Professional Documents
Culture Documents
ALEATORIA
Introduccin:
Al cumplirse los trminos para un llamado a elecciones, todos los partidos tienen
necesidad de conocer la intencin de voto de la poblacin hacia su candidato; a estos
efectos contratan los servicios de consultoras que realizan el correspondiente sondeo.
Como resultado de los mismos, podemos determinar la probabilidad de que en una
muestra de n electores, x de ellos tengan intencin de voto por su candidato.
De la misma manera, una empresa puede solicitar los servicios de una consultora a
los efectos de determinar el posible comportamiento de un sector respecto de un
producto. Esos servicios deben ser abonados, pero siempre que los mismos sean
correctos. En casos como estos se podra realizar algn tipo de verificacin?
Son innumerables las situaciones que tal como las descriptas se nos presentan en la
vida diaria y profesional. Ante cada una de ellas, tendremos que tomar decisiones; es
por ello que este contenido; DISTRIBUCIONES DE VARIABLE ALEATORIA, cobra
cierta preponderancia dentro del contexto de los contenidos de la asignatura, siendo
el estudio de ella entonces de fundamental importancia para el lector.
Ahora bien, con todos los valores que puede adoptar dicha variable y con las
probabilidades de ocurrencia de cada una de ellas, se genera una distribucin
que denominamos Distribucin de variable aleatoria.
Para iniciar el estudio de distribucin de variable aleatoria debemos tener presente que
del fenmeno en estudio, debemos considerar todos los casos posibles en que puede
presentarse, siendo todos ellos mutuamente excluyentes y exhaustivos.
Es necesario tambin tener presente que en gran cantidad de casos, el evento
aleatorio adopta valores no numricos. Por ejemplo; si consideramos el lanzamiento
de una moneda, el resultado sera cara o cruz. Si de la lnea de produccin de una
determinada pieza, retiramos una de ellas y le efectuamos los correspondientes
ensayos de aceptabilidad, el resultado de los mismos ser el que est dentro de
normas o no. En todos esos casos, a los efectos de poder operar estadsticamente
con dicha variable, ser necesario asignarle, a cada uno de los distintos eventos en
que puede presentarse, un valor numrico.
Retornemos al lanzamiento de una moneda. Los posibles resultados sern cara o
cruz. Podramos entonces asignarle un uno (1) a la cara y un cero a la cruz y si la
moneda se encuentra perfectamente balanceada consideramos que la probabilidad de
ocurrencia de cada uno de los dos posibles eventos es de 1/2. Volquemos este
anlisis en la tabla siguiente.
Tabla 3.1
E ( eventos posibles) x ( variable) P(x) Probabilidad de ocurrencia
Cruz 0 1/2
Cara 1 1/2
Tabla 3.2
X P(x)
0 1/2
1 1/2
a) Media de la distribucin
= (xi . P(xi) )
= 0,5
b) Varianza
La varianza de la distribucin de una variable aleatoria esta dada por la sumatoria de
los productos entre, el cuadrado de la diferencia y entre cada valor que puede adoptar
la variable y la media de la distribucin, multiplicada por la probabilidad que la variable
aleatoria en estudio adopte dicho valor.
Var(x) = ( xi - )2 . P(xi)
Var(x) = 0,25 = 1 / 4
c) Desviacin estndar
Como ya sabemos, la desviacin estndar de la distribucin de todos los
valores posibles que puede adoptar la variable, est dada por la raz cuadrada de
la varianza de dicha distribucin.
= (Var(x))
= (1 / 4) = 1 / 2
= 1 / 2.
Grfico 3.1
0,6
0,5
0,4
P(X)
0,3
0,2
0,1
0
0 1
X
0,6
0,5
0,4
P(X)
0,3
0,2
0,1
0
-1 0 1 2
X
= 0,5
Consideremos el lanzamiento de dos monedas n=2 (es lo mismo que efectuar dos
ensayos consecutivos con una misma moneda que consideramos perfectamente
balanceada). Generemos la tabla con todos los posibles resultados y la probabilidad
de ocurrencia de cada uno de ellos. Para determinar el valor que adopta la variable,
mantendremos el mismo concepto ya aplicado de asignar a la cara el valor de 1 y a la
cruz el valor de cero.
Tabla 3.3
E X P(x)
Moneda 1 - Moneda 2
cruz - cruz 0 1/4
Cruz cara 1 1/4
Cara cruz 1 1/4
Cara cara 2 1/4
Debemos suponer que todas las maneras en que puede presentarse el fenmeno son
igualmente posibles, y por lo tanto la probabilidad de cada uno de ellos ser de 1 / 4.
Estamos en condiciones de confeccionar la tabla de distribucin de probabilidades:
Tabla 3.4
X P(x)
0 1/4
1 2/4
2 1/4
d) Media de la distribucin
= (xi . P (xi))
= 0. 1 / 4 + 1. 2 / 4 + 2. 1 / 4 = 1
= 1
e) Varianza
Var(x) = ( xi - )2 . P (xi)
Var(x) = 1 / 2
f) Desviacin estndar
= (Var(x))
= (1 / 2) = 0,7071
= 0,7071
Grfico 3.3
0,60
0,50
0,40
P(X)
0,30
0,20
0,10
0,00
0 1 2
X
0,6
0,5
0,4
P(X)
0,3
0,2
0,1
0
-1 0 1 2 3
X
El concepto del valor esperado es de gran aplicabilidad sobre todo por aquellas
personas que deben tomar decisiones en condiciones de incertidumbre
Definicin
Dada una distribucin de variable aleatoria, se denomina Valor Esperado o
Esperanza Matemtica a la media de la distribucin y se la expresa como
E(x) = = (xi . P
(xi))
Esto implica que al lanzar dos monedas, lo que se espera obtener ser un valor de la
variable x = 1, y si vemos nuestra tabla T6.2, la variable adopta ese valor cuando se
obtiene una cara y una cruz.
El valor esperado tambin puede ser calculado a partir de las estimaciones subjetivas
con respecto a la probabilidad de que la variable aleatoria pueda tomar ciertos valores.
Son innumerables los casos que en la vida real responden a una distribucin de
variable aleatoria, sera utpico pretender entonces estudiar todos los casos o muchos
de ellos. Ante esta situacin es ms conveniente definir modelos que engloben gran
cantidad de casos y determinar para cada uno de ellos la expresin matemtica que lo
resuelva y a la que denominaremos Funcin de Distribucin de Probabilidades, de
esta manera, presentado un determinado caso, solo ser necesario definir a qu
modelo responde para aplicar la expresin matemtica que le corresponde.
Como los tipos que poda tener una variable era la de continua o discreta, podemos
as entonces clasificar los modelos de acuerdo al tipo de variable:
Variable
Normal
Continua t (de Student)
Chi Cuadrado
Nota: Para este mdulo veremos entre las variables continuas solo la Distribucin
Normal
Como es necesario definir, ante una determinada situacin, a cul modelo responde,
es de suma importancia tener claros conceptos sobre las propiedades que
corresponden a cada modelo; de esta manera la eleccin ser la correcta y correctos
tambin los resultados obtenidos.
(1) Supongamos contar con una partida de 3000 pernos de pistn, la aceptacin
de la misma est sujeta a que, en una muestra de 10 pernos elegidos azarosamente
no se encuentre ninguno defectuoso. Si el productor de pernos indica que el 1% de los
pernos producidos salen defectuosos, indique la probabilidad existente en que la
partida sea aceptada.
Observamos que:
a) Se trata de ensayar 10 pernos y el mtodo es el mismo para cada uno de ellos
b) como resultado de cada ensayo se tiene uno de solo dos posibilidades: defectuoso
o no defectuoso. En este caso adoptaremos que el estar defectuoso es un xito.
Tabla 3.5
E ( eventos posibles) x ( variable) P(x) Probabilidad de ocurrencia
Cruz 0 q=1p
Cara 1 p
Tabla 3.6
E X P(x)
Moneda 1 - Moneda 2
cruz - cruz 0 q.q
Cruz cara 1 q.p
Cara cruz 1 q.p
Cara cara 2 p.p
X P(x)
0 q2
1 2.q.p
2 p2
P(x = 0) = q2
P(x = 1) = 2 . q . p
P(x = 2) = p2
Tabla 3.7
E ( eventos ) x P(x)
Moneda 1 moneda 2 moneda 3
cruz cruz cruz 0 q3
cruz cruz cara 1 q2.p
cruz cara cruz 1 q2.p
cara cruz cruz 1 q2.p
cara cara cruz 2 q.p2
cara cruz cara 2 q.p2
cruz cara cara 2 q.p2
cara cara cara 3 p3
Tabla3.8
X P(x)
0 q3
1 3 q2.p
2 3 q.p2
3 p3
P(x=0) = q3
P(x = 1) = 3 q2.p
P(x = 2) = 3 q.p2
P(x = 3) = p3
Como
P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) = 1
O tambin
q3 + 3 q2.p + 3 q.p2 + p3 = 1
Observamos que el primer miembro de la igualdad responde al desarrollo del cubo del
binomio (q + p):
(q + p) 3 = 1
Definicin:
Las probabilidades del nmero posible de aciertos en n ensayos, estn dadas por los
trminos del desarrollo de la potencia del binomio (q + p) y en donde el exponente est
dado por el nmero de ensayos.
P(x) = n C x qn x p x
La media de la distribucin = n . p
Claro que, si la Esperanza Matemtica o Valor Esperado de una variable aleatoria es
igual a la media de la distribucin, entonces:
E(x) = n.p
La varianza
Var(x) = n . p . q
Los parmetros:
n = 10 y p = 0,01
La partida ser aceptada para el caso de que entre los 10 pernos que constituyen la
muestra, no se tenga ningn defectuoso, en definitiva nos estn pidiendo la:
P(x = 0) = 0,90438
Tabla 3.9
X NCx P(x)
0 1 0,904382075
1 10 0,091351725
2 45 0,004152351
3 120 0,000111848
4 210 1,97711E-06
5 252 2,39649E-08
6 210 2,01725E-10
7 120 1,16436E-12
8 45 4,41045E-15
9 10 9,9E-18
10 1 1E-20
Grfico 3.5
1
0,9
0,8
0,7
0,6
P(X)
0,5
0,4
0,3
0,2
0,1
0
0 1 2 3 4 5 6 7 8 9 10
X
Ejemplo
En un negocio de ropa para beb que funciona en una galera, se ha determinado que
solo el 30% de las personas que entran al local para consultar u observar, efectan
una compra. Si un da ingresan al local 15 personas y teniendo en cuenta que la
decisin de compra de una persona es independiente de la de otra, indique la
probabilidad de:
a-Que ninguna de las personas que ingresan por consultas efecte una compra
b- Que solo una de las que ingresa efecte una compra
c-Que exactamente ocho de ellas efecten alguna compra.
d- Que por lo menos siete de ellas realicen alguna compra
e- Confeccione el diagrama de distribucin de probabilidades
n = 15
p= 0,3
q = 1 - p = 0,7 P(x) = n C x px q(n-x)
. Tabla 3.,10
x P(x)
0 0,00474756
1 0,03052004
2 0,09156011
3 0,17004021
4 0,21862313
5 0,20613038
6 0,14723599
7 0,08113003
8 0,03477001
9 0,01159
10 0,00298029
S(P(x)) = 0,99932777
Respuestas
a- P(x=0) = 0,004747
c) P(x=8) = 0,03470
d) P(x 7) = 0,94998
Grfico 3.6
0,25
0,2
0,15
P(x)
0,1
0,05
0
0 1 2 3 4 5 6 7 8 9 10
x
Esto implica que se espera que de las 15 personas que ingresan, cuatro o cinco de
ellas realicen por lo menos una compra
Esta es otra distribucin de variable del tipo discreta. Los tipos de casos que se
pueden modelizar bajo este tipo de distribucin son:
a)- Nmero de clientes que concurren a una entidad bancaria por hora
b)- Nmero de errores tipogrficos por pgina
c)- Nmero de defectos que por metro cuadrado acusa una fbrica de mosaicos
d)- Nmero de llamadas que por minuto llegan a un conmutador
e)- Cantidad de cabezas de ganado por Ha
f)- Nmero de accidentes que en una esquina cntrica se producen diariamente.
Muchos autores suelen definir la distribucin de Poisson como propia de casos no muy
comunes o raros
x . e-
P(x) = ---------------
x!
Siendo:
Promedio de ocurrencia
P (xi) = 1
Se nos est consultando sobre la probabilidad de que por lo menos una persona
concurra, es decir se nos pide la probabilidad de:
P (xi ) =1
lo que implica:
P(x 1) = 1 P (0)
40 . e4
P (0) = ------------------ = 0,0183
0!
y
P(x 1) = 1 0,0183
P(x 1) = 0,9817
= = E(x)
Var(x) =
La desviacin estndar:
Veamos un ejemplo:
Una Empresa dedicada a la fabricacin de lmparas de bajo consumo, indica que solo
el 2% de las lmparas producidas pueden estar defectuosas. Indique la probabilidad
que en una partida de 30 lmparas se tenga exactamente una lmpara defectuosa.
P (1) = 0,3339
=n.p
= 30 . 0,02 = 0, 6
Luego:
0,61 . e-0,6
P (1) = ---------------- = 0,32928
1
Ejemplo
La telefonista que atiende los llamados de consulta sobre nmeros telefnicos, indica
que en promedio recibe cuatro consultas por minuto. Indique Ud. la probabilidad de que
en un minuto se reciban:
a- Realice un estudio de la variacin de probabilidades para distintos nmero de
aciertos
b- Confeccione un diagrama de distribucin de probabilidades:
Tabla 3.11
x P(x)
0 0,01831564
1 0,07326256
2 0,14652511
3 0,19536681
4 0,19536681
5 0,15629345
6 0,10419563
7 0,05954036
8 0,02977018
9 0,01323119
10 0,00529248
Grfico 3.7
0,25
0,2
0,15
P(x)
0,1
0,05
0
0 1 2 3 4 5 6 7 8 9 10
x
n / N >= 0,05
N
N-k n
k n-x
x
(N-k) C (n-x) k C x
P(x) = ----------------------------------
N C n
Consideremos una divisin con 42 alumnos de los cuales 16 de ellos son de sexo
femenino. Si elegimos al azar un alumno ste podr ser un varn o una mujer. La
probabilidad de que fuere mujer ser:
P (mujer) = 16 / 42
Podramos generar una tabla con las probabilidades de todos los xitos posibles y
confeccionar el grfico de distribucin
N = 42
n = 10
K =16
Tabla 3.8
X P(x)
0 0,00360988
1 0,03397536
2 0,12740759
3 0,25034473
4 0,28476714
5 0,19526889
6 0,08136204
7 0,02021417
8 0,00284262
9 0,00020214
10 5,4423E-06
Grfico 3.12
0,3
0,25
0,2
P(x)
0,15
0,1
0,05
0
0 1 2 3 4 5 6 7 8 9 10
x
E(x) = n / N . k
La empresa que suministra energa elctrica a una localidad indica que el consumo
por hogar vara de forma acampanada, con un consumo promedio de 170 KW.
mensuales y un desvo estndar de 50 KW. Qu porcentaje de hogares tienen un
consumo?:
Los saldos de las cuentas corrientes de una entidad bancaria varan de forma
acampanada con un saldo promedio de $580 y un desvo estndar de $350; indique:
a) Qu porcentaje de cuentas estn en rojo (una cuenta tiene saldo en rojo cuando el
mismo es negativo)?
b) Qu porcentaje de cuentas tienen un saldo entre $300 y $1.150?
F(x)
F(x). dx = 1
Grfico 3.14
F(x)
a b x
P(x = a) = 0
Esto no es ms que una consecuencia de lo especificado por el tem anterior,
si el intervalo (a, b) disminuye porq ue el extremo b se acerca a a, la
probabilidad disminuye y en el lmite cuando b coincide con a la probabilidad
toma el valor de cero, no se tiene superficie por no existir intervalo.
Quiere decir que dada una determinada situacin para determinar las distintas
probabilidades que adopta la variable de acuerdo al intervalo analizado, solo ser
necesario estudiar la distribucin normal correspondiente a ese caso, para ello
tendremos que operar con las correspondientes integrales lo que hace complejo y
tedioso todo el proceso. Ser necesario simplificar todo el clculo para lo cual
tendremos que estandarizar cada situacin.
Grfico 3.15
0,05
Probabilidad
0,04
0,03
0,02
0,01
0
-50 0 50 100 150 200 250 300 350 400
Consumo de los hogares
Grfico 3.16
0,06
0,05
Probabilidad
0,04
0,03
0,02
0,01
0
-50 0 50 100 150 200 250 300 350 400
Consumo de las familias
z. = x -
en nuestro caso:
220 - 170
z = ----------------- = 1
50
El anlisis efectuado en este caso lo podemos repetir para cada una de las
situaciones planteadas. Por ejemplo si consideramos el segundo caso planteado
previamente.
Los saldos de las cuentas corrientes de una entidad bancaria varan de forma
acampanada con un saldo promedio de $580 y un desvo estndar de $350 indique
a) Qu porcentaje de cuentas estn en rojo (una cuenta tiene saldo en rojo
cuando el mismo es negativo)?
b) Qu porcentaje de cuentas tienen un saldo entre $ 300 y $ 1150?
El 34% de las cuentas corrientes tienen un saldo comprendido entre $580 y $930
Si en lugar de considerar x= $930 tomramos a x = $1280, la distancia:
z = 0
y su desviacin estndar:
z = 1
Grfico 3.17
0,3
0,25
0,2
0,15
0,1
0,05
0
-4 -3 -2 -1 0 1 2 3 4
z
z=1
Para z=1 el rea encerrada por la distribucin normal estndar entre la media z = 0 y z
= 1 ser igual aproximadamente a 0,34. Para z = 2, la superficie encerrada por la
distribucin de z en el intervalo (0, 2), ser aproximadamente a 0,4
x-x
z = ----------- (1)
x
1
Buscar en la Bibliografa la tabla de la Distribucin Normal Estndar.
La empresa que suministra energa elctrica a una localidad indica que el consumo
por hogar vara de forma acampanada, con un consumo promedio de 170 KW.
mensuales y un desvo estndar de 50 KW. Qu porcentaje de hogares tienen un
consumo?:
a) Superior a los 170 KW pero menores a los 220
KW?
b) Cules consumen entre 150 y 200 KW?
Grfico 3.18
0,06
0,05
0,04
P(x)
0,03
0,02
0,01
0
0 50 100 150 200 250 300 350 400
x
Por lo que diremos que, la probabilidad que la variable x adopte un valor comprendido
en el intervalo (150, 170) = 0,1554.
X - X 200 - 170
Z = ------------------- = ------------------ = 0,6
X 50
P (Z = 0,6) = 0,2257
Lo que indica: Que el porcentaje de hogares con consumo comprendido entre los 150
y 200 KW. es de:
38,11%
La situacin planteada tiene una distribucin normal con las caractersticas de:
x = $958 y x = $349
Grfico 3.19
0,02
Probabilidad
0,015
0,01
0,005
0
0 500 1000 1500 2000 2500
x
x= 1200
En este caso nos est solicitando determinar qu porcentaje de ingresos por hogar de
esa comunidad pertenecen al intervalo x >= $1200, es decir la zona rayada:
Aplicando la expresin que permite la estandarizacin:
X- x 1200 - 958
Z = --------------- = ------------------
x 349
z = 0,69
La P (z=0,69) = 0,2549
24,51%
1-b
x-x 958 - 900
Z = ------------- = ---------------- = 0,166
x 349
2- b
x- x 1500 - 958
Z = --------------- = ------------------ = 1,55
x 34
P (z=1,55) = 0,4394
3- b
P (900 <= x <= 1500) = 0,064 + 0,4394 =
4- b
El 50,34% de los hogares de esa comunidad tienen ingresos comprendidos entre $ 99
y $ 1500.
5-b
En 11853 hogares de esa comunidad los ingresos son mayores o iguales a $900
pero menores o iguales a $1500.
x=n.p
x = (n.p.q)
Resolucin
Grfico 3.20
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
0 5 10 15 20 25 30 35
-0,02
Grfico 3.21
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
x = n . p = 30 * 0,46 = 13,8
x = 2,7298
13,8 9,5
Z = ---------------- = 1,575
2,7298
P (z = 1,575) = 0,4423
13,8 10,5
Z = ------------------ = 1,21
2,7298
Grfico 3.22
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
0 5 10 15 20 25 30 35
-0,02
16,5 13,8
z = ----------------- = 0,99
2,7298
P (z=0,99) = 0,3389