Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribución de probabilidad:
𝑋 0 1
Distribución de probabilidad:
𝑋 1 2 3 4 5 6
Distribución de probabilidad:
𝑋 0 1
Distribución de probabilidad:
𝑋 2 3 4 5 6 7 8 9 10 11 12
𝑃(𝑋 = 𝑥) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
Variable aleatoria 𝑋: La diferencia en valor absoluto de los valores de los dos dados.
Distribución de probabilidad:
𝑋 0 1 2 3 4 5
1. 0 ≤ 𝑃(𝑋 = 𝑥) ≤ 1
2. ∑𝑥 𝑓(𝑥) = ∑𝑥 𝑃(𝑋 = 𝑥) = 1
Distribución de probabilidad:
𝑋 0 1
1 1 1
Con valor esperado: 𝜇𝑋 = 𝐸(𝑋) = 0 ( ) + 1 ( ) = = 0.5
2 2 2
1 1 1 2
Con varianza: 𝑉(𝑋) = 02 ( ) + 12 ( ) − ( ) = 0.25
2 2 2
Distribución de probabilidad:
𝑋 1 2 3 4 5 6
1 1 1 1 1 1 21
Con valor esperado: 𝜇𝑋 = 𝐸(𝑋) = 1 ( ) + 2 ( ) + 3 ( ) + 4 ( ) + 5 ( ) + 6 ( ) =
6 6 6 6 6 6 6
1 1 1 1 1 1 21 2 35
Con varianza: 𝑉(𝑋) = 12 ( ) + 22 ( ) + 32 ( ) + 42 ( ) + 52 ( ) + 62 ( ) − ( ) =
6 6 6 6 6 6 6 12
Distribución de probabilidad:
𝑋 0 1
5 1 1
Con valor esperado: 𝜇𝑋 = 𝐸(𝑋) = 0 ( ) + 1 ( ) =
6 6 6
1 1 1 2 5
Con varianza: 𝑉(𝑋) = 02 ( ) + 12 ( ) − ( ) =
6 6 6 36
Distribución de probabilidad:
𝑋 2 3 4 5 6 7 8 9 10 11 12
𝑃(𝑋 = 𝑥) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
1 2 3 4 5 6 5
Con valor esperado: 𝜇𝑋 = 𝐸(𝑋) = 2 ( ) + 3 ( ) + 4 ( ) + 5 ( ) + 6 ( ) + 7 ( ) + 8 ( ) +
36 36 36 36 36 36 36
4 3 2 1
9 ( ) + 10 ( ) + 11 ( ) + 12 ( ) = 7
36 36 36 36
1 2 3 4 5 6 5
Con varianza: 𝑉(𝑋) = 22 ( ) + 32 ( ) + 42 ( ) + 52 ( ) + 62 ( ) + 72 ( ) + 82 ( ) +
36 36 36 36 36 36 36
4 3 2 1 35
92 ( ) + 102 ( ) + 112 ( ) + 122 ( ) − (7)2 =
36 36 36 36 6
Variable aleatoria 𝑋: La diferencia en valor absoluto de los valores de los dos dados.
Distribución de probabilidad:
𝑋 0 1 2 3 4 5
6 10 8 6 4 2 35
Con valor esperado: 𝜇𝑋 = 𝐸(𝑋) = 0 ( ) + 1 ( ) + 2 ( ) + 3 ( ) + 4 ( ) + 5 ( ) =
36 36 36 36 36 36 18
Universidad Colegio Mayor de Cundinamarca
Material elaborado por: Liliana García Barco.
6 10 8 6 4 2 35 2 665
Con varianza: 𝑉(𝑋) = 02 ( ) + 12 ( ) + 22 ( ) + 32 ( ) + 42 ( ) + 52 ( ) − ( ) =
36 36 36 36 36 36 18 324
𝑋 1 2 3
Ahora, dada la variable aleatoria 𝑌 como función lineal de la variable aleatoria 𝑋, expresada como:
𝑌 = 2𝑋 + 5
𝑌 7 9 11
Dada una variable aleatoria 𝑋, con valor esperado 𝐸(𝑋) y varianza 𝑉(𝑋). Dada una variable
aleatoria Y, expresada como:
𝑌 = 𝑎𝑋 + 𝑏
𝐸(𝑌) = 𝐸(𝑎𝑋 + 𝑏)
𝐸(𝑌) = 𝑎𝐸(𝑋) + 𝑏
𝑉(𝑌) = 𝑉(𝑎𝑋 + 𝑏)
𝑉(𝑌) = 𝑎2 𝑉(𝑋)
𝑌 = 2𝑋 + 5
1
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = , 𝑥 = 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛
𝑛
∑𝑛
𝑖=1 𝑥𝑖
Con valor esperado: 𝜇𝑋 = 𝐸(𝑋) =
𝑛
∑𝑛
𝑖=1(𝑥𝑖 −𝜇𝑋 )
2 ∑𝑛 2
𝑖=1 𝑥𝑖
Con varianza: 𝜎𝑋2 = 𝑉(𝑋) = = − 𝜇𝑋2
𝑛 𝑛
Ejemplo 17.1:
Distribución de probabilidad:
𝑋 0 1
0+1
Con valor esperado: 𝜇𝑋 = 𝐸(𝑋) = = 0.5
2
02 +12
Con varianza: 𝑉(𝑋) = − 0.52 = 0.5 − 0.25 = 0.25
2
Ejemplo 17.2:
Distribución de probabilidad:
𝑋 1 2 3 4 5 6
1+2+3+4+5+6 21
Con valor esperado: 𝜇𝑋 = 𝐸(𝑋) = =
6 6
𝑋 0 1
𝑃(𝑋 = 𝑥) 𝑞 𝑝
Ejemplo17.3:
Distribución de probabilidad:
𝑋 0 1
Ejemplo17.4:
Distribución de probabilidad:
𝑋 0 1
𝑛 𝑛
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥 ; 𝑥 = 0,1,2, … , 𝑛.
𝑥 𝑥
Ejemplo 17.5:
Experimento aleatorio: Lanzar una moneda “cargada” 3 veces. Donde la probabilidad de que salga
cara es el doble de la de sello, es decir, 𝑃(𝐶) = 2𝑃(𝑆).
2𝑃(𝑆) + 𝑃(𝑆) = 1
3𝑃(𝑆) = 1
𝑃(𝑆) = 1/3
𝑃(𝐶) = 2/3
Espacio muestral: Ω = {𝐶𝐶𝐶, 𝐶𝐶𝑆, 𝐶𝑆𝐶, 𝐶𝑆𝑆, 𝑆𝐶𝐶, 𝑆𝐶𝑆, 𝑆𝑆𝐶, 𝑆𝑆𝑆}
Variable aleatoria 𝑋: El número de caras que salen al lanzar esa moneda 3 veces.
Universidad Colegio Mayor de Cundinamarca
Material elaborado por: Liliana García Barco.
Distribución de probabilidad:
𝑋 0 1 2 3
𝑃(𝑋 = 𝑥) 1 3 1 2 2 1 1 1 2 2 2 3
( ) 3( ) ( ) 3( ) ( ) ( )
3 3 3 3 3 3
3 2
𝑃(𝑋 = 𝑥) 3 1 3 1 2 1 3 1
1
2 2 3 2
3
( )( ) ( )( ) ( ) ( )( ) ( ) ( )( )
0 3 1 3 3 2 3 3 3 3
𝑃(𝑋 = 𝑥) 3 3 3 3
( ) 𝑞3 ( ) 𝑞2𝑝 ( ) 𝑞𝑝 2 ( ) 𝑝3
0 1 2 3
2
Con valor esperado: 𝜇𝑋 = 𝐸(𝑋) = 𝑛𝑝 = 3 ( ) = 2
3
2 1 2
Con varianza: 𝑉(𝑋) = 𝑛𝑝𝑞 = 3 ( ) ( ) =
3 3 3
Ejemplo 17.6:
Universidad Colegio Mayor de Cundinamarca
Material elaborado por: Liliana García Barco.
Variable aleatoria 𝑋: El número de veces que sale el número 4 al lanzar 5 veces el dado.
Distribución de probabilidad:
𝑋 0 1 2 3 4 5
5 4 3 2 1
𝑃(𝑋 5 5 5 5 1 1 5 5 1 2 5 5 1 3 5 5 1 4 5 1
5
= 𝑥) ( )( ) ( )( ) ( ) ( )( ) ( ) ( )( ) ( ) ( )( ) ( ) ( )( )
0 6 1 6 6 2 6 6 3 6 6 4 6 6 5 6
1 5
Con valor esperado: 𝜇𝑋 = 𝐸(𝑋) = 𝑛𝑝 = 5 ( ) =
6 6
1 5 25
Con varianza: 𝑉(𝑋) = 𝑛𝑝𝑞 = 5 ( ) ( ) =
6 6 36
𝑘 𝑁−𝑘
( )( )
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = 𝑥 𝑛 − 𝑥 , 𝑚𝑎𝑥 {0, 𝑛 − (𝑁 − 𝑘)} ≤ 𝑥 ≤ min{𝑛, 𝑘}
𝑁
( )
𝑛
𝑛𝑘
Valor esperado: 𝐸(𝑋) =
𝑁
𝑁−𝑛 𝑛𝑘 𝑘
Varianza: 𝑉(𝑋) = ( ) ( ) (1 − )
𝑁−1 𝑁 𝑁
Ejemplo 17.8: Experimento aleatorio: Se tiene un paquete de 52 cartas. Se sacan dos cartas (sin
reemplazo) y se observa el color de la carta.
Espacio muestral es Ω = {𝑅𝑅, 𝑅𝑁, 𝑁𝑅, 𝑁𝑁}. Representado este espacio muestral en el diagrama
de árbol, con sus respectivas probabilidades:
Universidad Colegio Mayor de Cundinamarca
Material elaborado por: Liliana García Barco.
Distribución de probabilidad:
𝑋 0 1 2
𝑃(𝑋 = 𝑥) 26 25 25 26 26 26 26 25 25
( )( ) = 2( )( ) = ( )( ) =
52 51 102 52 51 51 52 51 102
𝑃(𝑋 = 𝑥) 26 26 26 26 26 26
( )( ) ( ) ( ) 26 ( )( )
0 2 = 25 1 1 = 2 0 = 25
52 102 52 51 52 102
( ) ( ) ( )
2 2 2
0≤𝑥≤2
2(26)
Valor esperado: 𝐸(𝑋) = =1
52
52−2 2(26) 26 25
Varianza: 𝑉(𝑋) = ( )( ) (1 − ) =
52−1 52 52 51
Ejemplo 17.9: Experimento aleatorio: Se tiene una urna que contiene 3 bolas blancas y 2 bolas
negras. De esta urna se seleccionan 4 bolas (sin reemplazo).
En este ejercicio 𝑁 = 5, 𝑛 = 4, 𝑘 = 3 y 𝑁 − 𝑘 = 2.
2≤𝑥≤3
Distribución de probabilidad:
𝑋 2 3
𝑃(𝑋 = 𝑥) 3 2 3 2
( )( ) ( )( )
2 2 = 0.6 3 1 = 0.4
5 5
( ) ( )
4 4
𝑒 −(𝜆𝑡) (𝜆𝑡)𝑥
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = 𝑥 = 0,1,2, …
𝑥!
Varianza: 𝑉(𝑋) = 𝜆𝑡
Donde 𝜆 es el número de éxitos por unidad de tiempo, área, volumen, longitud, etc.
Ejemplo 17.10: El número promedio de accidentes que ocurren en un mes en cierta intersección
es de 0.2.
1. 0 ≤ 𝑃(𝑋 = 𝑥) ≤ 1 1. 𝑓(𝑥) ≥ 0
∞
2. ∑𝑥 𝑃(𝑋 = 𝑥) = 1 2. ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1
Valor esperado de una variable aleatoria X Valor esperado de una variable aleatoria X
∞
𝜇𝑋 = 𝐸(𝑋) = ∑ 𝑥𝑃(𝑋 = 𝑥) 𝜇𝑋 = 𝐸(𝑋) = ∫ 𝑥𝑓(𝑥)𝑑𝑥
𝑥 −∞
∞
𝜎𝑋2 = 𝑉(𝑋) = (∑ 𝑥 2 𝑃(𝑋 = 𝑥)) − 𝜇𝑋2
𝑥 𝜎𝑋2 = 𝑉(𝑋) = (∫ 𝑥 2 𝑓(𝑥)𝑑𝑥 ) − 𝜇𝑋2
−∞
𝜎𝑋2 = 𝑉(𝑋) = 𝐸(𝑋2 ) − 𝐸(𝑋)2
𝜎𝑋2 = 𝑉(𝑋) = 𝐸(𝑋2 ) − 𝐸(𝑋)2