Documentos de Académico
Documentos de Profesional
Documentos de Cultura
VARIABLES ALEATORIAS
DEFINICION: Sea 𝑺 un espacio muestral en el que se define una función de probabilidad.
Sea 𝑿 una función de valores reales definida en 𝑺, entonces se dice que 𝑿 es una variable
aleatoria. La función cuyo valor es un número real determinado por cada elemento en el
espacio muestral se llama variable aleatoria. La variable aleatoria siempre la denotamos con
cualquier letra mayúscula.
1
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
𝑋 𝑥1 = 0 𝑥2 = 1 𝑥3 = 2
𝑓 (𝑥 ) = 𝑃 (𝑋 = 𝑥 ) 1 2 1
4 4 4
Nótese que los valores de 𝑥 agotan todos los casos posibles y por lo tanto sus
probabilidades suman uno.
2
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
A los valores que toma la variable aleatoria se los denomina recorrido. En nuestro ejemplo
el recorrido será:
𝑅𝑥 = {0, 1, 2}
En este caso el recorrido es finito.
EJEMPLO: Supongamos un contador Geiger. ¿Cuántas partículas podrá emitir?
𝑅𝑥 = {0, 1, 2, … } El recorrido es infinito numerable.
DEFINICIONES
1- 𝑓 (𝑥 ) ≥ 0 𝑓 (𝑥 ) = función de probabilidad de la v. a. 𝑋
2- ∑∀𝑥 𝑓 (𝑥 ) = 1 [𝑥, 𝑓 (𝑥 )] = distribución de la v. a. 𝑋
3
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
𝑋 𝑃 (𝑋 )
P(X)
0 1 3
8
8
1 3
8
2 3 1
8
8
X
3 1 1 2 3
8
Cuando 𝑋 está definida sobre un espacio muestral continuo, es posible que 𝒇 (𝒙) tenga
es decir que todos los valores de la variable aleatoria discreta 𝑿 tome los posibles valores
menores o iguales que 𝒙.
4
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
EJEMPLO: Supongamos que 𝑿 es una variable aleatoria que toma los siguientes valores:
0.40 𝑥 =0
𝑝(𝑥 ) = {0.30 𝑥 =1
0.20 𝑥 =2
0.10 𝑥 =3
PROPIEDADES:
P(X)
1
0.9 1. 𝐹 (−∞) = 0
0.8
0.7
0.6 2. 𝐹 (+∞) = 1
0.5
0.4
3. Es una función creciente
0.3
0.2
0.1 ∴ 𝑎 ≤ 𝑏 → 𝐹 (𝑎 ) ≤ 𝐹 (𝑏 )
X
1 2 3
5
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
𝐸 [𝑋 ] 𝑉 [𝑋 ]
1- Sea 𝑪 una constante y 𝑿 la variable aleatoria.
𝐸 [𝐶 ] = 𝐶 𝑉 [𝐶 ] = 0
𝐸 [𝑋 ∙ 𝐶 ] = 𝐶 ∙ 𝐸 [ 𝑋 ] 𝑉 [𝑋 ∙ 𝐶 ] = 𝐶 2 ∙ 𝑉[𝑋]
𝐸 [𝑋 + 𝐶 ] = 𝐶 + 𝐸 [𝑋] 𝑉 [𝑋 + 𝐶 ] = 𝑉[𝑋]
2- Sean 𝑿 e 𝒀 variables aleatorias independientes
𝐸[𝑋 ± 𝑌] = 𝐸 [𝑋] ± 𝐸 [𝑌] 𝑉 [𝑋 ± 𝑌] = 𝑉 [𝑋] + 𝑉 [𝑌]
𝐸 [𝑋𝑌] = 𝐸 [𝑋]𝐸 [𝑌]
6
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
g(x)
𝑋~𝑔(𝐸 [𝑋], 𝑉[𝑋])
𝑋 − 𝐸 [𝑋 ]
𝑧=
√𝑉[𝑋]
𝑋 − 𝐸 [𝑋] 1 1
𝐸 [𝑍] = 𝐸 [ ]= (𝐸[𝑋 − 𝐸 [𝑋]]) = [𝐸[𝑋] − 𝐸 [𝑋]] = 0
√𝑉[𝑋] √𝑉[𝑋] √𝑉[𝑋]
𝑋 − 𝐸 [𝑋 ] 1 1
𝑉[𝑍] = 𝑉 [ ]= 𝑉[𝑋 − 𝐸[𝑋]] = 𝑉[𝑋] = 1
√𝑉[𝑋] 𝑉[𝑋] 𝑉 [𝑋 ]
por lo tanto, para la variable aleatoria 𝒁 tendremos que 𝒁~𝒉(𝟎, 𝟏), esto nos dice que 𝒁 es
una variable estandarizada.
Vamos a ver las distribuciones discretas más utilizadas. Ejemplos resueltos mediante su
definición, mediante tablas, y software específico.
7
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
DISTRIBUCIONES DISCRETAS
1. DISTRIBUCION BINOMIAL
Si un ensayo binomial puede dar por resultado un éxito con probabilidad 𝒑 y un fracaso con
probabilidad 𝒒 = 𝟏 − 𝒑 , la distribución de probabilidad de la variable aleatoria 𝑿 , el
número de éxitos en 𝒏 ensayos independientes, es:
𝑛
( ) 𝑝 𝑥 𝑞𝑛−𝑥 𝑥 = 0,1,2, … , 𝑛
𝑝(𝑥 ) = 𝑏(𝑥, 𝑛, 𝑝) = { 𝑥
0 en otro lugar
Un experimento binomial es aquel que posee las siguientes propiedades:
1. Hay dos resultados posibles en cada ejecución (éxito y fracaso).
2. Hay 𝒏 ejecuciones independientes del experimento.
b) sobrevivan a lo más 2?
2 2
15
𝑃(𝑋 ≤ 2) = ∑ ( ) (0.4)𝑥 (0.6)15−𝑥 = ∑ 𝑏(𝑥, 15, 0.4) = 0.0271
5
𝑥=0 𝑥=0
8
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
9
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
Para obtener las probabilidades mediante las tablas provistas por la cátedra, se podrá utilizar la
tabla de Distribución de probabilidad Binomial puntual o acumulada.
Por ejemplo, para una distribución binomial con 𝑛 = 19 y 𝑝 = 0.5, se desea obtener la siguiente
probabilidad :
En este caso:
Otro ejemplo:
10
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
Una vez seleccionado el valor de 𝑛, se intersectan las filas correspondientes a los valores de
𝑥 y el valor de 𝑝 correspondiente.
En el ejemplo 𝑥 = 1, 𝑝 = 0.5 y 𝑥 = 3 𝑝 = 0.5.
Con lo que se obtiene:
𝑃(2 ≤ 𝑥 < 4) = 𝑃(2 ≤ 𝑥 ≤ 3) = 𝐹(3) − 𝐹(1) = 0.8125 − 0.1875 = 0.625
A continuación, se realizarán los mismos ejemplos utilizando el software GeoGebra para realizarlo:
11
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
En esta ventana debe seleccionarse la distribución deseada. En este caso, Binomial. Luego se
selecciona el valor de 𝑛 y 𝑝. Tambien deben seleccionarse el límite inferir y superior entre los que
se desea calcular la probabilidad. En el caso de ser probabilidades puntuales se coloca el mismo
valor en ambos límites. En nuestro caso 𝑃(12 ≤ 𝑥 ≤ 12) y de esta manera da como resultado la
probabilidad deseada:
12
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
Obteniendose:
Para resolver estos dos ejemplos mediante Excel, se debe dar click en la pestaña Fórmulas, luego
en Estadísticas y finalmente DIST.BINOM.N
13
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
Donde:
- Núm_éxitos = 𝑥
- Ensayos = 𝑛
- Prob_éxito = 𝑝
- Acumulado: es n valor lógico que representa si deseamos el valor acumulado o el puntual
Para el ejemplo:
𝑛 = 19 y 𝑝 = 0.5
𝑃(𝑥 = 12)
14
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
15
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
2. DISTRIBUCIÓN GEOMÉTRICA
𝑃 (𝑋 = 5) = 𝑞𝑞𝑞𝑞𝑞𝑝 = 𝑞4 𝑝
Entonces podemos decir que:
1
𝐸 [𝑥 ] =
𝑝
𝑋~𝑔(𝑥, 𝑝) → 𝑞
𝑉 [𝑥 ] = 2
{ 𝑝
16
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
3. DISTRIBUCIÓN HIPERGEOMÉTRICA
𝑋~ℎ(𝑥, 𝑁, 𝑛, 𝑘 )
Posee 2 propiedades:
17
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
(𝑘𝑥)(𝑁−𝑘
𝑛−𝑥
)
𝑥 = 0, 1, ⋯ , max(𝑛, 𝑘 )
ℎ(𝑥, 𝑁, 𝑛, 𝑘 ) = { (𝑁)
𝑛
0 en otra parte
Hay (𝒌𝒙) formas de seleccionar 𝒙 éxitos de los 𝒌 artículos que están disponibles y para cada
uno podemos seleccionar los 𝒏 − 𝒙 fracasos en (𝑵−𝒌
𝒏−𝒙
) formas. Donde (𝑵
𝒏
) son las muestras
posibles y (𝒌𝒙) (𝑵−𝒌
𝒏−𝒙
) las favorables.
𝑵−𝒏 𝒏 𝒏
Si 𝑵 es muy grande, el factor de corrección se convierte en = 𝟏 − 𝑵 donde se
𝑵 𝑵
denomina tasa de muestreo.
EJEMPLO: Un grupo de 5 personas se selecciona al azar entre 3 químicos y 5 físicos.
Encontrar la distribución de probabilidad para el número de químicos en el grupo.
a-
(3𝑥)(5−𝑥
5
)
ℎ(𝑥, 8, 5, 3) =
(85)
18
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
19
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
4. DISTRIBUCIÓN DE POISSON
Los experimentos que proporcionan valores numéricos de una variable aleatoria 𝑿 , el
número de éxitos que ocurren durante un intervalo de tiempo dado o en una región
especificada, se conoce con el nombre de experimento de Poisson. El intervalo de tiempo
dado puede ser de cualquier longitud: un minuto, un día, una semana, un mes e incluso un
año. La región especificada puede ser un segmento de recta, un área, un volumen, etc.
Los ejemplos clásicos son:
1. número de llamadas telefónicas que se reciben por día.
2. número de partículas emitidas.
3. número de accidentes.
4. número de errores de impresión.
𝑒 −𝜆 𝜆𝑥
𝑃0 = 𝑝(𝑥, 𝜆) = { 𝑥! 𝑥 = 0, 1, 2, ⋯ , ∞
0 en otro lugar
𝑛 𝑥 𝑛−𝑥 𝑒 −𝜆 𝜆𝑥
𝑛→∞
( )
lim 𝑝 𝑥 = 𝑛→∞
lim ( ) 𝑝 𝑞 =
𝑥 𝑥!
𝑝→0 𝑝→0
𝑛𝑝→𝜆 𝑛𝑝→𝜆
20
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
3
𝑒 −5 5𝑥
𝑃 (𝑋 > 3) = 1 − 𝑃 (𝑋 ≤ 3) = 1 − ∑ = 1 − 0.265 = 0.735
𝑥!
𝑥=0
b) exactamente 3 ladrillos?
𝑒 −5 53
𝑃 (𝑋 = 3) = = 0.141
3!
𝑒 −5 5𝑥 𝑅𝑥 = {0, 1, ⋯ , ∞}
𝑃 (𝑥 ) =
𝑥!
21
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
APROXIMACIONES
22
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
(81)(192
9
)
𝑃 (𝑋 = 1) =
(200
10
)
𝒏 𝟏𝟎
el cálculo se complica bastante pero como 𝑵 = 𝟐𝟎𝟎 = 𝟎. 𝟎𝟓 es bastante pequeño podemos
aproximar 𝑯𝒊𝒑 𝒃 (𝒙, 𝒏, 𝒑)
8
𝑝= = 0.04 → 𝑞 = 1 − 𝑝 = 0.96 𝑛 = 10
200
10
𝑃 (𝑋 = 1) = ( ) (0.04)1 (0.96)9 = 0.277
1
se complica mucho el cálculo por lo tanto podemos trabajar con Poisson ya que
𝑝 → 0, 𝑛 → ∞ y 𝜆 = 𝑛 ∙ 𝑝 = 4000 ∙ 0.001 = 4
6
𝑒 −4 4𝑥
𝑃(𝑋 ≤ 6) = ∑
𝑥!
𝑥=0
23
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
Ejercicios Propuestos
1- Un ingeniero industrial trabaja en una fábrica cuya norma de control de calidad que
consiste en elegir al azar 15 artículos producidos para determinar el número de
unidades defectuosas. SI se hallan tres o más unidades defectuosas se detiene la
producción y se realiza una inspección a los equipos. Por experiencias previas, la
probabilidad de que un artículo sea defectuoso es de 0.4.
a- Hallar la probabilidad de que la producción se detenga al aplicar esta norma
de control.
2- Cierto dispositivo electrónico posee una probabilidad de 0.9 de durar más de un año
sin fallar. Calcular la probabilidad de que en 20 de estos dispositivos:
a- 14 duren menos de un año.
b- A lo sumo 3 duren menos de un año.
c- Al menos 1 duren menos de un año.
5- Se pretende reparar una máquina de una industria. De las 8 piezas de repuesto con
las que se cuenta, se sabe que 3 están en buen estado y las restantes defectuosas.
Si se toman 3 piezas al azar. Calcular la probabilidad de:
a- Ninguna esté en buen estado.
b- Al menos una esté en buen estado.
c- Las tres estén en buen estado.
6- Se realiza una obra civil de gran envergadura y se deben colocar las aberturas. De
las 100 puertas enviadas, 20 se encuentran ligeramente dañadas. Seleccionando 10
puertas al azar, ¿Cuál es la probabilidad exactamente dos estén dañadas?
24
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
10- Un ingeniero electrónico realiza una red para transmisión de datos. Se sabe que la
cantidad de errores de transmisión en una hora es de 4 en promedio. Suponiendo
que tiene una distribución de Poisson:
a- Que en cualquier hora ocurran solamente 2 errores.
b- Que en cualquier hora ocurran al menos 2 errores.
c- Que en dos horas ocurran no más de 3 errores.
12- Se debe diseñar una pieza a realizarse con aluminio laminado. Se sabe que, en
promedio, cada rollo de 400 metros de aluminio laminado presenta 2 defectos.
¿Cuál es la probabilidad de que en 100 metros no tenga ningún defecto?
13- Se diseña una estructura en madera, sabiendo que el número de nudos en un tipo
de madera tiene un promedio de 1,8 nudos por metro cúbico. ¿Cuál es la
probabilidad de que un metro cúbico de madera tenga a lo más un nudo?
15- Una prueba de resistencia de soldadura consiste en poner carga en uniones soldadas
hasta que se produzca una ruptura. Para cierto tipo de soldadura, 80% de las
25
Unidad 3 VAD | Prof. Julia Mónica Ansín, Ing. Silvana Sofia Nelli
rupturas ocurre en la propia soldadura, mientras que otro 20% se da en las vigas. Se
prueba cierto número de soldaduras. Si llamamos X al número de pruebas,
incluyendo la primera prueba que da como resultado la ruptura de la viga. ¿Cuál es
la distribución de X?
16- Considere una fuente de comunicaciones que transmite paquetes que contienen
lenguaje digitalizado. Después de cada transmisión, el receptor envía un mensaje
que indica si la transmisión fue exitosa o no. Si la probabilidad de que el mensaje
sea transmitido correctamente es de 0.3 ¿Cuál es la probabilidad de que la tercera
vez que se transmite un paquete lo haga correctamente?
17- Se desea estudiar el proceso de fabricación de botellas para refrescos. Ya que si las
botellas presentan defectos de rajaduras no son aceptadas por los clientes. Se sabe
que en promedio 2 de cada 2000 artículos presentan 2 rajaduras o más. ¿Cuál es la
probabilidad de que en una muestra de 10000 se encuentren a lo sumo 8 botellas
con defectos?
18- Si un ingeniero civil requiere que el material a utilizar esté libre de defectos, de modo
que la probabilidad de que cualquier plancha dada contenga por lo menos un
defecto es de 0.005 y los errores son independientes de una plancha a otra, ¿cuál es
la probabilidad de que en 400 planchas exactamente una contenga defecto?
19- Una industria de la región compra un lote de 100 alarmas contra incendios que debe
instalar, se sabe que el cargamento trae 5 defectuosas. Si selecciona 3 de ellas al
azar, ¿cuál es la probabilidad de que una sea defectuosa?
26