Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• P (X = 1) = px (1) = a = 0.23
• P (X ≥ 1) = P (X = 1) + P (X = 2) = 0.23 + 0.32 = 0.55
• P (X ≤ −1) = P (X = −2) + P (X = −1) = 0.08 + 0.32 = 0.4
Sección 1: Variable Aleatoria Discreta 6
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 1 2 3 X 0 1 2 3 X
Sección 1: Variable Aleatoria Discreta 8
Ejemplo 1.8. Lanzamos dos monedas. Si salen dos caras recibimos 3 eu-
ros, si sale una cara recibimos 1 euro y si no sale ninguna cara pagamos 5
euros.¿Cuál es la ganancia media del juego?
Solución: Hallamos la función de probabilidad de la ganancia X en euros:
xi 3 1 −5
px (xi ) 1/4 1/2 1/4
La ganancia media del juego es la media o esperanza de X
µ =x1 · p(x1 ) + x2 · p(x2 ) + x3 · p(x3 )
1 1 1
=3 · + 1 · − 5 · = 0
4 2 4
Cuando en un juego la ganancia esperada µ = 0 se llama juego justo. Si
µ > 0 es un juego con ventaja y si µ < 0 es un juego en desventaja.
Sección 1: Variable Aleatoria Discreta 9
1.5. Ejercicios
Ejercicio 1. La función de probabilidad de una variable aleatoria discreta
X es.
xi 0 1 2 3 4
px (xi ) 0.1 a b c 0.2
Sabiendo que P (X ≤ 2) = 0.75 y que P (X ≥ 2) = 0.75, halla su esperanza
matemática y su desviación tı́pica.
Ejercicio 2. Una persona en un juego recibe 15 cts cuando saca una sota
o un caballo y recibe 5 cts si saca un rey o un as de una baraja española
de 40 cartas. Si saca cualquier otra carta paga 4 cts . ¿Cuál es la ganancia
esperada en este juego?
Ejercicio 3. Se tienen tres urnas: la A que contiene dos bolas negras y cuatro
rojas, la B tres negras y tres rojas; y la C con una negra y cinco rojas.
UA = {2 N ; 4 R} UB = {3 N ; 3 R} UC = {1 N ; 5 R}
Se elige una urna al azar y se extrae una bola de ella. Si se saca roja se
reciben 3 euros y si se saca negra no se recibe nada. ¿Cuál es la ganancia
esperada?
Sección 2: La Distribución Binomial 12
2. La Distribución Binomial
• Experiencias binomiales
Toda experiencia aleatoria que presenta dos resultados posibles, uno que fi-
jamos como “éxito” y lo contrario como “fracaso” se suele denominar de tipo
Bernouilli.
Por ejemplo las siguientes experiencias son de tipo Bernouilli:
• Jugar a cara o cruz.
• El nacimiento de un niño (varón o mujer)
• Obtener un “4” en el lanzamiento de un dado.
• Obtener un número “par” en el lanzamiento de un dado.
• Obtener “copas” al extraer una carta de la baraja española.
• La fabricación de una pieza en un factorı́a (aceptable o defectuosa).
• El resultado de una operación (éxito o fracaso).
• El lanzamiento a una canasta (encestar o fallar).
• Aprobar o suspender un examen.
Sección 2: La Distribución Binomial 13
• Números combinatorios
Lanzamos una moneda 5 veces. Sea el suceso C =“sacar cara” como “éxito”,y
el suceso contrario X como “fracaso”.
☞¿ De cuántas formas se puede presentar el suceso “sacar dos caras”?
Es como colocar dos C en 5 casillas. La primera C dispone de 5 sitios,
luego la segunda dispone de 4 sitios. Eso harı́a 5 · 4 = 20 posibilidades. Pero
5·4
como las caras C son indistinguibles dividimos por 2. Eso hace = 10.
2
en efecto
CCXXX XCXCX
CXCXX XCXXC
5 · 4 5
CXXCX XXCCX = = 10
2 2
CXXXC XXCXC
XCCXX XXXCC
5
El número combinatorio se lee 5 sobre 2 y se calcula de la forma siguiente:
2
5 5·4
= = 10
2 2·1
Las formas de obtener 3 caras en los cinco lanzamientos corresponde de forma
a análoga a
5 5·4·3
= = 10
3 3·2·1
Sección 2: La Distribución Binomial 15
Ejemplo 2.3. Se extraen cinco bolas con reemplazamiento de una urna que
tiene 6 bolas blancas y 8 negras. ¿Qué es mas probable, sacar 2 rojas o 3
rojas?.
Solución: Sea éxito sacar roja, con p = 6/14,
Se tiene que 0.35
p(X=k)
6 0.3
X es B(n = 5; p = )
14 0.25
Probabilidad de sacar 2 bolas ro-
0.2
jas:
2 3 0.15
5 6 8
P (X = 2) =
2 14 14 0.1
= 0.3427 0.05
2.2. Ejercicios
Ejercicio 5. La probabilidad de que cierto jugador de baloncesto enceste
una canasta de 3 puntos es 0.3. ¿Cuál es la probabilidad de que enceste,
exactamente dos canastas de cinco lanzamientos?
Ejercicio 6. La probabilidad de que un estudiante que ingresa en la Univer-
sidad se licencie en 5 años es de 0.4. Se eligen al azar 10 estudiantes. Calcular
la probabilidad de que:
a) ninguno se licencie en 5 años.
b) todos se licencien en 5 años.
c) un único estudiante se licencie en 5 años.
Ejercicio 7. Una máquina produce 12 piezas defectuosas de cada mil que
fabrica. Hallar la probabilidad de que al examinar 40 piezas::
a) sólo haya una defectuosa.
b) no haya ninguna defectuosa.
Ejercicio 8. En un grupo de 20 estudiantes de un instituto se ha comprobado
que cada alumno falta a clase el 4% de los dı́as. Calcular la probabilidad de
que en un dı́a determinado:
a) no se registre ninguna falta.
b) falten a clase menos de tres estudiantes.
Sección 2: La Distribución Binomial 21
1.53 1.83 x
altura
Sección 3: Variable Aleatoria Continua 23
que corresponde al área de la región limitada por f (x), el eje x y las rectas
x=ayx=b
y
f (x)
a b x
P (a < x < b)
Sección 3: Variable Aleatoria Continua 24
0
x · 2x
=área del triángulo gris = = x2 2x
2
F (x) = x2 0<x<1
x 1 X
Sección 3: Variable Aleatoria Continua 25
Ejemplo 3.2. La variable aleatoria X del ejemplo anterior tiene como función
de distribución
F (x) = x2 0<x<1
Hallar las siguientes probabilidades:
a) P (x < 0.5) b) P (x < 0.2) c) P (0.2 < x < 0.5)
d ) P (x > 0.5) e) P (x > 0.2) f ) P (0.1 < x < 0.8)
Solución:
a) P (x < 0.5) = F (0.5) = 0.52 = 0.25
b) P (x < 0.2) = F (0.2) = 0.22 = 0.04
c) P (0.2 < x < 0.5) = F (0.5) − F (0.2) = 0.25 − 0.04 = 0.21
d ) P (x > 0.5) = 1 − F (0.5) = 1 − 0.25 = 0.75
e) P (x > 0.2) = 1 − F (0.2) = 1 − 0.04 = 0.96
f ) P (0.1 < x < 0.8) = F (0.8) − F (0.1) = 0.64 − 0.01 = 0.63
Para hallar P (a < x ≤ b) utilizamos la expresión:
P (a < x ≤ b) = FX (b) − FX (a) (10)
Sección 4: La Distribución Normal 26
4. La Distribución Normal
La función de distribución normal juega un papel central en la estadı́stica ya
que, además de sus interesantes propiedades de reproductividad y de aprox-
imación de otras distribuciones, sirve para modelizar una gran cantidad de
situaciones prácticas.
Definición 4.1 Distribución Normal. Una variable aleatoria X se dice
que tiene una distribución de probabilidades normal con media µ y varianza
σ 2 y se denomina N (µ, σ 2 ) si su función de densidad es de la forma:
(x − µ)2
1 −
f (x) = √ e 2σ 2 , −∞ < x < ∞.
σ 2π
La media y varianza de una variable normal coinciden con los parámetros µ
y σ 2 de la misma.
En la figura se muestra la
función de densidad y se
aprecia que es simétrica re-
specto de x = µ y los
puntos de inflexión de la
función de densidad se en-
cuentran a una distancia σ µ−σ µ µ+σ z
de la media.
Sección 4: La Distribución Normal 27
-3 -2 -1 0 1 2 3
Sección 4: La Distribución Normal 28
Volver
Caso I P (Z ≤ z0 ) y z0 es positivo.
Para calcular P (Z ≤ 1.25) = Φ(1.25), procedemos de la siguiente forma.
Buscamos en la tabla de la N (0; 1) el valor 1.25. En la primera columna
de la tabla se busca el valor 1.2 y en esta fila nos desplazamos hasta la
columna con cabecera 0.05, obteniendo el valor 0.8944.
Caso II P (Z ≤ −z0 ) y −z0 es negativo.
Se utiliza por simetrı́a la siguiente propiedad
P (Z ≤ −z0 ) = Φ(−z0 ) = 1 − Φ(z0 )
Para calcular P (Z ≤ −1.34) = 1 − Φ(1.34), procedemos de la misma
forma. Buscamos en la tabla de la N (0; 1) el valor 1.34. En la primera
columna de la tabla se busca el valor 1.3 y en esta fila nos desplazamos
hasta la columna con cabecera 0.04, obteniendo el valor 0.9099. Luego
P (Z ≤ −1.34) = 1 − Φ(1.34) = 1 − 0.9099 = 0, 0901
Caso III P (z0 ≤ Z ≤ z1 )
Se calcula Φ(z1 ) y Φ(z0 ) y se restan, por la fórmula
P (z0 ≤ Z ≤ z1 ) = Φ(z1 ) − Φ(z0 )
Ası́ por ejemplo
P (1.25 ≤ Z ≤ 1.34) = Φ(1.34) − Φ(1.25) = 0.9099 − 0.8944 = 0, 0155
Sección 4: La Distribución Normal 30
P (z ≤ 0) = Φ(0) = 0.5
Φ(0)
0 z
P (z ≤ 1) = Φ(1) = 0.8413
Φ(1)
1 z
P (z ≤ 2) = Φ(2) = 0.97725
Φ(2)
2 z
Sección 4: La Distribución Normal 31
Φ(−1)
P (z ≤ −1) = Φ(−1) = 1−Φ(1) = 0.1587
−1 z
P (z > 1) = 1 − Φ(1) = 0.1587
Φ(1)
1 z
P (z > 2) = 1 − Φ(2) = 0.02275
Φ(2)
2 z
Sección 4: La Distribución Normal 32
1 2 z
Sección 4: La Distribución Normal 33
Solución:
X −5 8−5
P (X < 8) =P <
2 2
=P (z < 1.5) = Φ(1.5)
=0.9332 5 8
X
X −5 2−5
P (X < 2) =P <
2 2
=P (z < −1.5)
=1 − Φ(1.5) = 0.0668
2 5 X
2−5 8−5
P (2 < X < 8) =P <z<
2 2
=P (−1.5 < z < 1.5)
=Φ(1.5) − Φ(−1.5)
=0.8664
2 5 8 X
Sección 4: La Distribución Normal 36
Ejercicio 13. En una distribución normal N (18; 4), hallar las siguientes
probabilidades:
a) P (x < 18)
b) P (x < 20)
c) P (x > 16, 5)
d) P (x < 11)
e) P (19 < x < 23)
f ) P (11 < x < 25)
4.2. Ejercicios
Ejercicio 15. La temperatura T durante el mes de mayo está distribuida de
forma normal con media 21o y desviación tı́pica 4o . Hallar el número de dı́as
esperados en que haya una temperatura entre 19o y 23o .
Ejercicio 16. El tiempo en dı́as de duración de los focos producidos por una
empresa, es una variable normal de media 780 y desviación tı́pica de 40 dı́as.
Calcúlese el porcentaje de focos con una duración superior a 800 dı́as.
Ejercicio 17. Los pesos de los individuos de una población se distribuyen
normalmente con media 70 kg y desviación tı́pica 5 kg. Calcular:
a) La probabilidad de que el peso de un individuo esté comprendido entre
65 y 80 kg.
b) La probabilidad de que un individuo pese más de 100 kg.
Ejercicio 22. Cierto tipo de baterı́a dura un promedio de 3 años, con una
desviación tı́pica de 0,5 años. Suponiendo que la duración de las baterı́as es
una variable normal:
a) ¿Qué porcentaje de baterı́as se espera que duren entre 2 y 4 años?.
b) Si una baterı́a lleva funcionando 3 años, ¿ cuál es la probabilidad de
que dure menos de 4,5 años?
Sección 4: La Distribución Normal 40
1
Debe notarse que la función de probabilidad binomial no tiende a la función de den-
sidad normal estándar.
Sección 5: Aproximación de la distribución binomial por la normal 42
0.05
0
0 2 4 6 8 10 12 14 16 18 20
1
Ejemplo 5.1. Sea X binomial B 100; que tiene de media µ = np = 50
r 2
√ 1 1
y σ = npq = 100 · · = 5. Si aproximamos por una normal N (50; 5),
2 2
se tiene
• Con la Binomial el valor exacto es P (X ≤ 55) = 0.8644
• Con la aproximación por la normal el valor es
55.5 − 50
P (X ≤ 55) =P z ≤ = Φ (1.1) = 0.8643
5
Sección 5: Aproximación de la distribución binomial por la normal 43
Utiliza la Tabla
√ √
X ∼ B(60; 0.9) ⇒ µ = n p = 60·0.9 = 54 σ = npq = 60 · 0.9 · 0.1 = 2, 32
50.5 − 54
P (X ≤ 50) =P z < = Φ (−1, 51) = 1 − Φ(1.51) = 0.0655
2.32
Sección 5: Aproximación de la distribución binomial por la normal 44
5.1. Ejercicios
Ejercicio 25. Se lanza una moneda 200 veces. Hallar la probabilidad de
a) Obtener a lo más 95 caras
b) Obtener más de 110 caras
Ejercicio 26. En cierto paı́s la probabilidad de que nazca una niña es 0.58.
Si se producen en un año 1000 nacimientos, ¿cuál es la probabilidad de que
el número de niñas nacidas esté comprendido entre 501 y 550?
Ejercicio 27. El 4 % de las reservas de un vuelo no son utilizadas. Según esta
observación, una compañia de aviación vende 150 billetes para 140 plazas. ¿
Cuál es la probabilidad de que todos los pasajeros consigan plaza?
Ejercicio 28. Un concesionario de automóviles vende a particulares vehı́culos
de la misma marca. Sabiendo que la probabilidad de que este tipo de vehı́culos
esté en servicio dos años después es de 0.8, determinar la probabilidad de que
de 4000 automóviles vendidos, más de 3120 estén en servicio dentro de dos
años.
Ejercicio 29. Se lanza un dado 600 veces. Hallar la probabilidad de
a) Obtener a lo más 95 –seises–
b) Obtener más de 110 –seises–
Sección 5: Aproximación de la distribución binomial por la normal 45
Φ(−z) = 1 − Φ(z)