Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Objetivos Específicos
Que el estudiante:
Determine los valores posibles que pueden asumir las variables aleatorias involucradas en
cada modelo.
Conozca el manejo de las tablas usuales y como las mismas fueron calculadas a través de
sus respectivas funciones de probabilidad y de acumulación.
26
Probabilidades y Estadística
Contenidos
27
Probabilidades y Estadística
Un modelo probabilista, nos permite decir sólo que, dadas ciertas condiciones
iniciales, ocurrirán ciertos estados con tales y tales probabilidades. Es decir, dadas las
condiciones iniciales, un modelo probabilista nos permite deducir una distribución de
probabilidades de posibles estados subsiguientes, que son valores de una variable
aleatoria.
Ejemplos:
Extraer al azar un número n de objetos, de una población en que hay solo dos
características, por ejemplo hombres y mujeres. El modelo Binomial describe las
probabilidades de obtener 0, 1, 2,.., n con una de las características.
Como puede observarse en los casos planteados hay diferentes modelos, todos
ellos, aplicables en diferentes situaciones, según distinguimos seguidamente:
28
Probabilidades y Estadística
La aplicación del modelo adecuado nos permitirá determinar el total de valores posibles
para la variable aleatoria y sus correspondientes probabilidades de ocurrencia a través de sus
Funciones De Probabilidad y Funciones De Distribución.
Las variables aleatorias discretas, pueden tomar valores que difieren entre sí en
valores finitos.
Características
Ejemplo:
Variable
Probabilidad
Característica Probabilidad Aleatoria
P(y=yi)
yi
Desempleado 0,10 1 P(y=1)=P=0,10
Empleado 0,90 0 P(y=0)=Q=1-P=0,90
29
Probabilidades y Estadística
Los dos sucesos, éxito y fallo, son de naturaleza cualitativa, pero se pueden
convertir en cuantitativos asignándoles el valor 1 al éxito y el valor 0 al fallo.
Sea y una variable aleatoria de Bernoulli con los posibles valores 0 y 1. Sea así
mismo P, la probabilidad de éxito y Q = 1 -P la probabilidad de fallo.
y P( y)
0 Q=1–P
1 P
P y 1 P
1 y
y 0,1
P y
0 otro y
Parámetros
E y y P y 0 Q 1 P P
1
Así:
Y 0
Y 0
2
V y y 2 P y E y 02 Q 12 P P 2 P P 2 PQ
PQ
30
Probabilidades y Estadística
E( y ) = P = 0 ,90
σ 2 = PQ = 0 ,90 x 0 ,10 = 0 ,09
y
Características
y
i 1
i
Se introduce ahora una nueva variable aleatoria x que se llama Variable Aleatoria
Binomial y que se utiliza para designar el número de éxitos en una muestra de n
observaciones tomadas por el Proceso de Bernoulli, esto es:
n
x yi
i 1
Esta distribución se basa, según vimos anteriormente en el supuesto de:
1. Se repite una prueba simple un número n de veces, cada una de ellas independientes
entre sí y bajo las mismas condiciones.
31
Probabilidades y Estadística
Si a partir de un experimento aleatorio que tiene sólo dos resultados posibles, mutuamente
excluyentes y colectivamente exhaustivos, "éxito" y "fracaso", donde P es la probabilidad de
obtener éxito en cada repetición, se realizan n repeticiones independientes, la Distribución del
Número de Éxitos, x, resultante se denomina Distribución Binomial.
x ≈ B (n, P)
La Distribución Binomial está completamente definida por n y por P, los
parámetros de la distribución.
Nuestro estudio consiste en determinar una función que nos dé en forma directa
las probabilidades respectivas para los valores posibles de la variable aleatoria Binomial,
es decir de 0 hasta n, según mencionamos anteriormente.
Ejemplo:
¿Cuál es la probabilidad de obtener dos caras cuando se tira tres veces una moneda con
probabilidad 1/2 de cara?
P(x = xi ; n ; P)
32
Probabilidades y Estadística
Cnx P x Q n x x 0,1,2,..., n
Prx xi , n, P
0 otro valor de x
n!
Donde C nx =
x! (n - x) !
1- n = 3
2- P = Q = 0,50, pues suponemos monedas perfectas
3- Los resultados son independientes dado que P = 0,50 permanece constante a lo largo
de todo el experimento.
Al tirar las tres monedas pueden producirse los siguientes resultados posibles
(eventos elementales) que constituyen el espacio probabilístico:
Cada evento elemental dará lugar a un valor para la variable aleatoria x, que
insistimos representa el número de caras (éxitos).
Así en (sss) no se presenta cara, por lo tanto x asume el valor cero; en (css), se
presenta una cara, por lo tanto x asume el valor 1 y así sucesivamente.
33
Probabilidades y Estadística
De manera tal que los distintos valores que x puede adoptar son:
0, 1, 2 y 3 (n +1 = 3 + 1).
Nos interesa encontrar la probabilidad de cada uno de estos cuatro valores
posibles.
Para facilitar el desarrollo llamemos y1, y2, y y3 a los tres resultados. Por otro lado
recordemos que al éxito lo representábamos con el número 1 (con probabilidad P
asociada) y al fallo con el número 0 (con probabilidad Q asociada), por lo cual los
eventos elementales quedarán indicados con 0 y 1 según sea fallo (sello) o éxito (cara)
respectivamente.
P(x = 0) = P(y1 = 0 y y 2 = 0 y y 3 = 0)
= P (y1 = 0)× P(y 2 = 0) × P(y 3 = 0), pueslos resultados son independientes
1 1
= Q × Q × Q = Q3 = ( )3 =
2 8
34
Probabilidades y Estadística
P(x = 3) = P(y1 = 1 y y 2 = 1 y y 3 = 1)
= P (y1 = 1)× P(y 2 = 1)× P(y 3 = 1)
1 1
= P × P × P = P 3 = ( )3 =
2 8
P(x = 0) = 1 P Q 0 3
P(x = 1) = 3 P1 Q2
P(x = 2) = 3 P Q1 2
P(x = 3) = 1 P Q0 3
En el ejemplo se tiene:
3! 3! 3! 3!
C 30 1 C 31 3 C 32 3 C 33 1
0! 3! 1! 2! 2!1! 3! 0!
35
Probabilidades y Estadística
x=x i Px xi n 3 P 1 / 2
0 1/8
1 3/8
2 3/8
3 1/8
Tal vez no resulte claro que cada una de las ocho sucesiones de la Tabla 1 sea una
combinación en vez de una permutación. Tomemos css por ejemplo. Aquí es y1 = 1, y2 =
0 y y3 = 0. Si tuviera importancia el orden de ocurrencia de estas tres observaciones,
entonces otras disposiciones ordenadas de estas tres observaciones, tales como (y2 = 0, y1 =
1, y3 = 0), (y3 = 0, y2 = 0, y1 = 1), (y2 = 0, y3 = 0, y3 = 1) y (y3 = 0, y1 = 0, y3 = 0), se considerarían
diferentes unas de otras. Pero en realidad son idénticas puesto que no interesa el orden
en que están dispuestas, lo que hace que constituyan una combinación.
xi
F x Px xi Px
x 0
En nuestro caso será:
xi
F x Px xi , n, P Cnx P xQ n x
x0
F F n Cnx P xQ n x 1
n
x 0
Ejemplo:
36
Probabilidades y Estadística
Pr (x=1 n=20 P=0,1) = 0,2702. Por tanto, con esta regla de decisión, la probabilidad de
que la compañía acepte el envío es
Y para P= 0,3
P (aceptar el cargamento) = 0,0008 + 0,0068 = 0,0076
Parámetros
Esperanza
n n
Si x yi E x E yi y por propiedad de esperanza matemática:
i 1 i 1
i 1 i 1
i 1
V x V y
n
i 1
V x PQ
n
i 1
V x nPQ x nPQ
Configuración
37
Probabilidades y Estadística
Ejemplo:
n = 4 y P = Q = 0,50
0 0,0625
1 0,2500
2 0,3750
3 0,2500
4 0,0625
Gráficamente:
n = 6 y P = Q = 0,50
0 0,0156
1 0,0938
2 0,2344
3 0,3125
4 0,2344
5 0,0938
6 0,0156
Gráficamente:
38
Probabilidades y Estadística
Ejemplo:
0 0,4096
1 0,4096
2 0,1536
3 0,0256
4 0,0016
Gráficamente:
Ejemplo:
0 0,0016
1 0,0256
2 0,1536
3 0,4096
4 0,4096
Gráficamente:
Tablas Usuales
39
Probabilidades y Estadística
Existen distintos formatos de tablas que están de acuerdo con lo que cada autor
considera mas conveniente, y generalmente cada texto cuenta con un apéndice en el cual
se presentan un conjunto de tablas para distintas distribuciones.
Tabla I, referida a la Función de Probabilidad, o sea Pr(x = xi, n, P). Las entradas
en la tabla son valores de Cnx P x Q n x para los valores indicados de n, x y P.
Ejemplo:
Observaciones:
a) Cuando P < 0,50 no se encontrase en la tabla por ser un número comprendido entre
los que figuran, el valor de C nx P x Q n x para un n, x y P dados, se obtiene por resolución
de la fórmula.
Ejemplo:
40
Probabilidades y Estadística
Ejemplo:
Prx 2 n 6 P 0,80
Al no encontrar P = 0,80 en tabla deberíamos resolver aplicando la fórmula, o sea:
Tabla II, referida a la Función de Acumulación, o sea Pr(x xi, n, P). Es decir
que acumula desde 0 hasta el valor dado de x, para n y P indicados.
Ejemplo:
1) Prx 4 n 6 P 0,10
No podemos resolver esta probabilidad en forma directa, pues la tabla acumulada para
valores X. Luego procederemos de la siguiente manera:
Ahora entramos directamente en tabla, buscando n = 10, luego en entre este grupo de
valores el 5 y en forma horizontal la intersección con P = 0,50.
Observaciones:
a) Cuando P < 0,50 no se encontrase en tabla por ser un número comprendido entre los
que figuran, el valor P(X x ) para una n, y P dados se obtiene por resolución de la
I
fórmula:
Ejemplo:
1
Pr (x ≤1 n = 4 P = 0 ,23) = ∑C 4x 0 ,23 x (0 ,77 )4- x
x =0
b) Cuando P > 0,50 (y complementario de los que figuran en la tabla) el valor P(x xi)
para un n, y P dados, se encontrara con x’ en lugar del valor x dado y 1 – P, en lugar del
valor P dado.
Ejemplo:
Prx 3 n 10 P 0,60
41
Probabilidades y Estadística
0
123
456
789
1
0x; P 0,60
1
0
987
654
321
0x' ; 1 P 0,40
Ejercicios:
1) Para: a) n = 3; b) n = 5, y siendo P = Q =1/2, hallar la función de probabilidad y la
función de acumulación de x.
a) n = 3 y P = 0,50 = 1/2
xi
x=x i Prx xi n 3 P 0,50 C P Q x
3
x 3 x
Prx xi n 3 P 0,50 C3x P xQ3 x
x 0
P x 1
x 0
b) n = 5 y P = 0,50 = ½
xi
x=x i Px xi C5x P xQ5 x Px xi C5x P xQ5 x
x 0
0 0,0313 = 1/32 0,0313
1 0,1563 = 5/32 0,1875
2 0,3125 = 10/32 0,50
3 0,3125 = 10/32 0,8125
4 0,1563 = 5/32 0,9687
5 0,0313 = 1/32 1
5
Px 1
x 0
i
42
Probabilidades y Estadística
c) Definir la variable aleatoria como el número de personas del Grupo A, que puede
tener la muestra y determinar su función de probabilidad.
d) Calcular la Esperanza y la Varianza de la Variable, del punto c).
Datos:
(Grupo 0) P (0) = 0,46
(Grupo A) P (A) = 0,40
(Grupo B) P (B) = 0,11
(Grupo AB) P (AB) = 003 n=4
Entonces:
Prx 2 n 4 P 0,46 C42 P 2Q 4 2 0,462 0,542
4!
2! 2!
4 3 2 1
0,2116 0,2916 0,3702
2 1 2 1
Nota aclaratoria:
Entonces:
Prx 0 n 4 P 0,03 C40 P 0Q 4 0,030 0,974 0,8853
4!
4! 0!
c) x: Grupo A P = 0,40
43
Probabilidades y Estadística
Entonces:
xA Px A Px x A n 4 P 0,40
0 0,1296
1 0,3456
2 0,3456
3 0,1536
4 0,0256
∑1
d)
x A Px A x A Px A x A Px A x A
2
0 0
0,3456 0,3456
0,6912 1,3824
0,4608 1,3824
0,1024 0,4096
1,6 3,52
4
E xA x Px 1,6
A A ó ExA nP 4 0,40 1,6
x A 0
3) Se lanza diez veces un tetraedro equilibrado que tiene tres caras pintadas de azul y una
de amarillo. Preguntas:
Datos:
n = 10
x: caras pintadas de azul P = 3/4 = 0,75
x’: caras pintadas de amarillo Q = 1/4 = 0,25
0
12
34
56
78
91
0
x P = 0,75
1
0
987
65
43
21
0x’ P = 0,25
x’ = n – x Q=1–P
3 = 10 – 7 0,25 = 1 – 0,75
44
Probabilidades y Estadística
0
123
456
789
1
0x P = 0,75
1
0
987
654
321
0x’ 1-P = 0,25
c) Pr(5 x 8 n = 10 P = 0,75) =
0
123
456
789
1
0x P = 0,75
10 9 8 7 6 5 4 32
10x’ P = 0,25
= Pr (2 x 5 n = 10 1–P = 0,25) =
= Pr(x’ 5 n = 10 1–P = 0,25) – Pr(x’ 1 n = l0 1–P = 0,25) =
= 0,9803 – 0,2440 = 0,7363
Características
45
Probabilidades y Estadística
A A N
X N–X
CNn xX
Finalmente, como cada grupo de los x éxitos puede combinarse con cada uno de
los grupos de los n–x fracasos, el total de casos está dado por el producto de ambos.
46
Probabilidades y Estadística
C Xx C Nn xX
P X x; N ; X ; n
C Nn
Y es una función de probabilidad o cuantía, que depende de tres parámetros:
N: Población dicotomizada
n: Tamaño de la muestra
Por otro lado, x es la variable real que indicará los valores esperados de la variable
aleatoria.
En el ejemplo dado:
Entonces:
5 15
P X 5, N 500, X 50, n 20
C50 C450
20
C500
C Xx CNn xX
P X x; N ; X ; n
CNn
Parámetros
Esperanza
47
Probabilidades y Estadística
X
Entonces E ( x) n
N
Varianza
N n X
V ( x) nPQ Donde P
N 1 N
X
y Q 1 P 1
N
Entonces
N n X X N n X N X
V ( x) n 1 n
N 1 N N N 1 N N
Desviación Estándar
N n X N X
X n
N 1 N N
Tablas Usuales
Ejemplo:
48
Probabilidades y Estadística
Si se extraen juntas al azar 4 fichas de una urna que contiene 6 fichas negras y 4
blancas, ¿Cuál es la probabilidad de que 2 ó menos fichas negras sean extraídas?
Datos:
N = l0
X=6
n=4
Entonces:
Pr(x 2, N = 10, n = 4, X = 6)
2
C6xC44 x C60C44 C61C43 C62C42
Prx 2, N 10, n 4, X 6 4 4 4 0,547619
x 0 C104 C10 C10 C10
0,1,2,..., n si n X
x
0,1,2,..., X si n X
Así, tendremos:
49
Probabilidades y Estadística
X
a) P , que simboliza y define a la Proporción Poblacional, donde X es el número
N
de éxitos en la población y N el tamaño poblacional.
x
yi
ˆ
b) p P i 1
, que simboliza y define a la Proporción Muestral, donde x es el
n n
número de éxitos en pruebas, n el tamaño muestral y “y” la variable aleatoria
Bernoulli.
Como se trata de una proporción, los valores de P̂ son por lo general valores
1 2
fraccionarios o decimales como: 0, , ,...,1 .
n n
Recordemos que una muestra aleatoria se puede tomar con o sin reemplazo:
Esto también es cierto cuando la muestra se toma de una población infinita sin
reemplazo, es decir cuando la unidad escogida no se vuelve a la población, siempre que
n< 5% s/N.
Esto también es cierto cuando la muestra se toma de una población infinita sin
reemplazo, es decir cuando la unidad escogida no se vuelve a la población, siempre que
n≥5% s/N.
50
Probabilidades y Estadística
C x P x 1 P
n x
x x 0,1,2,, n
Pr Pˆ Pˆi Pr Pˆ Prx xi n
n 0 otro x
xi
Pr Pˆ Pˆi Prx xi Cnx P x 1 P
n x
x 0
Parámetros
Esperanza
x
E Pˆ E pues Pˆ
x
n n
Entonces:
E Pˆ P
Varianza
V P
ˆ V
x
1
V x La varianza del producto de una constante y una
n n2
variable es igual al producto del cuadrado de la
constante por la varianza de la variable.
nP 1 P
1 Pues V(x) = n P(1–P), ya que x es una variable
n2 Binomial
P 1 P
n
Entonces: V P
ˆ P (1 P)
n
Desviación Estándar
P1 P
Pˆ
n
51
Probabilidades y Estadística
x C x C n x
P Pˆ Pˆi P Pˆ Prx xi X nN X
n CN
x C x C n x
xi
P Pˆ Pˆi P Pˆ Prx xi X nN X
n x 0 CN
Parámetros
En este caso, E Pˆ es todavía idéntica a P, pero la varianza debe ser ajustada por
un factor de corrección de población finita (FCPF) igual a: N n
N 1
ˆ P
E P
Entonces:
ˆ P 1 P N n
V P n N 1
P 1 P N n
Pˆ
n N 1
Ejemplo:
P1 P
P2ˆ En M.C.R.
n
P1 P N n
P2ˆ En M.S.R.
n N 1
52
Probabilidades y Estadística
supongamos que hay tan sólo cinco empleados en la compañía, en otras palabras que el
tamaño de la población es N =5 y se ha de elegir una muestra de 3 empleados.
NOTA: Evidentemente, en la práctica no tomaríamos una muestra de una población de 5 individuos, sino
que realizaríamos un censo.
Resolución:
1- Con reposición
xi P̂i
P Pˆi Prx xi n 3 P 0,40
Pˆi P Pˆi
Pˆi 2 P Pˆi Pˆi P Pˆi Pˆi
0 0 0,2160 0 0
1 1/3 0,4320 0,144 0,048
2 2/3 0,2880 0,192 0,1280
3 3/3 0,0640 0,064 0,064
1 0,40 0,24
Ahora calculamos:
4
E Pˆ Pˆi P Pˆi 0,40 E Pˆ P
i 1
53
Probabilidades y Estadística
0,24 0,40
4
V Pˆ Pˆi P Pˆi E Pˆi
2
0,08
2 2
i 1
2- Sin Reposición
xi P̂i
P Pˆi Prx xi N 5 X 2 n 3 C2xC33 x / C53
Pˆi P Pˆi
Pˆi 2 P Pˆi
0 0 0,10 0 0
1 1/3 0,60 0,20 0,0667
2 2/3 0,30 0,20 0,1333
1 0,40 0,20
Calculamos ahora:
4
E Pˆ Pˆi P Pˆi 0,40 E Pˆ P
i 1
0,20 0,40
4
V Pˆ Pˆi P Pˆi E Pˆi
2
0,04
2 2
i 1
Configuración
54
Probabilidades y Estadística
Características
Aunque no hay una manera única de elegir los subintervalos, y por eso no
conocemos n ni P, parece razonable que la probabilidad p de un accidente en uno de los
subintervalos decrecerá al dividir la semana en un número n cada vez mayor de
subintervalos.
e x
; x 0,1,2,...,
Px xi , x!
0 otro x
55
Probabilidades y Estadística
Es decir, surgen de procesos en los que hay una observación por unidad de
tiempo, espacio o volumen, que se caracterizan por el número de éxitos esperados en la
unidad específica, tal como la Distribución Binomial se caracteriza por el número de
éxitos en n pruebas.
56
Probabilidades y Estadística
e x
; x 0,1,2,...,
Px xi , x!
0 otro x
Donde e es una constante igual a 2,71828 y x es cualquier valor posible que puede
tomar X.
xi
e x
F x Px xi ; x 1,2,3,...,
x 0 x!
Parámetros
Esperanza E x nP
Varianza V x nP
Desviación Estándar DS (x ) = nP = λ = μ
Configuración
57
Probabilidades y Estadística
Tablas Usuales
e x
Las entradas de la tabla son valores de para los valores de x y n dados.
x!
Ejemplo:
Pr (x = 3; = 5) = 0,1404
Para responder al planteo utilizamos la Tabla III, donde ubicamos previamente el valor
de ó m que en nuestro caso es 5. Debajo de este valor aparecen un grupo de
probabilidades para cada valor de x; el resultado es entonces, el valor de probabilidad
que corresponde a x = 3 (0,1404).
Ejemplos:
a) Pr (x 2; = 4)
b) Pr (x 1; = 4) = 0,0916
La encontramos directamente en la tabla para = 4 buscamos x =1.
Ejercicios
(a) ninguna
(b) 2
(c) 5
(d) más de 5,
(e) entre 3 y 8, ambos inclusive
(f) 2 o menos, sean defectuosas (con algún error).
58
Probabilidades y Estadística
a) Pr (x = 0 = 3) = 0,0498
b) Pr (x = 2 = 3) = 0,2240
c) Pr (x = 5 = 3) = 0,1008
f) Pr (x 2, = 3) = 0,4232
2- Cierta ciudad tiene, en promedio, 12 muertes de tráfico cada tres meses ¿Cuál
es la probabilidad de que en cualquier mes haya:
a) Más de cuatro muertes de tráfico?
b) Exactamente cuatro muertes?
a) Pr ( x > 4 ; = 4) = 0,3712
b) Pr ( x = 4; = 4) = 0,1954
Pi 1 / N
Px xi
0 otro i
Gráficamente:
Pi
1/N
0 x1 x2 ... xn X
59
Probabilidades y Estadística
1/ 6 para x 1,2,3,4,5,6
Px xi
0 otro i
Gráficamente:
Pi
1/6
0 1 2 3 4 5 6 X
Ejemplo:
Si planteamos
Pr (x 2).
60
Probabilidades y Estadística
P 1 P 1
Bipuntual
() P P PQ PQ
0
xi
C n P 1 P n x Cnx P x 1 P n x
Binominal x x
(x) P X x
P( X xi , n, P)
nP nPQ nPQ
0 x 0
xi x n x
PX xi , N , n, k
n x Ck C N k
Hipergeométrica x
Ck C N k N n k k N n k k
P X x, N , n, k
(x) k
n n n 1 n 1
n
CN x 0 CN N N 1 N N N 1 N N
( P̂ )
Binomial
P Pˆ Pˆi P( X x, n, P)
P Pˆ Pˆi PX xi , n, P
P
P1 P P1 P
n n
P 1 P N n P 1 P N n
( P̂ ) Hipergeométrica
P Pˆ Pˆi P X x, N , n, k
P Pˆ Pˆi PX xi , N , n, k P
n N 1 n N 1
e x e x
xi
Poisson
(x) P X x, P( X xi , )
nP nP
x! x 0 x!
nP