Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema2 Variables Aleatorias
Tema2 Variables Aleatorias
2 Variables Aleatorias
Ω X: Nº de caras RX
EJEMPLO 2.2:
ε: Lanzar un dado 2 veces.
Ω: Valor de la cara superior.
Ω=
33
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
EJEMPLO 2.3:
El sistema de comunicación por voz de una empresa tiene 48 líneas externas. En un
determinado momento, se observa el sistema y algunas líneas están ocupadas. Sea
X la variable aleatoria que denota el número de líneas en uso. Entonces, RX =
A B
A y B son eventos equivalentes siempre que ocurran juntos. Es decir, siempre que
A ocurre, ocurre B y viceversa.
EJEMPLO 2.4:
ε: Lanzar una moneda 3 veces.
X: Número de caras obtenidas.
Ω = {CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS}
RX =
A = {CCC} ≡
34
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
Si B = {1} A=
P(B) = P[X = ] = P(A) =
Si B = {2} A=
P(B) = P[X = 2] =
Si B = {0} A=
P(B) = P[X = 0] =
Si B = {0, 3} A=
P(B) = P[X = 0,3] = P(A) =
Una vez que se han determinado las probabilidades asociadas con varios resultados
(o eventos) en el recorrido RX ignoraremos a menudo el espacio muestral original Ω
que dio lugar a esas probabilidades. Así, en el ejemplo anterior, estamos
35
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
DEFINICIÓN: Sea X una variable aleatoria discreta con rango RX. Una función
definida por
p(x) = P[X = x] = p({w})
{wΩ/X(w)x }
36
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
EJEMPLO 2.6:
En el ejemplo 2.5 se ha considerado el lanzamiento de una moneda tres veces y se
define X: número de caras. Hallar la distribución de probabilidad en forma tabular y
gráfica.
Solución:
EJEMPLO 2.7:
En un lote de 10 artículos, hay 3 artículos defectuosos. Del lote se toma al azar una
muestra de 4 artículos sin reposición. Sea X la v. a. que representa el número de
artículos defectuosos en la muestra.
a) Describir el dominio de X.
b) Describir el rango de X.
37
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
38
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
EJEMPLO 2.8:
Supongamos que se tiene n artículos (n finito) de los cuales r son defectuosos. Se
extrae una muestra aleatoria de tamaño m sin reemplazamiento. Sea X el número de
artículos defectuosos en la muestra. Hallar la función de probabilidad de la variable
aleatoria X.
Solución:
EJEMPLO 2.9:
Se pone un ratoncito en un laberinto. Hay cinco caminos posibles, de los cuales sólo
uno lleva fuera del laberinto. Supongamos que el ratoncito escoge un camino
aleatoriamente hasta escoger el camino correcto; supongamos además que un
camino incorrecto no se escoge dos veces. Sea X definido como el nº de caminos
incorrectos. Hallar:
a) El dominio de X.
b) El rango de la v. a. X.
c) La función de probabilidad asociada a X y su gráfica.
Solución:
39
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
EJEMPLO 2.10:
Supongamos que se pone un tubo de radio en un soporte y se prueba. Supongamos
que la probabilidad de que el control sea positivo es igual a ¾; por tanto la
probabilidad de que el control sea negativo es ¼. Supóngase además, que probamos
una gran cantidad de tales tubos. La prueba continúa hasta que aparece el primer
tubo positivo. Definamos la v. a. X como el nº de pruebas necesarias para finalizar
el experimento. Determinar:
a) El dominio.
b) El rango.
c) La función de probabilidad.
d) Comprobar que es función de probabilidad.
Solución:
40
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
NOTAS:
a) Como se prueba una gran cantidad de tubos, puede asumirse que los eventos son
independientes (se puede asumir como extracción con reemplazo).
b) La serie geométrica 1 + r + r2 + r3 + … converge a 1
1 r siempre que | r | < 1.
41
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
EJEMPLO 2.11:
F(x)
REPRESENTACIÓN
GRÁFICA: 1–
7/8 –
1/2 –
1/8 –
| | |
0 1 2 3 x
42
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
1. 0 ≤ F(x) ≤ 1, x R
2. a) P[X xi] = F(xi)
b) P[X ≥ xi] = 1 – P[X < xi] = 1 – F(xi-1)
c) P[xi < X ≤ xj] = F(xj) – F(xi)
d) P[xi ≤ X ≤ xj] = F(xj) – F(xi) + P[X = xi]
e) P[xi < X < xj] = F(xj) – F(xi) – P[X = xj]
f) P[xi ≤ X < xj] = F(xj) – F(xi) + P[X = xi] – P[X = xj]
g) p(xi) = P[X = xi] = F(xi) – F(xi-1)
DEMOSTRACIÓN
c) P[xi < X ≤ xj] = F(xj) – F(xi)
EJEMPLO 2.12:
La v. a. X tiene la siguiente función de distribución:
43
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
Calcular:
a) P[X ≤ 0,5] + P[X ≥ 2]
b) La distribución de probabilidad de X.
Solución:
b) RX = {0, 1, 2, 3}
x 0 1 2 3
P(x)
EJEMPLO 2.13:
El espesor de un entablado de madera (en pulgadas) que algún cliente ordena, es
una variable aleatoria que tiene la siguiente función de distribución acumulada:
0 , x 18
1 x 1
0,2 ,
F(x ) 8 4
1 x 3
0,9 , 4 8
1 , 83 x
a) Calcular la distribución de probabilidad.
b) Determinar las probabilidades siguientes:
Solución:
a) RX =
44
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
EJEMPLO 2.14:
- Peso de un recién nacido.
- Diámetro de los pernos.
- Estatura de un becerro de 2 meses de edad.
DEFINICIÓN: Sea X una variable aleatoria continua con rango RX. La función de
densidad asociada a la variable aleatoria, es una función f(x) integrable que
satisface las siguientes condiciones:
a) f(x) ≥ 0, xR (o f(x) > 0, x RX)
45
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
b) f(x )dx 1
(o
R
f(x )dx 1 )
X
P[a ≤ X ≤ b]
x=a x=b X
NOTAS:
a. P[X = x0] =
b. P[a≤ X ≤ b] = P[a < X ≤ b] = P[a < X < b] = P[a ≤ X < b]
EJEMPLO 2.15:
Sea X una v. a. con función de densidad
a(3x x2 ) , si 0 x 3
f(x)
0 , en otros casos
a) Hallar el coeficiente a.
b) Calcular la probabilidad que X se encuentre en el intervalo [1, 2]
c) Hallar la probabilidad que X se encuentre en el intervalo (-1, 3/2)
Solución:
46
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
EJEMPLO 2.16:
La longitud de vida de una especie de plantas en cierto medio ambiente es una
variable aleatoria continua. Supongamos que la función de densidad de X es:
x
1 120
f(x ) e , x 0
120
a) ¿Qué proporción de plantas de esta especie mueren antes de los 100 días?
b) Si una planta individual vive durante 100 días, ¿Cuál es la probabilidad que viva
otros 100 días más?
Solución:
47
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
EJEMPLO 2.17:
Un agricultor encuentra que el peso en Kg. de una papaya es una v. a. X con
función de densidad
3 (4x x 2 ) , 0 x 4
f(x ) 32
0 , en otros casos
a) ¿Cuál es la probabilidad que una papaya pese menos de un Kg?
b) Si el agricultor cosecha 20 000 papayas, ¿Cuántas de ellas pesan menos de un
Kg?
c) El agricultor escoge al azar cuatro papayas para regalar a un amigo; ¿Cuál es la
probabilidad de que cada una de las 4 pesen menos de un Kg?
Solución:
48
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
DEFINICIÓN: Sea X una variable aleatoria continua con función de densidad f(x).
La función de distribución de la variable aleatoria X, denotada por “F(x)”, se
define por
x
F(x) = P[X ≤ x] = f(t)dt ,
xR
F(x) = P[X ≤ x]
x X
EJEMPLO 2.18:
Sea X una v. a. con función de densidad definida por
3 x (2 x ) , 0 x 2
f(x ) 4
0 , en otros casos
Solución:
NOTAS:
a. Por definición, la función de distribución F(x), da la probabilidad de eventos de
la forma X ≤ , X < , X > , etc.
Es decir, P[X ≤ ] = P[X < ] = F() = f(x)dx y
50
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
Solución:
EJEMPLO 2.20:
Una estación de servicio es provisionada de gasolina una vez semanal. El volumen
X de la posible venta semanal en miles de galones tiene la siguiente función de
distribución acumulada
F(x) = 1 – (1 – x)4 , 0<x<1
a) ¿Cuál debe ser la capacidad de su tanque para que la probabilidad que su
provisión se agote en una semana sea sólo de 0,01?
b) ¿Cuál es la probabilidad de que la venta semanal esté entre 800 y 900 galones?
Solución:
51
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
E[X] =
R
x f(x )dx -x f(x )dx , si X es variable aleatoria continua.
X
EJEMPLO 2.22:
Sea X una v. a. cuya función de densidad está definida por
3 x (2 x ) , 0 x 2
f(x ) 4
0 , en otros casos
Calcular la esperanza de X.
Solución:
52
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
EJEMPLO 2.23:
Sea X una v. a. cuya distribución de probabilidad está dado por
x 0 1 2 3
P(x) 1/8 3/8 3/8 1/8
Calcular:
a) E[2X + 1]
b) E[4X2 + X + 3]
Solución:
Por lo tanto
53
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
(x μ)2 f(x )dx , si X es v.a.continua
EJEMPLO 2.25:
Calcular la varianza de la v. a. X definida en el ejemplo 2.22.
Solución:
54
CÁLCULO DE PROBABILIDADES Alejandro Monzón Montoya
PROPIEDADES DE LA VARIANZA
2x , 0x 3
f(x ) 9
0 , en otro caso
Calcular E[X] y V(X).
55