Variables Aleatorias. Unidad IV

SEP
TECNOLOGICO NACIONAL DE MÉXICO.

CAMPUS QUERETARO.
PROBABILIDAD Y ESTADISTICA
UNIDAD IV. VARIABLES ALEATORIAS
INGENIERIA INDUSTRIAL Y LOGISTICA AGOSTO -DICIEMBRE, 2021

M. C. BUENAVENTURA CARMEN PLATA CONTRERAS.
DISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DISCRETAS Y CONTINUAS
INTRODUCCION f(x1) = P(X =3) = f(3) = ?
Diagrama de flujo
EXPERIMENTACION OBSERVACIONES O DISCRETAS
RESULTADOS VARIABLES CONTINUAS
O MUESTREO DATOS
NOMBRE: X = Número de artículos defectuoso S = {x1, x2, x3 , ... xn }

VALOR: xi : x1= 3, x2= 5, x3 = 2, ... xn =6 S = {3, 5, 2, ... 6}
Espacio muestral (S)
NOMBRE: X = Resistencia de las varillas S = {x1, x2, x3 , ... xn }
VALOR: xi: x1= 5,25, x2 = 3,72, x3 = 4.25,...xn S = {5.25, 3.72, 4.25......}
S = E. M. discreto Valor: x1 , x2 , x3.... {Xi; f(xi)}

Probabilidades
S = E. M. continuo Probabilidad f(x1), f(x2) , f(x3),....
Distribución de Xi = {1, 2, 3, 4, 5, 6} Distribuciones discretas y Binomial, H. P.

probabilidad f(xi) = {1/6, 1/6, 1/6, 1/6, 1/6, 1/6} Distribuciones continuas Normal E. L.
VARIABLE
 Definición. Es una característica de una persona, animal, planta u objeto que
puede tomar diferentes valore, por ejemplo edad, sexo, peso, altura, color,
gusto, diámetro, longitud, horas de servicio, resistencia, efectividad, etc. Etc...
Escalares
Determinísticas Nominales
Discretas
Continuas
 Clasificación:
Escalares
Aleatorias Nominales
Discretas
Continuas
 Característica bajo estudio de un experimento o muestreo.

DEFINICIONES
 Variables determinísticas. Es aquella cuyos valores se pueden predecir con certeza
cuando se realiza un experimento o un muestreo.
 Variables aleatorias. Son aquellas cuando no se puede predecir con certeza que valor
tomará cuando se realiza un experimento o muestreo.
Aleatoria. Proviene del hecho de que las observaciones están sujetas al azar.
Azar, quiere decir que no se puede predecir con certeza el resultado que se
obtendrá,
 Variable escalar. Son aquellas que solo pueden toma valores numéricos dentro de una
escala.
 Variable nominal. Son aquellas que no pueden tomar valores numéricos, solo pueden
tomar valores asignables como nombres o atributos tales como: sexo, color, gusto,
preferencia, efectividad, etc, etc,
DEFINICIONES
 Variables discretas. Toman un numero finito o infinito de valores numéricos
dentro de la escala de los números reales, enteros y positivos.
 Ejemplos:
1. El resultado de lanzar un dado o una moneda
2. El número de artículos defectuosos
3. El número de obreros en una fabrica
4. El número de motores reparados
5. Las horas extras trabajadas
6. El número de personas a favor de un candidato
7. El número de personas enfermas
8. El número de artículos vendidos
DEFINICIONES
 Variable continua. Puede tomar valores que no están restringidos a números
aislados, sino mas bien toma valores cualquiera dentro de una escala
continua.
 Ejemplos:
1. El tiempo que tarda en pasar un camión de ruta
2. La temperatura diaria
3. El sueldo de un obrero
4. El tiempo que tarda un técnico en reparar un motor
5. La distancia de recorrido entre dos puntos
6. El tiempo de duración de un foco
7. La resistencia de un cable
FUNCION DE DENSIDAD O FUNCIÓN DE PROBABILIDAD.
 Con frecuencia es conveniente representar todas las probabilidades de una
variable aleatoria X usando una formula, la cual estará en función de los
valores de x
f(xi), g(x) o bien y(x)
Por lo que: f(x) = P(X = xi); si X =3 entonces la f(x) = P(X= 3); por lo tanto al
conjunto de pares ordenados de [xi; f(xi)] se le llama función de densidad o
distribución de probabilidad de la variable aleatoria x.
 Definición. Al conjunto de pares ordenados de [xi; f(xi)] de le llama función
de masa de probabilidad, distribución de probabilidad o simplemente
distribución de probabilidad de la variable aleatoria discreta X. Si para
todos los resultados posibles de x es:
FUNCION DE DENSIDAD O FUNCIÓN DE PROBABILIDAD.
1. f(xi) 0; [0 f(xi) 1]
2. = 1.0 0.9997
3. P(X = xi) = f(x)
 Por Ejemplo
 Un embarque de 8 computadoras para una tienda que vende al menudeo contiene 3
computadoras defectuosas. Si una escuela compra al azar dos de estas computadora.
Encuentre la distribución de probabilidad para el número de computadoras
defectuosas?.
 X = Número de computadora defectuosas
 xi = a los valores que adquiere x; x 1 = 0, x2 = 1 x3 = 2
 n = tamaño de la muestra, n = 2 por lo tanto; x = n + 1; x = 2 + 1 = 3
 Y así tenemos los siguientes cálculos;
DISTRIBUCION DE PROBABILIDAD DISCRETA
 Ecuación
f(Xi) =
 Donde:
1. C = combinaciones
2. N = población o total de artículos
3. K = artículos defectuosos
4. N-K = artículos no defectuosos
5. n = tamaño de la muestra
6. x = valores de la variable
Ubicación de la información o datos:
3 = K = Defectuosos
 8=N 5 = N-K = No defectuosos
 2= n
 Nombre de la variable X = Número de computadoras defectuosas
 Los valores de la variable n + 1 = 2 +1 = 3
 X1 = 0, x2 = 1, x3 = 2
 Con esta información ya podemos realizar los cálculos.
Distribución de probabilidad discreta
 Cálculos f(Xi) =
1. X1 = 0; P(X1= 0) f(0) = = 0.3570
2. X2 = 1; P(X2 = 1) f(1) = = 0.5357
3. X3 = 2; P(X3 = 2) f(2) = = 0.1070
 Tabla de distribución de probabilidad para V. A. discreta X = número de
computadoras defectuosas.
Xi 0 1 2
f(xi) 10/28 15/28 3/28 = 1.0
P(X=xi) 0.3570 0.5350 0.1070

Distribución de probabilidad discreta
 Otro ejemplo:
 En un embarque foráneo de nueve automóviles extranjeros contienen tres
autos que tienen ligera manchas en la pintura. Si una agencia distribuidora de
automóviles recibe tres automóviles. Cual es la distribución de probabilidad
para el número de automóviles manchados.
1. N=9
2. N-K =6
3. K=3
4. n=3
5. X = x1 = 0, x2 = 1, x3 =2 x4 = 3
 cuación : f(Xi) =
 Cálculos
1. X1 = 0; P(X1= 0); f(0) = = 0.2380
2. X2 = 1; P(X2 = 1); f(1) = = 0.5357
3. X3 = 2; P(X3 = 2); f(2) = = 0.2142
4. X4 =3; P(X4 = 3); f(3) = = 0.0119
Xi 0 1 2 3
84
f(xi) 20/84 45/84 18/84 1/84 ∑ 𝑓 ( 𝑥𝑖 )= 84 =1.0
P(X = xi) 0.2380 0.5357 0.2142 0.0119 ∑ 𝑓 ( 𝑥𝑖)=0.9998
Tabla de distribución de probabilidad para la V.A. discreta número de autos manchados
GRAFICA
 Distribución de probabilidad para la V.A. discreta X = número de autos
manchados.
 De otra forma:
 Una agencia automotriz vende el 50% de su inventario de ciertos automóviles
extranjeros equipados con bolsas de aire. Encuentre la forma de la distribución
de probabilidad para el numero de automóviles equipados con bolsas de aire,
considerando la venta de los siguientes cuatro vehículos
P(X = 4); f(4) =
CCCC; x5 = 4
C P(X = 3); f(3) =
CCCS ; x4 = 3
P(X = 2); f(2) =
S S = 16
CCSS ; x3 = 2
P(X = 1); f(1) =
CSSS ; x2 = 1
P(X = 0 ); f(0) =
SSSS ; x1 = 0
Tabla de distribución de probabilidad
 Tabla de distribución de probabilidad para la V. A. discreta X = número de
autos equipados con bolsas de aire
Xi 0 1 2 3 4
F(xi) 1/16 4/16 6/16 4/16 1/16 16/16 = 1.0

P(X = x) 0.0625 0.250 0.375 0.250 0-0625 1.0
Grafica
 Distribución de probabilidad para la V. A. discreta X = número de autos
equipados con bolsas de aire
DISTRIBUCION DE PROBABILIDAD ACUMULADA
 En algunos casos se desea calcular la probabilidad del valor observado de una
variable aleatoria X, que sea menor o igual a un numero real determinado de x.
 Al escribir F(x) = P(X x) o también F(x) = P(X x ) para cualquier numero real de x.
se define a F(x) como una función de distribución acumulada de la variable
aleatoria X,
 La función de distribución acumulada de X. F(x) de una variable aleatoria X con
distribución de probabilidad f(x) es :
F(X) = P(X x) = .........Para -
 Por ejemplo
 Cual seria la distribución acumulada para la agencia de autos que vende su
inventario con el 50% de autos equipados con bolsas de aire.
F(x1) = F(0) = P(x= 0) = f(0) = 1/16

F(x2) = F(1) = P(x = 0) + P(x=1) = f(0) + f(1) = 1/16 + 4/16 = 5/16
F(x) = F(x3) = F(2) = f(0) + f(1) + f(2) = 1/16 + 4/16 + 6/16 = 11/16
F(x4) = F(3) = f(0) + f(1) + f(2) + f(3) = 1/16 + 4/16 + 6/16 + 4/16 = 15/16
F(x5) = F(4) = f(0) + F(1) + f(2) + f(3) + f(4) = 1/16 + 4/16 + 6/16 + 4/16 + 1/16 = 16/16 = 1.0
GRAFICA
De tal forma que ahora podemos preguntarnos cual es la probabilidad de:

P( x) = ?
P( 1
P(X 3) = ?
P( x) = f(0) + f(1) + f(2) = 1/16 + 4/16 + 6/16 =11/16

P( 1 = 0.6250 = 62,50%
P(X 3) = 1 – P(X3) = 1 –[f(0) +f(1)´+ f(2) ] =1- [(1/16 + 4/16 + 6/16) = 1 – 11/16 = 5/16
O bien P(X 3) = P(x= 3) + P(x= 4) = 4/16 +1/16 = 5/16
ESPERANZA MATEMÁTICA O VALOR ESPERADO (µ )
 Definición La esperanza matemática o valor esperado de una variable aleatoria
discreta es la suma del producto de la probabilidad de cada suceso por el valor de dicho
suceso.
 Los nombre de esperanza matemática y valor esperado tienen su origen en los juegos
de azar y hacen referencia a la ganancia promedio esperada por un jugador cuando hace
un gran número de apuestas.
 Se denota con E(x) o con la letra griega “miu” (µ) y se calcula con la siguiente
ecuación:
E(x) = = x1f(x1) +x2f(x2)+ x3f(x3)+ .....xnf(xn)
 También se define como el valor esperado o valor promedio de una
distribución de probabilidad (µ) y se calcula con la misma ecuación
 Ejemplo:
 Un inspector de calidad muestrea un lote que contiene 4 componentes buenos
y 3 defectuosos. El inspector toma una muestra al azar de 3 componentes.
Encuentre el valor esperado para el número de componentes defectuosos en
la muestra.
 Sea X el número de componentes defectuosos en la muestra.
 Primero se determina la distribución de probabilidad.
f(0) =
f(1) =
 f(xi) = ; x= 0, 1, 2, 3,
f(2) =
f(3) =
 Tabla de distribución de probabilidad para la VA. X= discreta numero de
componentes defectuosos
Xi 0 1 2 3
F(xi) 4/35 18/35 12/35 1/35
 Calculo de la esperanza matemática

E(x) = µ = =0 (4/35) + 1(18/35) + 2(12/35) +3 ( 1/35) = 12/7=1.2856
Varianza de una distribución de probabilidad.
 La varianza de una distribución de probabilidad permite caracterizar la
variabilidad de la distribución de la información.
Se denota como E[(xi- µ)2], Var(x),
 Definición.
 Sea X una variable aleatoria discreta con distribución de probabilidad f(x) y
media (µ) la varianza de X es:
Var(x) = = µ)2 f(xi) si X es una va. discreta
 Existe otra ecuación condensada para el calculo d la varianza
 Var(x) = = 2 f(xi) - µ2
Varianza de una distribución de probabilidad.
 Ejemplo: Sea X una VA, discreta igual al numero de automóviles que se usan
con el propósito de hacer negocios oficiales en un día determinado en una
compañía dada y cuya distribución de probabilidad es la siguiente:
 Tabla de distribución de probabilidad para el numero de autos oficiales usados
para hacer negocios en un día determinado.
Xi 0 1 2 3 4
F(Xi) o.2 0.1 0.3 0.3 0.1
 Calcule la varianza
 Primero se calcula la media o valor esperado
 E(x) = µ = = 0 (0.2) + 1(0.1) + 2(0.3) + 3(0.3) + 4(0.1) = 2.0
 Segundo se calcula la varianza
Desviación estándar de una distribución de probabilidad.
 Definición. La desviación estándar es la raíz cuadrada positiva de la varianza,
se denota como: o simplemente como y su ecuación es:
= = 2.
 Ejemplo:
 Calcule la desviación estándar para el ejemplo anterior “el número de
automóviles que se usan con el propósito de hacer negocios oficiales en un día
determinado”.
 Si la 2
= 2 entonces la = . = 1.4142
DISTRIBUCIONES DISCRETAS
DISTRIBUCIÓN BINOMIAL PUNTUAL

 Si X = V.A.D. Binomial X)
 Ecuación:
 P(X =x) donde X b(x; n, p) = n-x
donde x= 0, 1, 2, 3,... n
 Esta ecuación sirve para calcular la probabilidad de cualquier valor de X
cuando X es exactamente igual a un valor, por ejemplo x= 0, x = 3, x = 5
etc.
 La probabilidad de que un componente soporte una prueba de choque es
de ¾. Encuentre la probabilidad de que exactamente 2 de los siguientes
4 componentes soporte la prueba de choque.
 P(X=2); X b(2; 4, 0.75) = 2 = 0.2109 = 21.09%
DISTRIBUCIÓN BINOMIAL ACUMULADA
 En la mayoría de los problemas lo que interesa es saber cual es la
probabilidad de un valor de la variable X que se encuentre dentro de un
intervalo de valores; por lo que interesa:
P(a o sea
 P(X x1)
 P( x1X x2)
 P(X x2)
 De ahí que entonces X y su ecuación será:
X= x= 0, 1, 2, 3,.... n
DISTRIBUCION BINOMIAL ACUMULADA
 Ejemplo: La probabilidad de que un paciente se recupere de una enfermedad
sanguínea es del 40 %. Si se sabe que 15 personas contraen tal enfermedad. ¿Cuál
seria la probabilidad de que:
1. A).- Sobrevivan menos de 10 personas
2. B).- Sobrevivan entre 3 y 8 personas
3. C).- Sobrevivan exactamente 5 personas
4. D).- Sobrevivan por lo menos 10 personas
 Donde:
 X = Numero de personas que sobrevivan y x toma varios valores
 n = 15
 P = 0.40
 Q = 0,60
Notación probabilística
1. A).- P(x
2. B).- P(3 X 8 )
3. C).- P(X= 5)
4. D).- P(X
 Solución:
X=
 A).- P(x ) = = 0. 9662 = 96.62%
 B).- P(3 X 8 ) = = 0.9050 – 0.0271= 0.8779 = 87.79%
 Continuación......
X=
 C).- P(X= 5) = - 0.
 D).- P(X 1 10) = 1 = 1 0.9662 = 0.0338 =3.38%
PARAMETROS DE LA Dn BINOMIAL
1. n = Número de ensayos o experimentos
2. P = Probabilidad de éxito
3. Q = Probabilidad de fracaso
 Calculo de la media ( µ ), la varianza (σ2) y la desviación estándar (σ)
1. La media: µ = np = 15x0.40 = 6
2. La varianza: σ2 = npq = 15x0.40x0.60 =3.6
3. La desviación estándar: σ = =

Variables Aleatorias. Unidad IV

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Variables Aleatorias. Unidad IV

Cargado por

Copyright:

Formatos disponibles

SEP

TECNOLOGICO NACIONAL DE MÉXICO.

INGENIERIA INDUSTRIAL Y LOGISTICA AGOSTO -DICIEMBRE, 2021

NOMBRE: X = Número de artículos defectuoso S = {x1, x2, x3 , ... xn }

S = E. M. discreto Valor: x1 , x2 , x3.... {Xi; f(xi)}

Distribución de Xi = {1, 2, 3, 4, 5, 6} Distribuciones discretas y Binomial, H. P.

DISTRIBUCIONES DISCRETAS Y CONTINUAS

Ubicación de la información o datos:

P(X=xi) 0.3570 0.5350 0.1070

F(xi) 1/16 4/16 6/16 4/16 1/16 16/16 = 1.0

F(x1) = F(0) = P(x= 0) = f(0) = 1/16

De tal forma que ahora podemos preguntarnos cual es la probabilidad de:

P( x) = f(0) + f(1) + f(2) = 1/16 + 4/16 + 6/16 =11/16

 Calculo de la esperanza matemática

DISTRIBUCIÓN BINOMIAL PUNTUAL

También podría gustarte