Professional Documents
Culture Documents
10
Estadistica
ASIGNATURA
OBLIGATORIA/LECTIVA
ANUAL/SEMESTRAL
DIURNA/VESPERTINA
TERICO-PRCTICA/PRCTICA
CARCTER
II. Aprendizajes Esperados:
1) Se observ que el 40% de los vehculos que cruzan determinado puente son camiones
comerciales. Cuatro vehculos van a cruzar el puente en el siguiente minuto.
c) Representar grficamente.
2) Los registros de ventas diarias de una empresa fabricante de computadoras muestran que
se vendern 0, 1 2 sistemas centrales de cmputo con sus probabilidades segn la tabla:
Nmero de ventas: 0 1 2
3) En una caja hay 10 bolitas blancas y 15 azules. Se extrae una muestra eligiendo al azar
sucesivamente, sin reposicin, 3 bolitas. Sea la variable aleatoria X = cantidad de bolitas blancas en
la muestra.
0 x0
0,040 x 1
F(X)
0,361 x 2
1 2 x
Ejercicio 1:
Se lanzan dos dados:
Sean los sucesos A="la suma de los puntos es 7" y B="en alguno de los dados ha salido un tres".
a. Los casos posibles al lanzar dos dados son 36 y los casos favorables al suceso A son los seis
siguientes: (1,6); (2,5); (3,4); (4,3); (5,2) y (6,1). Por tanto, P( A) = 6/36=1/6
b. En este caso, el suceso B/A es salir en algn dado 3, si la suma ha sido 7. Observamos que
esta situacin ocurre en las parejas (3,4) y (4,3). Por tanto, P( B/A )=2/6=1/3
Ejercicio 2:
a. Son independientes A y B?
b. Si M A, cul es el valor de P( / )?
Solucin
b. M A . Por tanto,
Ejercicio 3:
Una compaa dedicada al transporte pblico explota tres lneas de una ciudad, de forma que el
60% de los autobuses cubre el servicio de la primero lnea, el 30% cubre la segunda y el 10% cubre
el servicio de la tercera lnea. Se sabe que la probabilidad de que, diariamente, un autobs se
avere es del 2%, 4% y 1%, respectivamente, para cada lnea. Determina la probabilidad de que, en
un da, un autobs sufra una avera.
Solucin
El suceso "sufrir una avera" (Av) puede producirse en las tres lneas, (L1, L2, L3). Segn el teorema
de la probabilidad total y teniendo en cuenta las probabilidades del diagrama de rbol adjunto,
tenemos:
Ejercicio 4:
Una empresa del ramo de la alimentacin elabora sus productos en cuatro factoras: F1, F2, F3 y F4.
El porcentaje de produccin total que se fabrica en cada factora es del 40%, 30%, 20% y 10%,
respectivamente, y adems el porcentaje de envasado incorrecto en cada factora es del 1%, 2%,
7% y 4%. Tomamos un producto de la empresa al azar. Cul es la probabilidad de que se
encuentre defectuosamente envasado?
Solucin
Llamando M = "el producto est defectuosamente envasado", se tiene que este producto puede
proceder de cada una de las cuatro factoras y, por tanto, segn el teorema de la probabilidad
total y teniendo en cuenta las probabilidades del diagrama de rbol adjunto, tenemos:
P(M) = P(F1) P(M/F1) + P(F2) P(M/F2) + P(F3) P(M/F3) + P(F4) P(M/F4) =
= 0.4 0.01 + 0.3 0.02 + 0.2 0.07 + 0.1 0.04 =
= 0.004 + 0.006 + 0.014 + 0.004 = 0.028
Ejercicio 5:
Se tiene una urna vaca y se lanza una moneda al aire. Si sale cara, se introduce en la urna una bola
blanca y si sale cruz, se introduce una bola negra. El experimento se repite tres veces y, a
continuacin, se introduce la mano en la urna, retirando una bola. Cul es la probabilidad de que
en la urna queden una bola blanca y otra negra?
Solucin
Llamamos B = "obtener bola blanca" y N = "obtener bola negra". En el diagrama de rbol pueden
verse las configuraciones posibles de las urna, despus del lanzamiento de las monedas y las urnas
finales, as como las probabilidades para cada una de ellas. Atendiendo a la notacin expresada en
el diagrama de rbol y segn el teorema de la probabilidad total, se obtiene:
Se lanzan dos monedas al aire. Si salen dos caras, se extrae una bola de una urna I, que contiene 2
bolas blancas y 3 negras. Si sale cara y cruz, se extrae una bola de una urna II, que contiene 4 bolas
blancas y 1 negra. Si salen dos cruces, se extrae una bola de una urna III, que contiene 3 bolas
blancas y 2 negras. Cul es la probabilidad de extraer bola blanca despus de lanzar las monedas
y sacar la bola?
Solucin
La probabilidad total de sacar bola blanca la calculamos caminando por todas las ramas que
terminan en sacar bola blanca.
Tres mquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de las piezas
producidas en una fbrica. Los porcentajes de produccin defectuosa de estas mquinas son del
3%, 4% y 5%.
Solucin
Sea D= "la pieza es defectuosa" y N= "la pieza no es defectuosa". La informacin del problema
puede expresarse en el diagrama de rbol adjunto:
a. Para calcular la probabilidad de que la pieza elegida sea defectuosa, P(D), por la propiedad
de la probabilidad total,
Ejercicio 8:
Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1 negra y C con 2 bolas
rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha sido roja, cul es
la probabilidad de haber sido extrada de la urna A?
Solucin
Llamamos R= "sacar bola roja" y N= "sacar bola negra". En el diagrama de rbol adjunto pueden
verse las distintas probabilidades de ocurrencia de los sucesos R o N para cada una de las tres
urnas.
La probabilidad pedida es P(A/R). Utilizando el teorema de Bayes, tenemos:
V. Evaluacin de la actividades
VARIABLE ALEATORIA
OBJETIVOS:
TEMAS:
Variables aleatorias.
Introduccin
Una variable aleatoria es toda ley que asocia a cada elemento del espacio muestral un
nmero real. Esto permite sustituir los resultado de una prueba o experimento por nmeros y los
sucesos por parte de conjunto de nmeros reales. Una variable aleatoria presenta dos
caractersticas importantes:
1) Una coleccin (conjunto) de valores posibles al que llamamos imagen de la variable aleatoria
(antes lo llambamos espacio muestral).
2) Una probabilidad asociada a los posibles resultados la cual queda expresada mediante una
funcin de probabilidad.
Las variables aleatorias que tienen un conjunto de posibles valores discreto, se llaman
discretas. Estas variables son el resultado de contar .
Por otra parte, las variables aleatorias cuyos valores posibles se encuentran en cualquier
parte de un intervalo, se llaman continuas. Estas variables son el resultado de medir.
Denotamos con letras maysculas a las variables aleatorias y con minsculas a los valores
que contemplamos para ellas.
Sabes que esta variable nace de contar los resultado, es decir es contable, podemos
definir:
Funcin de Probabilidad f(x): Consideremos una v.a. discreta X, que toma los valores x1, x2, ..., xn.
Supongamos que conocemos la probabilidad de que la variable X tome dichos valores, esto es:
P(X=x1) = p1 , P(X=x2) = p2, P(X=x3) = p3, ..., P(X=xn) = pn, en general P(X=xi) = pi para todo i =
1,2,....,n
f : IR IR
tal que f ( x) P( X x)
x f ( x)
1. 0 < P( X = xi ) < 1 para todo i = 1, 2, 3, ..., n. P(x) es una probabilidad, y por lo tanto debe
tomar valores entre 0 y 1.
Funcin de Distribucin F(x): En muchas ocasiones no nos interesa tanto conocer la probabilidad
de que la v.a. X tome exactamente un determinado valor xi, cuanto la probabilidad de que tome
valores menores o iguales que un cierto valor xi. En tales casos es necesario acumular los distintos
valores de la funcin de probabilidad hasta el valor deseado. Se trata de una nueva aplicacin
llamada funcin de distribucin.
Sea X una variable aleatoria discreta, cuyos valores se suponen ordenados de menor a
mayor. Se llama funcin de distribucin de la variable X, y se simboliza por F(x), a la
funcin
F : IR IR
tal que F ( x) P( X x)
x F ( x)
es decir, asocia a cada valor de la v.a. discreta la probabilidad acumulada hasta ese valor (la
probabilidad de que la v.a. tome valores menores o iguales a xi).
Propiedades
Esperanza, Varianza.
n
Esperanza o media: x P( X x )
i !
i i
n
Varianza: 2 (x
i !
i x ) 2 P ( X xi )
n
Desviacin Estndar (x
i 1
i x ) 2 P ( X xi )
Tanto la varianza como la desviacin tpica son medidas de dispersin, de tal
manera que cuanto menores son estos dos parmetros ms agrupados se encuentran los
valores de la distribucin entorno a los valores centrales. Por contra, para valores grandes
de la varianza o la desviacin tpica los datos de la distribucin se encuentran muy
dispersos.
Ejemplos:
1) Sea el espacio muestral , definidos por eventos en forma de tripleta ordenado. Determine al
sacar un suceso de y observar la cantidad de p :
X f P(X=x) F(x)
0 0 0/12 0
1 9 9/12 9/12
2 2 2/12 11/12
3 1 1/12 1
n = 12 1
0 9 2 1 86
xP( X x) 0 1 2 1 7,167
12 12 12 12 12
0 9 2 1
2 ( x x) 2 P( X x) (0 1,333) 2 (1 1,333) 2 (2 1,333) 2 (3 1,333) 2
12 12 12 12
0,389
0,389 0,624
2) Por ejemplo si lanzamos 3 monedas al aire y a cada posible resultado de los que hay le
asociamos el nmero de caras obtenidas tenemos la siguiente variable aleatoria discreta:
CCC 3
CCS 2
CSC 2
SCC 2
CSS 1
SCS 1
SSC 1
SSS 0
Con la notacin P(X = xi ) indicamos la probabilidad de que la variable aleatoria X tome el valor xi.
Links de inters