You are on page 1of 13

Se llama variable aleatoria a toda función que asocia a cada elemento del espacio muestral E un número real.

S e u t iliza n let ra s mayú scu la s X , Y , . . . p ara d e sig na r va ria b le s a le a to ria s, y la s resp e ct iva s min ú scu la s (x, y, . . . ) p a ra d esig n a r va lo re s con cre t o s d e la s misma s . V a ri a ble al e a toria dis c re ta Un a v a ri a bl e a l ea tori a di s cre ta es a que l l a que s ól o pue de tom a r v a l ore s e nte ros . E j e mpl os E l n ú me ro de h ijo s d e u n a fa milia , la pu n t ua ció n ob t en id a al la n za r un da d o. V a ri a ble al e a toria c onti nua Un a v a ri a bl e a l ea tori a c onti nua e s aq uella q u e pue de tomar todos l os v a l ore s pos i bl e s de ntro de un c i e rto i nte rv a l o de la re cta re a l. E j e mpl os L a a lt u ra d e lo s a lu mn o s d e u n a cla se, la s h o ra s d e du ra ció n de u n a p ila .

0 ≤ pi ≤ 1 p1 + p2 + p3 + · · · + pn = Σ pi = 1 Ejemplo Calcular la distribución de probabilidad de las puntuacion es obtenidas al lanzar un dado. x p i 1 2 3 4 5 6 1 .Func i ón de proba bi l ida d S e lla ma func i ón de proba bi li da d de una va ri a ble a l ea tori a di s c re ta X a l a a pl ic a c i ón que as oc ia a c a da va l or de x i de la v a r i a bl e s u proba bi l ida d p i .

L la ma re mo s func i ón de di s tri buc ión de l a va ri a ble X . . Función densidad de probabilidad S e a X un a va ria b le ale a t o ria d iscre ta cu yo s va lo re s su po n e mos o rd e na d o s de me no r a ma yo r. y e scrib ire mo s F(x) a la fu n ció n : F(x ) = p(X ≤ x ) La func i ón de di s tri buc i ón a s oc ia a c a da v a l or de la v a ria ble a l e a toria l a proba bi l ida d a c umula da has ta e se va l or.Representación La representación de una distribución discreta de probabilidad es un diagrama de barras.

E j e mpl o Ca lcu la r la func i ón de di s tri buc i ón de proba bi l i da d de las p u n tu a cion e s o b te n ida s a l lan za r un da d o. x x <1 1≤ x < 2 2≤ x < 3 3≤ x < 4 4≤ x < 5 5≤ x < 6 6≤ x p 0 i 1 Re pre s e ntac i ón La representación de una función de distribución de probabilidad es una gráfica escalonada. .

E s pe ra nza ma te má tic a o me di a V a ri a nza De s v ia c i ón tí pic a Ejemplo Calcular la esperanza matemática. de la distribución de probabilida d de las puntuaciones obtenidas al lanzar un dado. y la desviación típica . x 1 2 3 4 5 6 p i x · p i x 2 · pi 1 6 . la varianza.

en la q ue p u ed e ga n a r de 5 . 0 03 . Se de f in e la va ria b le a le a to ria X co mo la su ma d e las p un t ua cio n e s ob t en id a s. 3 S i un a p e rson a comp ra u na pa pe le t a en un a rif a. p ie rd e t a nt o s cie n t o s d e e u ro s co mo ma rca e l d ad o . la e sp e ra n za mat e má t ica y la va ria n za . 2 Un ju ga d o r lan za un d a do co rrie n t e.0 0 1 y 0. Ha lla r la fu n ció n de p ro b ab ilid a d . ¿Cuá l se rí a e l p re cio ju st o a p ag a r p o r la pa pe le t a? . g a na t a n to s cie n to s de e u ro s co mo ma rca e l d ad o . De t e rmin a r la f u n ció n de p ro b ab ilid a d y la e spe ra n za ma t e má t ica d e l ju e go . pe ro si no sa le nú me ro p rimo .E j e rci c i os de dis tri buc i one s dis c re ta s 1 S e lan za u n p a r de d a do s. S i sale n ú me ro p rimo .00 0 € ó un seg u nd o p re mio d e 2 00 0 € co n p ro b ab ilid a de s de : 0 .

representar gráficamente la función de distribución. . Hallar: 1.1 1.5) p (X ≥ 3) p (3 ≤ X < 4. La esperanza matemática. Por otra parte pierde 5 € si no aparece cara. 3.75.4Sea X una variable aleatoria discreta cuya función de probabilidad es: x 0 1 2 3 4 5 p i 0. 2Sabiendo que p(X ≤ 2) = 0.La varianza. Dete rminar la esperanza matemática del juego y si éste es favorable.7 y p(X ≥ 2) = 0. Calcular las siguientes probabilidades: p (X < 4.5) Ejercicios de distribuciones discretas 1Un jugador lanza dos monedas.1 0. Calcular. 2.4 0.1 0.La desviación típica. 2.1 0. Gana 1 ó 2 € si aparecen una o dos caras.2 0.

4 .Ejercicios resueltos de la distribución binomial 12.

.

.

Si el número promedio es de 120 por hora. .: .# de aviones que aterrizan en un aeropuerto por día. tiempo. ) donde: p(x. etc. etc. etc. área o producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado. pieza.Calculo λ.Establezco X>3. porque el problema dice que hallemos la probabilidad de que por lo menos lleguen 3 pacientes en un minuto. etc. x! ejemplos El número de pacientes que llega a un hospital sigue una distribución de Poisson.# de bacterias por cm2 de cultivo . o producto.# de llegadas de embarcaciones a un puerto por día. que es el número medio de veces que se da el suceso en una unidad de tiempo. Para determinar la probabilidad de que ocurran x éxitos por unidad de tiempo. hora. ) = probabilidad de que ocurran x éxitos. así como cada área es independiente de otra área dada y cada producto es independiente de otro producto dado. 2º. minuto.# de llamadas telefónicas a un conmutador por hora.# de defectos de una tela por m2 . etc. etc. minuto. la fórmula a utilizar sería: x p( x . λ= 120/60 = 2 pacientes cada minuto . mes. área. etc.DISTRIBUCIÓN DE POISSON Características: En este tipo de experimentos los éxitos buscados son expresados por unidad de área. cuando el número promedio de ocurrencia de ellos es = media o promedio de éxitos por unidad de tiempo.718 x = variable que nos denota el número de éxitos que se desea que ocurra Hay que hacer notar que en esta distribución el número de éxitos que ocurren por unidad de tiempo. ¿cuál es la probabilidad de que en un minuto lleguen por lo menos 3 pacientes? 1º. etc. área o producto = 2. Es la variable aleatoria de sucesos raros (media de pacientes que llegan en un minuto). .

probabilidad de que ocurra r en una unidad de tiempo.La probabilidad de que entren 3 pacientes cada minuto es del 32'33%.718 p( x 4. c) cuando más una imperfección en 15 minutos.. = 6 cheques sin fondo por día = 2.. 3.. etc.718 ) 10! 12 ( 6.0'2707 .718 ) 4! 6 ( 1296 )( 0. se identifican 0. 2. etc.2 imperfecciones en promedio por minuto.1917364 10 )( 0. Si un banco recibe en promedio 6 cheques sin fondo por día. .0'2707 = 0'3233 4º.13392 b) x= variable que nos define el número de cheques sin fondo que llegan al banco en dos días consecutivos = 0. P (X>3) = 1-P (X<3) = 1 ... 12 ) ( 12 )10 ( 2... b) 10 cheques sin fondos en cualquiera de dos días consecutivos? Solución: a) a) x = variable que nos define el número de cheques sin fondo que llegan al banco en un día cualquiera = 0.[(2E0/0!)*e E-2] + [(2E1/1!)*e E-2] + [(2E2/2!)*e E2] = 1 . debe “hablar” de lo mismo que x. Solución: .000006151 ) 3628800 0.00248 ) 24 0. Determine las probabilidades de identificar a) una imperfección en 3 minutos. 1. . etc. 1.. En la inspección de hojalata producida por un proceso electrolítico continuo.[P( X=0) + P( X=1) + P( X=2)] = 1 . 3. ¿cuáles son las probabilidades de que reciba. 2. b) al menos dos imperfecciones en 5 minutos.0'1353 . 6) ( 6 )4 ( 2...Calculo probabilidad de X>r.3º. etc. = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos días consecutivos Nota: siempre debe de estar en función de x siempre o dicho de otra forma. 1. a) cuatro cheques sin fondo en un día dado.. p( x 10 ..104953 2.

718 ) 1 0! ( 1 )( 2. .. 2. 3) p( x 1.3. etc.6 ) ( 0.a) a) x = variable que nos define el número de imperfecciones en la hojalata por cada 3 minutos = 0. 3. etc. etc.....6 imperfecciones en promedio por cada 3 minutos en la hojalata p( x 1. .....etc.2 x 3 =0. 3..718 ) 1 1! =1-(0. = 0. 1. 3) p( x 0. 2.6 )( 0. 1. 1) 1 ( 1 )0 ( 2.. etc.. 3) ( 3 )0 ( 2. etc. = 0.2 x 5 =1 imperfección en promedio por cada 5 minutos en la hojalata p( x 2..548845 ) 1 0.718 ) 0! 3 ( 3 )1( 2. 0.6 ( 0.367918) = 0. = 0.4.1. 1.6 )1( 2.1.0498026 + 0.718 ) 1! 0...2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata p( x 0.329307 b) b) x = variable que nos define el número de imperfecciones en la hojalata por cada 5 minutos = 0.718 ) 1! 3 = 0. . 3. etc. 2..367918+0. 1 ) 1 p( x 0.149408 = 0..26416 c) c) x = variable que nos define el número de imperfecciones en la hojalata por cada 15 minutos = 0.1992106 ...