Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sea Ω un espacio muestral. Una variable aleatoria es una función X que transforma cada
resultado w del espacio muestral en un número real X (w) .
Ejemplo 1
Al lanzar dos monedas para registrar los posibles resultados se obtiene el espacio muestral
siguiente:
Si definimos la variable aleatoria X como número de caras que se obtiene, entonces a cada
resultado de , es posible asignarle un número real de la siguiente manera:
Por ejemplo: número de circuitos electrónicos producidos por una empresa que cumplen con
las especificaciones técnicas, número de llamadas que recibe una central telefónica.
Por ejemplo: resistencia a la ruptura de un material plástico (onzas por pulgada cuadrada),
resistencia transversal de los ladrillos fabricados por una empresa (MN/m 2).
Variable aleatoria discreta
Sea X una variable aleatoria discreta. La función de probabilidad de una variable aleatoria
discreta representa la probabilidad de que la variable aleatoria tome un valor genérico igual a
x y se denotará de la siguiente manera:
f (x)=P ( X=x )
f (x) ≥ 0
∑ f ( x)=1
Rango X
Ejemplo 1
El ingeniero de producción de la empresa Tecnotronics S.A. ha determinado que la distribución
de probabilidades del número de artículos defectuosos por lote es la siguiente:
Solución
Solución
∑ f ( x)=1
Rango X
f ( 0 )+ f ( 1 ) +f ( 2 ) + f ( 3 )+ f ( 4 )=1
0,25+ a+0,10+0,25+0,25=1
Solución
El lote será malo si tiene dos o más artículos defectuosos, por lo tanto, la probabilidad
pedida es:
d. Si se sabe que el número de artículos defectuosos por lote es al menos uno, calcule la
probabilidad de que el número de artículos defectuosos sea menor a tres.
Solución
P ( X <3/ X ≥ 1 )
P ( X < 3∩ X ≥1 )
¿
P( X ≥ 1)
P ( X =1 ) + P ( X=2 )
¿
1−P ( X=0 )
f ( 1 ) +f ( 2 )
¿
1−f ( 0 )
0,15+0,10
¿ =0,3333
1−0,25
Esperado de una variable aleatoria discreta
Sea X una variable aleatoria discreta con función de probabilidad f(x). Entonces el valor
esperado o media de X es:
μ= E ( X )= ∑ x f (x)
Rango X
Sea X una variable discreta con función de probabilidad f(x). Entonces, la varianza de X es:
V ( X)=E(X 2 )– [ E( X)] 2
donde:
E ( X 2) = ∑ x 2 f (x )
Rango X
σ =√ σ 2
Ejemplo 1
El número de fallas de energía eléctrica que afectan a cierta región en cualquier año dado se
considera una variable aleatoria que tiene la siguiente función de probabilidad:
x 0 1 2 3
P(X = x) 0,38 0,24 k 0,08
Solución
En primer lugar, hallaremos el valor de k para que la distribución sea función de
probabilidad:
0,38+0,24 +k + 0,08=1
μ= E ( X )= ∑ x f (x)
Rango X
Reemplazando:
Interpretación
Si el experimento se repitiera muchas veces, en promedio el número de fallas de energía
eléctrica que afectan a cierta región en cualquier año dado sería de 1,08.
Solución
Primero, calculamos la varianza y usaremos la fórmula:
V ( X)=E(X 2 )– [ E( X)] 2
Donde:
Reemplazando:
V ( X )=2,16−1,082=0,9936
Finalmente,
Distribución binomial
La probabilidad del evento considerado como éxito es constante en cada prueba y se denota
por p.
donde:
Notación
Si la variable aleatoria X sigue una distribución binomial con parámetros n y p se denota
X B(n , p) .
Media
¿ E ( X ) =np
Varianza
❑2=V ( X )=np(1− p)
La probabilidad de que el comprador de un osciloscopio no haga uso del servicio dentro del
plazo de garantía es 0,20. Para los cinco osciloscopios que cierta empresa ha vendido
independientemente a cinco compradores este mes.
X: nro de compradores que hacen uso de la garantía
P: probabilidad o porcentaje de compradores que hacen uso d la garantía
n=5
p=0.8
1-p=0.2
X-------B(5;0.2)
Solución
X B(n=5 , p=0,20)
El rango de X es 0, 1, 2, …, 5
Solución
=+DISTR.BINOM.N(X;n;p;FALSO)
Solución
P ( X ≤1 ) =P ( X =0 ) + P ( X =1 )=f ( 0 )+ f (1)
P ( X ≤1 ) =C50 0,200 ( 1−0,20 )5 +C 51 0,20 1 ( 1−0,20 )4=0,73728
=+DISTR.BINOM.N(X;n;p;VERDADERO)
Solución
P ( X ≥3 )=1−P ( X <3 )
¿ 1−[P ( X =0 ) + P ( X =1 )+ P ( X =2 ) ]
P ( X ≥3 )=1−0,94208=0,05792
=1-+DISTR.BINOM.N(X-1;n;p;VERDADERO)
Distribución Poisson
El experimento consiste en realizar el conteo del número X de veces que ocurre un evento en
particular durante una unidad de tiempo, área, volumen, peso, distancia o cualquier otra
unidad de medida dada.
La probabilidad de que un evento ocurra en una unidad dada de tiempo, área, etc.; es la
misma para todas las unidades.
El número de eventos que ocurren en una unidad de tiempo, área, volumen es independiente
del número de los que ocurren en otras unidades.
e−μ μx
f x =P X =x =
( ) ( ) x=0 , 1 , 2, 3 , …
x!
donde:
Notación
La variable aleatoria X sigue una distribución Poisson con parámetro μ y se denota por
X P(μ), donde μ=t
Media
μ= E ( X )=λt
Varianza
σ 2=V ( X )=λt
Solución
t=1 km
Por lo tanto,
1,25 baches
μ=t= ×1 km=0,3125
4 km
X P( μ=0,3125)
e−0,3125 0,3125 x
f ( x )=P ( X =x )= x=0 ,1 , 2, 3 , …
x!
b. La probabilidad de que en los siguientes dos kilómetros se encuentre a lo más tres baches
o fisuras.
1,25 baches
μ=t= ×2 km=0 ,625
4 km