NOTACION EN VARIABLES ALEATORIAS, EJEMPLOS Y CALCULO DE PROBABILIDADES

X = Suma de los puntos obtenidos en el lanzamiento de un par de dados normales.

RanX={2,3,4,5,6,7,8,9,10,11,12 }
 Probabilidad que la suma de los puntos sea exactamente igual a 8: P(X=8)

¡No se olvide de Laplace!

casos favorables (suma 8) [ ( 2,6 ) , ( 6,2 ) , ( 3,5 ) , ( 5,3 ) ,(4,4) ] 5

P ( X=8 )= = = =0,1389
casos posibles (¿ S) 36 36

 Probabilidad que la suma de los puntos sea menor o igual a 5: P(X<=5)

1+ 2+ 3+4 10
P ( X ≤5 )=P ( X=2 ) + P ( X =3 ) + P ( X=4 ) + P ( X =5 )= = =0,2778
36 36
 Probabilidad de que la suma de los puntos esté entre 3 y 7, inclusive.
P ( 3≤ X ≤ 7 )=P ( X =3 ) + P ( X=4 )+ P ( X =5 ) + P ( X=6 )+ P ( X=7 )
2+3+ 4+5+6 20
P ( 3≤ X ≤ 7 )= = =0,5556
36 36
 Probabilidad que la suma de los puntos esté entre 9 y 12, exclusive
3+2 5
P ( 9< X <12 ) =P ( 10 ≤ X ≤11 )= =
36 36
 Probabilidad que la suma de los puntos sea mayor que cinco.
P ( X >5 ) =1−P ( X ≤5 ) [ Regla delComplemento ]
10 26
P ( X >5 ) =1− = =0,7222
36 36
FUNCIÓN MASA DE PROBABILIDAD – 3 propiedades

 f ( x ) ≥0 , para todo valor de X

 ∑ f ( x )=1
x∈ranX

 f ( x )=P( X=x ) ¡Probabilidad Puntual!

FUNCION DE DISTRIBUCION ACUMULADA

F ( x )=P( X ≤ x)

Regla Complemento: P ( X > x )=1−F ( x )

F ()=P ( X ≤)
Después de la tabla: f ( x )=0 , si x no pertenece al rango de X

P ( X=x )=F ( x )−F ( x−1 )

f ( x )=P ( X ≤ x ) −P(X ≤ x−1)
Analogía con estadística descriptiva

F i=Fi−1 + f i equivale en v.a. a: F ( x )=F ( x−1 )+ f ( x )

f i=F i−Fi−1

F ( x )=F ( x−1 )+ f ( x )
1 1
F ( 2 )=P ( X ≤ 2 )=P ( X ≤1 ) + P ( X =2 )=0+ =
36 36
1 2 3
F ( 3 ) =P ( X ≤ 3 )=P ( X ≤ 2 ) + P ( X=3 ) = + =
36 36 36
3 3 6
F ( 4 ) =P ( X ≤ 4 )=P ( X ≤3 )+ P ( X=4 )= + =
36 36 36
Cálculo de probabilidades usando F(x)

3+2+1 6
P ( X >9 )=P ( X ≥ 10 ) = =
36 36
30 6
P ( X >9 )=1−P ( X ≤ 9 )=1−F ( 9 )=1− = =0,1667
36 36
P ( X=5 )=P ( X ≤5 ) −P ( X ≤ 4 )
10 6 4
f ( 5 )=F ( 5 )−F ( 4 )= − =
36 36 36
26−3 23
P ( 4 ≤ X < 9 )=P ( 4 ≤ X ≤ 8 )=P ( X ≤ 8 )−P ( X ≤ 3 )= =
36 36
33−15 18 1
P ( 6< X <11 )=P ( 7 ≤ X ≤ 10 )=F ( 10 )−F ( 6 )= = = =0,5
36 36 2
❑
r
E ( x )= ∑ x r f ( x)
x ∈ranX

En variable continua

Alegremente, puede escribir P ( X ≤ x )=P ( X < x ) , probabilidades puntuales son iguales a CERO.
b
P ( a ≤ X ≤ b )=P ( a< X < b )=∫ f ( x ) dx
a

Hace el mismo cálculo

Probabilidad =Área bajola curva

Distribución Binomial

Procesos Bernoulli: n ensayos, 2 resultados (éxito/fracaso), probabilidad p de éxito constante,

independencia entre ensayos

X= Número de éxitos en n ensayos

b ( x ; n , p ) =nCx∗p x∗qn− x ; 0 ≤ x ≤ n

X=Número de empleados que portan ID en n=10 que llegan a la base militar

X sigue dist. Binomial con n=10 y p=0,60

a ¿ P ( X=8 )=10 C 8∗0,608∗0,402=0,1209

n-x

Factorial

El factorial de un número se define:

n !=n ( n−1 )( n−2 ) …1

Por ejemplo

5 !=5× 4 × 3 ×2 ×1=120
Por definición: 0! = 1! =1
 n!
nCx= n =
()
x x ! ( n−x ) !

X=Número de empleados que portan ID en n=10 que llegan a la base

X sigue una distribución binomial con parámetros n=10 y p=0,60

b ( x ; 10,0.60 )=10 Cx∗0,60x ∗0,4010−x ; 0≤ x ≤ 10

a ¿ P ( X=8 )=10 C 8∗0,608∗0,402=0,1209

b ¿ P ( X=4 )=10 C 4∗0,604∗0,406=0,1115

c ¿ P ( X ≥ 4 )=P ( X =4 )+ P ( X=5 ) +…+ P ( X =10)
3
P ( X ≥ 4 ) =1−P ( X < 4 )=1−P ( X ≤ 3 ) =1−∑ b ( x ; 10,0.60 )
x=0

P ( X=0 )=0,0001
P ( X=1 ) =0,0016
P ( X=2 )=0,0106
P ( X=3 )=0,0425
Suma=0,0548
P ( X ≥ 4 ) =1−0,0548=0,9452
5
d ¿ P ( X ≤ 5 )=∑ b ( x ; 10,0.60 ) =0,0548+0,1115+ P( X =5)
x=0

5
d ¿ P ( X ≤ 5 )=∑ b ( x ; 10,0.60 ) =0,0548+0,1115+0,2007=0,3670
x=0

7
e ¿ P ( 4 ≤ X ≤ 7 ) =P ( X =4 ) + P ( X=5 )+ P ( X =6 ) + P ( X =7 )=∑ b ( x ; 10,0.60 )
x=4

e ¿ P ( 4 ≤ X ≤ 7 ) =P ( X ≤ 7 )−P ( X ≤ 3 )=0,8327−0,0548=0,7779

Resolver con el uso de la fórmula 𝑃(𝑎≤𝑋≤𝑏) = 𝑃(𝑋≤𝑏) − 𝑃(𝑋≤𝑎−1)

Media y varianza de distribución binomial

𝜇=𝑛𝑝=10(0,6) =6 empleados en promedio portan ID de 10 que lleguen

𝜎2=𝑛𝑝𝑞=𝑛𝑝(1−𝑝)= 6(0,4)=2,4 y desv est = √ 2,4=1,5492

Distribución Hipergeométrica

Modelo similar a binomial (2 resultados), pero con tamaño de población finito, involucra
probabilidad condicional

X=Número de éxitos en la muestra de tamaño n; tomada al azar de la población de tamaño N, la

cual contiene k éxitos.

kCx × ( N−k ) C ( n−x )

h ( x ; N , n , k )= ; 0 ≤ x ≤ mín ( k , n )
NCn

kCx=las formas de escoger los éxitos

( N−k ) C ( n−x ) =las formas de escoger los fracasos
NCn=número de formas de escoger una muestra al azar de la población
Media y Varianza

nk nk k N−n
μ= y σ 2= ×(1− ) ×
N N N N−1
N −n
se≤conoce como el factor de corrección de población finita
N−1

X=Número de empleados cuya esposa trabaja en la muestra de tamaño 3; tomada al azar del
grupo de empleados hombres de tamaño 10, de los cuales 7 tienen esposas que trabajan

X sigue dist. Hipergeométrica con parámetros N=10; n=3; k=7

P ( X ≤1 ) =P ( X =0 ) + P ( X =1 )
7 C 0 × 3C 3 7 C 1 ×3 C 2 1 21 22 11
P ( X ≤1 ) = + = + = = =0,1833
10 C 3 10 C 3 120 120 120 60
3 ×7
μ= =2,1 empleados con esposas que trabajan
10
21 7 10−3 21 3 7 49
σ 2=
10 (
× 1− × )
= × × =
10 10−1 10 10 9 100
=0,49

desv est =σ= √0,49=0,7

X=Número de animales etiquetados en la muestra de tamaño n=15; tomada al azar de la población
de tamaño N=25, la cual contiene k=10 éxitos.

10 Cx × (15 ) C ( 15−x )
h ( x ; 25,15,10 )= ; 0 ≤ x ≤10
25 C 15
10C 5 × ( 15 ) C ( 10 )
P ( X=5 )= =0,2315
25 C 15

nk 15 ×10
μ= = =6 anim en promedio estan etiquetadoscuando se tome mstrs de 15
N 25
nk k N−n 10 25−15 15 10 3
σ 2=
N (
× 1−
N
×
N−1)=6× 1−
25
× (
25−1 )(
=6 × × = =1,5
25 24 2 )
y desv est=σ=1,2247

Distribución Poisson
Conteo de eventos discretos inmersos en medios continuos
Dos propiedades:
1) Propiedad de Amnesia (Carencia de memoria) – el número de resultados en un
medio continuo es independiente del número de resultados de un medio continuo de
la misma extensión.
2) Redefinición del parámetro lambda: El número de resultados es proporcional al
tamaño del medio continuo.
Función de masa
X= número de resultados en el medio continuo
e−λ × λ x
p ( x ; λ )= , x=0,1,2,3 ,…
x!
Media =μ = Varianza = λ
e=2,71828
n !=n × ( n−1 ) × ( n−2 ) … ×1
5 !=5× 4 × 3 ×2 ×1=120
Por definición: 0 !=1!=1

X=Número de llamadas por minuto que llegan al conmutador.

X sigue distribución Poisson. p ( x ; λ ) , con λ=μ=2 llamadas por minuto
No se redefine el parámetro lambda para los tres primeros literales.

e−2 × 20 −2
a)P ( X=0 )= =e =0,1353
0!
b)P ( X ≥1 ) =1−P ( X=0 ) Regla delcomplemento
b)P ( X ≥1 ) =1−0,1353=0,8647
5
c)P ( 3≤ X ≤ 5 )=∑ p( x ; 2)=P ( X=3 )+ P ( X =4 ) + P ( X=5 )
3
3 4 5
e
−2
( 32! + 42! + 52! )=0,3068
d) ¿Cuál es la probabilidad que lleguen 12 llamadas en un período de cinco minutos?
R/ La extensión del medio continuo cambió. Entonces, se debe redefinir el parámetro
lambda, acorde a la propiedad 2 del proceso de Poisson:
Si llegan 2 llamadas en un min, ¿cuántas se espera que lleguen en un período de cinco
minutos? – Se esperan 10 llamadas en un lapso de 5 minutos –NUEVO LAMBDA.
e−10 ×1012
P ( X=12 ) en 5 min ¿ =0,0948
12 !
X=Número de buses que llega a la terminal en una hora.
X sigue una dist. Poisson con parámetro μ= λ=8

a) P(X=5) en una hora. El medio continuo de la tasa y el de la pregunta (en general,

del inciso a)), son iguales. Por lo tanto, NO se redefine el parámetro lambda.

e−8 × 85
P ( X=5 )= p ( 5; 8 )= =0,0916
5!
4
a.2) P ( X ≥5 )=1−P ( X ≤ 4 )=1−∑ p ( x ; 8 )=1−¿
x=0
0 1
84
P ( X ≥5 )=1− e[ (−8

10
8 8
+ + …+
0! 1! 4! )]
−8
=1−297 e =1−0,0996=0,9004

a.3)P ( X ≤10 )=∑ p ( x ; 8 )=¿

x=0

8 0 81 810
[ (
¿ e
−8
+ +…+
0 ! 1! 10 ! )] −8
=2432,1213 e =0,8159

c)P ( X ≥20 ) en un período de 2,5 horas.

Como el medio continuo cambió, se debe redefinir el parámetro lambda. (Regla de tres
simple directa)
Nueva lambda = 8 ×2,5=20
19
P ( X ≥20 )=1−P ( X ≤19 )=1−∑ p ( x ; 20 )=1−228152458,8 e−20=1−0,4703=0,5297
x=0

Valor moderado para lambda: [0,1 – 20]

Distribución Normal
Es la más importante de toda la estadística.
Área bajo la curva = Probabilidad
Transformación normal
X−μ
Z=
σ
Para variable continua
 b
P ( a< X < b )=∫ f ( x ) dx=P ( X < b )−P( X <a)
a
USOS DE LA TABLA NORMAL ESTÁNDAR ACUMULADA
Uso 1) se da el valor de z y se pide calcular la probabilidad (área bajo la curva)
Uso 2) Se da la probabilidad (área bajo la curva), y se debe buscar el Z equivalente.
OJO: Revisar área si es a la izquierda (busca el z alegremente) o si es a la derecha
(primero, regla de complemento para el área, y luego sí buscar el valor z).
La tabla le brinda áreas acumuladas a la izquierda (cola izquierda¿ P(Z< z )
Ejemplo: P ( Z ←1,24 ) =0,1075
Área a la derecha: P(Z> z) regla del complemento
P ( Z > z )=1−P (Z < z )
Áreaa la derechade z=1− Áreaa la izquierda
P ( Z >2,38 ) =1−P ( Z <2,38 ) =1−0,9913=0,0087
P (−0,68< Z<1,72 )=P ( Z <1,72 )−P ( Z ←0,68 ) =0,9573−0,2483=0,7090
Uso 2: Curva Normal a la inversa
Calcule el valor z para el cual P(Z<z) = 0,8925. Calcule el valor z que deja un área a la
izquierda de ese valor z, de 0,8925.
El z equivalente es z=1,24.
Calcule el valor z que deja un área a la derecha de 0,1492. P(Z>z) = 0,1492
P( Z> z)=0,1492
P ( Z < z )=1−P ( Z> z ) =1−0,1492=0,8508
El Z equivalente es z=1,04.

Aplicado

e) ¿Cuál es el peso que supera el 20 % de las cajas?

X=Peso de paquete de cereal [onzas]
X sigue distribución normal con media 36 onzas y desviación estándar 1,9.
34,8−36
(
a ¿ P ( X <34,8 ) =P Z <
1,9 ) =P ( Z←0,63 )=0,2643

36,5−36
b ¿ P ( X >36,5 ) =1−P ( X <36,5 )=1−P Z< ( )
1,9
=1−P ( Z <0,26 ) =1−0,6026=0,3974
d ¿ P ( 39,5< X <41,1 ) =P ( X< 41,1 )−P ( X <39,5 ) fórmula v . a . continua
41,1−36 3 9 , 5−36
(
¿ P Z<
1,9 ) (
−P Z<
1,9 ) =P ( Z<2,68 )−P ( Z <1,84 )
¿ 0,9963−0,9671=0,0292
e) Uso de la curva normal a la inversa.
P ( X > xeq )=0,20=P(Z > zeq )
P ( Z < z eq ) =1−P ( Z > z eq )=1−0 , 20=0,8000
El z equivalente es z=0,84, dado que P ( Z <0,84 )=0,7995
De la ecuación de estandarización, despeje X
X =σZ + μ
X =1,9 ×0,84+ 36=37,596 ≈ 37,6 onzas

d) cuál es aquella capacidad craneana que es superada por el 10% de la población?

X= Capacidad de cavidad craneana [cc]

X sigue distribución normal con media 1400 y desviación estándar 125
1450−1400
a) P ( X >1450 )=1−P ( X ≤1450 ) =1−P Z<( 125 ) =1−P ( Z <0,40 )
¿ 1−0,6554=0,3446
1350−1400
(
b) P ( X <1350 )=P Z <
125 ) =P ( Z ←0,40 )=0,3446

c)P ( 1300≤ X ≤ 1500 )=P ( X ≤1500 ) −P ( X ≤ 1300 )

1500−1400 1300−1400
(
¿ P Z<
125 ) (
−P Z <
125 )=P ( Z <0,80 ) −P (Z ←0,80)
¿ 0,7881−0,2119=0,5762
d) Sólo el 10% de la población, supera ese valor de capacidad craneana, esto indica
que el valor deseado se encontrará del lado derecho de la distribución.
P ( X > xeq )=0,10=P ( Z > zeq )
Área a la derecha, se busca el área a la izquierda con regla del complemento
-P ( Z < zeq )=1−P ( Z> zeq )=1−0,10=0,90
Se busca el zeq para esa área a la izquierda
El Zeq es 1,28

X−μ
Z= , al despejar X, queda: x=σz + μ
σ

x=125 ×1,28+1400=1560 cc