Tema 6 Ditribuciones Discretas de Probabilidad PDF

UNED
UNED
Introduccin al anlisis de datos
TEMA 6
Introducci
Introduccin al an
anlisis de datos
VARIABLE ALEATORIA: DEFINICI
DEFINICIN
TEMA 6
Una variable aleatoria es una funcin que asigna un nmero real, y slo uno, a cada uno
de los resultados de un experimento aleatorio.
NOTACIN: Las variables aleatorias las vamos a representar por letras maysculas de
nuestro alfabeto latino (X, Y, ...) y utilizaremos las letras minsculas, con subndices, para
referirnos a los valores concretos que tomen estas variables aleatorias (x1, x2, ... , y1, y2,...).
DISTRIBUCIONES DISCRETAS
DE PROBABILIDAD
Las variables aleatorias, as definidas y representadas, pueden ser discretas o continuas.
Veremos en este tema que para cada experimento aleatorio podemos definir
una, o unas variables aleatorias definidas por el experimentador que
pueden ser de naturaleza discreta o continua.
Mostraremos tambin como, para una variable aleatoria discreta, podemos
construir su funcin de probabilidad y de distribucin. El siguiente paso
ser describir la funcin de probabilidad mediante la obtencin de su
unos valores numricos que representen su tendencia central y su dispersin
o variabilidad. Dedicaremos especial atencin a la distribucin binomial.
2010
Centro Asociado A Coru

Corua
UNED
Carmen Voces
Introducci
Introduccin al an
anlisis de datos
VARIABLE ALEATORIA: DEFINICI
DEFINICIN
TEMA 6
Ejemplo:
Variables Aleatorias Discretas: Cuando la variable aleatoria, X, es un conjunto de valores

numricos definidos sobre un conjunto finito o infinito, pero en cualquier caso numerable
(susceptibles de ser contados) de casos posibles, decimos que la variable aleatoria es
discreta. En este caso entre dos valores consecutivos no existen valores intermedios,
porque la variable aleatoria X toma valores nicamente en los puntos x1, x2, , xn,
con probabilidades respectivas pi siendo nula la probabilidad de que tome cualquier
otro valor.
Variables Aleatorias Continuas: Cuando la variable aleatoria, X, toma cualquier valor
numrico de un conjunto infinito y por tanto no numerable de casos posibles, decimos
que la variable aleatoria es continua. En este caso, entre dos valores cualesquiera de la
variable, por muy prximos que estn podemos encontrar infinitos valores
intermedios.
2010
UNED
Introducci
Introduccin al an
anlisis de datos
VARIABLES ALEATORIAS DISCRETAS
TEMA 6
1. FUNCIN DE PROBABILIDAD: f(x)
Considrese el experimento lanzar una moneda al aire tres veces consecutivas y observar
su cara superior. Sea C igual a cara y X igual a cruz. El espacio muestral ser:
ESPACIO MUESTRAL, E
CCC
CCX
CXC
Se llama funcin de probabilidad de una variable aleatoria discreta, X, y se

representa por f(x), a aquella funcin que asocia a cada valor de la variable la
probabilidad de que sta adopte ese valor.
f(x) = P(X = x)
f(x) = P(X=x) literalmente, dice que f(x) es la probabilidad, P, de que la variable
aleatoria, X, tome el valor concreto x.
XCC
Cuando la variable aleatoria es discreta su funcin de probabilidad puede

presentarse resumida en una tabla como la siguiente
XXX
XXC
XCX
CXX
Si en este experimento aleatorio definimos la variable aleatoria, X, como el nmero de

caras, los valores posibles de la variable son: x1 = 0; x2 = 1; x3 = 2 y x4 = 3.
Variable aleatoria X: nmero de caras
2010
x1
f(x1) = P(X = x1) = p1
x2
f(x2) = P(X = x2) = p2
x3
f(x3) = P(X = x3) = p3
xn
f(xn) = P(X = xn) = pn
2010
UNED
Introducci
Introduccin al an
anlisis de datos
TEMA 6

Ejemplo: Considrese el experimento lanzar un moneda al aire tres veces consecutivas y
observar su cara superior. Si en este experimento aleatorio definimos la variable aleatoria, X,
como el nmero de caras.
UNED
Introducci
Introduccin al an
anlisis de datos

La funcin de probabilidad de una variable aleatoria discreta puede representarse
mediante un diagrama de barras donde se recogen los valores que toma la variable en
el eje de abscisas y, en el eje de ordenadas, las correspondientes probabilidades.
ESPACIO MUESTRAL, E

2
2
3
0
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0,375
PROPIEDADES FUNDAMENTALES
Las propiedades fundamentales que debe
cumplir la funcin de probabilidad son:
0,375
a) Para cualquier valor de x, siempre toma

valores positivos o nulos, es decir:
0,125
b) La suma de todas las probabilidades

correspondientes a cada valor de x es
igual a uno:
n
f ( x ) = f ( x ) + f ( x ) + ... + f ( x ) = 1
1/8 = 0,125
3/8 = 0,375
3/8 = 0,375
1/8 = 0,125
2010
Introducci
Introduccin al an
anlisis de datos
2010
TEMA 6
UNED
2. FUNCIN DE DISTRIBUCIN: F(x)
Se llama funcin de distribucin de una variable aleatoria discreta, X, y se

representa por F(x), a aquella funcin que asocia a cada valor de la variable la
probabilidad de que sta adopte ese valor o cualquier otro inferior. Es decir:
F(x) = P(X x)
Dicho de otra manera: si ordenamos de menor a mayor los valores x de la
variable aleatoria discreta, la funcin de distribucin se obtiene acumulando (o
sumando) los valores de la funcin de probabilidad, de forma que aplicaremos
la siguiente expresin:
F(xi ) = P(X xi ) = f (x1) + f (x2) + ...+ f (xi )
2010
f(xi) 0
i =1
f(x)
UNED
xX
0,125
Funcin de probabilidad f(x) de X: nmero de caras

X
TEMA 6
x1
F(x1) = P(X x1) = f(x1)
x2
F(x2) = P(X x2) = f(x1) + f(x2)
x3
F(x3) = P(X x3) = f(x1) + f(x2) + f(x3)
xn
F(xn) = P(X xn) = f(x1) + f(x2) + f(x3) + ... + f(xn)
Introducci
Introduccin al an
anlisis de datos
TEMA 6

Ejemplo: Con los mismos datos del ejemplo, donde el experimento aleatorio consista en
lanzar un moneda al aire tres veces consecutivas y observar su cara superior y definimos
una variable aleatoria, X: nmero de caras, vamos a obtener su funcin de distribucin.
3
Funcin de distribucin
F(x)
X
f(x)
F(x)
F(0) que es la probabilidad de que la variable aleatoria

X: nmero de caras tome un valor menor o igual a
cero, esto es: F(0) = P(X 0) = P(X = 0) = 0,125
0,125
0,125
0,375
0,500
F(1) es la probabilidad de que el numero de caras sea

menor o igual a 1, esto es, que sea cero o una cara: F(1)
= P(X 1) = P(X = 0) + P(X = 1) = f(0) + f(1) = 0,125 +
0,375 = 0,500
0,375
0,875
0,125
1,000
F(2) es la probabilidad de que el numero de caras sea menor o igual que dos: F(2) = P(X 2)
= P(X = 0) + P(X = 1) + P(X = 2) = f(0) + f(1) + f(2) = 0,125 + 0,375 + 0,375 = 0,875
F(3) es la probabilidad de que el numero de caras sea menor o igual que tres: F(3) = P(X 3)
= P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) = f(0) + f(1) + f(2) + f(3) = 0,125 + 0,375 + 0,375 +
0,125 = 1
2010
UNED
Introducci
Introduccin al an
anlisis de datos
TEMA 6

La funcin de distribucin de una variable aleatoria discreta puede representarse
mediante un diagrama donde se recogen los valores que toma la variable en el eje de
abscisas y, en el eje de ordenadas, las correspondientes probabilidades.
Ntese que F(x) va dando saltos

precisamente en los valores de la variable
(0, 1, 2, 3) y el crculo blanco de la grfica,
no incluye esos valores. As, por ejemplo
F(2) = 0,875 pero F(1,9999...) = F(1) = 0,5.
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
F(x)
0,125
0,500
0,875
1,000
2010
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
UNED
Introducci
Introduccin al an
anlisis de datos
Las propiedades fundamentales que debe cumplir la funcin de distribucin son:

a) Todos los valores que toma la funcin de distribucin de probabilidad son
positivos o nulos, es decir: x F(xi) 0
b) F(x) es nula, vale 0, para todo valor de la variable inferior al menor valor de la
variable aleatoria, x1: F(x) = 0 si x < x1
c) F(x) es igual a uno para todo valor igual o superior al mayor valor de la variable
aleatoria. Si llamamos xk al mayor valor de la variable: F(x) = 1 si x > xk
d) La funcin F(x) es no decreciente ya que es una acumulacin o suma de
probabilidades que son siempre positivas o nulas
e) La probabilidad, P, de que la variable aleatoria X tome valores x comprendidos
entre x1 y x2 (x1xx2) es la diferencia entre los valores de la funcin de
distribucin correspondientes a su valor superior menos su valor inferior. Es
decir: P(x1 x x2) = F(x2) F(x1)
2010
10
TEMA 6
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
2010 FEBRERO (MODELO B)
17. Para una variable aleatoria X, la figura 1 representa:
17. Para una variable aleatoria X, la figura 1 representa:
a) la funci
funcin de probabilidad
b) la funci
funcin de distribuci
distribucin
c) la funci
funcin relativa
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0,4
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0,1
0,4
0,4
0,1
0,1
f(x)
F(x)
0,10
0,10
0,40
0,50
0,40
0,90
0,10
1,00
1,00
Figura 1. Representacin grfica de

una variable aleatoria
2010
TEMA 6
a) la funci
funcin de probabilidad
b) la funci
funcin de distribuci
distribucin
c) la funci
funcin relativa
0,4
0,1
TEMA 6

11
2010
12
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
18. Con los datos de la figura 1, la probabilidad de que la variable aleatoria X, tome
valores mayores o iguales a 1 es:
18. Con los datos de la figura 1, la probabilidad de que la variable aleatoria X, tome
valores mayores o iguales a 1 es:
a) 0,1
b) 0,5
c) 0,9
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
a) 0,1
b) 0,5
c) 0,9
0,4
0,1
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0,4
0,1
0,4
0,1
0,1
f(x)
F(x)
0,10
0,10
0,40
0,50
0,40
0,90
0,10
1,00
1,00

0,4
P(X1) = P(X = 1) + P(X = 2) + P(X = 3)

P(X1) = f(1) + f(2) +f(3) =

P(X1) = 0,4 + 0,4 + 0,1 = 0,9
2010
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
13
2010
TEMA 6
UNED
14
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
2010 FEBRERO (MODELO C)
16. La funcin de probabilidad de una variable aleatoria discreta es una funcin

que asocia una probabilidad a cada uno de los valores de la variable y que cumple
que la suma de las probabilidades:
16. La funcin de probabilidad de una variable aleatoria discreta es una funcin

que asocia una probabilidad a cada uno de los valores de la variable y que cumple
que la suma de las probabilidades:
a) es un valor cualquiera entre 0 y 1

b) es igual a 1
c) es mayor que 1
a) es un valor cualquiera entre 0 y 1

b) es igual a 1
c) es mayor que 1
f(x)
F(x)
0,10
0,10
0,40
0,50
0,40
0,90
0,10
1,00
1,00
2010
15
2010
16
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
2010 FEBRERO (MODELO D)
18. Dada la Situacin 1, la probabilidad de que X sea menor o igual que 3 es:
18. Dada la Situacin 1, la probabilidad de que X sea menor o igual que 3 es:
a) 0,20
b) 0,60
c) 0,80
a) 0,20
b) 0,60
c) 0,80
Situacin 1. Los valores posibles de una

variable aleatoria X son: 0, 1, 2, 3 y 4.
Todos los valores tienen la misma
probabilidad

probabilidad
P(X3) = P(X=0) + P(X=1) + P(X=2) + P(X=3)
f(x)
F(x)
0,20
0,20
0,20
0,40
0,20
0,60
0,20
0,80
0,20
1,00
P(X3) = f(0) + f(1) + f(2) +f(3) =
1,00
P(X3) = 0,2 + 0,2 + 0,2 + 0,2 = 0,8
2010
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
17
2010
TEMA 6
UNED
18
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
2005 JUNIO (MODELO A)
2005 JUNIO (MODELO A)
21. La funcin de distribucin de una variable aleatoria discreta X es F(0) = 0,15;

F(1) = 0,35; F(2) = 0,60; F(3) = 0,80; F(4) = 1,00. La probabilidad de que X = 2 es:
21. La funcin de distribucin de una variable aleatoria discreta X es F(0) = 0,15;

F(1) = 0,35; F(2) = 0,60; F(3) = 0,80; F(4) = 1,00. La probabilidad de que X = 2 es:
a) 0,80
b) 0,25
c) 0,20
a) 0,80
b) 0,25
c) 0,20
2010
f(x)
F(x)
0,15
0,15
0,35
0,20
0,35
0,60
0,25
0,60
0,80
0,20
0,80
1,00
0,20
1,00
F(x)
0,15
f(2) = F(2) F(1) = 0,60 0,35 = 0,25
19
2010
20
UNED
Introducci
Introduccin al an
anlisis de datos
TEMA 6
UNED
Para calcular la media, que designaremos por la letra griega, , de una variable
aleatoria discreta X calcularemos el sumatorio de cada uno de los valores que toma
la variable por su correspondiente funcin de probabilidad. Es decir, la media, , de
una variable aleatoria discreta X viene definida por la siguiente expresin:
Para obtener la varianza de una variable aleatoria discreta X, que designaremos por
la letra griega 2 V(X), debemos calcular el sumatorio del producto de cada uno de
los valores que toma la variable menos su media elevados al cuadrado por su
correspondiente valor de la funcin de probabilidad. Es decir:
2 = V(X) = (x )2 f(x)
= E(X) = xf(x)
La media de una variable aleatoria tambin se denomina esperanza matemtica o valor
esperado de X y se representa por E(X). Representa el promedio terico que
tomara la variable aleatoria si se repitiese el experimento aleatorio infinitas veces.
Donde E(X2) = X2f(x) y [E(X)]2 es la media de la variable elevada al cuadrado. Por lo

tanto, la varianza puede definirse tambin como la esperanza de los cuadrados de X,
E(X2), menos el cuadrado de la esperanza de X, [E(X)]2.
f(x)
F(x)
0,125
0,125
0,375
0,500
0,375
0,875
0,125
1,000
x f ( x)
Opcin (a):
f(x)
(x )2
(x )2fx
x2
x2fx
0,125
2,25
0,28125
= E ( X ) = x1 f ( x1 ) + x2 f ( x2 ) + x3 f ( x3 ) + x4 f ( x4 )
0,375
0,25
0,09375
0,375
0,375
0,25
0,09375
1,500
= E( X ) =0 0,125+ 1 0,375+ 2 0,375+ 3 0,125= 1,5
0,125
2,25
0,28125
1,125
= E( X ) =
2010
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
= 2
2 = E(X2) [E(X)]2
Ejemplo: X = nmero de caras
Ejemplo:
X = nmero de caras
TEMA 6
3. NEDIA () Y VARIANZA (2) DE UNA VARIABLE ALEATORIA:
3. NEDIA () Y VARIANZA (2) DE UNA VARIABLE ALEATORIA:
UNED
Introducci
Introduccin al an
anlisis de datos
0,75
= E( X ) = 1,5
21
2010
TEMA 6
UNED
2 =
( x )
f ( x ) = 0,75
Opcin (b):
2 = E ( X 2 ) [ E ( X )]2
2 = 3 1,52 = 0,75
22
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
2010 FEBRERO (MODELO A)
16. La funcin de probabilidad de una variable X es: f(0) = 0,2, f(1) = 0,3 y f(2) =
0,5. La media de X es:
16. La funcin de probabilidad de una variable X es: f(0) = 0,2, f(1) = 0,3 y f(2) =
0,5. La media de X es:
a) 0,3
b) 1,3
c) 2,5
a) 0,3
b) 1,3
c) 2,5
= E(X) = xf(x) = 1,3
2010
23
2010
f(x)
x f(x)
0,2
0,0
0,3
0,3
0,5
1,0
1,00
1,3
24
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
19. Con los datos de la figura 1, la esperanza matemtica de la variable aleatoria X

es:
19. Con los datos de la figura 1, la esperanza matemtica de la variable aleatoria X

es:
a) 1
b) 1,5
c) 2
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
a) 1
b) 1,5
c) 2
0,4
0,1
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0,4
0,1
2010
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
0,4
0,1

UNED
0,4
0,1
f(x)
x f(x)
0,10
0,0
0,40
0,4
0,40
0,8
0,10
0,3
1,00
1,5

25
2010
TEMA 6
UNED
26
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
16. La funcin de distribucin de la variable X, nmero de horas diarias de un

adolescente conectado a internet es: F(0) = 0,05, F(1) = 0,28, F(2) = 0,66, F(3) =
0,92, F(4) = 1. La media de X es:
16. La funcin de distribucin de la variable X, nmero de horas diarias de un

adolescente conectado a internet es: F(0) = 0,05, F(1) = 0,28, F(2) = 0,66, F(3) =
0,92, F(4) = 1. La media de X es:
a) 1,56
b) 2,09
c) 1,67
a) 1,56
b) 2,09
c) 1,67
= E(X) = xf(x) = 2,09
2010
27
2010
f(x)
F(x)
x f(x)
0,05
0,05
0,00
0,23
0,28
0,23
0,38
0,66
0,76
0,26
0,92
0,78
0,08
1,00
0,32
1,00
2,09
28
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
17. Dada la Situacin 1, la varianza de la variable aleatoria X es:
17. Dada la Situacin 1, la varianza de la variable aleatoria X es:
a) 0
b) 2
c) 10
a) 0
b) 2
c) 10

probabilidad
Situacin 1. Los valores posibles

de una variable aleatoria X son: 0,
1, 2, 3 y 4. Todos los valores
tienen la misma probabilidad
E ( X 2 ) [ E ( X )]2
f(x)
x f(x)
x2f(x)
0,20
0,00
0,00
0,20
0,20
0,20
0,20
0,40
0,80
0,20
0,60
1,80
0,20
0,80
3,20
1,00
2,00
6,00
2 = E ( X 2 ) [ E ( X )]2 = 6 22 = 6 4 = 2
2010
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
29
2010
30
TEMA 6
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
2010 SEPTIEMBRE (MODELO A)
16. Si colocamos una rata en un laberinto, como el recogido en la Figura 1, y la variable

aleatoria X tona el valor 1 cuando la rata escoge la salida a y el 0 en otro caso, cunto
vale la media de X?
16. Si colocamos una rata en un laberinto, como el recogido en la Figura 1, y la variable

aleatoria X tona el valor 1 cuando la rata escoge la salida a y el 0 en otro caso, cunto
vale la media de X?
a) 0,25
b) 0,50
c) 2,50
a) 0,25
b) 0,50
c) 2,50
Figura 1. Rata situada en un laberinto con

cuatro salidas (A, B, C y D) equiprobables
2010

31
2010
f(x)
x f(x)
= 0,75
0,00
= 0,25
0,25
1,00
0,25
= E(X) = xf(x) = 0,25
32
UNED
Introducci
Introduccin al an
anlisis de datos
DISTRIBUCION BINOMIAL
TEMA 6
En Ciencias Sociales y de la Salud se trabaja, en ocasiones, con variables aleatorias

discretas que slo pueden tomar dos valores (dicotmicas), generalmente representados
por 1 y 0. En estos casos, resulta muy til la utilizacin de la distribucin binomial.
Experimento de Bernouilli: todo experimento aleatorio en el que slo pueden

presentarse dos alternativas posibles. A una de ellas la denominaremos xito o
acierto (que habitualmente, codificaremos con 1) y la otra fracaso o error (que
codificaremos como 0), sin que estos trminos tengan connotaciones ni positivas ni
negativas.
UNED
Introducci
Introduccin al an
anlisis de datos
TEMA 6
Ejemplo: Si lanzamos una moneda imparcial al aire en tres ocasiones y

definimos la variable aleatoria X como nmero de caras obtenidas, sta
variable seguir un modelo de distribucin binomial con parmetros n = 3 y p = 0,5.
Diremos que X sigue un modelo B(3; 0,5). Esto es as porque:
a) En cada lanzamiento slo son posibles dos resultados: xito (salir cara)
y fracaso (salir cruz)
Ejemplos: Lanzar una moneda al aire, admite slo dos resultados posibles: cara o cruz, el
nacimiento de un varn o mujer, el lado izquierdo o derecho de un laberinto en forma de T
elegido por una rata no entrenada en el laboratorio, etc.
b) Los ensayos son independientes entre s: el resultado en un ensayo no

depende de lo que haya salido o no en los ensayos anteriores
Un experimento binomial consiste en repetir n veces, y de forma independiente,

un ensayo Bernouilli, de modo que la probabilidad de xito, p, permanece
constante en cada ensayo. Una variable aleatoria X sigue una distribucin
binomial (con parmetros n y p) si expresa el nmero de xitos en n
realizaciones independientes de un experimento con probabilidad p de obtener
xito y, por tanto, (1 p) de obtener fracaso. Esta distribucin suele representarse
por la expresin B(n, p) donde B indica Binomial, n (nmero de ensayos o veces
que se repite un experimento Bernouilli) y p (probabilidad de xito)
c) La probabilidad de xito (en este caso salir cara) se mantiene

constante a lo largo de los ensayos (en este caso p = 0,5)
2010
UNED
Introducci
Introduccin al an
anlisis de datos
33
2010
TEMA 6
UNED
Una variable X que sigue un modelo de distribucin binomial, con parmetros n y p, y

que simbolizaremos por X B(n,p)
B(n,p), presenta las siguientes caracter
caractersticas
fundamentales:
fundamentales
a) Funcin de probabilidad: f(x)
b) Funcin de distribucin: F(x)
n
f ( x ) = P ( X = x ) = p x q n x
x
F ( x) = P( X x) =
x p
TEMA 6
Ejemplo: Si lanzamos una moneda imparcial al aire en tres ocasiones y definimos la

variable aleatoria X como nmero de caras obtenidas, sta variable seguir un modelo
de distribucin binomial con parmetros n = 3 y p = 0,5. Diremos que X sigue un modelo
B(3; 0,5).
n
n!
Funcin de
f ( x ) = P ( X = x ) = p x q n x =
p xqn x
probabilidad
x!( n x )!
x
q n x
3
3
3!
f ( 2) = P ( X = 2) = 0,52 0,53 2 = 0,52 0,5 =
0,25 0,5 = 0,375
2!1!
2
2
= n pq
Donde x es el nmero de aciertos, n es el nmero de ensayos, p es la

probabilidad de xito en cada uno de los ensayos, q es la probabilidad de fracaso
n
n!
(1 p) y el nmero combinatorio que se lee n sobre x es igual a:
x
x!( n x )!
2010
Introducci
Introduccin al an
anlisis de datos
a) Cul es la probabilidad de obtener exactamente dos caras? f(2)
c) Media: = np
d) Varianza: 2 = npq
34
35
b) Cul es la probabilidad de obtener dos o menos caras? F(2)

Funcin de F ( x ) = P ( X x ) =
distribucin
x p q
x n x
x!( n x )! p q
n!
x n x
F ( 2) = P ( X 2) = f ( 0) + f (1) + f ( 2) = 0,875
2010
36
UNED
Introducci
Introduccin al an
anlisis de datos
TEMA 6

B(3; 0,5).
b) Cul es la probabilidad de obtener dos o menos caras? F(2)
F ( x) = P( X x) =
x p q
x n x
UNED
c) Cul es la probabilidad de obtener ms de dos caras?

P(X > 2) = 1 P(X 2) = 1 F(2) = 1 0,875 = 0,125
x n x
X = nmero de caras
F ( 2) = P ( X 2) = f ( 0) + f (1) + f ( 2) = 0,875
f(x)
F(x)
0,125
0,125
3
3
3!
f (1) = P ( X = 1) = 0,51 0,5 3 1 = 0,5 0,5 2 =
0,5 0,5 2 = 0,375
1
1!2!

1
0,375
0,500
0,375
0,875
3
3
3!
f ( 2 ) = P ( X = 2 ) = 0,5 2 0,5 3 2 = 0,5 2 0,5 =
0,25 0,5 = 0,375
2
2
2
!
1!

0,125
1,000
3
3
3!
f ( 0 ) = P ( X = 0 ) = 0,5 0 0,5 3 0 = 1 0,5 3 =
1 0,5 3 = 0,125
0!3!
0
0
2010
UNED
= E ( X ) =1,5
37
Introducci
Introduccin al an
anlisis de datos
TEMA 6
La utilizacin de las funciones de probabilidad y de distribucin requieren clculos

tediosos. Las tablas de la funcin de probabilidad y de la funcin de distribucin binomial,
tablas I y II, nos evitan, en muchos casos, el clculo de las probabilidades a partir de la
ecuacin de esas funciones, facilitando considerablemente su obtencin cuando
tenemos un elevado nmero de ensayos (n).
EJEMPLO: La probabilidad de que un alumno de Psicologa de la UNED

termine sus estudios en seis aos es 0,4. Elegidos cinco estudiantes de
primero al azar, calcular la probabilidad de que:
Datos: experimento binomial con n = 5; p = 0,4 y q = 1 p = 0,6.
X B(5;0,4)
2 = npq = 3 0,5 0,5 = 0,75
2 = V ( X ) = 0,75
38
Ejemplo:
n=5
x=0
p = 0,4
a) Ninguno
termine en los
seis aos.
f ( 0) = P ( X = 0)
Probabilidad del xito p

n
1
2
n
n!
f ( x ) = P ( X = x ) = p x q n x =
p xq n x
x!( n x )!
x
5
f (0) = P ( X = 0) = 0,40 0,65 = 0,0778
0
39
= np = 3 0,5 = 1,5
UNED
Introducci
TEMA 6
Introduccin al an
anlisis de datos
DIST. BINOMIAL: B(N,p)
B(N,p) Tabla I. Funci
Funcin de Probabilidad f(x)
f(x)
a) Ninguno termine en los seis aos: P(X = 0)?

Nos piden la probabilidad de que la variable X = alumnos de Psicologa de la
UNED que terminan la carrera en seis aos tome el valor 0. Es decir:
2010
d) Puede observarse que la media y la varianza

coinciden con las calculadas anteriormente:
2010
= 0,0778
Funcin
de
probabilidad
TEMA 6

B(3; 0,5).
x!( n x )! p q
n!
Introducci
Introduccin al an
anlisis de datos
2010
x
0
1
0
1
2
0
1
2
3
0
1
2
3
4
0
0,01
.9900
.0100
.9801
.0198
.0001
.9703
.0294
.0003
.0000
.9606
.0388
.0006
.0000
.0000
.9510
0,05
.9500
.0500
.9025
.0950
.0025
.8574
.1354
.0071
.0001
.8145
.1715
.0135
.0005
.0000
.7738
0,10
.9000
.1000
.8100
.1800
.0100
.7290
.2430
.0270
.0010
.6561
.2916
.0486
.0036
.0001
.5905
0,15
.8500
.1500
.7225
.2550
.0225
.6141
.3251
.0574
.0034
.5220
.3685
.0975
.0115
.0005
.4437
0,20
.8000
.2000
.6400
.3200
.0400
.5120
.3840
.0960
.0080
.4096
.4096
.1636
.0256
.0016
.3277
0,25
.7500
.2500
.5625
.3750
.0625
.4219
.4219
.1406
.0156
.3164
.4219
.2109
.4609
.0039
.2373
0,30
.7000
.3000
.4900
.4200
.0900
.3430
.4410
.1890.
.0270
.2401
.4116
.2646
.0756
.0081
.1681
0,35
.6500
.3500
.4225
.4550
.1225
.2746
.4436
.2389
.0429
.1785
.3845
.3105
.1115
.0150
.1160
1
2
3
4
5
0
...
.0480
.0010
.0000
.0000
.0000
.9415
.0571
.2036
.0214
.0011
.0000
.0000
.7351
.2321
.3280
.0729
.0081
.0004
.0000
.5314
.3543
.3915
.1382
.0244
.0022
.0001
.3771
.3993
.4096
.2048
.0512
.0064
.0003
.2621
.3932
.3855
.2637
.0879
.0146
.0010
.1780
.3560
.3602
.3087
.1323
.0284
.0024
.1176
.3025
.3124
.3364
.1811
.0488
.0053
.0754
.2437
0,40
.6000
.4000
.3600
.4800
.1600
.2160
.4320
.2880
.0640
.1296
.3456
.3456
.1536
.0256
.0778
0,45
.5500
.4500
.3025
.4950
.2025
.1664
.4084
.3341
.0911
.0915
.2995
.3675
.2005
.0410
.0503
0,50
.5000
.5000
.2500
.5000
.2500
.1250
.3750
.3750
.1250
.0625
.2500
.3750
.2500
.0625
.0312
.2592
.3456
.2304
.0768
.0102
.0467
.1866
.2059
.3369
.2757
.1128
.0185
.0277
.1359
.1562
.3125
.3125
.1562
.0312
.0156
.0938
40
UNED
Introducci
Introduccin al an
anlisis de datos
TEMA 6
EJEMPLO: La probabilidad de que un alumno de Psicologa de la UNED termine sus

estudios en seis aos es 0,4. Elegidos cinco estudiantes de primero al azar.
Datos: experimento binomial con n = 5; p = 0,4 y q = 1 p = 0,6. X B(5;0,4)

b) Calcular la probabilidad de que solamente uno termine: P(X = 1)?
Tenemos que calcular la probabilidad de que la variable X valga uno
Ejemplo:
n=5
x=1
p = 0,4
b) Solamente
uno termine
n
n!
f ( x ) = P ( X = x ) = p x q n x =
p x q n x
x!( n x )!
x
Funcin
de
probabilidad
UNED
Introducci
TEMA 6
Introduccin al an
anlisis de datos
B(N,p) Tabla I. Funci
Funcin de Probabilidad f(x)
f(x)
Probabilidad del xito p
n
1
2
f (1) = P ( X = 1)
= 0,2592
5
f (1) = P( X = 1) = 0,41 0,64 = 0,2592
1
c) Calcular la probabilidad de que a lo sumo terminen cuatro: P(X 4)?

5
Que a lo sumo terminen cuatro, o lo que es lo mismo, que terminen ninguno, uno,
dos, tres o cuatro, pero no ms, es decir:
Funcin
de
distribucin
F(4) = P( X 4) =
x 0,4 0,6
x
N x
= f (0) + f (1) + f (2) + f (3) + f (4) = 0,9898
x=0
2010
41
UNED
Introducci
TEMA 6
Introduccin al an
anlisis de datos
B(N,p) Tabla II. Funci
Funcin de Distribuci
Distribucin F(x)
F(x)
Ejemplo:
n=5
x=4
p = 0,4
n
2
x
0
1
2
0
1
2
3
0
1
2
3
4
0
1
2
3
4
5
0
...
0.01
0.9801
0.9999
10000
0.9703
0.9997
10000
0.9606
0.9994
10000
0.9510
0.9990
10000
0.9415
0.9986
d) A lo sumo terminen cuatro:
2010
0.05
0.9025
0.9975
10000
0.8574
0.9928
0.9999
10000
0.8145
0.9860
0.9995
10000
0.7738
0.9774
0.9988
10000
0.7351
0.9672
0.10
0.8100
0.9900
10000
0.7290
0.9720
0.9990
10000
0.6561
0.9477
0.9963
0.9999
10000
0.5905
0.9185
0.9914
0.9995
10000
0.15
0.7225
0.9775
10000
0.6141
0.9392
0.9966
10000
0.5220
0.8905
0.9880
0.9995
10000
0.4437
0.8352
0.9734
0.9978
0.9999
0.20
0.6400
0.9600
10000
0.5120
0.8960
0.9920
10000
0.4096
0.8192
0.9728
0.9984
10000
0.3277
0.7373
0.9421
0.9933
0.9997
0.25
0.5625
0.9375
10000
0.4219
0.8438
0.9844
10000
0.3164
0.7383
0.9492
0.9961
10000
0.2373
0.6328
0.8965
0.9844
0.9990
0.30
0.4900
0.9100
10000
0.3430
0.7840
0.9730
10000
0.2401
0.6517
0.9163
0.9919
10000
0.1681
0.5282
0.8369
0.9692
0.9976
0.35
0.4225
0.8775
10000
0.2746
0.7182
0.9571
10000
0.1785
0.5630
0.8735
0.9850
10000
0.1160
0.4284
0.7648
0.9460
0.9947
0.5314
0.8857
10000
0.3771
0.7765
10000
0.2621
0.6553
10000
0.1780
0.5339
10000
0.1176
0.4202
10000
0.0754
0.3191
0.40
0.3600
0.8400
10000
0.2160
0.6480
0.9360
10000
0.1296
0.4752
0.8208
0.9744
10000
0.0778
0.3370
0.6826
0.9130
0.9898
0.45
0.3025
0.7975
10000
0.1664
0.5748
0.9089
10000
0.0915
0.3910
0.7585
0.9590
10000
0.0503
0.2562
0.5931
0.8688
0.9815
0.50
0.2500
0.7500
10000
0.1250
0.5000
0.8750
10000
0.0625
0.3125
0.6875
0.9375
10000
0.0312
0.1875
0.5000
0.8125
0.9688
10000
0.0467
0.2333
10000
0.0277
0.1636
10000
0.0156
0.1094
F (4)= P ( X 4) = 0,9898
43
x
0
1
0
1
2
0
1
2
3
0
1
2
3
4
0
1
0,01
.9900
.0100
.9801
.0198
.0001
.9703
.0294
.0003
.0000
.9606
.0388
.0006
.0000
.0000
.9510
.0480
0,05
.9500
.0500
.9025
.0950
.0025
.8574
.1354
.0071
.0001
.8145
.1715
.0135
.0005
.0000
.7738
.2036
0,10
.9000
.1000
.8100
.1800
.0100
.7290
.2430
.0270
.0010
.6561
.2916
.0486
.0036
.0001
.5905
.3280
0,15
.8500
.1500
.7225
.2550
.0225
.6141
.3251
.0574
.0034
.5220
.3685
.0975
.0115
.0005
.4437
.3915
0,20
.8000
.2000
.6400
.3200
.0400
.5120
.3840
.0960
.0080
.4096
.4096
.1636
.0256
.0016
.3277
.4096
0,25
.7500
.2500
.5625
.3750
.0625
.4219
.4219
.1406
.0156
.3164
.4219
.2109
.4609
.0039
.2373
.3855
0,30
.7000
.3000
.4900
.4200
.0900
.3430
.4410
.1890.
.0270
.2401
.4116
.2646
.0756
.0081
.1681
.3602
0,35
.6500
.3500
.4225
.4550
.1225
.2746
.4436
.2389
.0429
.1785
.3845
.3105
.1115
.0150
.1160
.3124
2
3
4
5
0
...
.0010
.0000
.0000
.0000
.9415
.0571
.0214
.0011
.0000
.0000
.7351
.2321
.0729
.0081
.0004
.0000
.5314
.3543
.1382
.0244
.0022
.0001
.3771
.3993
.2048
.0512
.0064
.0003
.2621
.3932
.2637
.0879
.0146
.0010
.1780
.3560
.3087
.1323
.0284
.0024
.1176
.3025
.3364
.1811
.0488
.0053
.0754
.2437
2010
UNED
0,40
.6000
.4000
.3600
.4800
.1600
.2160
.4320
.2880
.0640
.1296
.3456
.3456
.1536
.0256
.0778
.2592
0,45
.5500
.4500
.3025
.4950
.2025
.1664
.4084
.3341
.0911
.0915
.2995
.3675
.2005
.0410
.0503
.2059
0,50
.5000
.5000
.2500
.5000
.2500
.1250
.3750
.3750
.1250
.0625
.2500
.3750
.2500
.0625
.0312
.1562
.3456
.2304
.0768
.0102
.0467
.1866
.3369
.2757
.1128
.0185
.0277
.1359
.3125
.3125
.1562
.0312
.0156
.0938
42
Introducci
Introduccin al an
anlisis de datos
TEMA 6
Las tablas I y II slo contienen valores de p desde 0,01 hasta 0,50, entonces qu
hacer cuando tengamos una p > 0,50?. En estos casos lo que haremos ser
intercambiar las condiciones de xito y fracaso.
EJEMPLO: sabemos, por la experiencia de aos anteriores en el Servicio de
Psiquiatra y Psicologa Clnica, que un 60% de los pacientes son tratados con
Tcnicas de Modificacin de Conducta. Si un determinado da acuden 5 personas a
consulta, cul es la probabilidad de que 3 sean tratadas con Tcnicas de Modificacin
de Conducta? Datos: experimento binomial con n = 5; p = 0,6 y q = 1 p = 0,4.
Si la probabilidad de ser tratado con Tcnicas de Modificacin de Conducta es p =

0,6, la probabilidad de no ser tratado con tales tcnicas es q = 1 p = 0,4.
Por otro lado, que tres personas, de un total de cinco, sean tratadas con Tcnicas
de Modificacin de Conducta, es lo mismo que dos personas, de las cinco, no sean
tratadas con tales tcnicas.
P(X=3|p=0,6) = P(Y = 2|q=0,4)
Por tanto, el valor correspondiente, en la tabla I, a la interseccin de la fila n = 5 y x
= 2 con la columna p = 0,4 nos dar respuesta a la pregunta planteada. El
resultado es 0,3456
2010
44
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 4
17. Se lanza una moneda al aire en 20 ocasiones. Sabiendo que P(cara) =

P(cruz) = 0,5 en cada ensayo, Cul es la probabilidad de obtener 10 caras?
17. Se lanza una moneda al aire en 20 ocasiones. Sabiendo que P(cara) =

P(cruz) = 0,5 en cada ensayo, Cul es la probabilidad de obtener 10 caras?
a) 0,0500
b) 0,1762
c) 0,255
a) 0,0500
b) 0,1762
c) 0,255
X B(20;0,5)
Distribucin binomial: n = 20, p = 0,5, P(X=10)?

n
a) Aplicar la frmula: f ( x ) = P ( X = x ) = p x q n x
x
20
f (10) = P ( X = 10) = 0,510 0,520 10 = 0,176197
10
la probabilidad de
obtener 10 xitos
(caras), cada uno de
ellos con probabilidad p
= 0,5 es P(X=10)...
b) Buscar en la Tabla I (Funcin de probabilidad): n = 20,

x = 10, p = 0,5 P(X=10) = 0,1762
2010
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
45
2010
TEMA 6
UNED
46
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
18. En un Centro de la UNED el 60% de los alumnos son mujeres. Si elegimos,

al azar, una muestra de 5 alumnos cul es la probabilidad de que 2 sean
varones?
18. En un Centro de la UNED el 60% de los alumnos son mujeres. Si elegimos,

al azar, una muestra de 5 alumnos cul es la probabilidad de que 2 sean
varones?
a) 0,2350
b) 0,3456
c) 0,6544
a) 0,2350
b) 0,3456
c) 0,6544
X B(5;0,4)

n
x
5
f ( 2 ) = P ( X = 2 ) = 0, 4 2 0,6 5 3 = 0,3456
2
la probabilidad de
obtener 2 xitos
(varones), cada uno de
ellos con probabilidad p
= 0,4, P(X=2), es...
b) Tabla I (Funcin de probabilidad): n = 5, x = 2, p =

0,4 P(X=2) = 0,1762
2010
47
2010
48
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
19. Se sabe que el 20% de los espaoles no ha acudido nunca a terapia con un
psiclogo clnico. Si seleccionamos aleatoriamente una muestra de 10
personas, cul es la probabilidad de que 3 personas de la muestra no hayan
acudido a terapia?
19. Se sabe que el 20% de los espaoles no ha acudido nunca a terapia con un
psiclogo clnico. Si seleccionamos aleatoriamente una muestra de 10
personas, cul es la probabilidad de que 3 personas de la muestra no hayan
acudido a terapia?
X B(10;0,2)
a) 0,8791
a) 0,8791
b) 0,1209
c) 0,2013
b) 0,1209
c) 0,2013

n
x
10
f (3) = P ( X = 3) = 0, 23 0,810 3 = 0,201327
3
b) Tabla I (Funcin de probabilidad): n = 10, x = 3,

p = 0,2 P(X=3) = 0,2013
2010
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
49
2010
TEMA 6
UNED
la probabilidad de
obtener 3 xitos
(personas que no hayan
acudido a terapia), cada
uno de ellos con
probabilidad p = 0,2,
P(X=3) es ...
50
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
18. Si en un laberinto como el de la Figura 1 colocamos sucesivamente 20 rata

diferentes, cul es la probabilidad de que 5 o menos escojan la salida A?
18. Si en un laberinto como el de la Figura 1 colocamos sucesivamente 20 rata

diferentes, cul es la probabilidad de que 5 o menos escojan la salida A?
a) 0,2023
b) 0,3456
c) 0,6172
a) 0,2023
b) 0,3456
c) 0,6172

2010
Opcin a: Aplicar la frmula

51
2010
P(X 5) = f(0) + f(1) + f(2) + f(3) + f(4) + f(5) =

n
f ( x ) = P ( X = x ) = p x q n x
x
20
20
20
0,50 0,520 + 0,51 0,519 + 0,52 0,518 +
0
1
2

20
20
20

+ 0,53 0,517 + 0,54 0,516 + 0,55 0,515 =
3
4
5

= 0,6172
Opcin b: Buscar en la Tabla II
n = 20, x = 5; p = 0,5 P(X 5) = 0,6172
52
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
UNED
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
2009 JUNIO (MODELO C)
2009 JUNIO (MODELO C)
18. En una distribucin binomial con parmetros n = 2 y p =0,18, calcule la

probabilidad de obtener un xito:
18. En una distribucin binomial con parmetros n = 2 y p =0,18, calcule la

probabilidad de obtener un xito:
a) 0,1476
b) 0,2952
c) No podemos calcularla
a) 0,1476
b) 0,2952
c) No podemos calcularla
Opcin a: Aplicar la frmula

n
2
f ( x ) = P ( X = x ) = p x q n x f (1) = P ( X = 1) = 0,181 0,822 1
x
1
f(1) = P(X=1) = 20,180,82 = 0,2952

Opcin b: Buscar en la Tabla II
2010
UNED
53
Introducci
Introduccin al an
anlisis de datos
EJEMPLOS
TEMA 6
3)
2010
55
2010
54

Tema 6 Ditribuciones Discretas de Probabilidad PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tema 6 Ditribuciones Discretas de Probabilidad PDF

Uploaded by

Copyright:

Available Formats

UNED

Introduccin al anlisis de datos

Las variables aleatorias, as definidas y representadas, pueden ser discretas o continuas.

Centro Asociado A Coru

Variables Aleatorias Discretas: Cuando la variable aleatoria, X, es un conjunto de valores

1. FUNCIN DE PROBABILIDAD: f(x)

Se llama funcin de probabilidad de una variable aleatoria discreta, X, y se

Cuando la variable aleatoria es discreta su funcin de probabilidad puede

Si en este experimento aleatorio definimos la variable aleatoria, X, como el nmero de

f(x1) = P(X = x1) = p1

f(x2) = P(X = x2) = p2

f(x3) = P(X = x3) = p3

f(xn) = P(X = xn) = pn

1. FUNCIN DE PROBABILIDAD: f(x)

1. FUNCIN DE PROBABILIDAD: f(x)

Variable aleatoria X: nmero de caras

a) Para cualquier valor de x, siempre toma

b) La suma de todas las probabilidades

2. FUNCIN DE DISTRIBUCIN: F(x)

Se llama funcin de distribucin de una variable aleatoria discreta, X, y se

F(xi ) = P(X xi ) = f (x1) + f (x2) + ...+ f (xi )

Funcin de probabilidad f(x) de X: nmero de caras

F(x1) = P(X x1) = f(x1)

F(x2) = P(X x2) = f(x1) + f(x2)

F(x3) = P(X x3) = f(x1) + f(x2) + f(x3)

F(xn) = P(X xn) = f(x1) + f(x2) + f(x3) + ... + f(xn)

2. FUNCIN DE DISTRIBUCIN: F(x)

F(0) que es la probabilidad de que la variable aleatoria

F(1) es la probabilidad de que el numero de caras sea

2. FUNCIN DE DISTRIBUCIN: F(x)

Ntese que F(x) va dando saltos

2. FUNCIN DE DISTRIBUCIN: F(x)

Las propiedades fundamentales que debe cumplir la funcin de distribucin son:

2010 FEBRERO (MODELO B)

2010 FEBRERO (MODELO B)

17. Para una variable aleatoria X, la figura 1 representa:

17. Para una variable aleatoria X, la figura 1 representa:

Figura 1. Representacin grfica de

Figura 1. Representacin grfica de

2010 FEBRERO (MODELO B)

2010 FEBRERO (MODELO B)

Figura 1. Representacin grfica de

P(X1) = P(X = 1) + P(X = 2) + P(X = 3)

Figura 1. Representacin grfica de

P(X1) = f(1) + f(2) +f(3) =

2010 FEBRERO (MODELO C)

2010 FEBRERO (MODELO C)

16. La funcin de probabilidad de una variable aleatoria discreta es una funcin

16. La funcin de probabilidad de una variable aleatoria discreta es una funcin

a) es un valor cualquiera entre 0 y 1

a) es un valor cualquiera entre 0 y 1

2010 FEBRERO (MODELO C)

2010 FEBRERO (MODELO D)

Situacin 1. Los valores posibles de una

Situacin 1. Los valores posibles de una

P(X3) = P(X=0) + P(X=1) + P(X=2) + P(X=3)

P(X3) = f(0) + f(1) + f(2) +f(3) =

P(X3) = 0,2 + 0,2 + 0,2 + 0,2 = 0,8

2005 JUNIO (MODELO A)

2005 JUNIO (MODELO A)

21. La funcin de distribucin de una variable aleatoria discreta X es F(0) = 0,15;

21. La funcin de distribucin de una variable aleatoria discreta X es F(0) = 0,15;

f(2) = F(2) F(1) = 0,60 0,35 = 0,25