Toda distribucin de probabilidad es generada por una

variable aleatoria x, la misma que puede ser de dos tipos:

Variable aleatoria discreta y variable aleatoria continua.
Variable: Se llama variable porque puede asumir
diferentes valores
Variable aleatoria: Se llama as porque el valor tomado es
totalmente aleatorio.
Variable aleatoria discreta: porque solo puede asumir
valores enteros.
Ejemplos:
X: Variable que nos define el numero de artculos
defectuosos en un lote de 1000 artculos producidos.
X: Variable que define el numero de alumnos aprobados
en la primera practica de Probabilidades y estadstica en
un grupo de 45 estudiantes.
X: Numero de caras que aparecen al lanzarse
simultneamente tres dados sobre una superficie plana.
Si observamos los diferentes ejemplos considerados
ninguno puede asumir valores fraccionarios, todos son
enteros.
Variable aleatoria continua: Se llama as porque puede
asumir valores enteros y fraccionarios y un numero
infinito de ellos.
Ejemplos:
X: variable que nos define la longitud de un cable.
X: Variable que nos define la resistencia al impacto de un
metal.
X: El ingreso de los docentes en las diferentes categoras.
Las variables que se mencionan nos
generan dos tipos de distribuciones de
probabilidad:
Distribucin de probabilidad de
variables aleatorias discretas
Distribucin de probabilidad de
variables aleatorias continuas.
CARACTERISTICAS DE UN DISTRIBUCION DE
PROBABILIDAD DE VARIABLE ALEATORIA
DISCRETA.
1. P( ) 0 Las probabilidades asociadas a cada uno de
los valores que asume x, necesariamente deben ser
mayores o iguales que cero. A estas distribuciones se
les conoce como funciones de cuanta.
2. =1 ( )= 1 La suma de las probabilidades asociadas
a cada uno de los valores que toma x es igual a la unidad.
CARACTERISTICAS DE UN DISTRIBUCION DE
PROBABILIDAD DE VARIABLE ALEATORIA
CONTINUA.
1. f(x)0 Las probabilidades asociadas a cada uno de los
valores que puede asumir x, deben ser mayores o
iguales que cero. A estas funciones se les denomina
funciones de densidad.

2. = 1
-
PROCESO DE CALCULO DE LA ESPERANZA Y
VARIANZA DE UNA V.A DISCRETA
E(x)=u==1 ( )
Aqu:
u: Es la media de la distribucin
E(x): Valor esperado de x
: Valores que toma la variable
P( ): Probabilidad asociada a los diferentes valores de la
variable.
Para calcular la varianza de la distribucin se utiliza la
siguiente formula:
2 ==1( )2 P( )
Aqu: 2 es la varianza de la distribucin
: Media o valor esperado de la distribucin
: Valores que toma la variable x
P( ): Probabilidad asociada a cada uno de los valores
que toma x.
Ejemplo: Considrese la probabilidad, de que el motor
de un auto nuevo sufra de algn desperfecto en los 12
primeros meses de uso es de 0,02, si se prueban tres
automviles de esta marca y modelo, encuentre el
numero esperado de autos que no sufren de algn
desperfecto en los primeros 12 meses de uso y su
desviacin estndar.
SOLUCION:
Se puede hacer uso del diagrama del rbol para lo cual
definimos:
N:No sufre algn desperfecto el motor los primeros doce
meses de uso.
S: Sufre algn desperfecto el motor los primeros doce
meses de uso.
Del rbol se determina el siguiente espacio muestral:
= , , , , , , ,
x: Variable que nos define el numero de autos que no
sufre de algn desperfecto durante los primeros doce
meses de uso.
x: 0,1,2,3 autos que no sufren algn desperfecto
Del motor en 12 primeros meses de uso.
P(x=0)=P(SSS)=0,02(0,02)(0,02)=0,000008
P(x=1)=P(NSS,SNS,SSN)=0,98(0,02)(0,02)+0,02(0,98)(0,
02)+(0,02)(0,02)(0,98)=0,001176.
P(x=2)=P(NNS,NSN,SNN)=0,98(0,98)(0,02)+0,98(0,02)(
0,98)+0,02(0,98)(0,98)=0,057624
P(NNN)=0,98(0,98)(0,98)=0,941192
Si utilizamos la formula para encontrar la esperanza
matemtica se tiene:
E(x)=E(x)=u==1 ( )
E(X)=0(0,000008)+1(0,001176)+2(0,057624)+
3(0,941192)=2,94 3
Por tanto se espera que tres autos no sufran desperfecto
en el motor en los primeros doce meses de uso.
Para encontrar la varianza se procede de la forma
siguiente:
Usamos la formula: 2 ==1( )2 P( )
Luego si sustituimos valores se tiene que:
2 =(0 3)2 (0,000008)+(1 3)2 (0,001176)+(2 3)2
(0,057624)+(3 3)2 (0,941192)=0,062396
Al sacar la raz cuadrada determinamos la desviacin
estndar cuyo valor es: 0,2497.
SIGNIFICA: Se espera que los tres autos probados no
sufran algn desperfecto en los primeros 12 meses de uso
con una variabilidad de 0,2.
PROBLEMA DE APLICACIN
Se ha detectado en una lnea de produccin que 1 de cada 10
artculos fabricados es defectuoso; se toman de esa lnea tres
artculos uno tras otro, a) obtenga la distribucin de
probabilidad del experimento, b) encuentre el nmero
esperado de artculos defectuosos en esa muestra y su
desviacin estndar.
FUNCION DE PROB ABILIDAD

b(x, n, p)= (1 ) , x: 0,1,n

Las variables que definen al proceso:
Numero de veces que se ejecuta el proceso n
p:probabilidad de xito y 1-p: fracaso
Condiciones no varan. Experimentos
independientes(probabilidad no condicional)
FUNCION DE DISTRIBUCION ACUMULATIVA
La distribucin acumulativa F(x) de una variable aleatoria
discreta x, cuya funcin de distribucin es f(x),
puede expresarse como:

F(x)= P(Xk)==0 (1 )

PROBLEMAS:
La probabilidad de que un estudiante de Sistemas
obtenga el grado de bachiller en sistemas es de 0,3 .
Hallar la probabilidad de que un grupo de 7 estudiantes
que sustentan su tesina:
a. Ninguno de los 7 obtenga su grado de bachiller
b. Todos obtengan el grado de bachiller
c. Por lo menos dos obtengan el grado de bachiller
d. Hallar la esperanza y desviacion tipica de alumnos
que obtengan el grado.
SOLUCION:
7
1. P(x=0)= (0,3)0 (0,7)7 = 0,0824
0
7
2. P(x=7)= (0,3)7 (0,7)0 = 0,0002
7
3. P(x2)=1-P(x< 2)= 1-P(x 1)=0,6705
4. = n p=7(0,3)=2,1 y = = 7(0,3)(0,7) =1,2124
Supongamos que la probabilidad de tener una unidad
defectuosa en una lnea de ensamblaje es de 0.05. Si el
conjunto de unidades terminadas constituye un
conjunto de ensayos independientes:
a. cul es la probabilidad de que entre diez unidades
dos se encuentren defectuosas?
b. y de que a lo sumo dos se encuentren defectuosas?
c. cual es la probabilidad de que por lo menos una se
encuentre defectuosa?
SOLUCION:
p= =0,05 1-p= 0,95

10
1. P(x=2)= (0,05)2 (0,95)8 = 0,0746
2

10 10 10
2. P(x2)= (0,05)0 (0,95)10 + (0,05)1 (0,95)9 + (0,05)2 (0,95)8 =
0 1 2
0,9884

10
3. P(X1)=1-P(X<1)= 1-P(x=0)=1- (0,05)0 (0,95)10 =1-0,5987= 0,4013
0