Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Para un espacio muestral dado S de algún experimento, una variable aleatoria (va, o rv,
por sus siglas en inglés) es cualquier regla que asocia un número con cada resultado en
S. En lenguaje matemático, una variable aleatoria es una función cuyo dominio es el
espacio muestral y cuyo rango es el conjunto de números reales.
Ejemplo: sea el experimento de lanzar una moneda tres veces y observar si cae cara o
sello.
Si defino X: número de caras que resultan de lanzar una moneda tres veces, entonces la
notación X(s) = x significa que x es el valor asociado con el resultado s por la va X. Para
el ejemplo:
VARIABLE ALEATORIA
Para un espacio muestral dado S de algún experimento, una variable aleatoria (va, o rv,
por sus siglas en inglés) es cualquier regla que asocia un número con cada resultado en
S. En lenguaje matemático, una variable aleatoria es una función cuyo dominio es el
espacio muestral y cuyo rango es el conjunto de números reales.
Ejemplo: sea el experimento de lanzar una moneda tres veces y observar si cae cara o
sello.
Si defino X: número de caras que resultan de lanzar una moneda tres veces, entonces la
notación X(s) = x significa que x es el valor asociado con el resultado s por la va X. Para
el ejemplo:
x 0 1 2 3
P(X = x) 1/8 3/8 3/8 1/8
Dado un intervalo de números reales, suponga que ocurren conteos al azar a lo largo
del intervalo. Si puede hacerse la partición del intervalo en subintervalos con una
longitud lo suficientemente pequeña tal que se cumplan los siguientes aspectos:
𝑒 −𝜆 𝜆𝑥
P(X=x) = x = 0, 1, 2, . . .
𝑥!
E(X) = V(X) = 𝜆
1. 𝑓 𝑥 ≥ 0 para toda 𝑥 ∈ ℝ.
∞
2. −∞ 𝑓 𝑥 𝑑𝑥 = 1
𝑏
3. 𝑃 𝑎 < 𝑋 < 𝑏 = 𝑥𝑑 𝑥 𝑓 𝑎
Definición 1.3.2. Función de Distribución Acumulada (F.D.A)
La función de distribución acumulada de una v.a continua X, denotada por F(x) está
dada por:
𝑥
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = −∞ 𝑓 𝑡 𝑑𝑡 ∀ −∞<𝑥 <∞
𝒙𝟐
𝒇 𝒙 = −𝟏<𝒙<𝟐
𝟑
DISTRIBUCIÓN NORMAL
Se dice que una variable aleatoria continua X tiene una distribución normal con
parámetros 𝜇 y 𝜎 (ó 𝜇 y 𝜎 2 ), donde −∞ < 𝜇 < ∞ y 𝜎 > 0, si la función de densidad de
probabilidad de X es:
1 1 𝑥−𝜇 2
−
𝑓 𝑥; 𝜇, 𝜎 = 𝑒 2 𝜎 , −∞ < 𝑥 < ∞
2𝜋𝜎
𝐸 𝑋 = 𝜇 y V 𝑋 = 𝜎2
DISTRIBUCIÓN NORMAL ESTÁNDAR
La distribución normal con valores de parámetro 𝜇 = 0 y 𝜎 = 1 se llama distribución normal
estándar. Una variable aleatoria que tiene una distribución normal estándar se llama variable
aleatoria normal estándar y se denotará por Z. La función de densidad de probabilidad de Z
es:
1 −1𝑧 2
𝑓 𝑧; 0,1 = 𝑒 2 , −∞ < 𝑧 < ∞
2𝜋
𝐸 𝑍 =0yV 𝑍 =1
P(Z ≤ 1.25)
P(Z ≥ 1.25)
EJERCICIOS
Ejemplo 1.3.5. El peso neto de las cajas de detergente puede considerarse como una v.a normal.
Cajas estándar de una marca comercial tienen un peso promedio de 1000 gm y una desviación
estándar de 20 gm. Si se toma una caja al azar, determine:
1. ¿Cuál es la probabilidad de que pese 1025 gm?
5. ¿Cuál es el peso máximo por debajo del cual se encuentra el 90% de los pesos de las cajas?
EJERCICIOS
1. Una central telefónica recibe una media de 480 llamadas por hora y la central tiene una
capacidad para atender a lo sumo 12 llamadas por minuto, ¿cuál es la probabilidad de que en
un minuto determinado no sea posible dar línea a todos los clientes?
2. Un examen de estadística consiste en 10 preguntas de alternativas múltiples, cada una con
cinco posibles respuestas y única solución. Para alguien que adivina aleatoriamente todas las
respuestas, calcule la probabilidad de aprobar si la calificación mínima para aprobar es del 60%.
¿Es la probabilidad lo bastante alta como para que valga la pena arriesgarse a aprobar
adivinando al azar en lugar de estudiar?
APROXIMACIÓN DE UNA BINOMIAL A UNA
NORMAL
Sea X una variable aleatoria binomial basada en n ensayos con probabilidad de éxito 𝜋.
Luego si el histograma de probabilidad binomial no es demasiado asimétrico, X tiene
aproximadamente una distribución normal con 𝜇 = 𝑛𝜋 y 𝜎 = 𝑛𝜋(1 − 𝜋) .
c. ¿Entre 15 y 25 (inclusive)?
DISTRIBUCIÓN EXPONENCIAL
Se dice que X tiene una distribución exponencial con parámetro 𝜆 (𝜆 > 0) si la función
de densidad de probabilidad de X es
𝜆𝑒 −𝜆𝑥 , 𝑥≥0
𝑓 𝑥; 𝜆 = ቊ
0, 𝑑𝑒 𝑙𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜
𝐸 𝑋 = 1/𝜆, V 𝑋 = 1/𝜆2 .
0, 𝑥<0
F 𝑥; 𝜆 = ቊ
1 − 𝑒 −𝜆𝑥 , 𝑥≥0