UNIVERSIDAD DE PAMPLONA

DEPARTAMENTO DE MATEMÁTICAS
Asignatura: Estadística y probabilidad
Tema: Variables Aleatorias, esperanza o valor esperado.
Docente: Carolina Vargas Contreras
Fecha: Semana 4 y 5 Primer Corte Grupos:
AR,BR

Variables Aleatorias
Variable aleatoria (V.A):
➢ Cantidad que resulta de un experimento que por azar puede adoptar diferentes valores.
➢ Una variable aleatoria es una función que asocia un número real con cada elemento del
espacio muestral.

Ejemplos

1)De una urna que contiene 4 bolas rojas y 3 negras se sacan 2 bolas de manera sucesiva, sin
reemplazo. Los posibles resultados y los valores y de la variable aleatoria Y, donde Y es el
número de bolas rojas, son:

2) Los estadísticos utilizan planes de muestreo para aceptar o rechazar lotes de materiales.
Suponga que uno de los planes de muestreo implica obtener una muestra independiente de 10
artículos de un lote de 100, en el que 12 están defectuosos. Si X representa a la variable aleatoria,
definida como el número de artículos que están defectuosos en la muestra de 10, la variable
aleatoria toma los valores 0, 1, 2, . . . ,9, 10.

3) Suponga que un plan de muestreo implica obtener una muestra de artículos de un proceso
hasta que se encuentre uno defectuoso. La evaluación del proceso dependerá de cuántos
artículos consecutivos se observen. En este caso, sea X una variable aleatoria que se define como
el número de artículos observados antes de que salga uno defectuoso. Si N representa un artículo
no defectuoso y D uno defectuoso, los espacios muestrales son S = {D} dado que X = 1, S = {ND}
dado que X = 2, S = {NND} dado que X = 3, y así sucesivamente.

4) Sea X la variable aleatoria definida como el tiempo que pasa, en horas, para que un radar
detecte entre conductores sucesivos a los que exceden los límites de velocidad. La variable
aleatoria X toma todos los valores de x para los que x ≥ 0.

1
Más ejemplos:

• Si cuenta el número de empleados ausentes en el turno matutino del lunes, el número

puede ser 0, 1, 2, 3,… El número de ausencias es una variable aleatoria.

• Si pesa cuatro lingotes de acero, los pesos pueden ser de 2 492 libras, 2 497 libras, 2 506
libras, etc. El peso es una variable aleatoria.

• El número de focos defectuosos producidos por hora en Cleveland Company,

• El número de corredores del maratón de Boston en la carrera de 2010.

• La cantidad diaria de conductores multados por conducir bajo la influencia del alcohol en
Texas.

Las (V.A) definidas sobre espacios muestrales discretos se llaman (V.A) discretas y las definidas
sobre espacios muestrales continuos se llaman (V.A) continuas.

Los conjuntos pueden ser:

Discretos: número finito o infinito numerable de elementos.

Continuos: número infinito no numerable de elementos.

Si un espacio muestral contiene un número finito de posibilidades, o una serie interminable con
tantos elementos como números enteros existen, se llama espacio muestral discreto.

Si un espacio muestral contiene un número infinito de posibilidades, igual al número de puntos

en un segmento de recta, se le denomina espacio muestral continuo.

Variable aleatoria discreta:

Variable aleatoria que adopta sólo valores claramente separados.

Ejemplos.

➢ Si hay 100 empleados, el recuento de la cantidad de ausentes el lunes sólo puede ser
0, 1, 2, 3, …, 100.
➢ El número de caras que se presentan en tres lanzamientos de una moneda.
➢ El número de estudiantes que obtienen E en clase.
➢ El número de empleados de producción que se ausentaron hoy en el segundo turno.
➢ El número de comerciales de 30 segundos que pasan en la NBC de las 8 a las 11 de la
noche.

2
Ejemplo

Si una agencia automotriz vende 50% de su inventario de cierto vehículo extranjero equipado con
bolsas de aire laterales:

a) Calcule una fórmula para la distribución de probabilidad del número de automóviles con
bolsas de aire laterales entre los siguientes 4 vehículos que venda la agencia.

Solución:

Como la probabilidad de vender un automóvil con bolsas de aire laterales es 0.5, los 24 = 16
puntos del espacio muestral tienen la misma probabilidad de ocurrencia. Por lo tanto, el
denominador para todas las probabilidades, y también para nuestra función, es 16.

Para obtener el número de formas de vender tres automóviles con bolsas de aire laterales
necesitamos considerar el número de formas de dividir 4 resultados en 2 celdas, con 3 automóviles
con bolsas de aire laterales asignados a una celda, y el modelo sin bolsas de aire laterales
asignado a la otra.

Esto se puede hacer de 4𝐶3 = 4 𝑓𝑜𝑟𝑚𝑎𝑠

En general, el evento de vender 𝑥 modelos con bolsas de aire laterales y 4 − 𝑥 modelos sin
bolsas de aire laterales puede ocurrir de 4𝐶𝑥 𝑓𝑜𝑟𝑚𝑎𝑠4, donde 𝑥 puede ser 0, 1, 2, 3 𝑜 4.

Por consiguiente, la distribución de probabilidad 𝑓 (𝑥) = 𝑃(𝑋 = 𝑥) 𝑒𝑠

1 4
𝑓(𝑥) = ∗ ( ), 𝑝𝑎𝑟𝑎 𝑥 = 0,1,2,3,4
16 𝑥
o
1
𝑓(𝑥) = ∗ 4𝐶𝑥, 𝑝𝑎𝑟𝑎 𝑥 = 0,1,2,3,4
16

3
El cálculo de distribución de probabilidad es:

1 1
𝑓(0) = ∗ 4𝐶0 =
16 16
1 1
𝑓(1) = ∗ 4𝐶1 =
16 4
1 3
𝑓(2) = ∗ 4𝐶2 =
16 8
1 1
𝑓(3) = ∗ 4𝐶3 =
16 4
1 1
𝑓(4) = ∗ 4𝐶4 =
16 16

b) Calcule la función de la distribución acumulativa de la variable aleatoria 𝑋. Utilice 𝐹(𝑥) para

3
verificar que 𝑓 (2) = 8

1
𝐹 (0) = 𝑓 (0) =
16
1 1 5
𝐹 (1) = 𝑓 (0) + 𝑓 (1) = + =
16 4 16
1 1 3 11
𝐹 (2) = 𝑓 (0) + 𝑓 (1) + 𝑓(2) = + + =
16 4 8 16
1 1 3 1 15
𝐹 (3) = 𝑓 (0) + 𝑓 (1) + 𝑓(2) + 𝑓 (3) = + + + =
16 4 8 4 16
1 1 3 1 1
𝐹 (4) = 𝑓 (0) + 𝑓 (1) + 𝑓(2) + 𝑓 (3) + 𝑓 (4) = + + + + =1
16 4 8 4 16

Por lo tanto,

Entonces,

11 5 6 3
𝑓 (2) = 𝐹 (2) − 𝐹 (1) = − = =
16 16 16 8

Si un espacio muestral contiene un número infinito de posibilidades, igual al número de puntos

en un segmento de recta, se le denomina espacio muestral continuo.

4
Variable Aleatoria Continua:

Puede tomar uno de una cantidad grande de valores dentro de ciertas limitaciones.

Una (V.A) puede ser continua, aunque nosotros sólo podamos acceder a un subconjunto finito
de valores.

Ejemplos:

➢ La presión arterial es una (V.A). continua pero sólo podemos acceder a un conjunto finito
de valores por la limitación de los aparatos de medida.
➢ La estatura de una persona
➢ Se puede suponer una infinidad de valores, con ciertas limitaciones.
Por ejemplo: Los tiempos de los vuelos comerciales entre Atlanta y Los Ángeles son de
4.67 horas, 5.13 horas, etc. La variable aleatoria es la cantidad de horas.
➢ La presión, medida en libras por pulgada cuadrada (psi), de un nuevo neumático Chevy
Trail-blazer puede ser de 32.78 psi, 31.62 psi, 33.07 psi, etc. En otras palabras, es
razonable que se presente cualquier valor entre 28 y 35. La variable aleatoria es la presión
de la llanta.
➢ La duración de cada canción en el último álbum de Linkin Park.
➢ El peso de cada estudiante de esta clase.
➢ La temperatura ambiente en un momento

El que va de mala fe, descubre los secretos; pero el de corazón

leal calla lo que el amigo le confía. Proverbios 11:13

5
Ejemplo
Suponga que el error en la temperatura de reacción, en °C, en un experimento de laboratorio
controlado, es una variable aleatoria continua X que tiene la función de densidad de probabilidad.

𝑥2
𝑓 (𝑥 ) = { 3 , −1 < 𝑥 < 2
0, 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Verifique que 𝑓 (𝑥 ) es una función densidad

Condición 1. Condición 2 Condición 3
∞
Evidentemente,𝑓 (𝑥 ) ≥ 0 𝑥2 Calcule 𝑃(0 < 𝑋 < 1)
∫ 𝑑𝑥
−∞ 3 1
2 2 𝑥2
𝑥 ∫ 𝑑𝑥
=∫ 𝑑𝑥 0 3
−1 3
𝑥3 1
𝑥3 2 = ]
= ] 3(3)
3(3) 0
−1
3 1
3 2 𝑥
𝑥 = ]
= ] 9
9 0
−1 3
(2)3 (−1)3 (1) (0)3
= − = −
9 9 9 9
1
8+1 =
= 9
9
=1

Como una consecuencia inmediata de la definición se pueden escribir los dos resultados,

𝑑𝐹 (𝑥 )
𝑃 (𝑎 < 𝑋 < 𝑏) = 𝐹 (𝑏) − 𝐹 (𝑎) 𝑦 𝑓 (𝑥 ) = , si existe la derivada.
𝑑𝑥

Ejemplo

Suponga que el error en la temperatura de reacción, en °C, en un experimento de laboratorio

controlado, es una variable aleatoria continua X que tiene la función de densidad de
probabilidad.

𝑥2
𝑓 (𝑥 ) = { 3 , −1 < 𝑥 < 2
0, 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Calcule 𝐹(𝑥) para la función de densidad y utilice el resultado para evaluar 𝑃(0 < 𝑋 ≤ 1).

6
Solución

Aplico la definición

𝑥 𝑥
𝑡2 𝑡3 𝑥 𝑥 3 (−1)3 𝑥 3 + 1
𝐹 (𝑥 ) = ∫ 𝑓 (𝑡)𝑑𝑡 = ∫ 𝑑𝑡 = ] = − =
−1 −1 3 3(3) −1 9 9 9

Por lo tanto

La función de la distribución acumulativa

2 1 1
Entonces, 𝑃 (0 < 𝑋 ≤ 1) = 𝐹 (1) − 𝐹 (0) = 9 − 9 = 9

que coincide con el resultado que se obtuvo al utilizar la función de densidad ele ejemplo anterior.

Se ha visto que, cuando uno delfín de un grupo está

lastimado, los demás acudirán inmediatamente a ayudarle.
Todos ellos lo levantarán hasta la superficie para que
pueda respirar

7
Ejemplo

Solución

8
Definición 1.

Ejemplo

Una empresa privada opera un local que da servicio a clientes que llegan en automóvil y otro que
da servicio a clientes que llegan caminando. En un día elegido al azar, sean X y Y,
respectivamente, las proporciones de tiempo que ambos locales están en servicio, y suponiendo
que la función de densidad conjunta de estas variables aleatorias es

a) Verifique la condición 2 de la definición 1.

(𝑥,𝑦) 1 1 1
b) Calcule 𝑃[(𝑋. 𝑌)𝜖 𝐴], 𝑑𝑜𝑛𝑑𝑒 𝐴 = { 0 < 𝑥 < 2 , 4 < 𝑦 < 2}

9
Solución
∞ ∞
∫ ∫ 𝑓 (𝑥, 𝑦)𝑑𝑥𝑑𝑦
−∞ −∞

1 1
2
=∫ ∫ (2𝑥 + 3𝑦)𝑑𝑥𝑑𝑦
0 0 5

1 1 1
4 6
= ∫ [∫ 𝑥𝑑𝑥 + ∫ 𝑦𝑑𝑥 ] 𝑑𝑦
0 0 5 0 5

1
4𝑥 2 6 1
=∫ [ + 𝑥𝑦] 𝑑𝑦
0 5(2) 5
0
1
2 6 1
= ∫ [ 𝑥 2 + 𝑥𝑦] 𝑑𝑦
0 5 5
0

1
2 6 2 6
= ∫ [ (12 ) + (1)𝑦 − ( (02 ) + (0)𝑦)] 𝑑𝑦
0 5 5 5 5

1
2 6
= ∫ [ + 𝑦] 𝑑𝑦
0 5 5

1 1
2 6
= [∫ 𝑑𝑦 + ∫ 𝑦𝑑𝑦]
0 5 0 5

2 6𝑦 2 1
=[ 𝑦+ ]
5 5(2)
0

2 3(1)2 2 3(0)2
= [ (1) + − ( (0) + )]
5 5 5 5

2 3
=[ + ]
5 5

5
=[ ]
5

=1

(𝑥,𝑦) 1 1 1
b)) Calcule 𝑃[(𝑋. 𝑌)𝜖 𝐴], 𝑑𝑜𝑛𝑑𝑒 𝐴 = { < 𝑥 < 2 , 4 < 𝑦 < 2}
0

10
Para calcular la probabilidad utilizamos

El término marginal se utiliza aquí porque, en el caso discreto, los valores de g(x) y h(y) son
precisamente los totales marginales de las columnas y los renglones respectivos, cuando los
valores de f (x, y) se muestran en una tabla rectangular.

11
Ejemplo

Ejemplo

Se seleccionan al azar 2 repuestos para bolígrafo de una caja que contiene 3 repuestos azules, 2
rojos y 3 verdes. Si 𝑋 es el número de repuestos azules y 𝑌 es el número de repuestos rojos
seleccionados, calcule la distribución condicional de 𝑋, dado que 𝑌 = 1, y utilice el resultado para
determinar 𝑃(𝑋 = 0 | 𝑌 = 1).

12
Necesitamos encontrar 𝑓 (𝑥|𝑦) 𝑑𝑜𝑛𝑑𝑒 𝑦 = 1
3 3 6 3
ℎ(1) = ∑2𝑥=0 𝑓(𝑥, 1) = 14 + 14 + 0 = 14 = 7 ojo observar la tabla

Ahora calculamos
𝑓(𝑥, 1) 7
𝑓 (𝑥|1) = = ( ) 𝑓(𝑥, 1); 𝑥 = 0,1,2
ℎ(1) 3

Por lo tanto

7 7 3 7 1
𝑓 (0|1) = ( ) 𝑓 (0,1) = ( ) ( ) = =
3 3 14 14 2

7 7 3 7 1
𝑓 (1|1) = ( ) 𝑓 (1,1) = ( ) ( ) = =
3 3 14 14 2
7 7
𝑓 (2|1) = ( ) 𝑓 (2,1) = ( ) (0) = 0
3 3

𝑌 𝑙𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛𝑎𝑙 𝑑𝑒 𝑋, 𝑑𝑎𝑑𝑜 𝑞𝑢𝑒 𝑌 = 1, 𝑒𝑠

1
Finalmente 𝑃(𝑋 = 0|𝑌 = 1) = 2

Por lo tanto, si se sabe que uno de los dos repuestos seleccionados es rojo, tenemos una
1
probabilidad igual a 2 de que el otro repuesto no sea azul.

Ejemplo

Se seleccionan al azar 2 repuestos para bolígrafo de una caja que contiene 3 repuestos azules,
2 rojos y 3 verdes. Si 𝑋 es el número de repuestos azules y 𝑌 es el número de repuestos rojos
seleccionados. Demuestre que las variables aleatorias no son estadísticamente independientes.

13
 Media, Varianza y Desviación Estándar de una Distribución de Probabilidad

Distribución de Probabilidad

➢ Listado de todos los resultados de un experimento y la probabilidad asociada con cada

resultado.

➢ Una distribución de probabilidad proporciona toda la gama de valores que se pueden

presentar en un experimento. Es similar a una distribución de frecuencias relativas, sin
embargo en vez de describir el pasado, describe la probabilidad de que un evento se
presente en el futuro.

Características de una distribución de probabilidad.

1. La probabilidad de un resultado en particular se encuentra entre 0 y 1, inclusive.

2. Los resultados son eventos mutuamente excluyentes.
3. La lista es exhaustiva. Por lo tanto, la suma de las probabilidades de los diversos eventos es
igual a 1.

Media

➢ La media de una distribución de probabilidad también recibe el nombre de valor esperado

𝐸(𝑥). Se trata de un promedio ponderado en el que los posibles valores de una variable
aleatoria se ponderan con sus correspondientes probabilidades de ocurrir.

La media de una distribución de probabilidad discreta se calcula con la fórmula:

𝜇 = ∑[𝑥 ∗ 𝑃(𝑥)] ó 𝜇 = 𝐸(𝑥) = ∑[𝑥 ∗ 𝑃(𝑥)]

𝑃(𝑥) es la probabilidad de un valor particular 𝑥.

14
1,7 se aproxima a 2. Se espera tener 2 componente buenos en esa muestra.

𝑥 𝑃(𝑥) 𝑥𝑃(𝑥)
0 1 0
35
1 12 12
35 35
2 18 36
35 35
3 4 12
35 35
Total 35 60 12
∑ 𝑃(𝑥) = =1 ∑ 𝑥𝑃(𝑥) = = = 1.7
35 35 7

15
 ∞
Aplico la definición 𝜇 = 𝐸 (𝑥) = ∫−∞ 𝑥𝑓(𝑥)𝑑𝑥

∞
20.000
𝜇 = 𝐸 (𝑥) = ∫ 𝑥 𝑑𝑥
100 𝑥3

∞
20.000
𝜇 = 𝐸 (𝑥) = ∫ 𝑑𝑥
100 𝑥2

Recuerda es una integral impropia

∞ 𝑏
20.000 20.000
∫ 2
𝑑𝑥 = lim ∫ 2
𝑑𝑥
100 𝑥 𝑏→∞ 100 𝑥

𝑏
lim ∫ 20.000 𝑥 −2 𝑑𝑥
𝑏→∞ 100

20.000 𝑥 −2+1 𝑏
lim [ ]
𝑏→∞ −1
100

20.000 𝑥 −1 𝑏
lim [ ]
𝑏→∞ −1
100
−20.000 𝑏
lim [ ]
𝑏→∞ 𝑥 100

−20.000 −20.000
lim [ −( )]
𝑏→∞ 𝑏 100
−20.000
lim [ + 200]
𝑏→∞ 𝑏
16
 −20.000 𝑘
= +200 =0
∞ ∞

= 0 +200

= 200

𝜇 = 𝐸 (𝑥) = 200

Concluir: esperamos que este tipo de dispositivo dure en promedio 200 horas.

Ejemplo

Solución
9

𝐸[𝑔(𝑋)] = 𝐸(2𝑋 − 1) = ∑(2𝑥 − 1)𝑓(𝑥)

4

= ∑(2𝑥 − 1)𝑓(𝑥)
4

1 1 1 1 1 1
= [2(4) − 1] ( ) + [2(5) − 1] ( ) + [2(6) − 1] ( ) + [2(7) − 1] ( ) + [2(8) − 1] ( ) + [2(9) − 1] ( )
12 12 4 4 6 6

17
 1 1 1 1 1 1
= [7] ( ) + [9] ( ) + [11] ( ) + [13] ( ) + [15] ( ) + [17] ( )
12 12 4 4 6 6

7 9 11 13 15 17
= + + + + +
12 12 4 4 6 6

38
=
36

= 12,67

Los estudiantes concluyen

Ejemplo

2
(4𝑥 + 3)𝑥 2
𝐸 (4𝑋 + 3) = ∫ 𝑑𝑥
−1 3

1 2
𝐸 (4𝑋 + 3) = ∫ (4𝑥 3 + 3𝑥 2 )𝑑𝑥
3 −1

1 4𝑥 4 3𝑥 3 2
𝐸 (4𝑋 + 3) = [ + ]
3 4 3
−1

1 4
𝐸 (4𝑋 + 3) = [𝑥 + 𝑥 3 ] 2
3 −1

1
𝐸 (4𝑋 + 3) = [(2)4 + (2)3 − ((−1)4 + (−1)3 ]
3

1
𝐸 (4𝑋 + 3) = [16 + 8 − (1 − 1)]
3

1
𝐸 (4𝑋 + 3) = [24]
3

𝐸 (4𝑋 + 3) = 8

18
 No cambies lo que más quieres en la vida
por lo que más quieres en el momento,
porque los momentos pasan y la vida sigue.

Ejemplo

19
Ejemplo

Varianza y desviación estándar de una distribución de probabilidad

La media constituye un valor típico para resumir una distribución de probabilidad discreta. Sin
embargo, no describe el grado de dispersión (variación) en una distribución.

La varianza sí lo hace. La fórmula de la varianza de una distribución de probabilidad es:

𝜎 2 = ∑[(𝑥 − 𝜇)2 𝑃(𝑥 )]

𝜎 2 = ∑ 𝑥 2 ∗ 𝑃(𝑥 ) − 𝜇2

La desviación estándar 𝝈: se determina al extraer la raíz cuadrada positiva de 𝜎 2 .

La fórmula de la desviación estándar de una distribución de probabilidad es:

𝜎 = √𝜎 2

20
 Varianza y covarianza de variables aleatorias

Ejemplo

Es evidente que la varianza del número de automóviles que se utilizan con propósitos de negocios
oficiales es mayor para la empresa B que para la empresa A.

21
Otra forma de resolver el ejercicio, haciendo la tabla de distribución de probabilidad

Empresa A

𝜇 = 𝐸 (𝑥 ) = ∑ 𝑥 ∗ 𝑃 (𝑥 ) = 2

2 2 2
Varianza A=∑ 𝑥 ∗ 𝑃(𝑥) − 𝜇 = 4,6 − (2) = 0,6

Empresa B

𝜇 = 𝐸 (𝑥 ) = ∑ 𝑥 ∗ 𝑃 (𝑥 ) = 2

2 2 2
Varianza B=∑ 𝑥 ∗ 𝑃(𝑥) − 𝜇 = 5,6 − (2) = 1,6

22
Ejemplo
La tabla presenta la probabilidad de que un sistema de computadores esté “por debajo” del
número indicado de períodos por día durante la etapa inicial de instalación del sistema.
Calcule:
a) El número esperado de veces por día que el computador esté inoperante.
b) La varianza y la desviación de esta distribución de probabilidad.

Número de períodos diarios de inoperancia de un nuevo sistema de computación.

Número de períodos x 4 5 6 7 8 9
Probabilidad P(x) 0,01 0,08 0,29 0,42 0,14 0,06

Solución
Realizo la tabla de distribución de probabilidades teniendo en cuenta el enunciado dado.

a) Media o valor esperado

𝜇 = 𝐸(𝑥) = ∑[𝑥 ∗ 𝑃(𝑥)]
𝜇 = 𝐸(𝑥) = 6,78

6,78 aproximo a 7

Se espera que el computador esté inoperante 7 veces al día.

b)

Varianza Desviación Estándar

2 2 2
𝜎 = ∑ 𝑥 𝑃 (𝑥 ) − 𝜇
𝜎 = √𝜎 2
𝜎 2 = 47 − (6,78)2
𝜎 = √1,03
𝜎 2 = 1,03
La varianza de la distribución de probabilidad 𝜎 = 1,01
es 1,03 La desviación estándar de la distribución es
de 1,01

23
Ejemplo

Ejemplo

24
Ejemplo

Se seleccionan al azar 2 repuestos para bolígrafo de una caja que contiene 3 repuestos azules,
2 rojos y 3 verdes. Si 𝑋 es el número de repuestos azules y 𝑌 es el número de repuestos rojos
seleccionados. Cuando de cierta caja se seleccionan dos repuestos para bolígrafo al azar y la
distribución de probabilidad conjunta es la siguiente,

𝐶𝑎𝑙𝑐𝑢𝑙𝑒 𝑙𝑎 𝑐𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑋 𝑦 𝑌.

25
Solución

Por lo tanto

Ejemplo

Se seleccionan al azar 2 repuestos para bolígrafo de una caja que contiene 3 repuestos azules,
2 rojos y 3 verdes. Si 𝑋 es el número de repuestos azules y 𝑌 es el número de repuestos rojos
seleccionados. Cuando de cierta caja se seleccionan dos repuestos para bolígrafo al azar y la
distribución de probabilidad conjunta es la siguiente,

𝐶𝑎𝑙𝑐𝑢𝑙𝑒 𝑒𝑙 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑋 𝑦 𝑌

26
 Actividad
1)

2)

3)

27
4)

5)

6)

28
7)

8)

9)

10) La información que sigue representa el número de llamadas diarias al servicio de emergencia
por el servicio voluntario de ambulancias de Walterboro, Carolina del Sur, durante los últimos 50
días. En otras palabras, hubo 22 días en los que se realizaron 2 llamadas de emergencia, y 9
días en los que se realizaron 3 llamadas de emergencia.

Número de llamadas 0 1 2 3 4
Frecuencia 8 10 22 9 1

a) Convierta esta información sobre el número de llamadas en una distribución de

probabilidad.
b) ¿Es un ejemplo de distribución de probabilidad discreta o continua?
c) ¿Cuál es la media de la cantidad de llamadas de emergencia al día?
d) ¿Cuál es la desviación estándar de la cantidad de llamadas diarias?

29