Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejemplo:
puntos.
: {(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(2,1),(2,2),(2,3),(2,4),(2,5),(2,6), (3,1),
(3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1),
(5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}.
X: suma de los puntos del dado en cada punto muestral: X(ω)= x
X (1,1) = 2 X (2,1) = 3 X (3,1) = 4 X (4,1) = 5 X (5,1) = 6 X (6,1) = 7
X (1,2) = 3 X (2,2) = 4 X (3,2) = 5 X (4,2) = 6 X (5,2) = 7 X (6,2) = 8
X (1,3) = 4 X (2,3) = 5 X (3,3) = 6 X (4,3) = 7 X (5,3) = 8 X (6,3) = 9
X (1,4) = 5 X (2,4) = 6 X (3,4) = 7 X (4,4) = 8 X (5,4) = 9 X (6,4) = 10
X (1,5) = 6 X (2,5) = 7 X (3,5) = 8 X (4,5) = 9 X (5,5) = 10 X (6,5) = 11
X (1,6) = 7 X (2,6) = 8 X (3,6) = 9 X (4,6) = 10 X (5,6) = 11 X (6,6) = 12
x 2 3 4 5 6 7 8 9 10 11 12
p(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
x 2 3 4 5 6 7 8 9 10 11 12
p(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
6
F(4) = p(X ≤ 4) = p(X = 2) + p(X = 3) + p(X = 4) = 36
Es la probabilidad de obtener un puntaje menor o igual a 4.
NOTA
Las características más importantes de la distribución de una variable
son el valor esperado o esperanza matemática y varianza; para una
variable aleatoria discreta X:
Valor esperado o esperanza matemática: E(x)
E(x) = ∑x p(x)
Varianza: V(x)
Ejemplo
1974 2 210
V(x)= E(x2) – (E(x))2= 36 −7 = 36 = 5.833
1 2 3 1 1974
E(x2)= 22( 36 ) + 32( 36 ) +42( 36 ) +… + 122( 36 )= 36
ii)Variable aleatoria continua.
-) f(x) ≥ 0
+∞
F(X) = p(X ≤ x) = ∫ f ( t ) dt
−∞
Ejemplo.
El contenido de cierto mineral en onzas de un saco con fertilizante es
una variable aleatoria X cuya función de densidad es:
{
f ( x )= 8 ) x ,∧x ∈( 0,2)
( 2
0 ,∧otro caso
+∞ 2
Se verifica que ∫ f ( x ) dx = ∫ ( 38 ) x2 dx =1
−∞ 0
NOTA
El valor esperado o esperanza matemática E(x) y la varianza V(x)
para una variable aleatoria continua X está dado por:
E(X) = ∫ x f ( x ) dx = ∫R x f (x)dx
X
−∞
Varianza
V(X)= E(X2) – (E(X))2
+∞ 2
2
E(X ) = ∫ x 2 f ( x ) dx = ∫R x f (x )dx
X
−∞
2 2
3 2 3 3 x4 2
E(X) =∫ x
0
()
8
x dx= ∫ x x 2 dx =
80 ()
[ ] =1.5 onzas
8 4 0
96 2
( )
V(X)= E(X2) – (E(X))2 = 40 −1.5 = 0.15
2
3 2 3 x5 2 96
2
E(X ) = ∫ x
0 8
2
x dx =() ()[ ] =
8 5 0 40 ( )
Se espera un contenido medio de 1.5 onzas en los sacos del
fertilizante.
B.DISTRIBUCIONES DE PROBABILIDAD
n!
Prob( X=x)= ( nx)p q
x n-x
x=0, 1, 2, … ,n ( nx)= x !(n−x )!
Ejemplos.
i)Prob( X=2) = x ( n) p q
x n-x
= (62 ) (0.25)2 (0.75)4 = 0.2966
( n) (10 )
Prob( X=x)= x pxqn-x Prob( X=3)= 3 0.5030.507 = 0.117
( n) (10 )
Prob( X=x)= x pxqn-x Prob( X=5)= 5 0.5050.505 =0.246
(10 ) (10 )
Prob( X≤2)= 0 0.5000.5010+ 1 0.5010.509+ 2 0.5020.508=(10 )
Prob( X≤2)=0.001+0.010+0.044=0.055.
(8 )
Prob( X=2)= 2 0.7020.306 = 28(0.49)(0.000729) = 0.01000
(8 ) (8 ) (8 )
Prob(X ≤ 2)= 0 .0.7000.308+ 1 0.7010.307+ 2 0.7020.306= 0.0113
Nota:
x
3.LA DISTRIBUCIÓN DE PROBABILIDAD DE POISSON (discreta)
La función de probabilidad:
e−λ λx
Prob( X=x) =
x!
Ejemplos
a) Suponga que en una fábrica ocurren en promedio tres accidentes al
mes, es decir λ=3. Calcule la probabilidad que en un mes cualquiera:
e−λ λx e−3 32
Prob( X=2) = = = 0.224
x! 2!
Nota
e−λ λx e−2 23
Prob( X=3) = = = 0.1804
x! 3!