Está en la página 1de 31

VARIABLES

ALEATORIAS
DISTRIBUCIONES
PROBABILIDAD

Y
DE

VARIABLES ALEATORIAS
Supngase que a cada punto de un espacio muestral asignamos un
nmero. As definimos una funcin en el espacio muestral. Esta
funcin se llama variable aleatoria (o variable estocstica) o ms
precisamente funcin aleatoria (funcin estocstica). Comnmente
se denota por una letra mayscula como X Y. En general una
variable aleatoria tiene algn significado fsico, geomtrico u otro.
EJEMPLO 1: Supngase que se lanza una moneda dos veces de tal
forma que el espacio muestral es S= {cc, sc, cs, ss}. Represntese
por X el nmero de caras que pueden resultar. Con cada punto
muestral podemos asociar un nmero para X como se muestra en
la Tabla.

Se concluye que X es una variable aleatoria.

EJEMPLO 2: Supongamos que un vendedor de vehculos toyota, visita


a tres clientes un da determinado. Los resultados posibles de ese
experimento los podemos escribir en un espacio muestral de tal
manera que la letra V nos indica que la venta fue realizada, mientras
que la letra N nos indica que no se realiz la venta, as: S = {NNN,
NNV, NVN, VNN, NVV, VNV, VVN, VVV}. Como estamos interesados
en conocer el nmero de ventas efectuadas, entonces se le asigna un
valor numrico de
(0, 1, 2, 3) nmero
a cada uno
Resultados
de de los resultados del
(Elementos del
espacio muestral.
Espacio
muestral)

ventas
X

NNN
NNV
NVN
VNN
NVV
VNV
VVN
VVV

0
1
1
1
2
2
2
3


Los
valores numricos X del cuadro, los podemos resumir
como: {0, 1, 2, 3) nmero de ventas. Observemos que el valor
de X = 3, representa el punto muestral {VVV}, el valor numrico
de X = 2, representa el subconjunto del espacio muestral: {NVV,
VNV, VVN}, el valor de X = 1 representa el subconjunto del
espacio muestral {NNV, NVN, VNN} y por ltimo el valor X = 0
representa el punto muestral {NNN}.
VARIABLE ALEATORIA DISCRETA
Una variable aleatoria que toma un nmero finito o infinito
contable de valores (si se puede contar el conjunto de resultados
del experimento) se denomina variable aleatoria discreta
VARIABLE ALEATORIA CONTINUA
Una variable aleatoria que toma un nmero infinito no contable
de valores se llama variable aleatoria no discreta o continua.
DISTRIBUCIONES DE PROBABILIDAD DISCRETA
Sea X una variable aleatoria discreta y supngase que los
valores posibles que puede tomar estn dados por , , ,
ordenados en orden creciente de magnitud. Supngase tambin
que los valores se asumen con probabilidades dadas por:


Es conveniente introducir la funcin de probabilidad, tambin
conocida como la funcin densidad de probabilidad, definida por

Para (2) se reduce a (1) en tanto que para otros valores de x,


f(x)=0. En general f(x) es una funcin de probabilidad si

2.
donde la suma en (2) se toma sobre los valores posibles de x.
Una grfica de f(x) se llama grfica de probabilidad.


EJEMPLO
3: Supngase que se lanza una moneda dos veces de
tal forma que el espacio muestral es S= {cc, sc, cs, ss}.
Represntese por X el nmero de caras que pueden resultar(a)
Hallar la funcin de probabilidad correspondiente a la variable
aleatoria X y (b ) construir la grfica de probabilidad.
Solucin:
a. Suponiendo que la moneda es honrada tenemos:

As la funcin de probabilidad esta dada por:

(b ) construir la grfica de probabilidad.

Ejemplo 4: El experimento estadstico de lanzar una moneda 3


veces al aire para observar el nmero de caras obtenido genera
una distribucin de probabilidad discreta, pues solo es posible
obtener un nmero finito de caras desde cero hasta tres.
S = {CCC, CSS, CSC, CCS, SSC, SCC, SCS, SSS}.

Resultados
(Elementos
del Espacio
muestral)

nmero de caras
X

CCC
CSS
CSC
CCS
SSC
SCC
SCS
SSS

3
1
2
2
1
2
1
0

Los valores de probabilidad correspondientes son obtenidos si


tenemos en cuenta que los lanzamientos o ensayos son
independientes entre si
P(CCC)= , P(CSS)= , P(CSC)=, P(CCS)=, P(SSC)=, P(SCC)=,
P(SCS)=, P( SSS)=

As la funcin de probabilidad esta dada por:

Grfica de probabilidad.

MEDIA O VALOR ESPERADO DE UNA VARIABLE


ALEATORIA DISCRETA

El valor esperado o media, de una variable aleatoria es una


medida de la localizacin central de la variable aleatoria.
VARIANZA PARA UNA VARIABLE ALEATORIA DISCRETA
La varianza se usa para resumir la variabilidad en los valores de
la variable aleatoria.
La desviacin estndar
La desviacin estndar, es la raz cuadrada de la varianza y se
simboliza por
Ejemplo 5: El experimento estadstico de lanzar una moneda 3
veces al aire para observar el nmero de caras obtenido genera
una distribucin de probabilidad discreta, pues solo es posible
obtener un nmero finito de caras desde cero hasta tres.

S = {CCC, CSS, CSC, CCS, SSC, SCC, SCS, SSS}


La funcin de probabilidad esta dada por:(ver ejemplo 4)

DISTRIBUCIN BINOMIAL (Distribucin de probabilidad


discreta)
La distribucin de probabilidad binomial, est asociada a un
tipo de experimento, llamado proceso de Bernoulli (Jackes
Bernoulli 1654-1705). Una distribucin binomial implica el
cumplimiento de las siguientes puntos que constituyen el
proceso de Bernoulli:
1.

El experimento consiste en una serie de ensayos


idnticos.
2. En cada ensayo hay dos resultados posibles. A uno de
estos resultados se le llama xito y al otro se le llama
fracaso.
3. La probabilidad de xito, que se denota por p, no cambia
de un ensayo a otro. Por ende, la probabilidad de fracaso ,
que se denota por , tampoco cambia de un ensayo a otro.
4. Los ensayos son independientes.
La probabilidad binomial de obtener x xitos en n
ensayos, con probabilidad de xito p y probabilidad de
fracaso q, la simbolizamos como B(x, n, p) y su frmula es

Ejemplos 6: La ltima novela de un autor ha tenido un gran


xito, hasta el punto de que el 80% de los lectores ya la han
ledo. Un grupo de 4 amigos son aficionados a la lectura:
Cul es la probabilidad de que el grupo hayan ledo la novela
2 personas?
n=4
p=0,8
q=0,2

Y cmo mximo 2?

Ejemplo8:

a.

b.

c.

Valor esperado y Varianza en la distribucin Binomial

DISTRIBUCIN CONTINUA DE PROBABILIDAD


Si X es una variable aleatoria continua la probabilidad de
que X tome un valor determinado generalmente es cero.
Por tanto no podemos definir una funcin de probabilidad
en la misma forma que para una variable aleatoria
discreta. Para llegar a una distribucin de probabilidad
para una variable aleatoria continua notamos que la
probabilidad de que X se encuentre entre dos valores
diferentes tiene significado.
Ahora bien, para calcular la probabilidad de un intervalo,
es necesario generar un rea bajo la curva que represente
dicho intervalo, de tal suerte que la curva est definida
por una funcin de densidad o ecuacin matemtica que
simbolizamos como f(x) y que permitir el uso de
integrales para as poder calcular el rea correspondiente
bajo la curva. La funcin f(x), es una funcin de densidad
para la variable aleatoria continua X, si se cumple:

Nota:
Para el caso continuo se cumple que:

Distribucin Normal (Distribucin de probabilidad continua)


Definicin: Sea X una variable aleatoria continua, se dice que X tiene una
funcin de densidad con distribucin normal, si y solo si:

Funcin de densidad Normal Estndar

En este texto simbolizaremos con la letra Z cuando una variable


tenga distribucin normal estndar.

Tiene distribucin normal estndar

Ejemplo: Se cree que la estatura de los estudiantes de ciencias


econmicas que ingresaron al primer semestre en el 2013 a la
Universidad del Norte esta normalmente distribuida con media 1,65 m y
desviacin estndar 0,2 m; de ser cierta tal afirmacin, Que porcentaje
de los estudiantes que ingresaron en el primer semestre de 2013 tienen
una estatura inferior a 1,75 m?

Desde el punto de vista grafico, lo que se quiere es determinar que


porcentaje del rea bajo la curva con distribucin normal de media 1,65
m y desviacin estndar 0,2 m queda a la izquierda del valor 1,75

Ejemplo2: Sea X una variable aleatoria que representa la inteligencia


medida por medio de pruebas CI si X tiene , obtener las
probabilidades de que X sea:
a) Mayor que 100.
b) Menor que 85.
c) A lo ms 112
d) Por lo menos 108.
e) Ms grande que 90.
f) Entre 95 y 120.
Solucin

Distribucin de Poisson (Discreta)

X= Nmero de xitos obtenidos por unidad de tiempo o de


espacio
Para determinar la probabilidad de que ocurran k xitos por unidad
de tiempo, rea, o producto, la frmula a utilizar sera:

: Valor esperado o nmero medio de ocurrencias en un intervalo


e: 2,71828
Propiedades

Ejemplo:Un entomlogo examina una planta de algodn y cuenta el


nmero dehuevecillosde un insecto por planta. De estudios
anteriores se sabe que bajo las condiciones del experimento el
nmero dehuevecillospor planta puede representarse por una
distribucin dePoissoncon= 0.9. Si se selecciona una planta al
azar, calcular la probabilidad de que se encuentren cuando mucho
3huevecillos.
Solucin:

Las probabilidades de que el entomlogo encuentre 0, 1, 2,


3,huevecillospor planta son:

Entonces:

Bibliografa

Estadstica Hugo Gmez Giraldo pdf 2009


Teora y problemas de probabilidad de estadstica por
Murray R. Spiegel Ph.D McGraw-Hill
http://
www.ditutor.com/distribucion_binomial/distribucion_binom
ial.html
Notas de clase del profesor Martn Daz Universidad del
Norte.
Estadstica para Administracin y Economa. AndersonSweeney-Williams.
http://148.204.211.134/polilibros/Portal/Polilibros/P_termin
ados/PROBABILIDAD/doc/Unidad%202/2.9.HTM