Primera Unidad Variables Aleatorias y Funciones de Probabilidad

Guillermo Paucar C.
UNIDAD I
UNIDAD I
VARIABLES ALEATORIAS
Y
FUNCIONES DE
PROBABILIDADES
6/06/2021 Guillermo Paucar C.

FUNCIONES DE PROBABILIDAD
VARIABLES
ALEATORIAS
Y
FUNCIONES DE
PROBABILIDADES

➢ Si analizamos los problemas estadísticos que se

presentan en la práctica, nos daremos cuenta
fácilmente que las variables aleatorias de interés se
presentan de manera discreta y continúa.
➢ Considere, por ejemplo, el número de personas que
atiende una entidad financiera por hora, número de
pacientes que atiende la emergencia de un hospital por
día, el tiempo requerido para procesar un artículo (en
minutos), cantidad de precipitación pluvial en cierta
zona de la ciudad (en cc/m2), el tiempo de vida útil de
un componente electrónico (en horas)

➢ Notaremos que el recorrido de estas variables se

pueden representar mediante un conjunto finito o
infinito de valores, y cuando el recorrido es un intervalo
de números reales se tienen infinitos posibles valores y
por lo tanto no se podrá asignar a cada punto del
recorrido su respectiva probabilidad como en el caso
discreto finito.
➢ Se debe formular por lo tanto un método diferente para
describir la distribución de probabilidades de una
variable aleatoria continua y para una variable aleatoria
discreta.


VARIABLES ALEATORIAS DISCRETAS
VARIABLE ALEATORIA DISCRETA: Es discreta,
cuando se puede contar su conjunto de resultados posibles; es decir es
finito numerable

FUNCIÓN DE CUANTÍA
EJEMPLO:

VARIABLES ALEATORIAS CONTINUAS
VARIABLE ALEATORIA CONTINUA: Es continua

cuando la variable aleatoria puede tomar valores en
escala continua.
La variable aleatoria que adopte cualquier valor dentro

de un intervalo de números reales se conoce como
variable aleatoria continua o simplemente variable
continua.
El objetivo, en esta parte del curso, es estudiar la
distribución de probabilidad de este tipo de variables.

VARIABLES ALEATORIAS CONTINUAS
❖ A partir de lo anterior tenemos que si X es una variable aleatoria
continua, su rango (RX) se expresará mediante un intervalo de
números reales, de la siguiente forma:
RX = [ a, b ] ó RX = [ a,  > , etc.
(donde “a” y “b” son números reales cualesquiera)
❖ Ejemplos:
X: Tiempo requerido para fabricar un artículo (en minutos)

RX = [ 2 , 8 ]
W: tiempo de vida útil de un artefacto eléctrico, en años

RW = [ 1 ,  [
Y: Rentabilidad mensual, en porcentaje, al invertir en las

acciones tipo A.
RY = [ 25% , 85% [

FUNCIÓN DE PROBABILIDAD Y DISTRIBUCIÓN
FUNCION DE PROBABILIDADES DISCRETAS
FUNCION DE DISTRIBUCIÓN PROBABILIDADES DISCRETAS

FUNCIÓN DE PROBABILIDAD Y DISTRIBUCIÓN
FUNCIÓN DE DENSIDAD DE PROBABILIDADES
FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDADES

ESPERANZA Y VARIANZA MATEMÁTICA
ESPERANZA MATEMÁTICA
VARIANZA

PROPIEDADES DE ESPERANZA Y VARIANZA

CARACTERÍSTICAS DE LA FUNCIÓN DE
DISTRIBUCIÓN ACUMULATIVA F(X)
Toda función de distribución acumulativa tiene las
siguientes características
✓ F(x) es no decreciente; es decir si tenemos dos

valores x1 y x2 , de modo que x1 ≤ x2 entonces
tendremos que F(x1) ≤ F(x2)
✓ F(x) es acotada, es decir, se cumple que:
limF(x) = 0 lim F(x) = 1
x → − x → +

PROPIEDADES DE LA FUNCIÓN DE DISTRIBUCIÓN

ACUMULATIVA F(X)
Dos propiedades importantes y útiles que se deducen

para las distribuciones acumulativas son las siguientes:
i) P(a ≤ X ≤ b) = F(b) – F(a)
ii) P(X > a) = 1 – P(X ≤ a) = 1 – F(a)
Observación:
Si X es variable aleatoria continua, entonces P(X = x) = 0,
para cualquier valor real x.
EJEMPLO:
El tiempo X, en horas, que se requiere para ensamblar cierto
artículo se puede modelar mediante la función de densidad de la
forma siguiente:
kx 2 x4
f(x) = 
0 otro caso
a) Hallar el valor de la constante K

b) Calcular la probabilidad de que el tiempo de ensamblaje esté
entre 2.5 y 3.5 horas
c) El tiempo de ensamblaje de cierto artículo es por lo menos
tres horas, ¿Cuál es la probabilidad de que la duración de
este ensamblaje tenga una duración de a lo mas 3.5 horas?
d) Calcule el máximo tiempo de ensamblaje requerido en el
90% de artículos ensamblados con menos tiempos

EJEMPLO:
Supongamos que el error en la temperatura de reacción, en grados
Celsius, para un experimento de laboratorio controlado es una v.a.c. X
que tiene la función de densidad de probabilidad
a) Determinar la función de distribución.

b) Calcular P(0 < X <1).
EJEMPLO:
La demanda semanal de cierta marca de bebida, en miles de litros, de una
cadena local de tiendas, es una v.a.c. X que tiene densidad de probabilidad
Calcular la media y la varianza de X.

FUNCIÓN DE DISTRIBUCIÓN
ACUMULATIVA: F(X)
Sea X una variable aleatoria continua con rango RX, y

sea f(x) su función de densidad de probabilidad. La
Función de Distribución Acumulativa de X, denotada
por F(x), está definida como:
x
F( x ) = P (X  x) =  f ( t ) dt
−

EJEMPLO:
El tiempo X, en horas, que se requiere para reprocesar
un artículo producido es una variable aleatoria cuya
función de densidad está dada por
2 x 0  x 1
f (x ) = 
0 otro caso
Hallar la función de distribución acumulativa F(x) para
esta variable.

Cálculo la función de distribución acumulativa, para la

variable tiempo de reprocesamiento:
F x = P X ≤ x = න f t dt
−∞
x x
∗ Si x < 0, entonces F x = න f t dt = න 0 dt = 0
−∞ −∞
∗ Si 0 ≤ x < 1, entonces
x 0 x
F x = න f t dt = න 0 dt + න 2𝑡 dt = 𝑡 2 ሿ x0 = 𝑥 2
−∞ −∞ 0
x 0 1 +∞
∗ Si X>=1, entonces F x = න f t dt = න 0 dt + න 2t dt + න 0 dt = 1
−∞ −∞ 0 1

EJEMPLO:
Finalmente, la función de distribución acumulativa es la siguiente:
0 x<0
F x = x2 0≤𝑥<1
1 x≥1

Calcule las siguientes probabilidades: utilizando la

función de densidad y luego la función de distribución
acumulativa.
a) La probabilidad de que el tiempo de

reprocesamiento requiera a lo sumo media hora.
b) La probabilidad de que el tiempo de
reprocesamiento sea más un cuarto de hora pero
menos de tres cuartos de hora.
c) La probabilidad de que se invierta más de 45
minutos en reprocesar un artículo.

El calculo de probabilidades utilizando la función de

densidad f(x):
a) La probabilidad es:
0.5
0.5

2
P( X  0.5) = 2 xdx = x = (0.5) 2 − 0 = 0.25
0
0
b) La probabilidad es:
0.75
2 0.75
P(0.25  X  0.75) =  2 xdx = x
0.25
0.25
= (0.75) 2 − (0.25) 2 = 0.5
c) La probabilidad es:
1
1

2
P( X  0.75) = 2 xdx = x = 12 − 0.752 = 0.4375
0.75
6/06/2021 0.75 Guillermo Paucar C.
DISTRIBUCIÓNES DE PROBABILIDADES
FUNCIONES DE
PROBABILIDADES
DISCRETAS

DISTRIBUCIÓN DE BERNOULLI
ENSAYO O PRUEBA DE BERNOULLI

DISTRIBUCION BINOMIAL
Su origen viene de la observación de un

estadístico francés del siglo XVIII, Abraham
de Moivre, que, entre otras cosas, actuaba
como consultor para temas de juegos.
Observó, que al lanzar una moneda, la
probabilidad de obtener “cara” (o “cruz”) en N
tirada tenía una representación gráfica con
una curva suave a medida que N se hacía
grande. En el gráfico presentado a
continuación, la altura de cada barra
representa la probabilidad de que ocurra el
evento (sale “cara” al lanzar una moneda) de
N veces que lanzamos la moneda (hemos
cogido, N=2; N=4; N=12). Si la moneda no
está trucada, la probabilidad de que salga
“cara” al lanzarla es del 50% (p=0,5). Este
fenómeno sigue una distribución conocida
como la Binomial.

DISTRIBUCIÓN BINOMIAL
I. DISTRIBUCIÓN BINOMIAL

EN RESUMEN, UNA DISTRIBUCIÓN BINOMIAL
TIENE LAS SIGUIENTES CARACTERÍSTICAS:
➢ Un resultado de un experimento se clasifica en una

de dos categorías mutuamente excluyentes que son
éxito o fracaso.
➢ Los datos recopilados son el resultado de conteos.
➢ La probabilidad de un éxito permanece igual para
cada ensayo. Lo mismo sucede con la probabilidad
de fracaso
➢ Los ensayos son independientes, lo cual significa
que el resultado de un ensayo no afecta al resultado
de algún otro.

APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL
APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A

LA NORMAL

APLICACIÓN
EJEMPLO:
Un estudio reciente de una asociación de vigilantes de caminos

reveló que el 60% de los conductores en el Perú usa el cinturón de
seguridad . Se seleccionó una muestra de 10 conductores en una
carretera:
1. ¿Cuál es la probabilidad de que exactamente 7 llevaran fijo su

cinturón?
2. ¿ Cuál es la probabilidad de que al menos 6 de los conductores
llevarán puesto su cinturón de seguridad?
3. ¿ Cuál es la probabilidad de que mas de 5 de los conductores
efectuarán esa precaución?

APLICACIÓN
EJEMPLO:
La Sra. García está encargada de los préstamos de un banco. Con

base en sus años de experiencia, estima que la probabilidad de que un
solicitante no sea capaz de pagar oportunamente su préstamo es
0,025. El mes pasado realizó 40 préstamos:
a) ¿Cuál es la probabilidad que 3 préstamos no se paguen
oportunamente?
b) ¿Cuál es la probabilidad que al menos 3 préstamos no se
liquiden a tiempo?

DISTRIBUCIÓN DE POISSON
II. DISTRIBUCIÓN DE POISSON

DISTRIBUCIÓN DE POISSON
Ejemplo: En una tienda los clientes llegan al mostrador

con un promedio de 10 clientes por hora. En una
determinada hora, ¿cuál es la probabilidad de que al menos
lleguen cinco clientes?
X: Número de clientes que llegan a la tienda en una hora
Un promedio de 10 clientes por hora, λ= 10 clientes/hora
En un intervalo de 1 hora, es decir t = 1 hora
μ =λt = (10 clientes/hora)(1hora)=10 clientes
P(X>=5)=1-P(X<4)=1–[P(X=0)+P(x=1)+P(X=2)+P(X=3)]
6/06/2021 Mgt.Guillermo Paucar C.

FUNCIONES DE
PROBABILIDADES
CONTINUAS

I. DISTRIBUCIÓN UNIFORME

FUNCIÓN DE DISTRIBUCIÓN

Si [c,d] está incluido en [a,b] , la probabilidad de que

x tome valores en el intervalo [c,d] es numericamente
igual al área sombreada, y se calcula de la siguiente
manera:
d−c
Pc  X  d  =  ( )dx =
d
1
c b−a
b −a
1
b −a
6/06/2021
a c d b Guillermo Paucar C.
EJEMPLO:
Supongamos que el tiempo (en minutos) que se tarda un cajero
en atender a un cliente es una variable aleatoria con distribución
uniforme en el intervalo [5, 15]
a) Indique cual será la función de densidad de esta
variable aleatoria
b) Calcule la probabilidad de que el tiempo de atención a
un cliente sea de a lo más 9.5 minutos
c) Calcule la probabilidad de que el tiempo de atención de
un cliente esté entre 7 y 10 minutos.
d) Determine el promedio y el coeficiente de variación
para el tiempo que se tarda el cajero en atender a
un cliente.
II. DISTRIBUCIÓN EXPONENCIAL

En variables que representan los tiempos de vida útil, tiempos de
sobrevivencia, en tiempos de ocurrencia en procesos de Poisson se
suele utilizar la distribución exponencial.
Si una variable aleatoria X tiene una distribución exponencial con
parámetro  (β>0), entonces tendremos que su función de densidad
está dada por:
1
 1 − 1 X 
 e x0
f (x) =   0
 0 otro caso

Si [c,d] está incluido en [a,b] , la probabilidad de que

x tome valores en el intervalo [c,d] es numericamente
igual al área sombreada, y se calcula de la siguiente
manera:
Pc  X  d =
− 1 t
 e dt
d 1

c
1

0 c d
ESPERANZA Y VARIANZA DE UNA

DISTRIBUCIÓN EXPONENCIAL
• El valor esperado o promedio de una
variable aleatoria exponencial está dado
por:
E (X ) = 
Nótese que el parámetro  es igual al
promedio de la variable aleatoria
• La varianza de esta variable aleatoria es:
V (X ) =  2
DISTRIBUCIÓN ACUMULATIVA DE
UNA VARIABLE ALEATORIA
EXPONENCIAL
• Si una variable aleatoria X tiene una distribución
1 exponencial
con parámetro , entonces la probabilidad acumulada para
cualquier valor x de su recorrido estará dada por la siguiente
función:

EJEMPLO:
Supongamos que el tiempo de vida útil de cierta marca de
artefacto eléctrico es una variable aleatoria con distribución
exponencial, cuyo promedio es 5 años.
a) Calcule la probabilidad de que un artefacto eléctrico de la
marca indicada, tenga una vida útil de 7 años o menos
b) Un artefacto eléctrico de dicha marca tiene más de 4 años
funcionando, ¿Cuál es la probabilidad de que funcione
como máximo 7 años?
c) Determine el promedio y la desviación estándar tiempo de
vida útil de los artefactos eléctricos de la marca indicada.
d) Si se seleccionan al azar y de forma independiente 6 de estos
artefectos ¿Cuál es la probabilidad que en por lo menos 4 de
estos artefactos eléctricos se observe una vida útil de a lo
más 6 años?

CAMPANA DE GAUSS-LAPLACE
Esta distribución es frecuentemente utilizada en

las aplicaciones estadísticas. Su propio nombre
indica su utilización por la frecuencia o normalidad
con la que ciertos fenómenos tienden a parecerse en
su comportamiento aleatoria a esta distribución.
En resumen,la importancia de la distribución

normal se debe a que hay muchas variables
asociadas a fenómenos naturales que siguen el
modelo de la distribución normal.

DISTRIBUCIÓN NORMAL
III. DISTRIBUCIÓN NORMAL

DISTRIBUCIÓN CONTINUA


FAMILIA DE DISTRIBUCIONES NORMALES

DISTRIBUCIÓN NORMAL TIPIFICADA
TIPIFICACIÓN DE UNA VARIABLE ALEATORIA

NORMAL
Este valor Z que se calcula a partir de la variable X nos permite

obtener en la Tabla Normal estandarizada.



EJEMPLO:
Sea X una variable aleatoria con distribución normal
que tiene media 25 y varianza 36. Calcular las
siguientes probabilidades:
a) P( X  27 )
b) P ( X ≥ 32 )
c) P(18 < X  35)
d) Hallar el valor de K si P(X < k) = 0.975
Solución:
a) 0.62930
b) 0.1210
c) 0.83154 (0.95254-0.12100)
d) k = 36.76
EJEMPLO:
El nivel de ventas por día en un centro comercial es
una variable aleatoria con distribución normal, cuyo
promedio es de 4500 soles y una varianza de 160000
soles2.
a) ¿Cuál es la probabilidad de que un día cualquiera
se tenga un nivel de ventas superior a los 4650
soles?
b) ¿Cuál es el monto mínimo de ventas del 25% de
días de mayores ventas?
c)Se sabe que un día determinado el nivel de ventas es
superior a los 4100 soles ¿Cuál es la probabilidad que
ese día el nivel de ventas sea a lo mas 4550 soles
EJEMPLO:
El ingreso familiar mensual en cierta zona de la
ciudad es una variable aleatoria con distribución
normal cuyo promedio es 1200 soles, se sabe
además que el 20% de las familias en esa zona de
la ciudad tienen un ingreso mensual superior a 1450
soles. El gobierno decide aplicar un programa de
ayuda social orientado a todas las familias cuyo
ingreso familiar mensual sea inferior a 600 soles, si
en esa zona de la ciudad residen 3480 familias
¿Aproximadamente cuantas familias se beneficiaran
con dicha ayuda social?
APLICACIÓN
EJERCICIO 1: Los montos de colocación de préstamos de una entidad
financiera están aproximadamente distribuidos en forma normal, con
una media de $70000 y una desviación estándar de $20000 .
Una solicitud de préstamo se recibió esta mañana. ¿Cuál es la
probabilidad de que:
a) La cantidad solicitada esté entre $70000 y $85000?
b) La cantidad solicitada sea de $80000 o más?
c) La cantidad solicitada esté entre $65000 y $80000?
d) La cantidad solicitada sea menor de $65000?
EJERCICIO 2: Una fábrica de neumáticos desea fijar una garantía de

kilómetros recorridos para su nuevo neumático modelo MX100. Las
pruebas de duración revelaron que la media de kilómetros recorridos
es de 47900 km y la desviación estándar es de 2050 km; la cantidad
de kilómetros recorridos se distribuyen de forma normal. La fábrica
desea fijar los kilómetros recorridos de garantía de manera que no sea
necesario reemplazar mas del 5% de los neumáticos. ¿Cuántos
kilómetros de recorrido de garantía debe anunciar la fábrica?
SUMA DE VARIABLES CON DISTRIBUCIÓN

NORMAL (PROPIEDAD REPRODUCTIVA)
Suponga que tiene X1, X2,…,Xn , “n” variables
aleatorias independientes, cada una con una
distribución normal de media i y varianza i2 , si
se define la variable aleatoria Y de la siguiente
manera: Y = X1+X2+…+Xn , entonces tendremos
que la variable aleatoria Y tendrá una
distribución Normal con los siguientes
parámetros:
n n
μY = μ i σ2Y =  σi2
i=1 i=1
EJERCICIOS
Pag. 138

EJERCICIOS
Pag. 134

EJERCICIOS

DISTRIBUCIÓN t DE STUDENT
IV. DISTRIBUCIÓN t DE STUDENT
Cuando una variable sigue una distribución Normal, la media de una
muestra aleatoria de esa variable también tiene distribución Normal,
y su media es la media poblacional desconocida  . Esto puede ser
utilizado para estimar . Sin embargo, a menudo no se conoce la
desviación típica  (solo se trabaja con una muestra de individuos
del total de la población) y, además puede ocurrir que el número de
observaciones de la muestra sea pequeño (menor que 30).
En estos casos, se puede utilizar la cuasidesviación típica de la

muestra (s) junto con la distribución t de Student:
x−
t=
s/ n
La función de densidad de probabilidad de la distribución t de
Student :
v +1
( ) v +1
1 2 x 2 −( 2 )
f ( x) = (1 + )
v ( )v v
2
La distribución t se transforma en una distribución Normal
cuando el número de datos tiende a infinito. Los valores críticos de
distintos niveles de significación y distintos grados de libertad se
muestran en la Tabla t-student.

LAS APLICACIONES DE LA DISTRIBUCIÓN T DE STUDENT EN
LA INFERENCIA ESTADÍSTICA SON:
1. Para estimar, mediante intervalos de confianza, la media
poblacional.
2. Estimar y probar hipótesis sobre una diferencia de medias.
Las hipótesis o supuestos para poder aplicar la t de Student son

que en cada grupo la variable estudiada siga una distribución Normal
y que la dispersión en ambos grupos sea homogénea (hipótesis de
homocedasticidad=igualdad de varianzas).

TABLA t de STUDENT
Nivel de significancia alfa

Se considera:
• 0.05 para proyectos de investigación
6/06/2021 • 0.10 para encuestas de mercadotecnia y políticas Guillermo Paucar C.
• 0.01 para aseguramiento de calidad
DISTRIBUCIÓN CHI-CUADRADO
V. DISTRIBUCIÓN CHI-CUADRADO
La función de densidad de la distribución Chi-cuadrado 2 se
describe por: x v
1 − ( −1)
f ( x) = v e 2x 2
v
2 2 ( )
2
Donde v son los grados de libertad y x es positivo.

A diferencia de la distribución Normal, debido a que la distribución
depende de los grados de libertad, no existe una curva típica sino
que la distribución  puede tener diferentes formas dependiendo
2
de los grados de libertad.

DISTRIBUCIÓN CHI-CUADRADO
APLICACIONES DE LA CHI-CUADRADO:
1. El test de bondad de ajuste, método que se utiliza

frecuentemente para determinar si una serie de datos presenta
una distribución Normal, Poisson, etc.
2. El test de independencia, determina si dos caracteres X e Y

de una población son dependientes o independientes para
variables cualitativas y cuantitativas.
3. El test de homogeneidad, permite determinar si varias

muestras que estudian el mismo carácter A han sido tomadas o
no de la misma población, respecto a dicha característica A, para
Están tabulados los puntos críticos de distintos niveles de

significancia y distintos grados de libertad, Tabla Chi-cuadrado.
TABLA CHI-CUADRADO

DISTRIBUCIÓN F DE FISHER-SNEDECOR
VI. DISTRIBUCIÓN F DE FISHER-SNEDECOR

La función de densidad de probabilidades de la distribución F de
Fisher-Snedecor: v+w v
( ) v w ( −1)
2 x 2
f ( x) = v w
2 2
v+w
v w
 ( ) ( ) (v + wx) 2
2 2
Donde v y w son los grados de libertad del numerador y denominador
respectivamente, siendo x positivo. Al depender de dos tipos de
grados de libertad, la función de densidad puede tener diversas
formas:

APLICACIONES DE LA DISTRIBUCIÓN F DE FISHER-
SNEDECOR:
1. Para probar si dos muestras provienen de poblaciones que
poseen varianzas iguales. Esta prueba es útil para
determinar si una población Normal tiene una mayor variación
que la otra y es importante ya que, a la hora de comparar
medias, varios estadísticos presentan como requisito la
homogeneidad de varianzas.
2. También se aplica cuando se trata de comparar
simultáneamente varias medias poblacionales, para
Los valores críticos de la distribución F de Fisher-Snedecor con

distintos niveles de significación y distintos grados de libertad se
muestran en la Tabla F de Fisher-Snedecor.


TABLA F de FISHER-SNEDECOR

Primera Unidad Variables Aleatorias y Funciones de Probabilidad

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Primera Unidad Variables Aleatorias y Funciones de Probabilidad

Cargado por

Copyright:

Formatos disponibles

Guillermo Paucar C.

6/06/2021 Guillermo Paucar C.

6/06/2021 Guillermo Paucar C.

➢ Si analizamos los problemas estadísticos que se

6/06/2021 Guillermo Paucar C.

➢ Notaremos que el recorrido de estas variables se

6/06/2021 Guillermo Paucar C.

6/06/2021 Guillermo Paucar C.

6/06/2021 Guillermo Paucar C.

6/06/2021 Guillermo Paucar C.

VARIABLE ALEATORIA CONTINUA: Es continua

La variable aleatoria que adopte cualquier valor dentro

6/06/2021 Guillermo Paucar C.

X: Tiempo requerido para fabricar un artículo (en minutos)

W: tiempo de vida útil de un artefacto eléctrico, en años

Y: Rentabilidad mensual, en porcentaje, al invertir en las

6/06/2021 Guillermo Paucar C.

FUNCION DE DISTRIBUCIÓN PROBABILIDADES DISCRETAS

6/06/2021 Guillermo Paucar C.

FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDADES

6/06/2021 Guillermo Paucar C.

6/06/2021 Guillermo Paucar C.

6/06/2021 Guillermo Paucar C.

✓ F(x) es no decreciente; es decir si tenemos dos

6/06/2021 Guillermo Paucar C.

PROPIEDADES DE LA FUNCIÓN DE DISTRIBUCIÓN

Dos propiedades importantes y útiles que se deducen

a) Hallar el valor de la constante K

6/06/2021 Guillermo Paucar C.

a) Determinar la función de distribución.

Calcular la media y la varianza de X.

Sea X una variable aleatoria continua con rango RX, y

6/06/2021 Guillermo Paucar C.

6/06/2021 Guillermo Paucar C.

Cálculo la función de distribución acumulativa, para la

6/06/2021 Guillermo Paucar C.

Finalmente, la función de distribución acumulativa es la siguiente:

6/06/2021 Guillermo Paucar C.

Calcule las siguientes probabilidades: utilizando la

a) La probabilidad de que el tiempo de

6/06/2021 Guillermo Paucar C.

El calculo de probabilidades utilizando la función de

6/06/2021 Guillermo Paucar C.

ENSAYO O PRUEBA DE BERNOULLI

6/06/2021 Guillermo Paucar C.

Su origen viene de la observación de un

6/06/2021 Guillermo Paucar C.

6/06/2021 Guillermo Paucar C.

➢ Un resultado de un experimento se clasifica en una

6/06/2021 Guillermo Paucar C.

APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL

APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A

6/06/2021 Guillermo Paucar C.

Un estudio reciente de una asociación de vigilantes de caminos

1. ¿Cuál es la probabilidad de que exactamente 7 llevaran fijo su

6/06/2021 Guillermo Paucar C.

La Sra. García está encargada de los préstamos de un banco. Con

6/06/2021 Guillermo Paucar C.

6/06/2021 Guillermo Paucar C.

Ejemplo: En una tienda los clientes llegan al mostrador

6/06/2021 Mgt.Guillermo Paucar C.

6/06/2021 Guillermo Paucar C.

6/06/2021 Guillermo Paucar C.