Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algunos Conceptos
Variable Aleatoria: es la que asume un valor numérico único para cada uno de los
posibles resultados de un experimento aleatorio
Ejemplo: Se arrojan dos monedas y se observa el número de monedas que cayeron con la
cara hacia arriba.
Resultado x
1
Mg. Analía Patrignani, MBA
x P(x)
0 0,25
1 0,5
2 0,25
1
1. Px) = 1
2. Cada valor de x, 0 ≤ P(x) ≤ 1
Ejemplo 1
2
Mg. Analía Patrignani, MBA
Esperanza y Varianza
Esperanza
E ( x )=∑ [ x . P(x ) ]
Este valor se puede interpretar como el valor promedio de la variable a largo plazo, es
decir, para experimentos que se repiten la mayor cantidad posible de veces.
Varianza
2
Var (x )=E ( x )−[ E(x ) ]
2
Desvío Estándar
D . E .( x)= √ Var (x )
E ( x )=∑ [ x . P(x ) ]
E ( x )=0.0,25+1.0,5+2.0,25=1 monedacon la cara hacia arriba
2 2 2 2 2
V ( x )=0 .0,25+1 .0,5+2 .0,25−1 =0,5 ( moneda con la cara arriba )
D . S . ( x )=√ Var ( x )
Ejemplo 2
Una compañía de seguros ofrece un seguro contra incendios por $80.000 a propietarios de
cierto tipo de vivienda. La póliza brinda protección por un año si ocurre la destrucción total
de la vivienda. La compañía ha determinado que la probabilidad de que ocurra ese tipo de
siniestro es de 0,0002. Si la prima es de $52, encuentre la utilidad esperada por póliza para
la compañía (Matemática para Administración, Economía, Ciencias sociales y de la Vida.
Haeussler, E; Paul, R)
x: utilidad
3
Mg. Analía Patrignani, MBA
U =I – C
x 1=U=52−0=$ 52
x 2=U =52−80000=$−79948
Significa que, aunque por algunos clientes pierda 79948 y por otros gane 52, si tiene
muchos clientes, en promedio gana $36 por cada asegurado.
Ejercicios Propuestos
x P(x)
1
3 0,35
4 0,42
a. Determine el recorrido de la variable
b. Determine P( x=1) y P( x=2) .
c. Determine la esperanza matemática
x P(x)
2 2.k
4 k
6 0,4
a. Halle el valor de k de la distribución
b. Obtenga P( x=4)
4
Mg. Analía Patrignani, MBA
Distribución Binomial
Número Combinatorio
Ejemplo: en un sector de una empresa trabajan 5 personas. Si se desea enviar a dos de ellas
a una capacitación, ¿cuántas parejas de compañeros diferentes se pueden armar?
ABCDE AB AC AE DE…..
Respuesta: C =10
5 2
Distribución Binomial
5
Mg. Analía Patrignani, MBA
al tirar una moneda, suponiendo que es legal, P(cara)=0,5 cada vez que voy
a tirarla.
Los intentos son estadísticamente independientes
Si al tirar la moneda sale cara o ceca, no influye en P(cara) al volver a tirarla.
R e={0 ,1 , 2 ,3 }
x P(x)
6
Mg. Analía Patrignani, MBA
0
1
2
3
P( x=0)=P ( M 1 ∩ M 2 ∩ M 3)
x P(x)
0 0,421875
1
2
3
Calcular P( x=1) implica calcular la probabilidad de responder sólo una pregunta bien y,
por lo tanto, las otras dos mal.
1 3 3 3 1 3 3 3 1 1 3 3
P ( x=1 )= . . + . . + . . =3. . . =0,421875
4 4 4 4 4 4 4 4 4 4 4 4
x P(x)
7
Mg. Analía Patrignani, MBA
0 0,421875
1 0,421875
2
3
1 1 3 3 1 1 1 3 1 1 1 3
P ( x=2 )= . . + . . + . . =3. . . =0,140625
4 4 4 4 4 4 4 4 4 4 4 4
x P(x)
0 0,421875
1 0,421875
2 0,140625
3
1 1 1 1
P ( x=3 )= . . =3. =0,015625
4 4 4 4
x P(x)
0 0,421875
1 0,421875
2 0,140625
3 0,015625
1
8
Mg. Analía Patrignani, MBA
Ejemplos:
1. Se sabe que el 35% de los alumnos de la universidad utilizan colectivos para llegar a ella, el
20% lo hace en auto, el 18% en subte y el resto utiliza otros medios. Si se elige a 15
alumnos al azar,
a. ¿cuál es la probabilidad de que 8 hayan llegado en subte?
b. ¿cuál es la probabilidad de que por lo menos 5 hayan llegado en auto?
c. ¿cuál es la probabilidad de que menos de 3 no hayan llegado en colectivo?
d. Si se encuesta a 40 alumnos, ¿cuántos se espera que hayan llegado en auto?
P ( x=8 )=0,00177
P ( x ≥ 5 )=¿ 0,16423
E ( x )=40.0,2=8 alumnos
9
Mg. Analía Patrignani, MBA
Distribución Hipergeométrica
Variable Discreta
El experimento se repite n veces (n fijo)
Admite dos únicos resultados posibles
La probabilidad de un resultado No es invariante
Los intentos No son estadísticamente independientes
Se sabe que en una población de N individuos hay R (M) éxitos
N: tamaño de la población,
R (M): cantidad de éxitos en la población,
n: tamaño de la muestra.
P ( x=r )=
( r ) ( n−r )
R . N −R
( Nn )
0 ≤ r ≤n r ≤ R n−N + R ≤ r
R R N−R N−n
E ( x )=n . y Var ( x ) =n . . .
N N N N −1
Ejemplo
10
Mg. Analía Patrignani, MBA
x H i ( n=5 , N =2 0 , M =10 )
P ( x=3 )=0,3483
10
E ( x )=4. =2 bolillas
20
Distribución de Poisson
11
Mg. Analía Patrignani, MBA
−λ r
e .λ
P ( x=r )=
r!
Parámetro:
¿b.t
b=¿frecuencia media de la presentación por unidad (de tiempo)
t=¿ cantidad de períodos (de tiempo) solicitado
Ejemplo:
P( x=3)=0,21376
b) x : cantidad de aviones que llegan en 2 horas.
P ( x ≤ 12 )=0,79156
12
Mg. Analía Patrignani, MBA
() ( r ) ( n−r )
−λ r
P( x=r )= n . p . q
n n−r e .λ R . N −R
P ( x=r )=
r r!
P ( x=r )=
( Nn )
E ( x )=n . p E ( x )=λ R
E ( x )=n .
N
x Bi (n , p) x Po( λ) x Hi ( N , R , n)
13