Alumna:

Anahí Juárez Ramírez

ID:

ES2118012797

LICENCIATURA EN MATEMATICAS

Materia:

Probabilidad 1

Unidad 3

Actividad 2

Universidad abierta y a distancia de México

06/05/20
 Probabilidad I

Unidad 3. Modelos discretos de probabilidad

Actividad 2. Lectura teórica – Tabla temática resumida (desarrollo)

Desarrollo resumido
Tema Subtema Ejemplos
Definiciones/Simbología/Fórmulas
Variable aleatoria discreta

Definición de Es una función que a cada elemento del espacio

muestral le asocia un número real esto es Número de caras al lanzar una monera puede
variable aleatoria
ser 0,1,2,3
discreta X:Ω→ Rx

Sea X una variable aleatoria discreta con valores de

Rx={x1,x2,…xk} la función de probabilidad está dada
Función de por P(X=x)=f(x) donde f(xi)= Al lanzar un dado si sabemos que saldrán los
p (X =xi) i=1,2, … k
probabilidad de
una variable
aleatoria discreta
{ 0
mismos resultados entonces si sale el número 1
en el dado le damos un x= 1 y su f(x)=1/6 si sale
el dos x=2 y f() 1/6 y así sucesivamente

Sea X una variable aleatoria discreta con rangos

Función de Rx={x1,x2,…xk} con xϵR Lanzar un dado de las posibilidades que puede
distribución de una salir calcular F(2)=P(X
variable aleatoria F(x)=P(X≤ x ¿= ∑ f (u)
u≤ x ≤ 3 ¿=P( X=1)+ P ( X =2)=1/6+1/6=2/6
discreta

X y Y que tienen dos variables aleatorias cada quien Si en una tabla de frecuencias f1(1)=0.41 y
Independencia de con sus funciones de distribución esto quiere decir f2(0)=0.20 si f(1,0)=0.20 entonces
variables aleatorias que con v.a independientes y tomando los eventos
(X≤x)ᴖ(Y≤Y) son independientes (0.41)*(0.20)≠0.10

Una variable aleatoria discreta toma todos los

valores enteros entre 0 y 4 con la siguiente
Esperanza de una función de densidad: X 0 ,1 ,2 ,3, 4 y f(x) 0.3 ,
variable aleatoria E(X)= ∑ x∗P ( X=x )=¿ ∑ x∗fx ( x)¿ 0.25, 0.25 ,0.1 ,0.1, respectivamente a su X
x∈ Rx x∈ Rx Calcular su esperanza
discreta
E[X] = 4 ∑ i=0 xi · f(xi) = (0 · 0.3) + (1 · 0.25) + (2 ·
0.25) + (3 · 0.1) + (4 · 0.1) = 1.45.

Con función de probabilidad fx(x) y con E(X)=µ finita Tomando el ejemplo anterior su esperanza E[¿2 ]
Varianza de una 4
variable aleatoria 1)La varianza de Var(X)=
discreta ∑ ( x−µ )2∗P ( X =x )= ∑ ( x −µ )2∗fx(x )
= ∑ ❑(0^2 0.3) + (1 ^2 · 0.25) + (2 ^2 · 0.25) +
i=0
x∈ Rx x∈ Rx
(3 ^2 · 0.1) + (4^ 2 · 0.1) = 3.75.
y su desviación de X √ Var (X )
 Se quiere saber cuales la probabilidad de que
encontremos 10 basureros dañados de 50
ubicados  en el barrio Tamasagra de San Juan De
Pasto; se sabe que la probabilidad de
que estén dañados es de 15.8%.N= 50,X= 10,
Modelo Bernoulli f(x)= p x ¿ P= 15.8% → 0.158%
Q= 84.2% → 0.842%
       50!         . 0.15810 .  084.240    = 0.00205 
  (50-10)! 10! 

Imaginemos que un 80% de personas en el

mundo han visto el partido de la final del último
mundial de futbol. Tras el evento, 4 amigos se
reúnen a conversar, ¿Cuál es la probabilidad de
que 3 de ellos hayan visto?:n    = 4 (es el total de
la muestra que tenemos)x    = número de éxitos,
que en este caso es igual a 3, dado que
buscamos la probabilidad de que 3 de los 4
Modelos discretos de probabilidad

Modelo binomial n
x {
𝑓(𝑥)=𝑃(𝑋=𝑥)= ) p x∗q n−x amigos lo hayan visto.p    = probabilidad de éxito
(0,8) q    = probabilidad de fracaso (0,2). Este
resultado se obtiene al restar 1-p.

en la urna hay un total de 10 objetos, 3 de los

cuales son defectuosos, si de seleccionan 4
objetos al azar, ¿cuál es la probabilidad de que 2
sean defectuosos?
Solución:
Modelo N = 10 objetos en total
hipergeométrico a = 3 objetos defectuosos
n = 4 objetos seleccionados en muestra
x = 2 objetos defectuosos deseados en la muestra

Si un banco recibe en promedio 6 cheques sin

fondo por día, ¿cuáles son las probabilidades de
que reciba cuatro cheques sin fondo en un día
dado,?
   x = variable que nos define el número de
Modelo de Poisson e−λ∗λ x cheques sin fondo que llegan al banco en un día
𝑓(𝑥)=𝑃(𝑋=𝑥)= Con 𝑥=0,1,2,…𝑛… cualquiera = 0, 1, 2, 3, ....., etc, etc.
x! l = 6 cheques sin fondo por día
e = 2.718

Bibliografía:

CANAVOS, G. (1988)  Probabilidad y Estadística. Aplicaciones y Métodos. México: McGraw-Hill.

MARTíN PLIEGO, F. y RUIZ-MAYA, L. (1995) Estadística I: Probabilidad. Madrid: AC.