Programa del Curso

VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

• Distribución Normal. Estandarización de una variable normal.
Uso de la tabla normal estándar. Propiedad reproductiva.
• Teorema central del límite.
• Distribución Log Normal. Distribuciones de valor extremo.
Propiedades del Valor Esperado y de la Varianza de
Variables Aleatorias
Las siguientes son alguna de las propiedades del valor esperado
de la varianza. Aquí X e Y son v.a. y a y b son constantes:
Propiedad Reproductiva de la Normal
Sean X e Y dos variables aleatorias normales e independientes,
tales que X ~ N(μX, σX2) e Y ~ N(μY, σY2)
Además: c1 y c2 constantes reales, entonces se cumple que:


S  c1 X  c2Y ~ N c1  X  c2 Y , 
2
c1 2
X 
 c2
2 2
Y 
La suma de
con otra es una
una
variable variable
variable
aleatoria aleatoria
aleatoria
normal normal
normal
Propiedad Reproductiva de la Normal
Si Xi ~ N(μ, σ2) (i = 1, 2,…, n) son variables aleatorias
independientes, entonces la variable

 X ~ Nn , n 
n
S i
2

i 1
 Ejemplo
Sean X ~ N(5, 6) e Y ~ N(8, 10) variables aleatorias
independientes, calcular la distribución de las siguientes
variables:

 
S  X  Y ~ N  X  Y ,  X2   Y2  S ~ N 13, 16 

 
S  X  Y ~ N  X  Y ,  X2   Y2  S ~ N  3, 16 


S  4 X  5Y ~ N 4  X  5Y , 16  25
2
X
2
Y   S ~ N  20, 346
 Ejercicio
El peso de un adulto peruano puede modelarse con una variable aleatoria
normal. El peso medio para los varones es de 72 kilos y de 64 kilos para las
mujeres, y desviaciones estándar fueron de 8 kilos y 4 kilos respectivamente.
Sean X := Peso de varones  X ~ N(72, 82) e
Y := Peso de mujeres  Y ~ N(64, 42)
Si se elige, al azar, a un hombre y una mujer, calcular la probabilidad de
que la mujer pese más que el hombre. 2
µS σ S
P( X < Y ) = P( X – Y < 0 )
= P( S < 0 ) , con S = X – Y , S~N(8 , 82+42)
= P( (S-µS)/σS < (0-µS)/σS )
= P( Z < (0-8)/ 80 )
= P( Z < -8/ 80 ) = P( Z < -0.89 ) = 0.18673
 Ejercicio
El peso de un adulto peruano puede modelarse con una variable aleatoria
normal. El peso medio para los varones es de 72 kilos y de 64 kilos para las
mujeres, y desviaciones estándar fueron de 8 kilos y 4 kilos respectivamente.
Sean X := Peso de varones  X ~ N(72, 82) e
Y := Peso de mujeres  Y ~ N(64,𝜎 42)
Si se elige a dos hombres y a dos mujeres, calcular la probabilidad de
que la suma total de pesos supere los 260 kilos.
P( X1+X2+Y1+Y2 > 260 ) = 1 - P(X1+X2+Y1+Y2 < 260 )
= 1 - P( S < 260 ) , con S = X1+X2+Y1+Y2 ~ N(272, 82+82+42+42)
= 1 - P( (S - 𝜇𝑆 )/𝜎𝑆 < (260 - 𝜇𝑆 )/𝜎𝑆 )
= 1 - P( Z < - 12/(4 10))
= 1 - P( Z < -0.948) = 1 – 0.17361 = 0.82639
Ejercicio

Los paquetes recibidos en un almacén se ajustan a una

distribución normal de media 300 kg y una desviación
estándar de 50 kg.
Cuál es la probabilidad de que 25 de3 esos paquetes, elegidos
al azar, excedan el límite de carga del montacargas donde se
van a transportar, que es de 8200 kg?
Tarea en Grupo
Si una máquina en una imprenta se malogra, esta puede destinarse a
uno de dos talleres A o B para su reparación. El tiempo de reparación
en el taller A es una v.a. X ~ N(5; 9) y el tiempo de reparación en el
taller B es una v.a. Y ~ N(7; 0.81), ambos en horas. Cada hora de
reparación de la máquina genera una pérdida de S/.50.00. Si el taller A
cobra por la reparación de la maquina CA = 25 + 30X2 soles y el taller B
cobra CB = 10 + 20 Y2 soles.

a) En cual taller es más probable que la máquina se repare en menos

de 8 horas?
b) En términos económicos, cuál taller es más conveniente?
Programa del Curso

VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

• Distribución Normal. Estandarización de una variable normal.
Uso de la tabla normal estándar. Propiedad reproductiva.
• Teorema central del límite.
• Distribución Log Normal. Distribuciones de valor extremo.
 Teorema central del límite
Si n variables aleatorias independientes X1, X2, X3,...Xn tienen la
misma distribución de probabilidad con media  y varianza 2.
Entonces para la variable aleatoria S = X1 + X2 + X3 +...+ Xn se tiene
que S tiende a seguir una distribución normal a medida que n
crece.
Se considera que S sigue aproximadamente una distribución
normal si n  30.
 
n
S   X i ~ N n , n 2

i 1

Media E S   n Varianza V S   n 2
 Ejercicio
La cantidad de mango que exporta una empresa mensualmente es una
variable con una media de 25 toneladas y una desviación estándar de cuatro
toneladas. Encontrar la probabilidad de que la cantidad exportada en tres
años sea menor a 920 toneladas. Asuma independencia entre las cantidades
mensuales exportadas.
Sean i=1,…,36 Xi := Toneladas exportadas en el mes i  Xi ~ (25, 42)
 S = Σ Xi ~ N( n25, n42 ), donde n=36
P{ S < 920 } = P{ (S-μS)/Ϭ S < (920 - μS)/Ϭ S }
= P{ ZS < ( 920 - μS)/Ϭ S } = P{ ZS < ( 920 – 36(25))/6(4) }
= P{ ZS < 0.8333 } = 0.79673
Ejercicio
Los ingresos por factura en un restaurante pueden modelarse con una
variable aleatoria de media 84 soles y desviación estándar 12 soles.
¿Cuál es la probabilidad de que los ingresos totales por 100 facturas
elegidas al azar sean de más de 8650 soles?
Sean i=1,…,100 Xi := Valor de la factura i  Xi ~ (84, 122)
 S = Σ Xi ~ N( 100(84), 100(122) )
P{ S > 8650 } = 1 - P{ S ≤ 8650 }
= 1 - P{ (S-μS)/Ϭ S ≤ (8650 - μS)/Ϭ S }
= 1 - P{ ZS ≤ (8650 - 8400)/120 }
= 1 - P{ ZS ≤ 2.08333 } = 1 – 0.98124 = 0.01876
Tarea en Grupo
Un lote está conformado por 100 bolsas de yeso, los pesos de las
bolsas pueden ser considerados como variables aleatorias
independientes e idénticamente distribuidas. Calcule la probabilidad de
que el peso total del lote no exceda la capacidad máxima de 540 kilos.

a) Considere que los pesos siguen una distribución normal con media
de 5 kilos y desviación estándar de 3 kilos.
b) Considere que los pesos siguen una distribución exponencial con
media de 5 kilos.
 Aplicación del Teorema central del límite - 1
Sea X1, X2,…, Xn una muestra aleatoria de tamaño n de la variable
aleatoria X tal que E(Xi) = μ, V(Xi) = 2 (i = 1, 2,…, n).
Se define la variable aleatoria media muestral como:
n

X i
X i 1
n

  
2
 X  N   ,  , siempre y cuando n  30
 n 
 Aplicación del Teorema central del límite - 2
La distribución de una variable aleatoria X ~ B(n, p)
 se puede aproximar por una distribución X ≈ N(np, npq)
siempre y cuando n ≥ 30.
Además, la aproximación es buena si se verifica que:
 np es mayor a 5 y nq = n(1-p) es mayor a 5.
 Aplicación del Teorema central del límite - 3
Sea X ~ B(n, p)
Se define la variable aleatoria proporción muestral como:

X
P
n

 p 1  p  
 P  N p ,  , siempre y cuando n  30
 n 
Ejercicio
El peso de los pasajeros que abordan un ómnibus de transporte
interprovincial tiene una media de 60 kilogramos y una desviación
estándar de 19 kilogramos. Si se sabe que los 72 asientos de pasajeros
están ocupados, ¿cuál es la probabilidad de que el peso medio de los
pasajeros supere los 65 kilogramos?
Sean i=1,…,72 Xi := Peso del pasajero i  Xi ~ (60, 192)
 M = Σ Xi /n ~ N( 60, 192/72 )
P{ M > 65 } = 1 – P{ M ≤ 65 }
= 1 – P{ (M-μM)/Ϭ M ≤ (65 - μM)/Ϭ M }
= 1 – P{ ZM ≤ (65 - 60)/(19/6√2) } = 1 – P{ ZS ≤ 2.23297 }
= 1 – 0.98713 = 0.01287
Ejercicio
Por un estudio previo se estima que la probabilidad de que un elector
vote por la elección del candidato oficialista es del 25%. Si 1000
electores son entrevistados uno por uno de manera independiente,
encontrar la probabilidad de que por lo menos 275 de ellos voten por
el candidato oficialista.
X := número de electores que votarían por el candidato oficialista
n = 1000, p = 0.25  X ~ B(n, p )  X → N(np, np(1-p) )
P{ X > 275 } = 1 – P{ X ≤ 275 }
= 1 – P{ (X-μX)/Ϭ X ≤ (275 - μX)/Ϭ X }
= 1 – P{ ZX ≤ (275 - 250)/(2.5√30) } = 1 – P{ ZS ≤ 1.8257 }
= 1 – 0.96638 = 0.03362
Ejercicio
El porcentaje de los clientes de una tienda por departamentos que
paga con la tarjeta de crédito de la tienda es 72%. Si se toma una
muestra aleatoria de 250 clientes, calcule la probabilidad de que menos
de 75% de los clientes de la muestra paguen con tarjeta de crédito.
X := número de clientes que pagan con la tarjeta de crédito
n = 250, p = 0.72  X ~ B(n, p )  P=X/n → N(p, p(1-p)/n )

P{ P < 0.75 } = P{ (P-μP)/Ϭ P ≤ (0.75 - μP)/Ϭ P }

= P{ ZP ≤ (0.75 – 0.72)/ 0.72∗0.28 /250 }
= P{ ZP ≤ 1.05644 }
= 0.85543