UNIVERSIDAD NACIONAL DE SAN

ANTONIO ABAD DEL CUSCO

DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA

MAESTRIA EN INGENIERIA CIVIL: MENCION

GEOTECNIA Y VIAS TERRESTRES

CURSO:
ESTADISTICA APLICADA A LA
GEOTECNIA Y VIAS TERRESTRES
DOCENTE:
Mgt. DIONICIO CARDENAS CANCHA

CUSCO, ABRIL 2018

2. Una persona puede viajar de una ciudad A a otra ciudad B de 5 formas y de B a

C de 6 formas ¿De cuantas formas puede ir de A a C pasando por B?

La persona puede viajar o ir de A a B de 5 formas, para cada de estas hay 6

maneras de viajar de B a C, por lo tanto hay 5 X 6 = 30 formas de ir de A a C

pasando por B

A B C
A B
 b b abc
a
c b abc
a c abc
b
c a bca
a b cab
c
b a cab

I II III Otro lugar

 b ab
a
c ac
a ba
b
c bc
a ca
c
b ca

I II
 a ab

a b ab

c ac

a ba
b b bb

c bc

a ca

c b
cb
b cc
 PROBABILIDAD
EXPERIMENTO ALEATORIO.- Con la finalidad de facilitar la comprensión de lo
que sigue definimos algunos términos

EXPERIMENTO.-
DEFINICIÓN 1.- Un experimento es un proceso mediante el cual se obtiene un
resultado de una observación. Un experimento puede ser determinístico y no
determinístico.
DEFINICION 2.- Un experimento es determinístico, cuando el resultado de la
observación es determinado en forma precisa por las condiciones bajo los cuales
se realiza dicho experimento
EJEMPLOS.
Son los ejemplos de experimentos determinísticos los siguientes procesos
1. Obtener la suma de dos números naturales pares
2. Observar el color de una bola extraída de una xx que contiene solo
bolas negras.
3. Observar el área recorrida durante cierto periodo de tiempo por
planetas obedeciendo las leyes de Kepler.
 EJERCICIOS DE APLICACION

2) Un gerente está a la espera de las llamadas telefónicas de sus clientes para efectuar
un negocio, la probabilidad de que lo llame cualquiera de sus clientes es de 0.2 (las
llamadas de los clientes son eventos independientes). La probabilidad de efectuar el
negocio es de 0.10 si recibe la llamada de un cliente es de 0.3 si recibe la llamada de
dos clientes y de 0.7 si recibe la llamada de tres clientes. Si no recibe ninguna
llamada no se realiza el negocio. ¿Cuántas llamadas de clientes es más probable que
haya recibida el gerente sabiendo que se realizó el negocio?
3) Hay 18 tiradores clasificados en cuatro grupos. En el primero hay 5 tiradores con
probabilidad 0.8 de dar en el blanco, en el segundo hay 7 con probabilidad 0.6 y en
el último hay 2 con probabilidad 0.5.se elige un tirador al azar, dispara y no da en el
blanco A qué grupo es más probable que pertenezca? El tercer grupo tiene
probabilidad 0.7de dar en el blanco.
5) Cuando se lanzó una moneda ocho veces en sucesión. “sello” apareció tres veces y
“cara” cinco veces en el siguiente orden csscsccc ¿en cuántos otros ordenes podrían
haber aparecido?
8) Cien personas fueron encuetadas acerca de sus preferencias sobre
productos A, B y C. Se encontró que 50 prefieren al producto A, 37 el
producto B y 30 prefieren el producto C. Si una persona encuestada se elige
al azar .Calcular la probabilidad de que :
a) Prefieren los 3 productos
b) Prefieren solamente A o solamente B
c) No prefieren al menos uno de los tres
…

…
GRAFICA DE LA FUNCIÓN DE PROBABILIDAD
 W -5 -4 -3 -2 -1 0 1 2 3 4 5

a 2 4 6 8 10 12

1 1 1 1 1 2 2 2 3 3
z 1 2 3 4 5 6 8 9
0 2 5 6 8 0 4 5 0 6

b 1 2 3 4 5 6
x 0 1 2 3
x -2 0 1 4

0.1 0.4 0.3 0.2

OBSERVACIÓN (INTERPRETACIÓN DE LA ESPERANZA MATEMATICA)
La esperanza matemática de una variable aleatoria o la media de su función de
densidad (o función de probabilidad) puede ser considerada como el centro de
gravedad de tal función.
0 1 2

¼ 1/2 1/4 1
PRIMERA FORMA
-2 0 1 3 4

1/5 1/5 1/5 1/5 1/5

 ) sobre la superficie del ala de un avión
Se da por la relación W=0.003V2 encontrar el valor esperado y la varianza de W

La presión W (en libras ) sobre la superficie del ala de un avión

SOLUCION
Tenemos
3) Se tiene un vendedor de paraguas puede ganar 300 soles por día, si no llueve
puede perder 60 soles por dio ¿Cuál es su esperanza matemática y su
desviación estándar si la probabilidad de lluvia es 0.3?

SOLUCION
Sea x cantidad de dinero que el vendedor obtiene por la venta de paraguas
La distribución de x es
x 300 -60
Px 0.30 0.70
 Es una variable aleatoria discreta

Es una variable aleatoria continua.

X 2 4 6 8
0.4 0.3 0.2 0.1
 DISTRIBUCIONES DE PROBABILIDAD DISCRETAS
1. DISTRIBUCIÓN DE PROBABILIDAD DE BERNOLLI
Es el caso más sencillo para modelar un experimento. Tiene únicamente dos
resultados posibles éxito o fracaso, satisfactorio o insatisfactorio, bueno o malo.
Luego el espacio muestral para este tipo de distribución es:

Por ejemplo, al lanzar una moneda se obtendrá solo dos resultados posibles
Llamaremos éxito al evento de nuestro interés. Si estamos interesados en cara
diremos que hemos obtenido un éxito cuando en el ensayo ocurra cara, en caso
contrario, diremos que hemos obtenido un fracaso.
Un experimento de esta característica se llama distribución de Bernoulli. Definamos
ahora la variable aleatoria de tal manera que:
Numero de éxitos en la distribución de Bernoulli.

Es decir “si el resultado del ensayo es F” y

“si el resultado del ensayo es una E”

La variable aleatoria X, así definida se llama, variable aleatoria de Bernoulli.

  X

E 1  X(E)

F 0  X(F)

En la distribución de Bernoulli denotamos por:

La distribución de probabilidad de la variable aleatoria X de Bernoulli, es llamada la

distribución de Bernoulli.

P(X)
X 0 1

P(X) 1p  q p q p
X
0 1

La distribución de Bernoulli se escribe también como una función:

 PROPIEDADES:

1) La media de la variable aleatoria X, es:

2) La varianza se calcula como:

2. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL

De un proceso de “n” ensayos de Bernoulli, estamos interesados a menudo en el

número total de éxitos “E”
El espacio muestral de los “n” ensayos, tiene elementos los cuales son:

Ahora definimos una variable aleatoria X de la siguiente forma:

Numero de éxitos obtenidos en los “n” ensayos de Bernoulli
La variable aleatoria X así definida se llama una variable aleatoria Binomial.
RX

0
FFF...F 
FF...EF 
FF...E  1
EF...F 
FE...FF 
n
EEE...EE 

La distribución de probabilidad de la variable aleatoria Binomial X, se llama

distribución Binomial y se cumple:
a) La probabilidad que los “n” ensayos no ocurre ningún éxito es
esto es:

b) La probabilidad de que en los “n” ensayos ocurre un éxito, esto es:

 ya que una E y efes pueden ocurrir en los “n” ensayos de

formas independientes

c) La probabilidad que en los “n” ensayos ocurre dos éxitos es:

ya que en los “n” ensayos los dos es y efes ocurren formas diferentes.

d) En general, la probabilidad que en los “n” ensayos ocurra “x” éxitos, es:

Ya que las “x” es ocurren en los “n” ensayos de diferentes formas.

Por lo tanto, la distribución Binomial de la variable aleatoria X, es:

acumulada está dada por: La función de distribución

PROPIEDADES:

Las principales propiedades de esta distribución están dadas por:

1. Media
2. Varianza
3. DISTRIBUCIÓN DE PROBABILIDAD GEOMÉTRICA

La distribución geométrica también está relacionada con el proceso de Bernoulli,

pero el número de ensayos no es fijo.

Definamos la variable aleatoria X de la siguiente manera:

Numero de ensayos requeridos hasta obtener el primer éxito

El espacio muestral tiene la siguiente forma:

Así definimos la variable aleatoria X, se llama variable aleatoria geométrica.

Deducción de esta distribución:
 CARACTERISTICAS

1) La función de distribución acumulada está formada por:

Es decir:

2. Media

3. Varianza
4. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL NEGATIVA
La distribución Binomial negativa también se fundamenta en un proceso de
Bernoulli, es una extensión de la distribución geométrica.
La variable aleatoria X se define así:
Número de veces que se repite el ensayo hasta obtener “r” éxitos

X definida de esta manera se llama variable aleatoria Binomial negativa. El espacio

muestral tiene la forma siguiente:

Entonces:
Luego, la distribución de probabilidad de la variable aleatoria X, es:

CARACTERISTICAS:

1) La función de distribución acumulada está dada por:

2) La función generatriz de momentos, está dada por:

 3) Media

4) Varianza

5. DITRIBUCIÓN DE PORBABILIDAD HIPERGEOMÉTRICA

Una urna con N bolas tiene M de ellas de color blanco y N - M de color rojo. Se
procede a extraer “n” bolas sin reposición.
La distribución hipergeométrica proporciona la probabilidad de que esas “n” bolas
extraídas “x” sean de un determinado color (por ejemplo blanco).
Los parámetros de esa distribución con
proporción inicial de bolas blancas, designándose la variable aleatoria que sigue
esta distribución de probabilidad como
Puede comprobarse que el esquema de esa distribución es similar a la distribución
Binomial
pero con la diferencia de que las probabilidades en cada repetición van modificándose,
como ahora veremos, al no reponerse cada bola extraída.
Y la función de distribución de la variable aleatoria, es:

CARACTERISTICAS:

La función de distribución acumulada está dada por:

1) La función de distribución acumulada está dada por:

 2) Media

3) Varianza

6. DISTRIBUCIÓN DE PROBABILIDAD DE POISSON

La distribución de probabilidad de Poisson, es:

Cuya función de distribución acumulativa, es:

PROPIEDADES
La media

La varianza
 DISTRIBUCINES DE PROBABILIDAD CONTINUAS

1. DISTRIBUCIÓN DE PROBABILIDAD UNIFORME

DEFINICION.- Sea X una variable aleatoria continua en todo

Se dice que X se distribuye uniformemente en el intervalo

La función de densidad de probabilidad de X esta dado por:

Para cualquier otro sub intervalo , donde

Se observa que solo depende de la ubicación del intervalo.

Así, la distribución acumulativa está dada por:

Luego; se puede escribir, como:

MEDIA Y VARIANZA
2. DISTRIBUCIÓN DE PROBABILIDAD EXPONENCIAL
DEFINICIÓN.-Sea X una variable aleatoria. Se dice que X tiene distribución
exponencial con parámetro real , si su función de densidad está dada por:

Donde

La función de distribución está dada por:

MEDIA Y VARIANZA
3. DISTRIBUCIÓN DE PROBABILIDAD NORMAL

Sin duda es la distribución más importante de toda la estadística.

DEFINICIÓN.-Una variable aleatoria continua X, se dice que está distribuida

normalmente con media y varianza si su función de
densidad de probabilidad está dado por:

Notación
Se lee “la variable aleatoria X, se distribuye normalmente con media y varianza

Gráfica:
f (x)

1
 2

1
 2 e

x
  
La función distribución acumulada de X está dada por:

f (x)

PX  x 

x
x 

MEDIA Y VARIANZA
4. DISTRIBUCIÓN NORMAL ESTANDAR
DEFINICIÓN.-Si Z es una variable aleatoria que tiene una distribución normal con
media y varianza
entonces Z se llama variable aleatoria normal estándar, su función de densidad es:

MEDIA Y VARIANZA