Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Variables Aleatorias
En cualquier experimento aleatorio, los resultados se presentan al azar; así, se le denomina variable aleatoria.
Por ejemplo:
• Lanzar un dado constituye un experimento; puede ocurrir cualquiera de los seis resultados posibles.
• Si cuentas 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.
• Imagina que tienes 4 lingotes de acero, cuyos pesos pueden ser de 2,492 libras, 2,497 libras, etc., el peso es
una variable aleatoria.
2
Variable Aleatoria Discreta
Una variable aleatoria discreta adopta solo cierto número de valores separados.
Por ejemplo:
Un banco cuenta el número de tarjetas de crédito pertenecientes aun grupo de clientes, los datos se
resumen en la siguiente tabla: Núm. De tarjetas
Porcentaje
de crédito
0 3%
1 10%
2 18%
3 21%
4 o más 48%
Total 100%
3
Media, varianza y desviación estándar de una variable
aleatoria discreta
La media constituye un valor típico para presentar la posición central de una distribución de probabilidad. También el
valor promedio de la variable aleatoria. La media de una distribución de probabilidad también recibe el nombre de
valor esperado, se trata de un promedio ponderado en el que los posibles valores de una variable aleatoria se
ponderan con sus correspondientes probabilidad e ocurrir.
𝜇= 𝑥𝑃 𝑋
Donde P(x) es la probabilidad de un valor particular “x”, en otras palabras, cada valor “x” se multiplica por sus
probabilidades de ocurrir y enseguida se suman los productos.
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 si lo hace , la fórmula para el calculo de la varianza
de una distribución de probabilidad es la siguiente:
𝜎2 = 𝑥 − 𝜇 2𝑃 𝑥
4
Media, varianza y desviación estándar
de una variable aleatoria discreta
Los pasos para el calculo son los siguientes:
1.- La media se resta de cada valor de la variable aleatoria y la diferencia se eleva al cuadrado.
𝜎= 𝜎2
5
Distribución de Probabilidad BINOMIAL
La distribución de distribución de probabilidad binomial es de probabilidad discreta, y se presenta con mucha
frecuencia.
Hay cuatro requisitos para describir los resultados experimentales con una distribución binomial:
1.- El resultado de cada ensayo de un experimento se clasifica en una de dos categorías mutuamente excluyentes:
éxito o fracaso. Por ejemplo: en una prueba, el enunciado en una pregunta de cierto o falso solamente pueden
responder de dos maneras: cierto o falso.
2.- La variable aleatoria permite contar el número de éxitos en una cantidad fija de ensayos. Por ejemplo se lanza
una moneda cinco veces y se cuenta el número de veces que aparece una cara.
3.- La probabilidad de éxito y fracaso es la misma en cada ensayo. Por ejemplo: En una prueba con 10 preguntas de
cierto o falso se sabe que hay 10 ensayos, y la probabilidad de adivinar correctamente la respuesta de cada uno de
ellos es de 0.5.
4.- Los ensayos son independientes, lo cual significa que el resultado de un ensayo no influye en el resultado del
otro.; esto implica que no debe existir patrones en los ensayos; es decir, que el resultado de un ensayo particular o
influya en el resultado de otro. Por ejemplo: Una familia joven, tiene dos niños, ambos varones. La probabilidad de
que el tercer hijo sea varón sigue siendo 0.50. es decir el genero del tercer hijo es independiente de los otros dos.
6
Distribución de Probabilidad BINOMIAL
¿Cómo se calcula una probabilidad binomial?
Donde:
C es el símbolo de combinación
n es el número de ensayos
p es la probabilidad de éxito
q es la probabilidad de fracaso
La media(𝝁) y la varianza (𝝈𝟐 ) de una distribución binomial se calculan con las siguientes fórmulas:
Varianza: 𝜎 2 = 𝑛. 𝑝. 𝑞
Desviación estándar 𝜎 = 𝑛. 𝑝. 𝑞
7
Distribución de Probabilidad GEOMÉTRICA
Esta distribución es un caso especial de la Binomial, ya que se desea que ocurra un éxito por primera y única vez en el último
ensayo que se realiza del experimento, para obtener la fórmula de esta distribución, haremos uso de un ejemplo.
Ejemplo:
Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad de que aparezca águila es de 2/3, mientras que
la probabilidad de que aparezca sol es de 1/3, Determine la probabilidad de que en el último lanzamiento aparezca una águila.
Solución:
Si nosotros trazamos un diagrama de árbol que nos represente los 8 lanzamientos de la moneda, observaremos que la única
rama de ese árbol que nos interesa es aquella en donde aparecen 7 soles seguidos y por último una águila; como se muestra a
continuación:
SSSSSSSA
Sí denotamos;
x = el número de repeticiones del experimento necesarias para que ocurra un éxito por primera y única vez = 8 lanzamientos
8
Distribución de Probabilidad GEOMÉTRICA
Entonces la probabilidad buscada sería;
Luego, la fórmula a utilizar cuando se desee calcular probabilidades con esta distribución sería;
𝑝 𝑥 = 𝑞 𝑥−1 p
Donde:
p(x) = probabilidad de que ocurra un éxito en el ensayo x por primera y única vez
p = probabilidad de éxito
q = probabilidad de fracaso
Esta distribución puede considerarse como una extensión o ampliación de la distribución geométrica . La distribución
binomial negativa es un modelo adecuado para tratar aquellos procesos en los que se repite un determinado ensayo
o prueba hasta conseguir un número determinado de resultados favorables (por vez primera) .
Es por tanto de gran utilidad para aquellos muestreos que procedan de esta manera. Si el número de resultados
favorables buscados fuera 1 estaríamos en el caso de la distribución geométrica . Está implicada también la existencia
de una dicotomía de resultados posibles en cada prueba y la independencia de cada prueba o ensayo, o la reposición
de los individuos muestreados.
Donde:
• P(Y=k)= probabilidad de que ocurra r éxito en k ensayos y que el último de ellos que es el r-ésimo, ocurra en
el k-ésimo ensayo que es el último.
• r= número de éxitos
• k= número de ensayos para obtener r éxitos.
• p= probabilidad de éxito
• q= probabilidad de fracaso
10
Distribución de Probabilidad BINOMIAL NEGATIVA
Ejemplo:
1. Sí la probabilidad de que un cierto dispositivo de medición muestre una desviación excesiva es de
0.05, ¿cuál es la probabilidad de que el sexto de estos dispositivos de medición sometidos a prueba
sea el tercero en mostrar una desviación excesiva?
Solución:
k = 6 dispositivos de medición
r = 3 dispositivos que muestran desviación excesiva
p = p(dispositivo muestre una desviación excesiva) = 0.05
q = p(dispositivo no muestre una desviación excesiva) = 0.95
3 6−3
𝑝 𝑌 = 6 = 6 − 1𝐶3−1 0.05 0.95 = 52(0.05)3 (0.95)6−3 =0.001072
11
Distribución de Probabilidad HIPERGEOMÉTRICA
Los experimentos que tienen este tipo de distribución tienen las siguientes características:
1.- Los resultados de cada ensayo de un experimento se clasifican en dos categorías exclusivas: éxito o fracaso.
4.- Los muestreos se realizan con una población finita sin reemplazo y n/N> 0.05, por lo tanto, la probabilidad de
éxito cambian en cada ensayo.
Donde:
N= Tamaño de la población
n = Tamaño de la muestra
X= cantidad de éxitos
12
Ejemplo: Probabilidad HIPERGEOMÉTRICA
En una caja de 25 vasos, 7 tienen algún defecto. Si se eligen 10 vasos al azar:, ¿Cuál es la probabilidad de que en esa
muestra se encuentren exactamente 3 vasos defectuosos?
C= todos o cantidad de elementos que cumple con al característica deseada = 7 vasos tienen algún defecto
Sustituyendo:
𝟕 𝟐𝟓 − 𝟕 𝟏𝟖
𝟑𝟓
𝑷 𝒙=𝟑 = 𝟑 𝟏𝟎 − 𝟑 = 𝟕 = 𝟑𝟓 𝟑𝟏, 𝟖𝟐𝟒 = 𝟏, 𝟏𝟏𝟑, 𝟖𝟒𝟎 = 𝟎. 𝟑𝟒𝟎𝟖
𝟐𝟓 𝟑, 𝟐𝟔𝟖, 𝟕𝟔𝟎 𝟑, 𝟐𝟔𝟖, 𝟕𝟔𝟎 𝟑, 𝟐𝟔𝟖. 𝟕𝟔𝟎
𝟏𝟎
Con Excel:
= DISTR.HIPERGEOM(3,10,7,25)= 0.3408
13
Distribución de Probabilidad POISSON
La distribución de probabilidad de Poisson describe el número de veces que se presenta un evento durante un
intervalo especifico; el cual puede ser de tiempo, distancia, área o volumen.
1.- La variable aleatoria es el número de veces que ocurre un evento durante un intervalo definido.
Donde:
14
Ejemplo: Probabilidad POISSON
Durante una hora, una impresora saca en promedio 3 hojas por minuto. ¿cuál es la probabilidad de que la impresora
imprima 5 hojas durante un minuto escogido al azar?
Solución:
Como en este caso ya se tiene el dato de la media de la distribución, se procede a sustituir directamente en la fórmula.
Donde:
µ=3
K=5
35 𝑒 −3 243 0.04979
𝑃 𝑋=5 = = = 0.1008
5! 120
15
Bibliografía
Lind, Douglas; Marshal, William; et. al.(2012). Estadística aplicada a los negocios y a la
economía. McGraw-Hill.
Anderson, David R.; Sweeney, Dennis J., et. al.(2012). Estadística para negocios y
economía . Cangare Liaoning.
Levine, David M., Timothy C. Krehbiel, Mark L. Berenson (2014). Estadística para
administración. Pearson.
16