Elementos de probabilidad

Variable Aleatoria y Modelo Binomial

Variable Aleatoria

𝑋 𝑋

Variable Aleatoria

𝑋: 𝑆 → 𝑅, 𝑡𝑎𝑙 𝑞𝑢𝑒 ∀𝑠 ∈ 𝑆 ⇒ 𝑋(𝑠) ∈ 𝑅

Una variable aleatoria es la característica bajo estudio, cuyo valor numérico es
determinado por un experimento aleatorio.

1|Página
2|Página
 Tipos de Variable Aleatoria (V.A.):

Ejemplos de variable aleatoria discreta








Ejemplos de variable aleatoria continua








Distribuciones de variables aleatorias discretas

𝑝(𝑋 = 𝑥𝑖 ) = 𝑝(𝑥𝑖 )

𝑝(𝑥𝑖 ) ≥ 0, ∀𝑥𝑖

3|Página
∑∞
𝑥=1 𝑝 (𝑥𝑖 ) = 1

𝐹(𝑥𝑖 ) = 𝑃(𝑋 ≤ 𝑥𝑖 ) = ∑ 𝑝(𝑥)

𝑥/𝑥 ≤𝑥𝑖

4|Página
 Valores característicos de variables aleatorias




Esperanza matemática E(X) o media poblacional µ

𝜇 = 𝐸(𝑋) = ∑ 𝑝(𝑥) ∗ 𝑥
∀𝑥

p p

𝜇 = 𝐸(𝑋) = ∑ 𝑝(𝑥𝑖 ) ∗ 𝑥𝑖 = 1,5 𝑐𝑎𝑟𝑎𝑠

𝑥=0

Variancia poblacional (𝜎2)

5|Página
 𝑉𝑎𝑟(𝑋) = 𝜎 2 = ∑(𝑥𝑖 − 𝜇)2 ∗ 𝑃(𝑋 = 𝑥𝑖 ) = 𝐸(𝑋 2 ) − 𝐸(𝑋)2

Desvío estándar (𝜎)

𝜎 = √𝑉𝑎𝑟(𝑋) = √∑(𝑥𝑖 − 𝜇)2 ∗ 𝑃(𝑋 = 𝑥𝑖 ) = √𝐸(𝑋 2 ) − 𝐸(𝑋)2

𝜎 𝜎

𝜎 2 = 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − 𝐸(𝑋)2 = 3 − (1,5)2 = 0,75

⇒ 𝜎 = √0,75 = 0,8 𝑐𝑎𝑟𝑎𝑠

𝐸(𝑋) = [(0 ∗ 0,9)] + [(1 ∗ 0,06)] + [(2 ∗ 0,02)] + [(3 ∗ 0,01)] + [(4 ∗ 0,01)] = 0,17
𝐸(𝑋) = 𝟎, 𝟏𝟕 𝒊𝒏𝒔𝒖𝒎𝒐𝒔

6|Página
𝑉𝑎𝑟(𝑋) = [(0 − 0,17)2 ∗ 0,9] + [(1 − 0,17)2 ∗ 0,06] + [(2 − 0,17)2 ∗ 0,02] + [(3 − 0,17)2 ∗ 0,01]
+ [(4 − 0,17)2 ∗ 0,01] =
𝑉𝑎𝑟(𝑋) = 0,02601 + 0,041334 + 0,066978 + 0,080089 + 0,146689 = 𝟎, 𝟑𝟔𝟏𝟏

𝜎 = √𝑉𝑎𝑟(𝑋) = √0,3611 = 𝟎, 𝟔𝟎𝟎𝟗 𝒊𝒏𝒔𝒖𝒎𝒐𝒔

Propiedades de la Esperanza Matemática



Propiedades de la Variancia


𝝈𝟐 𝝈𝟐 𝝈𝟐

𝝈𝟐 𝝈𝟐

𝝈𝟐 𝝈𝟐

Distribución Binomial

7|Página
 Ejemplos de Experimento de Bernoulli:






Experimento de Bernoulli

Distribución de probabilidad Bernoulli:

𝑝 𝑠𝑖 𝑥 = 1
𝑃(𝑋 = 𝑥) = {
1 − 𝑝 𝑠𝑖 𝑥 = 0

𝑃(𝑋 = 𝑥) = 𝑝 𝑥 ∗ (1 − 𝑝)1−𝑥 𝑥 = 0,1

Esperanza matemática E(X)

𝐸(𝑋) = ∑ 𝑥𝑖 ∗ 𝑃(𝑋 = 𝑥𝑖 ) = 1 ∗ 𝑝 + 0 ∗ (1 − 𝑝) = 𝑝

Variancia poblacional (𝜎2)

𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − 𝐸(𝑋)2 = [12 ∗ 𝑝 + 02 ∗ (1 − 𝑝)] − 𝑝2 = 𝑝 − 𝑝2 = 𝑝 ∗ (1 − 𝑝)

Desvío estándar (𝜎)

𝜎 = √𝑝 ∗ (1 − 𝑝)

Experimento Binomial

8|Página


12
𝑝 = 𝑃(é𝑥𝑖𝑡𝑜) = = 0,75
16

Distribución Binomial

 𝐴: 𝑠𝑢𝑐𝑒𝑠𝑜 é𝑥𝑖𝑡𝑜 𝑐𝑜𝑛 𝑃(𝐴) = 𝑝

 𝐴̅: 𝑠𝑢𝑐𝑒𝑠𝑜 𝑓𝑟𝑎𝑐𝑎𝑠𝑜 𝑐𝑜𝑛 𝑃(𝐴̅) = 1 − 𝑝

𝑛
𝑃(𝑋 = 𝑥) = ( ) 𝑝 𝑥 ∗ (1 − 𝑝)𝑛−𝑥 𝑥 = 0, 1, 2, … , 𝑛
𝑥

𝑋~𝐵𝑖(𝑛, 𝑝)

𝑛
𝑃(𝑋 = 𝑥) = ( ) 𝑝 𝑥 ∗ 𝑞 𝑛−𝑥 𝑥 = 0, 1, 2, … , 𝑛
𝑥

9|Página
 𝑝(𝑥𝑖 ) ≥ 0, ∀𝑥𝑖
𝑛
 ∑∞ 𝑥
𝑥=1 𝑝(𝑥𝑖 ) = ∑(𝑥 )𝑝 ∗ 𝑞
𝑛−𝑥
= (𝑝 + 𝑞)𝑛 = 1

Binomio de Newton

Esperanza matemática E(X)

𝐸(𝑋) = 𝑛 ∗ 𝑝

Variancia poblacional (𝜎2)

𝑉𝑎𝑟(𝑋) = 𝑛 ∗ 𝑝 ∗ (1 − 𝑝) = 𝑛 ∗ 𝑝 ∗ 𝑞

Desvío estándar (𝜎)

𝜎 = √𝑛 ∗ 𝑝 ∗ 𝑞

𝐴: 𝑐𝑎𝑟𝑎, 𝑃(𝐴) = 𝑝 = 0,5.

𝐴̅ = 𝑐𝑟𝑢𝑧, 𝑃(𝐴̅) = 1 − 𝑝 = 0,5.

5
𝑃(𝑋 = 𝑥) = ( ) 0,5𝑥 ∗ 0,5(5−𝑥) 𝑥 = 0, 1, … , 5
𝑥

𝑋~𝐵𝑖 ∗ (𝑛 = 5, 𝑝 = 0,5)

10 | P á g i n a
 5
𝑃(𝑋 = 3) = ( ) 0,53 ∗ 0,5(5−3) = 10 ∗ 0,125 ∗ 0,25 = 0,3125
3

1
𝑋~𝐵𝑖 ∗ (𝑛 = 3, 𝑝 = )
6
3 1 3 5 0 1
𝑃(𝑋 = 3) = ( ) ∗ ( ) ∗ ( ) = ( )3 = 0,0046
3 6 6 6

𝑋~𝐵𝑖 ∗ (𝑛 = 12, 𝑝 = 0,9) 𝑥 = 0,1, … ,12.

Y: n° de autos importados

𝑌~𝐵𝑖 ∗ (𝑛 = 12, 𝑝 = 0,1) 𝑦 = 0,1, … ,12.

12 12
𝑃(𝑋 ≤ 10) = 1 − 𝑃(𝑋 ≥ 11) = 1 − [( ) ∗ 0, 911 ∗ 0, 11 + ( ) ∗ 0, 912 ∗ 0, 10 ]
11 12
= 1 − 0,66 = 0,34

Utilizando la variable Y también se puede dar respuesta:

12 12
𝑃(𝑋 ≤ 10) = 𝑃(𝑌 ≥ 2) = 1 − 𝑃(𝑌 ≤ 1) = 1 − [( ) ∗ 0, 11 ∗ 0, 911 + ( ) ∗ 0, 10 ∗ 0, 912 ]
1 0
= 1 − 0,66 = 0,34

11 | P á g i n a
Uso de la tabla de la Distribución Binomial

𝑥~𝐵𝑖(𝑛 = 4, 𝑝 = 0,40)

𝑃(𝑋 = 0) = 0,1296
𝑃(≤ 3) = 0,9744

12 | P á g i n a
 𝑥~𝐵𝑖(𝑛 = 4, 𝑝 = 0,40)

P(X = 2) = P(≤ 2) − P(≤ 1) = F(2) − F(1) = 0,8208 − 0,4752 = 0,3456

13 | P á g i n a
 𝑥~𝐵𝑖(𝑛 = 4, 𝑝 = 0,40)

𝑃(𝑋 > 2) = 1 − 𝑃(≤ 1) = 1 − 𝐹(1) = 1 − 0,4752 = 0,5248

𝑥~𝐵𝑖(𝑛 = 4, 𝑝 = 0,40)
P(1 ≤ X < 3) = P(X < 3) − P(X < 1) = P(X ≤ 2) − P(X ≤ 0) = 𝐹(2) − 𝐹(0) = 0,8208 − 0,1296 =
0,6912

14 | P á g i n a
15 | P á g i n a