunto de valores finitos decimos
discretas que es discreta.

Se llama función de una variable discreta X, representada como f(x) a


Función de
probabilidad de aquella función que asocia a cada valor de la variable la probabilidad de
variables discretas que ésta adopte ese valor.

Se llama función de distribución de una variable aleatoria discreta X,


Función de representada por F (x), a aquella función que asocia a cada valor de la
distribución de
variable la probabilidad de que ésta adopte ese valor o cualquier otro
variable discretas
inferior.

La media de una variable X, también denominada esperanza matemática


o valor esperado de X que se representa por E (X), pretende estimar las
Media de una
variable aleatoria o ganancias esperadas, si se repitiese el experimento un número elevado
Esperanza de veces, para una variable aleatoria representa el promedio teórico que
matemática tomaría la variable aleatoria si se repitiese el experimento aleatorio
infinitas veces.

Es el sumatorio del producto de cada uno de los valores que toma la


Varianza de una variable menos su media elevados al cuadrado por su correspondiente
variable aleatoria
valor de la función de probabilidad.

Una variable X sigue una distribución binomial (con parámetros n y p) si

Distribución expresa el número de éxitos en “n” realizaciones independientes de un


binominal experimento con probabilidad “p” de obtener éxito, y por tanto, (1-p) de
obtener fracaso.

14
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

VII. BIBLIOGRAFIA

BÁSICA

 Juan Carlos Suárez Falcón, Patricia Recio Saboya, María Concepción San Luis Costas y María
del Pilar Pozo Cabanillas. Introducción al análisis de datos: aplicaciones en Psicología y
Ciencias de la salud. Madrid: Sanz y Torres, 2017

• Juan Botella Ausina, Manuel Suero Suñe y Carmen Ximénez Gómez. Análisis de datos en
psicología I. Madrid: Pirámide, 2012

 Ana Julia Garriga-Trillo, Paula Lubin Pigouche, José Mª Merino, Miguel Padilla Suárez, Patricia
Recio Saboya y Juan Carlos Suárez Falcón. Introducción al análisis de datos. UNED. 2010

COMPLEMENTARIA

Estadística Descriptiva

 Jesús Amón Hortelano. Estadística para psicólogos I. Estadística descriptiva. (15ª edición).
Ediciones Pirámide. 2000

15
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

VIII. ACTIVIDADES

Contestar la opción correcta de esta serie de preguntas:

1.- En un experimento aleatorio, ¿qué es aleatorio?

a) La variable

b) El resultado

c) La función

2.- Cuando la variable aleatoria toma un conjunto de valores finitos decimos que es:

a) Discreta

b) Continua

c) Dicotómica

3.- Cuando la variable aleatoria toma un conjunto de valores infinitos decimos que es:

a) Continua

b) Discreta

c) Estocástica

4.- Para el diseño de un experimento disponemos de tres círculos blancos y dos negros. Seleccionamos
de forma sucesiva sin reposición dos de estos estímulos y definimos la variable aleatoria X: número
de estímulos blancos seleccionados ¿Qué tipo de función de probabilidad tenemos?

a) Función de probabilidad variables aleatorias discretas.

b) Función de probabilidad variables aleatorias continuas.

c) a y b son correctas

5.- Tenemos la siguiente tabla:

X 1 2 3 4 5

f(x) 0 10/60 24/60 20/60 4/60

a) Es una función de probabilidad porque f(x) ≥ 0

b) No es una función de probabilidad porque f (1) es nula

16
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

c) No es una función de probabilidad porque no cumple alguna de las propiedades


fundamentales.

6.- ¿Cuáles de estas afirmaciones son propiedades de la función de probabilidad?

a) Para cualquier valor de x, siempre toma valores positivos o nulos.

b) La suma de todas las probabilidades correspondientes a cada valor de x es igual a 1.

c) a y b son correctas.

7.- ¿Cuál es la función de probabilidad del ejercicio 4?

a)

x 1 1 2

f(x) 1/3 1/3 1/3

b)

x 0 1 2 3

f(x) 0,2 0,3 0,3 0,2

c)

X 0 1 2

f(x) 0,1 0,6 0,3

8.- En un experimento aleatorio cualquiera para denotar la expresión “la probabilidad de que una
variable aleatoria X, tome valores menores o iguales que 4”, utilizamos:

a) f (4)

b) F (4)

c) P (4)

9.- Los valores de una variable aleatoria discreta X son 0, 1, 2, 3, 4 y 5. Si se sabe que P (X≤4) = 0,974
y que P (X≤3) = 0,963, entonces P (X=4) será

17
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

a) 0,011

b) 0,022

c) 0,001

10.- Una urna contiene dos bolas negras y dos blancas. Se extraen dos bolas, una a una, con reposición.
Sea la variable aleatoria X: número de bolas blancas extraídas. La función de distribución de esta
variable para x = 0, x = 1 y x = 2 será, respectivamente:

a) 0,25, 0,75, y 1

b) 0,025, 0,50, 1

c) 0,25, 0,50, 0,25

11.- Una variable aleatoria discreta X toma los valores 0, 1, 2 con probabilidad 0,7; 0,2; 0,1;
respectivamente. La media o esperanza matemática de X vale:

a) 0,2

b) 0,24

c) 0,4

12.- A partir de la tabla, con la función de probabilidad de una variable aleatoria X discreta, ¿cuál es
la media?

x f(x)

-1 0,2

2 0,4

4 0,4

a) 2,4

b) 2,2

c) 2,6

13.- ¿Y cuál sería la varianza de la tabla del ejercicio 12?

a) 6,3

b) 3,36

c) 1,63

18
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

14.- ¿Cuál de las siguientes condiciones no forma parte de los requisitos imprescindibles para la
aplicación de la binomial?

a) Sólo son posible dos resultados (acierto y error).

b) El resultado de un determinado ensayo es función de los resultados obtenidos en los ensayos


anteriores.

c) La probabilidad de éxito, p, se mantiene constante.

15.- Se sabe que un 10% de la población española padece algún tipo de estrés. Si elegimos
aleatoriamente una muestra de 8 personas, ¿cuál es la probabilidad de que sólo una de ellas padezca
estrés? Aplicando la tabla I de la binomial obtenemos los siguientes resultados, ¿cuál de ellos es el
correcto?

a) 0,2638

b) 0,0026

c) 0,3826

16.- Aplicando la tabla II de la binominal, podemos conocer la probabilidad de que más de una de
ellas padezca estrés ¿Cuál sería el resultado correcto?

a) 0,1869

b) 0,3826

c) 0,4305

17.- Presentando un nuevo ejercicio sobre la tabla I de la binomial, ¿cuál sería la probabilidad de
obtener 3 aciertos (x) de 5 ensayos (n) de un experimento, con una probabilidad de éxito (p) 0,45?

a) 0,2304

b) 0.1128

c) 0,2757

18.- Un examen consta de cientos de preguntas de tipo test con 5 alternativas cada una de la una sola
es correcta. Si un alumno contesta al azar 20 de ellas, la probabilidad de que acierte más de 5 vale:

a) 0,6296

b) 0,1958

c) 0,9133

19
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

19.- Continuando con el ejercicio anterior, ¿cuál sería el número de aciertos más probables? Para ello
tendríamos que calcular la media o esperanza matemática que nos daría uno de los resultado que
vienen a continuación, ¿cuál de ellos sería?

a) 5

b) 4

c) 2

20.- Por último, siguiendo con el ejercicio 18, y utilizando la tabla II de la binominal, ¿cuál sería de
la probabilidad de que falle 13 o más preguntas, sabiendo que esa probabilidad es la misma que se
acierte 7 o menos?:

a) 0,9679

b) 0,8265

c) 0,4114

20
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

IX. ANEXOS

TABLAS:

21
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

22
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

23
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

24
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

25
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

26
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

27
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

28
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

29
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

30
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

31
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

Repuestas correctas de preguntas del tema:

1.- En un experimento aleatorio, ¿qué es aleatorio? b) El resultado

2.- Cuando la variable aleatoria toma un conjunto de valores finitos decimos que es: a) Discreta

3.- Cuando la variable aleatoria toma un conjunto de valores infinitos decimos que es: a) Continua

4.- Para el diseño de un experimento disponemos de tres círculos blancos y dos negros. Seleccionamos
de forma sucesiva sin reposición dos de estos estímulos y definimos la variable aleatoria X: número
de estímulos blancos seleccionados ¿Qué tipo de función de probabilidad tenemos? a) Función de
probabilidad variables aleatorias discretas.

5.- Tenemos la siguiente tabla:

X 1 2 3 4 5

f(x) 0 10/60 24/60 20/60 4/60

c) No es una función de probabilidad porque no cumple alguna de las propiedades


fundamentales.

6.- ¿Cuáles de estas afirmaciones son propiedades de la función de probabilidad? c) a y b son


correctas.

7.- ¿Cuál es la función de probabilidad del ejercicio 4:

c)

X 0 1 2

f(x) 0,1 0,6 0,3

8.- En un experimento aleatorio cualquiera para denotar la expresión “la probabilidad de que una
variable aleatoria X, tome valores menores o iguales que 4, utilizamos: b) F (4)

9.- Los valores de una variable aleatoria discreta X son 0, 1, 2, 3, 4 y 5. Si se sabe que P (X≤4) = 0,974
y que P (X≤3) = 0,963, entonces P (X=4) será: a) 0,011

10.- Una urna contiene dos bolas negras y dos blancas. Se extraen dos bolas, una a una, con reposición.
Sea la variable aleatoria X: número de bolas blancas extraídas. La función de distribución de esta
variable para x = 0, x = 1 y x = 2 será, respectivamente: a) 0,25, 0,75, y 1

32
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

11.- Una variable aleatoria discreta X toma los valores 0, 1, 2 con probabilidad 0,7; 0,2; 0,1;
respectivamente. La media o esperanza matemática de X vale: c) 0,4

12.- A partir de la tabla, con la función de probabilidad de una variable aleatoria X discreta, ¿cuál es
la media?

x f(x)

-1 0,2

2 0,4

4 0,4

b) 2,2

13.- ¿Y cuál sería la varianza de la tabla del ejercicio 12? b) 3,36

14.- ¿Cuál de las siguientes condiciones no forma parte de los requisitos imprescindibles para la
aplicación de la binomial? b) El resultado de un determinado ensayo es función de los resultados
obtenidos en los ensayos anteriores.

15.- Se sabe que un 10% de la población española padece algún tipo de estrés. Si elegimos
aleatoriamente una muestra de 8 personas, ¿cuál es la probabilidad de que sólo una de ellas padezca
estrés? Aplicando la tabla I de la binomial obtenemos los siguientes resultados, ¿cuál de ellos es el
correcto? c) 0,3826

16.- Aplicando la tabla II de la binominal, podemos conocer la probabilidad de que más de una de
ellas padezca estrés ¿Cuál sería el resultado correcto? a) 0,1869

17.- Presentando un nuevo ejercicio sobre la tabla I de la binomial, ¿cuál sería la probabilidad de
obtener 3 aciertos (x) de 5 ensayos (n) de un experimento, con una probabilidad de éxito (p) 0,45. c)
0,2757

18.- Un examen consta de cientos de preguntas de tipo test con 5 alternativas cada una de la una sola
es correcta. Si un alumno contesta al azar 20 de ellas, la probabilidad de que acierte más de 5 vale:
b) 0,1958

19.- Continuando con el ejercicio anterior, ¿cuál sería el número de aciertos más probables? Para ello
tendríamos que calcular la media o esperanza matemática que nos daría uno de los resultado que
vienen a continuación, ¿cuál de ellos sería? b) 4

33
TEMA 5
Variable aleatoria unidimensional y distribuciones de probabilidad

20.- Por último, siguiendo con el ejercicio 18, y utilizando la tabla II de la binominal, ¿cuál sería de
la probabilidad de que falle 13 o más preguntas, sabiendo que esa probabilidad es la misma que se
acierte 7 o menos? a) 0,9679

Este documento está bajo una licencia de Creative Commons Reconocimiento - No Comercial -
Compartir Igual.

34