ESTADÍSTICA Y PROBABILIDAD

Sally Viviana De León Sánchez

sally.deleon00@usc.edu.co

Cali - Colombia
 MODELOS PROBABILÍSTICOS

Modelo
Un modelo es una traducción de la realidad para poder aplicar los
instrumentos y técnicas de las teorías matemáticas, para estudiar el
comportamiento de sistemas complejos. Simplificación de la realidad.

 Modelo Deterministico: Se conoce de manera exacta la forma del

resultado ya que no hay incertidumbre.

 Modelo Probabilístico: No se conoce el resultado de manera exacta, sino

probabilísticamente y existe por tanto incertidumbre. Tiene como objetivo
estudiar los resultados de un experimento aleatorio y predecir su
comportamiento futuro, cuando se realiza bajo las mismas condiciones
dadas inicialmente.

Universidad Santiago de Cali Estadística y Probabilidad Sally De León

 VARIABLES ALEATORIAS
Variable aleatoria
Es una variable estadística cuyos valores se obtienen de
mediciones en un experimento aleatorio. Los valores
posibles de una variable aleatoria pueden representar los
posibles resultados de un experimento aún no realizado, o
los posibles valores de una cantidad cuyo valor actualmente
existente es incierto.
 Variable aleatoria discreta: Se dice que una variable aleatoria X es
discreta si el número de valores que puede tomar es contable (ya sea
finito o infinito), y si éstos pueden arreglarse en una secuencia que
corresponde con los enteros positivos.

 Variables aleatoria continua: Se dice que una variable aleatoria X es

continua si sus valores consisten en uno o más intervalos de la recta de los
reales.
Universidad Santiago de Cali Estadística y Probabilidad Sally De León
 VARIABLES ALEATORIAS
EJEMPLOS DE VARIABLES ALEATORIAS DISCRETAS:

 La suma de las caras del lanzamiento de dos dados.

x = 2, 3, …, 12.

 El número de llamadas telefónicas que recibe un conmutador en un

intervalo de cinco minutos.
x = 0, 1, 2, ...

 El número de artículos defectuosos en un lote de 100 artículos.

x = 0, 1, 2, ..., 99, 100.

 El número de estudiantes atendidos en la cafetería de la universidad

durante un día.
x = 0, 1, 2, ...

Universidad Santiago de Cali Estadística y Probabilidad Sally De León

 VARIABLES ALEATORIAS
EJEMPLOS DE VARIABLES ALEATORIAS CONTINUAS:

 Tiempo en minutos, entre dos llegadas consecutivas de clientes a un

banco.
x ≥ 0.

 Proporción de accidentes de transito en Cali en lo que va corrido del año.

0 ≤ x ≤ 1.

 Tiempo en minutos necesario para reparar un articulo por una

reclamación de garantía.
x > 0.

 Cantidad de llenado de una bebida en un vaso de 30 onzas.

0 ≤ x ≤ 30.

Universidad Santiago de Cali Estadística y Probabilidad Sally De León

 MODELOS PROBABILÍSTICOS

Distribución de probabilidad
La distribución de probabilidad de una variable aleatoria
describe como se distribuyen las probabilidades de los
diferentes valores de la variable aleatoria.

Algunos valores de una variable aleatoria pueden ser más

probables que otros, lo que da origen al concepto de
distribución de probabilidad de una variable aleatoria.

Universidad Santiago de Cali Estadística y Probabilidad Sally De León

DISTRIBUCIONES DE PROBABILIDAD DE
VARIABLES ALEATORIAS DISCRETAS

Variable aleatoria discreta x

Una variable aleatoria X está caracterizada por la

función de distribución de probabilidad puntual p(x).

Y por la función de distribución acumulada F(x), que

representa la suma de las probabilidades puntuales.

Universidad Santiago de Cali Estadística y Probabilidad Sally De León

 DISTRIBUCIONES DE PROBABILIDAD DE
VARIABLES ALEATORIAS DISCRETAS
FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD (fdp):

Definición:
Sea X una variable aleatoria discreta, que toma los posibles
valores x1, x2, …, xn, se llamará a p(x) = P(X = x) función de
distribución de probabilidad (fdp) de la variable aleatoria X, si
cumple las siguientes propiedades:
1. 0  p  xi   1
n
2.  px  1
i 1
i

Universidad Santiago de Cali Estadística y Probabilidad Sally De León

 DISTRIBUCIONES DE PROBABILIDAD
DE VARIABLES ALEATORIAS DISCRETAS
Ejemplo:
Una ambulancia de voluntarios realiza de 0 a 5 servicios por día. A continuación, se
presenta la distribución de probabilidad de los servicios por día:
x 0 1 2 3 4 5
P(x) 0.10 0.15 0.30 0.20 0.15 0.10
¿Cuál es la variable aleatoria?, ¿Es discreta o continua?

¿Cuál es la probabilidad de que realice como máximo tres servicios?

¿Cuál es la probabilidad de que realice entre 3 y 5 servicios?

Universidad Santiago de Cali Estadística y Probabilidad Sally De León

 DISTRIBUCIONES DE PROBABILIDAD
DE VARIABLES ALEATORIAS DISCRETAS
Ejemplo:
Una ambulancia de voluntarios realiza de 0 a 5 servicios por día. A continuación, se
presenta la distribución de probabilidad de los servicios por día:
x 0 1 2 3 4 5 Total
P(x) 0.10 0.15 0.30 0.20 0.15 0.10 1
E(X) 0 0.15 0.6 0.6 0.6 0.5 2.45
E  X2  0 0.15 1.2 1.8 2.4 2.5 8.05

V X   EX    E  X  
2 2

S  V X 
V  X   8.05  (2.45 ) 2

S  2.0475
V  X   8.05  6.0025
S  1.43
V  X   2.0475
Universidad Santiago de Cali Estadística y Probabilidad Sally De León
 DISTRIBUCIONES DE PROBABILIDAD
DE VARIABLES ALEATORIAS DISCRETAS
Ejemplo:
X: La suma de las caras del lanzamiento de dos dados.
Resultado Valores de X Número de ocurrencias P(x)
(1,1) 2 1 1/36
(1,2), (2,1) 3 2 2/36
(1,3), (2,2), (3,1) 4 3 3/36
(1,4), (2,3), (3,2), (4,1) 5 4 4/36
(1,5), (2,4), (3,3), (4,2), (5,1) 6 5 5/36
(1,6), (2,5), (3,4), (4,3), (5,2), (6,1) 7 6 6/36
(2,6), (3,5), (4,4), (5,3), (6,2) 8 5 5/36
(3,6), (4,5), (5,4), (6,3) 9 4 4/36
(4,6), (5,5), (6,4) 10 3 3/36
(5,6), (6,5) 11 2 2/36
(6,6) 12 1 1/36

Universidad Santiago de Cali Estadística y Probabilidad Sally De León

 MODELOS PROBABILÍSTICOS
Los momentos de una variable aleatoria o de la distribución de
probabilidad, son los valores esperados de ciertas funciones de la
variable.

Éstos forman una colección de medidas descriptivas que pueden

emplearse para caracterizar la distribución de probabilidad y
especificarla si todos los momentos son conocidos. Estas medidas son:
Media  Momento 1
Varianza  Momento 2
Asimetría  Momento 3
Curtosis  Momento 4
Todas los conceptos con respecto a los momentos se encuentran
sujetas a la existencia de las sumas o integrales que los definen.

Universidad Santiago de Cali Estadística y Probabilidad Sally De León

 MODELOS PROBABILÍSTICOS
Sea X una variable aleatoria. El r-ésimo momento de X se define como:
E  X r    xir p  xi 
n
si X es discreta.
i 1

EX   f  x  dx

r
 x r
si X es continua.


Donde p(x) y f(x) son las funciones de probabilidad y de densidad de

probabilidad, respectivamente. Cuando r = 1, E(X) se conoce como el valor
esperado o la media de la variable X.
La varianza de una variable aleatoria X, con media E(X), está definida como:
V X   EX    E  X  
2 2

E  X 2    xi2 p  xi  EX2 
n
ó  x 2 f  x  dx
i 1 

si X es discreta si X es continua
Universidad Santiago de Cali Estadística y Probabilidad Sally De León
 MODELOS PROBABILÍSTICOS
Ejercicio:
El gerente de un almacén elaboró la siguiente distribución de
probabilidad de la demanda diaria (número de veces que se
utiliza) de una de sus máquinas:
y 0 1 2 3 4
p(y) 0.40 0.30 0.15 0.10 0.05

Encontrar la media, la varianza, la desviación estándar y realizar

sus respectivas interpretaciones:
a. P(Y = 2)= f. P(Y ≤ 1)=
b. P(Y ≥ 1) = g. P(Y > 3) =
c. P(2 ≤ Y ≤ 4)= h. P(1 < Y ≤ 4)=
d. P(Y < 3)= i. P(1 < Y < 4)=
e. P(2 ≤ Y < 4)= j. P(Y = 5)=
Universidad Santiago de Cali Estadística y Probabilidad Sally De León
 ESTADÍSTICA Y PROBABILIDAD

Universidad Santiago de Cali Estadística y Probabilidad Sally De León