Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIDAD I
UNIDAD I
VARIABLES ALEATORIAS
Y
FUNCIONES DE
PROBABILIDADES
VARIABLES
ALEATORIAS
Y
FUNCIONES DE
PROBABILIDADES
EJEMPLO:
❖ Ejemplos:
VARIANZA
CARACTERÍSTICAS DE LA FUNCIÓN DE
DISTRIBUCIÓN ACUMULATIVA F(X)
Toda función de distribución acumulativa tiene las
siguientes características
Observación:
Si X es variable aleatoria continua, entonces P(X = x) = 0,
para cualquier valor real x.
6/06/2021 Guillermo Paucar C.
FUNCIÓN DE DENSIDAD DE PROBABILIDADES
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 x4
f(x) =
0 otro caso
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
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
FUNCIÓN DE DISTRIBUCIÓN
ACUMULATIVA: F(X)
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.
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:
0 x<0
F x = x2 0≤𝑥<1
1 x≥1
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
EJEMPLO:
P(X>=5)=1-P(X<4)=1–[P(X=0)+P(x=1)+P(X=2)+P(X=3)]
FUNCIONES DE
PROBABILIDADES
CONTINUAS
I. DISTRIBUCIÓN UNIFORME
FUNCIÓN DE DISTRIBUCIÓN
1
b −a
6/06/2021
a c d b Guillermo Paucar C.
DISTRIBUCIÓNES DE PROBABILIDADES
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.
6/06/2021 Guillermo Paucar C.
DISTRIBUCIÓNES DE PROBABILIDADES
1
1 − 1 X
e x0
f (x) = 0
0 otro caso
Pc X d =
− 1 t
e dt
d 1
c
1
0 c d
6/06/2021 Guillermo Paucar C.
DISTRIBUCIÓNES DE PROBABILIDADES
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
DISTRIBUCIÓN CONTINUA
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
6/06/2021 Guillermo Paucar C.
DISTRIBUCIÓN NORMAL
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
6/06/2021 Guillermo Paucar C.
DISTRIBUCIÓN NORMAL
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?
6/06/2021 Guillermo Paucar C.
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?
μY = μ i σ2Y = σi2
i=1 i=1
6/06/2021 Guillermo Paucar C.
EJERCICIOS
Pag. 138
x−
t=
s/ n
6/06/2021 Guillermo Paucar C.
DISTRIBUCIÓN t DE STUDENT
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.