Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE CIENCIA
Los experimentos se conciben de manera que los resultados del espacio muestral
pueden ser cualitativos o cuantitativos.
Por ejemplo:
: “Examinar un artículo que puede tener un defecto grave, leve o no estar defectuoso”.
= grave, leve , no defectuoso
Definición: Sea un espacio muestral sobre el que se encuentra definida una función de
probabilidad . Sea X una función de valor real definida sobre , de manera que
transforme los resultados de en puntos sobre la recta de los reales. Se dice entonces que
X es una variable aleatoria.
f :R
Ejemplo: “Se revisan de una en una tres baterías para ver si están cargadas (C ) o
descargadas (D)”
a.- Los nombres de las variables aleatorias se denotan siempre con mayúsculas
(X,Y,V,W,…) y los valores particulares de ellas con letras minúsculas y subíndice si fuese
necesario. En el ejemplo: x1 = 0; x2 =1,……
b.- Se pueden definir varias variables aleatorias para un mismo espacio muestral.
En el ejemplo anterior:
c.- Como los valores de la variable aleatoria dependen del experimento tiene sentido hacer
enunciados probabilísticos respecto a ellos. Podemos considerar los subconjuntos Rx como
sucesos que "heredarán" la probabilidad del suceso correspondiente en .
En el ejemplo anterior: P(x =2) = 3/8 ; para determinar esta probabilidad se debe mirar el
espacio muestral.
Definición:
Si X es una variable aleatoria discreta (v.a.d.) con recorrido Rx se define la función
de cuantía o función de probabilidad ((p (x) o P(X=x)) como:
P( X xi ) si xi Rx
p( x)
0 si xi Rx
En el ejemplo:
x 0 1 2 3
p(x) 1/8 3/8 3/8 1/8
a.- 0 p(xi) 1
b.- p( x ) 1
rec x
i
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
Definición:
Si X es una v.a.d. se define la función de distribución, función acumulada
(acumulativa), función de probabilidad acumulada, función de distribución acumulada
(FDA) (F(x)) como:
F(x) = P ( X x)
En el ejemplo:
O bien P(X < 2) = P(x=0) + P(x=1) + P(x=2) = 7/8 Utilizando la función de cuantía
1 0
Definición: Sea X una v.a.d. con recorrido Rx y función de cuantía p(x) se define la
esperanza (matemática) de la v.a.d X (E(X)) como:
E( X ) x p( x )
rec x
i i
Propiedades de E(X)
x 0 1 2 3
p(x) 1/8 3/8 3/8 1/8
Tenemos que:
V(X) = E (X - E(X))2
Propiedades V(X)
i) V(X) > 0
ii) V(k) = 0
iii) V(bX) = = b2V(X)
iv) V(a + bX) = b2V(X)
Observaciones:
a) V(X) =
Pág.12.
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
x 0 1 2 3 4
p(x) 0,1 0,2 0,4 0,2 0,1
Y=2600000 + 260000*X
E(Y) = ¿? C.V.(Y) = ¿?
E(X) = 0*0,1+1*0,2+2*0,4+3*0,2+4*0,1 = 2
σY = b* σx
σY = 260000* 1,095445=284815,7
DISTRIBUCIONES DE PROBABILIDAD
O MODELOS PROBABILÍSTICOS
Ejemplos:
X : “número de artículos defectuosos producidos en 24 hrs”
Y : “número de accidentes laborales ocurridos durante un mes”
V: ”número de sismos mayores a 5 grados en escala Richter, ocurridos en los últimos dos
años”
……………….
Estas tres variables aleatorias definidas y muchas otras que se podrían definir pueden tener
la misma esperanza, la misma varianza, es decir, se pueden modelar de la misma forma. Es
entonces que se habla de distribuciones de probabilidad o de modelos probabilísticos.
Si se considera un experimento cuyo resultado puede ser éxito o fracaso con probabilidades
“p” y “q = 1- p” respectivamente, entonces la función de cuantía de la variable aleatoria:
Ejemplo: Se tienen 100 artículos, de los cuales 80 están buenos y el resto está defectuoso.
Se toma una muestra aleatoria, con reposición, tamaño cuatro.
Consiste en realizar un experimento aleatorio una sola vez y observar si cierto suceso
ocurre o no, siendo p la probabilidad de que esto sea así (éxito) y q=1-p el que no lo sea
(fracaso). Es una variable dicotómica. Podríamos por tanto definir este experimento
mediante una v.a. discreta X que toma los valores X=0 si el suceso no ocurre, y X=1 en
caso contrario, y que se denota:
X Bernoulli(p)
p , si x 1
P( X x) q , si x 0
0 , en otro caso
Nota: el modelo Bernoulli es un caso particular del modelo Binomial en donde n=1.
k N k
x n x
P( X x) x=0,1,2,3,…..n; n k o bien x=0,1,2,…k k n
N
n
donde k es el número total de éxitos.
N tamaño población
n tamaño muestra
Ensayos dependientes, es decir, al realizar muestreo este debe ser sin reposición.
nk nk ( N n)( N k )
i.- E ( X ) ii.- V ( X )
N N 2 ( N 1)
Ejemplo: En el ejemplo de anterior. (80 artículos buenos y 20 defectuosos). Se toma una
muestra aleatoria sin reposición tamaño 4. ¿Cuál es la probabilidad de sacar tres artículos
defectuosos?
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
que se distribuye Pascal (o Binomial Negativa) con parámetros r y p (X Pascal (r,p)) está
dada por:
Teorema: Si XGeo(p)
Ejemplos:
X : “número de automóviles que pasan por cierta intersección durante 1 hora”
Y : “número de accidentes laborales ocurridos durante un mes”
V: ”número de sismos mayores a 5 grados en escala Richter, ocurridos en los últimos dos
años”
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
Ejemplos:
X: “número de baches en 2 km de carretera” (la región es una longitud)
Y: “Número de impurezas en 500 cc de petróleo” (la región es un volumen)
Z: “Número de nudos en 3 m2 de madera” (la región es una superficie)
pág 24.
b) ¿Cuál es la probabilidad de que cinco usuarios no puedan acceder a este sitio web
durante una hora?
Si Cov (X,Y) = 0
Ejercicio pág.15
X Y p(x)
0 1 2 3 4
1 0,15 0,10 0,05 0,02 0 0,32
2 0,04 0,23 0,12 0,02 0,01 0,42
3 0,01 0,12 0,08 0,03 0,02 0,26
p(y) 0,20 0,45 0,25 0,07 0,03 1
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA