You are on page 1of 45

VARIABLES ALEATORIAS

CONTENIDO:
o Distribucin Normal y Normal Estndar.
o Variables aleatorias: Principales variables aleatorias
discretas: Binomial y Poisson. Caractersticas y uso de
tablas.
o Principales variables aleatorias continuas.
VARIABLE ALEATORIA (X)
Se denota por una X.
Es aquella que puede tomar diferentes valores a travs del tiempo o
de sujeto a sujeto.
Una variable aleatoria o variable
estocstica es una variable estadstica
cuyos valores se obtienen de mediciones en
algn tipo de experimento aleatorio.
4
VARIABLE ALEATORIA (X)
Formalmente es una funcin que asigna un nmero real a cada resultado del
espacio muestral.
EJEMPLO 1:
Consideremos el experimento que consiste en revisar tres componentes de una
bomba centrfuga, que pueden ser defectuosos (D) y no defectuosos (N)
{ NNN, NND, NDN, DNN, NDD, DND, DDN, DDD}
Definimos la variable aleatoria X = como el nmero de componentes defectuosos
X(DDD) = 3
X(NDD) = X (DND) = X ( DDN) = 2
X ( NND) = X(NDN) = X(DNN) = 1
X ( NNN) =0
X = 3,2,1,0
= Revisar tres componentes de una bomba centrfuga
El espacio muestral ser:
EJEMPLO 2
EJEMPLO 3:
X: Ventas diarias de una empresa.
X: Presin de una botella
X: N de accidentes en un proceso.
X: N de automviles que llegan a una Estacin de
Servicio.
X: Contenido de un baln de gas
X: N de llamadas telefnicas que recibe una central
X: Edad de las personas.
X : Peso de un envase
X: Tiempo de vida de un neumtico.
X: N de artculos defectuosos de un proceso
productivo.
Tipos de Variables Aleatorias:
Variable Aleatoria Discreta: Cuando
la variable aleatoria toma valores
discretos (nmeros anteros) se dice
que es una v.a.d.
Variable Aleatoria Continua. Cuando
la variable aleatoria toma valores de
la recta real (nmero reales) se dice
que la variable es una v.a.c. .
Funcin de probabilidad discreta
Ejemplo:
Segn un reporte histrico de ventas de la empresa Autos Nice, se ha podido
determinar que el nmero de autos vendidos por da presenta la siguiente
distribucin de probabilidades:
Calcule:
a. El valor de la constante k sabiendo que la distribucin es de probabilidad.
b. La probabilidad que el nmero de autos vendidos sea superior a 4.
c. La probabilidad que el nmero de autos vendidos sea a lo ms 4.
Valor Esperado y Varianza de una variable Aleatoria
Discreta
El valor esperado y varianza de una variable aleatoria discreta X, se
definen por:
Donde:
| | ( )

= x p x X E
| | | | | | X X X
2 2
E E V =
En el ejemplo anterior:
d. Determine el nmero esperado de autos vendidos por da y
su desviacin estndar.
Cada ensayo tienen slo dos resultados
posibles. Para variables dicotmicas.
Los ensayos son independientes.
La probabilidad de xito p es
constante en cada ensayo.
FUNCIN DE PROBABILIDAD BINOMIAL
Es la probabilidad de obtener
exactamente x xitos en n pruebas
independientes de un experimento, con p
como la probabilidad de xito para cada
prueba.
x n x
p) (1 p p) n, b(x; x) P(X

|
|
.
|

\
|
= = =
x
n
Donde x = 0, 1, 2, , n
Parmetros:
Funcin de probabilidad
DISTRIBUCIN BINOMIAL
n , p
Media o Valor Esperado
np X E = = ) (
Varianza
npq =
2
o
Desviacin Estndar
npq = o
DISTRIBUCIN BINOMIAL
Un almacenero de laboratorio, reporta que el 25% de puntas de un
dosificador electrnico estn malogradas. Si se extrae una muestra
aleatoria de cinco de estas puntas.
Encuentre la probabilidad de que :
a) Ninguna est malograda.
b) Exactamente una est malograda.
c) Menos de dos estn malograda.
Ejercicio 1:
DISTRIBUCIN BINOMIAL
x n x
p) (1 p p) n, b(x; x) P(X

|
|
.
|

\
|
= = =
x
n
Funcin de probabilidad
4 1
.75) 0 ( 25 0
1
5
) b(1;5,0.25 1) P(X .
|
|
.
|

\
|
= = =
1) P(X 0) P(X 1) P(X 2) P(X = + = = s = <
5 0
.75) 0 ( 25 0
0
5
) b(0;5,0.25 0) P(X .
|
|
.
|

\
|
= = =
= 0.237
= 0.396
= 0.633
a) Ninguna est malograda.
b) Exactamente una est malograda
c) Menos de dos estn malograda.
DISTRIBUCIN BINOMIAL
Solucin de Ejercicio 1:
CASO 1. P ( X a ) = Usar directamente la tabla
CASO 2. P ( X < a ) = P (X a - 1 )
CASO 3. P ( X > a ) = 1 - P (X a)
CASO 4. P ( X a ) = 1 - P ( X a - 1)
CASO 5. p (a x b) = P (X b ) - P (X a - 1 )
Uso de tabla: Para el uso de la tabla debe tener en cuenta lo
siguiente:
En general, el 45% de los postulantes aprueban en un examen de
seleccin de personal. Cul es la probabilidad de que en una muestra de
15:
a) Aprueben exactamente 4.
b) Aprueben por lo menos 8.
c) Aprueben ms de 4.
18
Ejercicio 2:
Solucin del ejercicio 2:
Sea X= Candidatos que aprueban en un examen de seleccin de una
muestra de 15 candidatos.
n=15 candidatos
p= probabilidad de que un candidato apruebe en un examen de
seleccin.
p= 0.45 q=0.55
Funcin de probabilidad:
a) Aprueben exactamente 4.
P( X=4)=0.078 O 7.8%
b) Aprueben por lo menos 8. Caso 4
( ) ( )
15
15
( ) ( ) 0.45 0.55 , 0,1, 2, 3, 4, 5
x x
f x P X x x
x
| |
= = = =
|
\ .
c) Aprueben ms de 4. Caso 3
O
O
FUNCIN DE PROBABILIDAD
POISSON.
La funcin de probabilidad de Poisson
define la probabilidad de exactamente
x ocurrencias o xitos, que aparecen
por unidad de tiempo o espacio, dado
el nmero medio de ocurrencias en el
intervalo dado t.
( )
x!
e
x/ X P
x
= =
Donde = Nmero esperado de xitos.
e = Constante matemtica.
x = Nmero de xitos por unidad.
Parmetro:
Funcin de probabilidad

DISTRIBUCIN POISSON
Esta distribucin se utiliza para describir ciertos procesos.
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad
de rea, tiempo, pieza, etc:
- # de defectos de una tela por m
2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
- # de bacterias por cm
2
de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc
DISTRIBUCIN POISSON
Media o Valor Esperado
=
Varianza
o =
2
Desviacin Estndar
o =
DISTRIBUCIN POISSON
DISTRIBUCIN POISSON
Si como promedio un tablero
electrnico recibe 0.05 llamadas
por segundo, Cul es la
probabilidad de que en un
determinado minuto:
a. Reciban exactamente dos
llamadas.
b. Reciban no ms de dos
llamadas.
( )
x!
e
x/ X P
x
= =
Funcin de probabilidad
Solucin:
a.
Se tiene que = 0.05 llamadas por
segundo
Entonces: = 0.05(60) = 3 llamadas por
minuto.
( ) 224 . 0
2!
3 e
2 X P
2 3
= = =

b.
( ) 2) P(X 1) P(X 0) P(X 2 X P = + = + = = s
423 0 224 0 149 0 497 0
2!
3 e
1!
3 e
0!
3 e
2 3 1 3 0 3
. . . . = + + = + + =

Ejercicio 3:
DISTRIBUCIN POISSON
DISTRIBUCIN POISSON
CASO 1. P ( X a ) = Usar directamente la tabla
CASO 2. P ( X < a ) = P ( X a - 1)
CASO 3. P ( X > a ) = 1 - P ( X a )
CASO 4. P ( X a ) = 1 P ( X a - 1)
CASO 5. P ( a X b ) = P ( X b ) - P ( X a -1)
Uso de tabla: Para el uso de la tabla debe tener en cuenta lo siguiente:
La central telefnica de una empresa recibe un promedio de 3.4 rdenes de pedido
por hora. Estas ocurrencias se producen al azar. Cul es la probabilidad de que
se produzcan:
a) Exactamente 4 rdenes de pedido en una hora dada.
b) Como mximo 5 rdenes de pedido en una hora.
c) Ms de 5 rdenes de pedido en dos horas.
26
Ejercicio 4:
3.4 / rdenes de pedido hora =
a) Exactamente 4 rdenes de pedido en una hora dada.
27
Solucin del ejercicio 4:
b) Como mximo 5 rdenes de pedido en una hora.
c) Ms de 5 rdenes de pedido en dos horas.
( 5) 0.871 87.1% 1 P X TablaCaso s = =
2 6.8
6.8 / 2
( 5) 1 ( 5) 3
1 0.327
0.673 67.3%
En horas rdenes
rdenes horas
P X P X Tabla Caso

=
=
> = s
=
= =
O
O
O
Aproximacin de la Binomial a la Poisson
En problemas de distribucin
binomial donde n es grande y la
probabilidad de xito p es
bastante pequea, las
probabilidades se pueden
aproximar usando la distribucin
de Poisson.
Se cumple que:
np =
En un proceso en el cual se producen piezas de vidrio, ocurren defectos
o burbujas, ocasionando que la pieza no sea apta para la venta. Se
sabe que en promedio 1 de cada mil piezas tiene una o ms burbujas.
Cul es la probabilidad de que en una muestra aleatoria de 8000
piezas, menos de 7 de ellas tengan burbujas?
Aproximacin de la Binomial a la Poisson
Ejercicio 5 :
Datos: n=8000
p=0.001 (por dato:1 de cada1000=1/1000=0.001)
este es por tanto un experimento binomial, pero dado que : p se acerca a
0 y n es bastante grande, se hace la aproximacin con la distribucin de
Poisson.
Entonces: = np = 8000*0.001 = 8
Nos piden: P (X < 7) = P (X 6)
De tabla: P (X 6) = 0.313
Aproximacin de la Binomial a la Poisson
Solucin de Ejercicio 5:
LA DISTRIBUCIN NORMAL
}

|
.
|

\
|

= s
x

u X
2
1
dx e
2
1
x) P(X
2
Parmetros: Media Varianza
Funcin de Probabilidad

2
dz e
2
1
z) P(Z
z
2
Z
2
}

= s
; Para z = -4, ,4
|
.
|

\
|

=
o
u x
z
Funcin de Probabilidad
LA DISTRIBUCIN NORMAL
Distribucin Normal Estndar
La distribucin normal estndar es una
distribucin normal media = 0 y varianza
2
= 1.
Tiene las mismas caractersticas de una
distribucin normal.
REAS BAJO LA CURVA DE LA DISTRIBUCIN DE
PROBABILIDAD NORMAL
Recordar: La distribucin normal es una familia de distribuciones caracterizada por dos
parmetros: la media y la desviacin estndar.
DISTRIBUCIN DE PROBABILIDAD NORMAL ESTNDAR
Distribucin Normal Estndar
FRMULAS PARA CALCULAR EL REA DEBAJO DE LA CURVA NORMAL
Ejercicio 1:
La calificaciones de los 500 aspirantes presentados a
un examen para contratacin laboral, se distribuye
normalmente con media 7 y varianza de 4
Encuentre:
a) La probabilidad de que un aspirante obtenga 8
puntos o ms.
b) El porcentaje de aspirantes con calificaciones
inferiores o iguales a 5 puntos.
c) Cuntos aspirantes obtuvieron calificaciones
comprendidas entre 5 y 8 puntos
Ejercicio 1:
a) La probabilidad de que un aspirante obtenga 8 puntos o ms P (X 8)
P ( X 8 ) = 1 - P ( X 8 ) = 1 P ( Z 0.5) = 1 0.6915 = 0.3085
Tipificando :
5 . 0
2
7 8
=

= z
Ver tabla y comprobar con
Mega Stat.
7 8 ( X )
0 0.5 ( Z )
N ( 7; 2)
La probabilidad de que un aspirante obtenga 8 puntos o ms es de 0.3085.
Ejercicio 1:
b) El porcentaje de aspirantes con calificaciones inferiores o iguales a 5 puntos.
P ( X 5) = P ( Z -1) = 0.1587
Tipificando
1
2
7 5
=

= z
Ver tabla y comprobar con
Mega Stat.
5 7 ( X)
-1 0 ( Z )
N ( 7; 2)
El porcentaje de aspirantes con
calificaciones inferiores o iguales a 5
puntos es de 15.87%
Ejercicio 1:
1
2
7 5
=

= z
Ver tabla y comprobar con
Mega Stat.
5 7 8 ( X)
-1 0 0.5 ( Z )
c) Cuntos aspirantes obtuvieron calificaciones comprendidas entre 5 y 8 puntos
P ( 5 X 8 ) = P ( X 8 ) - P ( X 5 ) = P ( Z 0.5 ) - P ( Z -1 ) =
Tipificando
5 . 0
2
7 8
=

= z
P ( Z 0.5) - P ( Z -1) = 0.6914 0.1587
P ( Z 0.5) - P ( Z -1) =0.5328
N ( 7; 2)
Luego como nos piden cuantos aspirantes se encuentran en ste intervalo multiplicamos la
probabilidad por el total de aspirantes: 500 * 0.5328=266.40 aprox 267 aspirantes