Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad y Estadı́stica.
12 de abril de 2022
1. Variable Aleatoria
En este nuevo contexto probabilı́stico se pueden caracterizar todas las medidas estadı́sticas descritas
en el capı́tulo de Estadı́stica Descriptiva, ya sea, de tendencia central, posición, dispersión y correlación.
X:Ω→R
Si RecX = {x1 , x2 , ..., xn , ...} se dice que la variable aleatoria es discreta infinita numerable.
Definición: Sea X una v.a discreta. Una función de densidad de probabilidades o de cuantı́a es aquella
que satisface:
p(x) ≥ 0, ∀x ∈ RecX
P R∞
p(xi ) = 1 si X es discreta o f (x)dx = 1 si X es continua
x∈RecX −∞
n
E(X 2 ) = x2i p(xi )
P
i=1
1
p
Desviación Estándar de la variable aleatoria X: σX = V ar(X)
σX
Coeficiente de Variación de la variable aleatoria X: CVX = µ ∗ 100 %
R∞
b) P (X > a) = f (x)dx
a
Rb
c) P (a < X < b) = f (x)dx
a
Para este tipo de variables aleatorias (continuas) las probabilidades puntuales son cero, es decir,
P (X = a) = 0. Además, se tiene lo siguiente:
R∞
Esperanza de la variable aleatoria X: E(X) = µ = xf (x)dx
−∞
1.1. Ejemplos
1. Considere la siguiente función de densidad:
c(x2 + 6x + 5), x = 0, 2, 3, 5, 6
f (x) =
0, en otro caso
Solución:
1
por lo que: c = 195 = 0,005.
Luego, la densidad es:
1 2
f (x) = 195 (x + 6x + 5), x = 0, 2, 3, 5, 6
0, en otro caso
2
1 1
b) P (2 < X ≤ 5) = P (X = 3)+P (X = 5) = f (3)+f (5) = 195 (32 +6∗3+5)+ 195 (52 +6∗5+5) =
1 92
195 (32 + 60) = 195 = 0,47.
n
P 900
c) E(X) = xi f (xi ) = 0 ∗ f (0) + 2 ∗ f (2) + 3 ∗ f (3) + 5 ∗ f (5) + 6 ∗ f (6) = 195 = 4,62.
i=1
ce−2x , x > 0
f (x) =
0, en otro caso
Solución:
Z∞ Z0 Z∞
f (x)dx = f (x)dx + f (x)dx
−∞ −∞ 0
| {z }
0
Z∞
= ce−2x dx = 1
0
2e−2x , x > 0
f (x) =
0, en otro caso
R3
b) P (0 < X ≤ 3) = 2e−2x dx = −(e−6 − 1) = 0,9975
0
c)
Z∞
E(X) = xf (x)dx
0
Z∞
= x2e−2x dx
0
1
=
2
3
2. Algunos Modelos discretos
2.1. Modelo Bernoulli
Se dispone de un experimento aleatorio dicotómico, por ejemplo, lanzar una moneda correcta en que
se tiene éxito y fracaso.
Denotemos la probabilidad de éxito por p y fracaso por q, entonces p + q = 1. Se define la v.a por
1, en otro caso
X=
0, en otro caso
Sea X la v.a que caracteriza el número de éxitos en los n ensayos del experimento de Bernoulli.
n
Existen x maneras de ubicar los x éxitos entre los n ensayos y todos son igualmente probables.
Ejemplo: Una moneda se lanza 5 veces ¿Cuál es la probabilidad de obtener a lo más dos caras?
X: Número de caras.
5
· 0,5x · 0,55−x .
P (X = x) = f (x) = x
2
P
P (X ≤ 2) = f (x) = 0,5
x=0
4
2.3. Modelo Hipergeométrico
Notación: X ∼ H(n, N1 , N )
Sea N el número de elementos de un conjunto que está dividido en dos subpoblaciones de tamaños
N1 , N2 respectivamente.
Los N1 elementos poseen un atributo de interés y los que no lo tienen son N2 . Se toma una muestra de
tamaño n sin reposición. ¿Cuál es la probabilidad de que en ella aparezcan x elementos con el atributo?
Ejemplo: De un naipe español se extraen 6 cartas todas de una vez y sin reposición.
Determine la probabilidad de extraer por lo menos dos cartas tipo copa.
Sea X=Número de cartas tipo copa que se obtienen en la muestra de 6 cartas extraı́das.
P (X ≥ 2) = 1 − P (X ≤ 1) = 1 − (P (X = 0) + P (X = 1))
5
Ejemplo: De un naipe español se extraen cartas de una en una con reposición. Determine la pro-
babilidad de que se requieran al menos 4 extracciones para obtener dos cartas tipo oro.
x−1
· 0,252 · 0,75x−2 .
r = 2, p = 1/4, q = 3/4, f (x) = 1
Sea X=Número de extracciones requeridas para obtener las dos cartas tipo oro.
X representa el número de eventos independientes que ocurren a una velocidad constante en un tiem-
po dado t, con una frecuencia temporal α, es decir, el número de eventos que ocurren por unidad de
tiempo t.
e−λ · λx
f (x) = , E(X) = V ar(X) = λ.
x!
(⋆ Ejercicio)
Ejemplo: En una central telefónica se reciben 900 llamadas por dı́a. Asuma que el número de
llamadas sigue distribución de Poisson.
α = 900 por dı́a = 37,5 por hora = 0,625 por minuto, t = 7, λ = αt = 0,625 ∗ 7 = 4,375.
e−4,375 · 4,375x
f (x) = , x = 0, 1, ...
x!
1 (x−µ)2
f (x) = √ e− 2σ2 , E(X) = µ, V ar(X) = σ 2
2πσ
X−µ
Si se usa la siguiente transformación: Z = σ , entonces, E(Z) = 0 y V ar(Z) = 1. Este proceso se
conoce como estandarización.
6
En este caso, la función de densidad es:
1 x2
f (z) = √ e− 2
2π
y las probabilidades se pueden encontrar en una tabla de aproximación.
Ejemplo:
1 Γ n+1
n+1
f (x) = √ 2
n (1 + x2 /n)− 2 , x∈R
nπ Γ 2
n
Para esta distribución, la E(X) = 0 y V ar(X) = n−2 , n > 2.
7
3.4. Modelo F Fischer-Snedeccor
Notación: X ∼ F (n, m)
m 2m(n+m−2)
Para esta distribución, la E(X) = m−2 m > 2 y V ar(X) = n(m−2)2 (m−4)
, m > 4.
Ejemplo: Suponga que X ∼ F (3, 4). Calcular P (4,1908 < X < 16,694).
8
4. Ejercicios Resueltos o con solución
1. Sea X=tiempo (en 10−1 semanas) del envı́o de un producto defectuoso hasta que el cliente
regresa el producto. Suponga que el tiempo mı́nimo de devolución es γ = 3, 5 y que el exceso
Y = X − 3, 5 sobre el mı́nimo tiene un distribución Weibull con parámetros α = 2 y β = 1, 5.
¿Cuáles son el tiempo esperado y la varianza para X?
Solución:
a) Determine P (X ≤ 2)
b) Determine P (X ≥ 5)
c) Determine P (1 ≤ X ≤ 5)
d) ¿Cuál es la probabilidad de que ninguna de las 25 tarjetas esté defectuosa?
e) Calcule el valor esperado y desviación estándar de X.
Respuestas:
Solución:
Sea X=altura en la cual se abre el paracaı́das e Y=Número de paracaı́das dañados (Rec(X)={0,1,2,3,4,5}).
X ∼ N (250, 302 )
P (X < 220) = P (Z < 1) = 0,8413
P (Y = 3) = 53 0,84133 (1 − 0,8413)2 = 0,14997, por lo tanto la probabilidad que haya daño a
9
5. Ejercicios Propuestos
1. En el departamento de control de un laboratorio de medicamentos se examina cuidadosamente
cierto tipo de remedios en pastillas indistinguibles unas de otras que se encuentran en una caja
de chequeo. Se sabe que hay 4 tipo X, 10 tipo Y y 6 tipo Z que caracterizan a tres remedios
distintos.
a) El especialista saca tres de ellas y las deja en el microscopio para su análisis. Determine la
probabilidad de que en el análisis haya a lo más 2 pastillas del tipo Y.
b) Suponga que el investigador observa 6 pastillas de una en una y las devuelve a la caja de
chequeo. Determine la probabilidad de que por lo menos revise 2 del tipo X.
c) Suponga que el investigador analiza cada pastilla de una en una y en cada inspección las
devuelve a la caja de chequeo. Determine la probabilidad de que la primera pastilla Z salga
en la séptima inspección.
d ) Si el investigador puede revisar aproximadamente en forma constante 15 pastillas en 2
horas. Determine el valor esperado para el número de pastillas revisadas de cualquier tipo
en 24 minutos y su varianza.
2. Considere la función
( 2
k (3x3x+2
+x+1)
, x = 0, 1, 2, 3, 4
f (x) =
0, en otro caso
a) Encuentre k
b) Calcule P (X > 1)
c) Calcule E(X)
3. Considere la función
a) Encuentre k
b) Calcule P (1 ≤ X < 1,5)
c) Calcule V ar(X)
4. La probabilidad de que el lanzamiento de un cohete sea exitoso es de 0.9. Suponga que se disparan
cohetes hasta que hayan ocurrido tres lanzamientos exitosos.
5. Por una plaza de peaje pasan 120 vehı́culos por hora. Determine la probabilidad de que:
10
6. Suponga que X ∼ N (20, 2) e Y ∼ (25, 2,5)
7. Considere la función
a) Calcule la esperanza de X.
b) Calcule el coeficiente de variación de X.
c) Determine el percentil 72 e interprete el resultado.
8. Suponga que, por orden de sus superiores, usted debe enviar 6 cartas selladas, importantes y
urgentes. Ya tiene listos los sobres con los datos de los destinatarios, pero ya selló los 6 escritos,
y no los puede correlacionar. Por el apuro, y porque nunca le gustó mucho su trabajo, decide
guardar cada escrito en un sobre al azar. Total, dada su reflexión rápida la probabilidad p de
que ninguna carta llegue a su destinatario debe ser muy baja.
Determine la probabilidad p, realice el procedimiento primero con 3 cartas, luego con 4 cartas y
finalmente con las 6 cartas para obtener p y 1/p, ¿qué número da 1/p? y si fueran 10 cartas?
11