Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADISTICA “D”
Variable aleatoria
Dado un experimento aleatorio E, el espacio
muestral es una descripción de los resultados
posibles.
EJEMPLO
• Considere un experimento aleatorio en el que se lanza tres
veces una moneda. Sea X: número de caras en 3
lanzamientos. Sea C el resultado de obtener una cara y K el
de obtener una cruz.
• El espacio muestral para este experimento será:
Ejemplo
0,80
X 0 1 2 3
Probabilidad
0,60
P(X=x) 1/8 3/8 3/8 1/8
0,40
0,20
0,00
0 1 2 3
Número de caras en tres lanzamientos
• FX(0)=P(X≤0)=1/8 1
si 0 ≤ x < 1
8
• FX(1)=P(X≤1)=4/8 4
Otra forma de FX(x) = si 1 ≤ x < 2
• FX(2)=P(X≤2)=7/8 expresar
8
7
• FX(3)=P(X≤3)=8/8 8
si 2 ≤ x < 3
1 si x ≥ 3
6-10
E(X)=0*1/8+1*3/8+2*3/8+3*1/8=1.5 caras
6-11
Para el ejemplo:
V(X)=[02*1/8+12*3/8+22*3/8+32*1/8]-1.52= 0.75
X 0 1 2
P(X=x) 0.10 0.45 0.45
23
Distribución Binomial
• Algunos experimentos consisten en la
observación de una serie de pruebas o ensayos
idénticos e independientes, los cuales pueden
generar uno de dos resultados.
5!
Prob( X = x ) = (0.4) x (0.6)5− x
x!(5 − x)!
para x = 0, 1,..., 5
Las probabilidades para el número de éxitos (ventas
logradas) al visitar 5 familias:
X 0 1 2 3 4 5
P(X=x) 0,0778 0,2592 0,3456 0,2304 0,0768 0,0102
Esperanza y varianza de una variable
aleatoria Binomial
Se X una v.a binomial basada en n ensayos y
con probabilidad de éxito p, X~B(n,p).
Entonces:
• E(X)=n*p
• V(X)=n*p*q
Para nuestro ejemplo del vendedor de seguros
E(X)=5*0.40=2 indica que de cada 5 familias visitadas en
promedio en 2 se logra la venta del seguro.
V(X)=5*0.40*0.60
Tabla Distribución Binomial
Ejemplo uso de tabla Distribución
Binomial
• El Ministerio de Trabajo reporta en su ultimo informe que el
10% de la población económicamente activa esta
desempleada. Si se tomara una muestra aleatoria de 15
personas de esta población económicamente activa y se
definiera como variable de estudio X: Nº de personas
desempleadas en la muestra de 15. ¿Cuál sería la
probabilidad resultante para cada uno de los siguientes
casos?
P(X=3)=0.1285
P(x 3)=1-P(X<3)=1-[P(X=0)+P(X=1)+P(X=2)]=1-0.816=0.184
P(x 1) = 1-P(X=0)=1-0.2059= 0.7941
P(x 2)=P(X=0)+P(X=1)+P(X=2)=0.816
Ejemplo Binomial integrador
Un inspector de control de tráfico reporta que el 70% de los vehículos que pasan por un punto de verificación
tienen sus papeles en regla. De los próximos 10 vehículos que pasan por el punto de verificación:
a) ¿Qué tan probable es que el Nº de vehículos entre 10 que tienen todos los papeles en regla sea:
I) más de 7?
II) por lo menos 7?
b) ¿Qué tan probable es que el Nº de vehículos entre 10 que NO tienen todos los papeles en regla sea:
I) a lo sumo 7?
II) menos de 7?
c) ¿Cuál es el Nº esperado de vehículos entre 10 con todos los papeles en regla? ¿Y el correspondiente
para los vehículos que NO tienen todos los papeles en regla?
d) ¿Cuál es el desvío estándar del Nº de vehículos con todos los papeles en regla? ¿Y el correspondiente
para los vehículos que NO tienen todos los papeles en regla?
e) ¿Qué tan probable es que el Nº de vehículos entre 10 que tienen todos los papeles en regla coincida con su valor
esperado?
µ= E(X)=λ
2= Var(X)=λ
= λ
Tabla Distribución de Poisson
Ejemplo Poisson
A partir de datos suministrados por la Comisión Nacional Reguladora de
transporte (CNRT) se sabe que el promedio de camiones que llegan a un
puesto de Revisión Técnica Obligatoria (RTO) es de 2 por hora. Si suponemos
que la variable aleatoria X: número de camiones que llegan por hora a un
puesto de verificación técnica obligatoria sigue una distribución de Poisson y
además como dato extra se conoce que las instalaciones pueden atender
como máximo 4 camiones por hora. A partir de esta información:
1) Calcular la probabilidad de que en una hora dada no lleguen camiones
X: número de camiones que llegan por hora a un puesto de verificación técnica obligatoria X P(=2)
P(X=0)=0.1353
3) Calcular la probabilidad de que en una hora dada queden camiones sin atender
X: número de camiones que llegan por hora a un puesto de verificación técnica obligatoria X P(=2)
P(X>4)=1-P(X 4)=1-0.9473=0.0527
Otro Ejemplo Poisson
Una empresa posee un número telefónico gratuito a disposición de los clientes para registrar las
quejas relacionadas con algún producto comprado a la empresa. Se reciben en promedio 0.4
llamadas por minuto. Suponiendo que la variable aleatoria número de llamadas que recibe la
empresa a su número gratuito en un período específico posee una distribución de Poisson:
P(X=0)= 0.6703
2) ¿Cuál es la probabilidad de que la empresa reciba más de 2 llamadas al número gratuito en un intervalo de 5
minutos?
X: número de llamadas que recibe la empresa a su número gratuito en un intervalo de 5 minutos X P(=2)
Obsérvese que dado que el recorrido de la variable es infinito numerable para calcular P(X>x)o P(X≥x) debe
recurrirse a la probabilidad del complemento.
Otro Ejemplo Poisson
• Un nuevo proceso de producción automatizado causa,
en promedio, 1.5 fallas por día. Debido a los altos
costos asociados con cada falla, la dirección de la
empresa está preocupada con la posibilidad de tener
3 o más fallas por día. Si suponemos que la v.a N° de
fallas por día posee una distribución de Poisson ¿Qué
tan probable es que esto ocurra un día cualquiera?
X=n° de fallas por día X P(=1.5)
P(X≥3)=1-P(X<3)=1-[P(X=0)+P(X=1)+P(X=2)]=1-[0.2231+0.3347 +0.2510]=0.1912