ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL

Año: 2020 Periodo: I PAO

Materia: Estadística I

Práctica: Variable Aleatoria Discreta

Fecha: Duración: 60
minutos
Práctica 6. Variables aleatorias discretas
Ejemplo 1
Sea X una Variable Aleatoria Discreta cuyo valor es el resultado de la suma de puntos
obtenidos al lanzar dos dados de 6 caras. a) Determine el espacio muestral del
experimento.
#resultados posibles por cada dado
d1=c(1,2,3,4,5,6)
d2=c(1,2,3,4,5,6)
#Obtención de resultado según par (dado1, dado2)
Espacio=expand.grid(Dado1=d1,Dado2=d2)
Espacio

## Dado1 Dado2
## 1 1 1
## 2 2 1
## 3 3 1
## 4 4 1
## 5 5 1
## 6 6 1
## 7 1 2
## 8 2 2
## 9 3 2
## 10 4 2
## 11 5 2
## 12 6 2
## 13 1 3
## 14 2 3
## 15 3 3
## 16 4 3
## 17 5 3
## 18 6 3
## 19 1 4
## 20 2 4
## 21 3 4
## 22 4 4
## 23 5 4
## 24 6 4
## 25 1 5
## 26 2 5
## 27 3 5
## 28 4 5
## 29 5 5
## 30 6 5
## 31 1 6
## 32 2 6
## 33 3 6
## 34 4 6
## 35 5 6
## 36 6 6

b) Determine el Soporte S de la variable aleatoria discreta

#Incorporar un columna con el valor de la suma d1+d2
Espacio$X=Espacio$Dado1+Espacio$Dado2
Espacio

## Dado1 Dado2 X
## 1 1 1 2
## 2 2 1 3
## 3 3 1 4
## 4 4 1 5
## 5 5 1 6
## 6 6 1 7
## 7 1 2 3
## 8 2 2 4
## 9 3 2 5
## 10 4 2 6
## 11 5 2 7
## 12 6 2 8
## 13 1 3 4
## 14 2 3 5
## 15 3 3 6
## 16 4 3 7
## 17 5 3 8
## 18 6 3 9
## 19 1 4 5
## 20 2 4 6
## 21 3 4 7
## 22 4 4 8
## 23 5 4 9
## 24 6 4 10
## 25 1 5 6
## 26 2 5 7
## 27 3 5 8
## 28 4 5 9
## 29 5 5 10
## 30 6 5 11
## 31 1 6 7
## 32 2 6 8
## 33 3 6 9
## 34 4 6 10
## 35 5 6 11
## 36 6 6 12

S=unique(Espacio$X)
S

## [1] 2 3 4 5 6 7 8 9 10 11 12

c) Calcule la Funció n de Distribució n de Probabilidades f(x)

frecuencias=table(Espacio$X)
frecuencias

##
## 2 3 4 5 6 7 8 9 10 11 12
## 1 2 3 4 5 6 5 4 3 2 1

fx=round(prop.table(frecuencias),3)
fx

##
## 2 3 4 5 6 7 8 9 10 11 12
## 0.028 0.056 0.083 0.111 0.139 0.167 0.139 0.111 0.083 0.056 0.028

d) Calcule la Distribució n acumulada de X, F(X)

Fx=cumsum(fx)
Fx

## 2 3 4 5 6 7 8 9 10 11 12
## 0.028 0.084 0.167 0.278 0.417 0.584 0.723 0.834 0.917 0.973 1.001

Tabla=cbind(frecuencias,fx,Fx)
Tabla

## frecuencias fx Fx
## 2 1 0.028 0.028
## 3 2 0.056 0.084
## 4 3 0.083 0.167
## 5 4 0.111 0.278
## 6 5 0.139 0.417
## 7 6 0.167 0.584
## 8 5 0.139 0.723
## 9 4 0.111 0.834
## 10 3 0.083 0.917
## 11 2 0.056 0.973
## 12 1 0.028 1.001

frecuencias

##
## 2 3 4 5 6 7 8 9 10 11 12
## 1 2 3 4 5 6 5 4 3 2 1
e) Realice un Histograma y grá fico de Distribució n acumulada
hist(Espacio$X, freq = F, breaks = c(1,2,3,4,5,6,7,8,9,10,11,12),
main="Histograma")

#otra forma mediante barplot y plot

barplot(fx, names.arg = S, main = "Histograma de probabilidades")
plot(fx, type = "h", main="Histograma de probabilidades")

#Distribución acumulada
plot(Fx, type = "h", main = "Distribución Acumulada" , xlab = "Valores",
ylab="Probabilidades")

#otra forma
barplot(Fx, names.arg = S)
#Función para crear gráfico de escalera
#Por favor no modificar

graficoEscalera = function(valores, probabilidades )

{probabilidades = probabilidades/sum(probabilidades)
y0 = c(0,cumsum(probabilidades), 1)
x0 = c(min(valores)-1,valores, max(valores)+1)
xA = x0[-length(x0)]
xB = x0[-1]
yA = y0[-length(y0)]
plot(x0, y0, type="n", main="Distribución Acumulada", xlab="valores",
ylab="probabilidades", las=3, xaxt="n")
segments(xA,yA,xB,yA, lwd=4, col="red")
points(xA, yA, pch=16, col="red", cex=1.5)
axis(1, at=xA, labels=xA)
segments(valores, yA[-length(yA)] , valores, yA[-1], lty=2, col="red",
lwd=4)}

graficoEscalera(S,fx) #indicar valores de Soporte y frecuencias

relativas
Ejemplo 2.
Sea X una Variable Aleatoria Discreta cuyo soporte S={-1,0,1,2} tal que:
P(X=-1)=1/8
P(X=0)=2/8
P(X=1)=3/8
P(X=2)=2/8
Graficar> su Histograma y Distribució n Acumulada
Histograma de probabilidades
S=c(-1,0,1,2)
fx=c(1/8,2/8,3/8,2/8)
Fx=cumsum(fx)
Tablax=data.frame("Valores S"=S, "fx"=fx, "Fx"=Fx)
Tablax

## Valores.S fx Fx
## 1 -1 0.125 0.125
## 2 0 0.250 0.375
## 3 1 0.375 0.750
## 4 2 0.250 1.000
#Histograma con barplot y plot
barplot(Tablax$fx, names.arg = Tablax$Valores.S, main = "Histograma de
probabilidades")

plot(Tablax$Valores.S, Tablax$fx, type="h", main="Histograma de

probabilidades", xlab = "Valores de X", ylab = "Probabilidades")
Distribución Acumulada
#utilizando barplot

barplot(Tablax$Fx, names.arg = Tablax$Valores.S)

#utilizando comando plot
plot(Tablax$Valores.S,Tablax$Fx, type = "h", main="Distribución
Acumulada")
#utilizando fúnción de grafico de escalera

graficoEscalera(S,fx)

Ejemplo 3
Considérese un grupo de siete transistores de los cuales tres tienen algú n tipo de
defecto. Se toma una muestra de tamañ o cuadro de esos transistores, se define una
variable aleatoria X igual al nú mero de transistores que tienen “algú n tipo de defecto”
que aparecen en la muestra.
a) Determine el espacio muestral X
library(gtools)

#Notación 7 transistores códificado desde Ta hasta Tg, el estado 1

representa que tiene un defecto, el estado 0 no tiene defecto.

transitores=c("Ta1","Tb1","Tc0","Td0","Te0","Tf1","Tg0")
espacio_m=combinations(7,4,transitores) #conformar muestras de 4
transistores
espacio_m

## [,1] [,2] [,3] [,4]

## [1,] "Ta1" "Tb1" "Tc0" "Td0"
## [2,] "Ta1" "Tb1" "Tc0" "Te0"
## [3,] "Ta1" "Tb1" "Tc0" "Tf1"
## [4,] "Ta1" "Tb1" "Tc0" "Tg0"
## [5,] "Ta1" "Tb1" "Td0" "Te0"
## [6,] "Ta1" "Tb1" "Td0" "Tf1"
## [7,] "Ta1" "Tb1" "Td0" "Tg0"
## [8,] "Ta1" "Tb1" "Te0" "Tf1"
## [9,] "Ta1" "Tb1" "Te0" "Tg0"
## [10,] "Ta1" "Tb1" "Tf1" "Tg0"
## [11,] "Ta1" "Tc0" "Td0" "Te0"
## [12,] "Ta1" "Tc0" "Td0" "Tf1"
## [13,] "Ta1" "Tc0" "Td0" "Tg0"
## [14,] "Ta1" "Tc0" "Te0" "Tf1"
## [15,] "Ta1" "Tc0" "Te0" "Tg0"
## [16,] "Ta1" "Tc0" "Tf1" "Tg0"
## [17,] "Ta1" "Td0" "Te0" "Tf1"
## [18,] "Ta1" "Td0" "Te0" "Tg0"
## [19,] "Ta1" "Td0" "Tf1" "Tg0"
## [20,] "Ta1" "Te0" "Tf1" "Tg0"
## [21,] "Tb1" "Tc0" "Td0" "Te0"
## [22,] "Tb1" "Tc0" "Td0" "Tf1"
## [23,] "Tb1" "Tc0" "Td0" "Tg0"
## [24,] "Tb1" "Tc0" "Te0" "Tf1"
## [25,] "Tb1" "Tc0" "Te0" "Tg0"
## [26,] "Tb1" "Tc0" "Tf1" "Tg0"
## [27,] "Tb1" "Td0" "Te0" "Tf1"
## [28,] "Tb1" "Td0" "Te0" "Tg0"
## [29,] "Tb1" "Td0" "Tf1" "Tg0"
## [30,] "Tb1" "Te0" "Tf1" "Tg0"
## [31,] "Tc0" "Td0" "Te0" "Tf1"
## [32,] "Tc0" "Td0" "Te0" "Tg0"
## [33,] "Tc0" "Td0" "Tf1" "Tg0"
## [34,] "Tc0" "Te0" "Tf1" "Tg0"
## [35,] "Td0" "Te0" "Tf1" "Tg0"

b) Determine el Soporte de X
estados=ifelse(substring(espacio_m,3)=="1",1,0)
def_filas=rowSums(estados)
S=sort(unique(def_filas))
S

## [1] 0 1 2 3

#añadir una columna a la matriz de estados con la cantidad de

transistores defectuosos por cada muestra
correspondencia=cbind(espacio_m,def_filas)
correspondencia

## def_filas
## [1,] "Ta1" "Tb1" "Tc0" "Td0" "2"
## [2,] "Ta1" "Tb1" "Tc0" "Te0" "2"
## [3,] "Ta1" "Tb1" "Tc0" "Tf1" "3"
## [4,] "Ta1" "Tb1" "Tc0" "Tg0" "2"
## [5,] "Ta1" "Tb1" "Td0" "Te0" "2"
## [6,] "Ta1" "Tb1" "Td0" "Tf1" "3"
## [7,] "Ta1" "Tb1" "Td0" "Tg0" "2"
## [8,] "Ta1" "Tb1" "Te0" "Tf1" "3"
## [9,] "Ta1" "Tb1" "Te0" "Tg0" "2"
## [10,] "Ta1" "Tb1" "Tf1" "Tg0" "3"
## [11,] "Ta1" "Tc0" "Td0" "Te0" "1"
## [12,] "Ta1" "Tc0" "Td0" "Tf1" "2"
## [13,] "Ta1" "Tc0" "Td0" "Tg0" "1"
## [14,] "Ta1" "Tc0" "Te0" "Tf1" "2"
## [15,] "Ta1" "Tc0" "Te0" "Tg0" "1"
## [16,] "Ta1" "Tc0" "Tf1" "Tg0" "2"
## [17,] "Ta1" "Td0" "Te0" "Tf1" "2"
## [18,] "Ta1" "Td0" "Te0" "Tg0" "1"
## [19,] "Ta1" "Td0" "Tf1" "Tg0" "2"
## [20,] "Ta1" "Te0" "Tf1" "Tg0" "2"
## [21,] "Tb1" "Tc0" "Td0" "Te0" "1"
## [22,] "Tb1" "Tc0" "Td0" "Tf1" "2"
## [23,] "Tb1" "Tc0" "Td0" "Tg0" "1"
## [24,] "Tb1" "Tc0" "Te0" "Tf1" "2"
## [25,] "Tb1" "Tc0" "Te0" "Tg0" "1"
## [26,] "Tb1" "Tc0" "Tf1" "Tg0" "2"
## [27,] "Tb1" "Td0" "Te0" "Tf1" "2"
## [28,] "Tb1" "Td0" "Te0" "Tg0" "1"
## [29,] "Tb1" "Td0" "Tf1" "Tg0" "2"
## [30,] "Tb1" "Te0" "Tf1" "Tg0" "2"
## [31,] "Tc0" "Td0" "Te0" "Tf1" "1"
## [32,] "Tc0" "Td0" "Te0" "Tg0" "0"
## [33,] "Tc0" "Td0" "Tf1" "Tg0" "1"
## [34,] "Tc0" "Te0" "Tf1" "Tg0" "1"
## [35,] "Td0" "Te0" "Tf1" "Tg0" "1"

c) Determine la funció n de distribució n de probabilidades fx

frecuencias=table(def_filas)
fx=round(prop.table(frecuencias),3)
fx

## def_filas
## 0 1 2 3
## 0.029 0.343 0.514 0.114

#otra forma calculado cada fx mediante la definición de probabilidad y

regla de multiplicación

mCn=function(m,n)
{
return(factorial(m)/(factorial(m-n)*factorial(n)))
}

N=mCn(7,4) #número de muestras posibles

N
## [1] 35

fx0=round((mCn(3,0)*mCn(4,4))/N,3) #Seleccionar 4 transistores sin

defectos
fx0

## [1] 0.029

fx1=round((mCn(3,1)*mCn(4,3))/N,3) #Seleccionar 1 transistores con

defecto y 3 buenos
fx1

## [1] 0.343

fx2=round((mCn(3,2)*mCn(4,2))/N,3) #Seleccionar 2 transistores con

defectos y 2 buenos
fx2

## [1] 0.514

fx3=round((mCn(3,3)*mCn(4,1))/N,3) #Seleccionar 3 transistores con

defectos y 1 bueno
fx3

## [1] 0.114

nuevo_fx=c(fx0,fx1,fx2,fx3)
nuevo_fx

## [1] 0.029 0.343 0.514 0.114

d) Determine la Distribució n Acumulada Fx

Fx=cumsum(fx)
Fx

## 0 1 2 3
## 0.029 0.372 0.886 1.000

e) Grá fique el Histograma y la Distribució n Acumulada

Histograma
barplot(fx, main="Histograma de Probabilidad")
plot(fx, type = "h", main="Histograma de Probabilidad")

Distribución Acumulada
barplot(Fx, main = "Distribución Acumulada")

graficoEscalera(S,fx)
Ejemplo 4.
Si un experimento consiste en lanzar tres veces una moneda "legal" de manera
sucesiva siendo cada lanzamiento independiente del otro. Sea la variable aleatoria X
definida como el nú mero de sellos obtenidos.
a) Determine el espacio muestral de X
b) Determine el Soporte de X
c) Determine la Funció n de Distribució n de probabilidades fx
d) Determine la Distribució n Acumulada Fx
e) Graficar el Histograma y Distribució n Acumulada