Distrib. de Prob.

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Contenido General
1 Introduccin a Probabilidad
Distribuciones discretas
Distribuciones continuas
2 Muestreo y Estimacin Puntual
Estimacin por intervalos
Prueba de hiptesis
3 Regresin
Componentes principales
Clusters (Conglomerados)
MTODOS ESTADSTICOS
www.ica.luz.edu.ve 1
Revisin de los Conceptos
Bsicos de Probabilidad
Tema 1
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Contenido programtico
Espacio muestral y axiomas de probabilidad
Probabilidad condicional e independencia
Variables aleatorias discretas y continuas
Medidas de tendencia central y dispersin
Principales distribuciones discretas y continuas
Variables aleatorias bidimensionales
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Trminos bsicos
Experimento: es el proceso de obtener una
observacin

Eventos Simples: Cualquier resultado
bsico de un experimento. Un evento
simple no se puede descomponer en
resultados ms simples.

Ej.: Cul sera un evento simple asociado al
lanzamiento de un dado?
Cul al lanzamiento de dos dados?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Trminos bsicos
Espacio Muestral: Es la coleccin de todos los
eventos simples de un experimento.
Ej.: Cul sera el espacio muestral asociado al lanzamiento de un dado?

Evento: Conjunto de eventos simples.
Subconjunto del espacio muestral.
Cul sera un ejemplo de un evento no-simple del
experimento lanzar un dado?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Trminos bsicos
Espacio Muestral: Es la coleccin de todos los
eventos simples de un experimento.
Ej.: Cul sera el espacio muestral asociado al lanzamiento de un dado?

Evento: Conjunto de eventos simples.
Subconjunto del espacio muestral.
Ej.: Un evento de lanzar un dado puede ser:
A : {1,3,5}
Donde A sera el evento obtener un nmero impar.

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Diagramas de Venn
Los diagramas de Venn son tiles para
representar probabilidades.
Ej.: Probabilidad de pertenecer a uno
cualquiera de tres conjuntos.

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Operaciones elementales
Unin
El evento Unin (A B) consiste de todos
los eventos simples que estn contenidos en
A o B o en ambos.
A B puede ser descrito como que ocurre
por lo menos uno de los dos eventos A o B.

A B
A
B
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Interseccin
El evento Interseccin (A B) consiste de todos
los eventos simples comunes de A y B.
A B puede ser descrito como que ocurren ambos
eventos A y B.

A B
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Complemento
El evento A, llamado complemento de A, consiste
de todos los eventos simples que no estn en A.
A significa que el evento A no ocurra.

A
A
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Eventos Disjuntos
Eventos disjuntos: Dos eventos son disjuntos si no
pueden ocurrir al mismo tiempo, en otras palabras,
ellos no tienen eventos simples en comn.
A y B son disjuntos si A B =

En el siguiente diagrama de Venn A y B son disjuntos porque
su interseccin es el conjunto vaco. B y C no son disjuntos.

A
B
C
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Interpretacin frecuentista de
Probabilidad

Generalmente, la probabilidad de un evento puede pensarse
como la proporcin de veces que se espera que el evento
ocurra.

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Axiomas de la probabilidad
Para cada evento A, se asigna la probabilidad del evento tal
que:
Axioma 1: 0 P(A) 1

Axioma 2: P(S ) = 1

Axioma 3: Si A
1
, A
2
, A
3
, ..., A
n
son disjuntos dos a
dos:
P(A
1
A
2
A
3
A
n
) = P(A
1
) + P(A
2
) + P(A
3
) + P(A
n
)

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Eventos complementarios

Si el evento A no ocurre, decimos que su
complemento A ha ocurrido y viceversa. Las
probabilidades de A y A estan relacionadas
por la frmula:
P(A) = 1 P(A)

A
A
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Regla general de la suma
La probabilidad de la unin de dos eventos
es:

P(A B) = P(A) + P(B) - P(A B)

Para 3 conjuntos:
P(A B C) =
P(A) + P(B) + P(C)
- P(A B) - P(A C) - P(B C)
+ P(A B C)

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Ejercicio
De los voluntarios que llegan a un banco de sangre, 1 de 3
tiene sangre tipo O+; 1 de 15, tipo O-; 1 de 3, tipo A+; y 2
de 15, tipo A-. Se selecciona al azar el nombre de un
donante de los registros del banco. Cul es la probabilidad
de que la persona seleccionada tenga
Sangre tipo O+?
Sangre tipo O?
Sangre tipo A?
Sangre que no es del tipo A, ni O?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Ejercicio
La siguiente tabla muestra un resumen de una encuesta realizada a 500
personas en referencia a su posicin frente a la despenalizacin del aborto:
Si aleatoriamente se selecciona una persona de entre las 500, cul es la
probabilidad de que:
El encuestado est a favor de despenalizar el aborto?
El encuestado sea hombre y est en contra de la
despenalizacin del aborto?
A favor En contra Total
Mujeres 200 100 300
Hombres 50 150 200
Total 250 250 500
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Ejercicio
La siguiente tabla muestra un resumen del anlisis realizado a las flechas
de un compresor para determinar el grado con que stas satisfacen
ciertos requerimientos:
Si se toma una flecha al azar cul es la probabilidad de que cumpla con
los requerimientos de acabado superficial?

Cul es la probabilidad de que la flecha cumpla con los requisitos de
acabado y curvatura?

Cul es la probabilidad de que la flecha seleccionada cumpla con los
requisitos de acabado o con los de curvatura?

Cul es la probabilidad de que la flecha cumpla con los requisitos de
acabado o que no cumpla con los de curvatura?
El acabado superficial
cumple con los
requerimientos
La curvatura cumple con los requerimientos
S No
S 345 5
No 12 8
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Ejercicio
La siguiente tabla muestra un resumen del anlisis realizado a las flechas
de un compresor para determinar el grado con que stas satisfacen
ciertos requerimientos:
Se escoge una flecha y se observa que cumple con los requisitos de
curvatura. Cul es la probabilidad de que la flecha cumpla con los requisitos
de acabado?
El acabado superficial
cumple con los
requerimientos
La curvatura cumple con los requerimientos
S No
S 345 5
No 12 8
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Probabilidad Condicional
Sean A y B dos eventos y P(B) > 0. La probabilidad
condicional de A con respecto a B es la probabilidad
de que ocurra A sabiendo que ocurre B:

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d


Probabilidad de que un test de embarazo d positivo
sabiendo que la persona est embarazada

Dos molculas raras tienden a encontrarse siempre
juntas. La probabilidad de que una muestra de aire
contenga alguna de las dos molculas es pequea. Sin
embargo, como stas tienden a aparecer juntas, el
conocimiento de que una de ellas est presente
aumenta de manera muy marcada la posibilidad de
que la otra tambin est presente en la muestra.
Ejemplo:
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d


Axioma 1: 0 P(A) 1

Puede violarse este axioma al aplicar esta frmula?
Linda
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Eventos independientes

Dos eventos A y B son independientes si la
probabilidad de que ocurra uno no afecta la ocurrencia
del otro
) ( ) | ( A P B A P =

) ( ) ( ) ( B P A P B A P =
Luego:
) (
) (
) ( ) | (
B P
B A P
A P B A P

= =
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

En un grupo de estudiantes de bachillerato que consta de
60 mujeres y 40 varones, se observa que 24 chicas y 16
muchachos usan lentes. Adems, se sabe que si un
estudiante es elegido aleatoriamente la probabilidad de
que el estudiante use lentes es 40%=0.4
Considerando esto,
Calcule la probabilidad de que un estudiante elegido
aleatoriamente use lentes dado que es un estudiante
varn
Puede usted afirmar que ambos eventos son
independientes en este grupo?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d


Que los eventos sean
independientes significa que los
eventos son excluyentes?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Encuesta encubierta
Se desea determinar el porcentaje de homosexuales en el Zulia.
Dado que el ser homosexual no es ampliamente aceptado en la
sociedad no podemos hacer preguntas directas, para ello
utilizamos tems del tipo: Es homosexual o es fumador, de
manera que la persona conteste con honestidad. Por ejemplo:

Si Ud. fuma o es homosexual responda la siguiente pregunta

Es importante que el evento de inters, en este caso ser
homosexual, sea relacionado con eventos independientes de l,
tales como ser fumador, hacer deporte, etc.

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

) ( 1
) ( ) (
) (
F P
F P H F P
H P

=

Encuesta encubierta

P(F) Probabilidad de ser fumador (Conocida)
P(H) Probabilidad de ser homosexual (Buscada)
F y H son eventos independientes

P(F H) = P(F) + P(H) P(F H) [Unin]

P(F H) = P(F) + P(H) P(F)*P(H) [F y H Independientes]

Despejamos P(H) y resulta:

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Nmero de
hijos

Casadas

Solteras

Totales
0 0.30 0.10 0.40
1 0.15 0.05 0.20
2 0.10 0.05 0.15
3 0.06 0.04 0.10
4 0.04 0.01 0.05
5 ms 0.07 0.03 0.10
Total 0.72 0.28 1.00
La siguiente tabla muestra porcentaje de mujeres adultas desglosadas por estado
civil y nmero de hijos en el pueblo de Macondo :
Suponga que de este conjunto se toma al azar una mujer. Sean A: el evento la
mujer tiene cuatro o ms hijos y B: el evento estar casada. Hallar:
a.- P(A) b.- P(B) c.- P(A U B) d.- P(A|B) e.- P(B|A)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

La probabilidad de infarto para hipertensos es del
0,3 y para no hipertensos del 0,1. Si la
probabilidad de hipertensin en una cierta
poblacin es del 25% Cul es la probabilidad de
infarto en esa poblacin?
Teorema de Probabilidad Total
A2

A1

) (
1
A B
) (
2
A B
A1 = {ser hipertenso}
A2 = {no serlo}
(estos sucesos constituyen una particin)
B = {padecer infarto}
P(B) = ?

B
Recordemos que:
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Teorema de Probabilidad Total
A
1
, A
2
,, A
6
, forman
una particin del
espacio muestral.
A
1
A
3
A
4
A
6
A
5
A
2
B
j i A A
j i
= = |
=
i
i i
A P A B P B P ) ( ) | ( ) (
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Cuando los artculos llegan al final de una lnea de
produccin, un supervisor escoge los que deben pasar por
una inspeccin completa; 10% de todos los artculos
producidos son defectuosos; 60% de todos los artculos
defectuosos y 20% de todos los artculos buenos pasan por
una inspeccin completa. Cul es la probabilidad de que un
artculo sea defectuoso, dado que pas por una inspeccin
completa?

Teorema de Bayes. Ejercicio
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Teorema de Bayes
Por definicin de probabilidad condicional se tiene:
) ( ) | ( ) ( ) | ( ) ( B P B A P A P A B P B A P = =
) (
) ( ) | (
) | (
B P
A P A B P
B A P =
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Cuando los artculos llegan al final de una lnea de
produccin, un supervisor escoge los que deben pasar por
una inspeccin completa; 10% de todos los artculos
producidos son defectuosos; 60% de todos los artculos
defectuosos y 20% de todos los artculos buenos pasan por
una inspeccin completa. Cul es la probabilidad de que un
artculo sea defectuoso, dado que pas por una inspeccin
completa?

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Teorema de Bayes
=
i
i i
A P A B P
A P A B P
B A P
) ( ) | (
) ( ) | (
) | (
1 1
1
A
1
A
3
A
4
A
6
A
5
A
2
B
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Teorema de Bayes
Para el caso de una particin en dos conjuntos
A y A
C
:
) ( ) | ( ) ( ) | (
) ( ) | (
) | (
C C
A P A B P A P A B P
A P A B P
B A P
+
=
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

El departamento de meteorologa ha anunciado tres posibilidades
para el fin de semana:
a) Que llueva: probabilidad del 50%
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%
Segn estos posibles estados meteorolgicos, la posibilidad de que
ocurra algn accidente es la siguiente:
a) Si llueve: 20%
b) Si nieva: 10%
c) Si hay niebla: 5%
Resulta que Ud, que estaba de viaje,
escuch en la radio que ocurri un accidente
el fin de semana cul es la probabilidad
de que estuviera nevando?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Los clientes se encargan de evaluar los diseos preliminares de varios
productos. En el pasado, el 95% de los productos con mayor xito en
el mercado recibieron buenas evaluaciones, el 60% de los productos
con xito moderado recibieron buenas evaluaciones, y el 10% de
productos de escaso xito recibieron buenas evaluaciones. Adems,
el 40% de los productos ha tenido mucho xito, el 35% un xito
moderado y el 25% una baja aceptacin.
a.- Cul es la probabilidad de que un producto obtenga
una buena evaluacin?
b.- Si un nuevo diseo recibe una buena evaluacin,
cul es la probabilidad de que se convierta en un
producto de gran xito?
c.- Si un producto no obtiene una buena evaluacin,
cul es la probabilidad de que se convierta en un
producto de gran xito?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

A un sospechoso se le aplica un suero de la verdad que se
sabe que es confiable en un 90% cuando la persona es
culpable y en un 99% si la persona es inocente. Es decir, un
10% de los culpables son detectados como inocentes y un
1% de los inocentes son juzgados culpables. Si se
administra el suero a un sospechoso escogido de un grupo
donde solo el 5% han cometido un crimen y el suero indica
que es culpable, Cul es la
probabilidad de que sea inocente?

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Experimento: lanzar tres monedas
S = {ccc,ccx,cxc,xcc,cxx,xcx,xxc,xxx}
xxx

ccc

ccx
cxc
xcc

cxx
xcx
xxc

0

3

2

1

S
R
Variable aleatoria:
Funcin del espacio
muestral S en el
conjunto de los reales R
Variables Aleatorias
(Nmero de caras)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Una variable aleatoria es una funcin que asigna un
nmero real a cada resultado en el espacio muestral de un
experimento aleatorio.
Definicin
Ejemplos de variables aleatorias son:
Nmero de aos que un recin nacido va a vivir
Nmero de hembras en familias de 3 hijos
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Las variables aleatorias se denotan con una letra
mayscula (por ejemplo X) y con una letra minscula
(x) el valor posible de la variable.
Las variables aleatorias tienen asociada una estructura
de probabilidad que se caracteriza por la distribucin de
probabilidad
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

X=x representa el evento "la variable aleatoria X toma el valor x

p(X=x) representa la probabilidad de dicho suceso.

X<x representa el evento "la variable aleatoria X toma un valor
menor a x

p(X<x) representa la probabilidad de que la v.a. X tome un valor
menor a x.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Variables Aleatorias Discretas
Una Variable Aleatoria X es Discreta si el
conjunto de valores que toma es finito o, si es
infinito, puede ordenarse en una secuencia que
se corresponda con los nmeros naturales.
Ejemplo:
El nmero de artculos defectuosos en una
seleccin de 4 artculos de entre 240
El nmero de trabajos recibidos por un centro de
cmputo en un da
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Variables Aleatorias Discretas
Ejemplo: Una pareja decide tener hijos hasta
que nazca un varn o 5 hembras. Sea la
variable aleatoria nmero de hembras
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Variable aleatoria: nmero de hembras
Evento probabilidad
Variable
aleatoria
v
hv
hhv
hhhv
hhhhv
hhhhh
Para cada valor que toma la variable es necesario conocer su probabilidad
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Variable aleatoria nmero de hembras
Evento probabilidad
Variable
aleatoria
v 1/2 0
hv 1/4 1
hhv 1/8 2
hhhv 1/16 3
hhhhv 1/32 4
hhhhh 1/32 5
Para cada valor que toma la variable es necesario conocer su probabilidad
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

La distribucin de probabilidad para una variable
aleatoria discreta y, se representa por una tabla ,
grfica o frmula, que da la probabilidad p(y) asociada
a cada posible valor de y.
=
y toda
1 p(y)
Caractersticas
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Se lanza dos veces una moneda balanceada y se
observa el nmero X de caras. Calcule la
distribucin de probabilidad para X.
Ejemplo:
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

El espacio muestral de un experimento aleatorio es {a, b, c, d, e, f} y
cada resultado es igualmente probable. Se define una variable aleatoria de
la siguiente manera:
resultado a b c d e f
x 0 0 1,5 1,5 2 3
Determine la distribucin de probabilidad de X.
Determine las siguientes probabilidades:
P(X = 1,5)
P(0,5 < X < 2,7)
P(0 <= X < 2)
P(X=0 o X=2)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

La representacin grfica ms usual de la distribucin de
probabilidad es un diagrama de barras no acumulativo.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Acumulada
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Su representacin grfica tiene forma escalonada, siendo los
saltos coincidentes con las probabilidades p
i
correspondientes a
los valores x
i
de la variable X.
Distribucin Acumulada
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Supngase que la distribucin acumulada de la variable aleatoria X es:
Determine la distribucin de probabilidad de X.
0 x<-2
0.2 -2 <= x < 0
0.7 0 <= x < 2
1 2 <= x
F
x
(x)
1
0,7
0,2
-2 -1 0 1 2
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Probabilidades
Si la Variable X es discreta:
Prob( X k ) = F(k)
Prob( h X k )= F(k) - F(h-1)
Prob( X > k ) = 1 - F(k)
Prob( X = k )= F(k) - F(k-1)
Prob( X < k ) = F(k-1)

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Variables Aleatorias Continuas
Una Variable aleatoria X es continua si el
conjunto de valores que toma es uno o ms
intervalos de la recta real.
Su distribucin de probabilidad est
caracterizada por la funcin de densidad f:
a b
La probabilidad es el rea bajo la curva
}
= s s
b
a
dx x f b X a prob ) ( ) (
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Ejemplos:
Supongamos el experimento que consiste en elegir al azar
500 personas y medir su estatura. La funcin que asocia a
cada persona su estatura es una variable aleatoria
continua.
Consideremos el experimento que consiste en elegir al
azar 100 patillas de una plantacin y pesarlas. La
funcin que asocia a cada patilla su peso es una variable
aleatoria continua.
Pero sern esas las variables asociadas a esos experimentos?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin de Probabilidad
Con el propsito de calcular probabilidades, se
tabula esta Funcin de Distribucin Acumulada.
Funcin de
distribucin
acumulada
Densidad de
Probabilidad
f
F
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Propiedades de una funcin de densidad
}
}
= < <
=
>=
b
a
b a b a
f
constantes son y donde f(x)dx, ) x P( . 3
1 f(x)dx . 2
0 (x) . 1
-
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

) x (x ) x (x
) x (x ) x (x
2 1 2 1
2 1 2 1
< < = < s
= s < = s s
X P X P
X P X P
Para cualquier x
1
y x
2
,
P(X=x)=0
Si X es una variable aleatoria continua, entonces,
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Funcin de Distribucin Acumulada
Si f(x) es la funcin de densidad su distribucin
acumulada est dada por:
Por ser una probabilidad siempre se cumple
que: 0 F(x) 1.
}

= s =
x
dx x f x X prob x F ) ( ) ( ) (
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

cy si 0 <= y <= 1
0 en cualquier otro punto
f(y)
Calcule el valor de c
Calcule P(0.2 < y <0.5)
Obtenga la funcin de distribucin acumulada para la variable aleatoria
Calcule F(0.2) y F(0.7)
Sea c una constante y consideremos la funcin de densidad
Ejemplo:
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

0
0,5
1
1,5
2
2,5
0 0,2 0,4 0,6 0,8 1
P(0.2 < y < 0.5)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

0
0,5
1
1,5
2
2,5
0 0,2 0,4 0,6 0,8 1
F(0.7)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Probabilidades
Si la Variable es X continua:
Prob( X a ) = F(a)
Prob( a < X b )= F(b) - F(a)
Prob( X > a ) = 1 - F(a)

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Medidas de Tendencia Central
Para una Variable Aleatoria X es necesario
establecer su valor medio, (Valor
Esperado), y cmo se dispersa respecto
de su valor medio (Varianza).
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Valor esperado
Si X es discreta se define el Valor Esperado
E(X):
Si X es continua se define el Valor Esperado
E(X):
- = = ) ( ) ( x P x X E
}

= = dx x x f X E ) ( ) (
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Suponga la siguiente distribucin para una variable aleatoria X y para una
variable Y:
Determine el valor esperado de X y de Y
x 18 20 22
f(x) 0.2 0.6 0.2
y 0 15 25 40
f(y) 0.2 0.3 0.3 0.2
- = = ) ( ) ( x P x X E
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

x
2
/3 si -1<= x <= 2
f(x)
Calcule la media o valor esperado de x
Sea X una variable aleatoria continua cuya funcin de densidad de
probabilidad est dada por:
Ejemplo:
}

= = dx x x f X E ) ( ) (
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Mediana
La mediana es el nmero donde la distribucin
acumulada vale .
F(mediana)=1/2
Si la distribucin es simtrica la media y la
mediana coinciden.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Medidas de Dispersin
)
( ) (
2
- X E = X V
Varianza:
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Si X es discreta se define la varianza V(X):
= ) ( ) ( ) (
2
x P x X V
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Si X es continua se define la varianza V(X):
( )
2 2
) ( ) ( =
}

dx x f x X V
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

) X V( = o
y la Desviacin Estndar:
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribuciones continuas de distinta
Varianza
10 15 20 25 30 35 40 45 50 55 60
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
= 8
= 3
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Varianza Distribucin Normal
Si dos poblaciones tienen una altura promedio
de 1,7 m, pero la primera presenta una
desviacin estndar de 0,5 y la segunda de 1,5.
Qu diferencia se observara entre una y otra
poblacin?
En cul esperaramos encontrar un mayor
porcentaje de personas de menos de 1,6 m?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Suponga la siguiente distribucin para una variable aleatoria X y para una
variable Y:
Determine la varianza de X y de Y
x 18 20 22
f(x) 0.2 0.6 0.2
y 0 15 25 40
f(y) 0.2 0.3 0.3 0.2

= =
2 2 2
) ( ) ( ) ( ) ( x P x x P x X V
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

x
2
/3 si -1 <= x <= 2
f(x)
Calcule la varianza de x
Sea X una variable aleatoria continua cuya funcin de densidad de
probabilidad est dada por:
Ejemplo:
( )
2 2
) ( ) ( =
}

dx x f x X V
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Si un conjunto de datos tiene una distribucin simtrica con forma
aproximada de joroba, pueden utilizar las siguientes reglas
prcticas para describir el conjunto de datos:
Aproximadamente el 68% de las observaciones quedan a 1
desviacin estndar de su media (esto es, dentro del intervalo
para poblaciones)
Aproximadamente el 95% quedan a 2 desviaciones estndar de su
media (esto es, dentro del intervalo 2 para poblaciones)
Casi todas quedan a menos de 3 desviaciones estndar de su
media (esto es, dentro del intervalo 3 para poblaciones)
Regla Emprica
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Si X e Y son variable aleatorias y k es una constante
entonces:
E(k) = k
E(k X)= k E(X)
E(X+Y)= E(X) + E(Y)
V(X) = E[(X - )
2
] = E(X
2
) -
2
Algunos resultados sobre
valores esperados y varianzas
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Ejemplo de Distribuciones Discretas
Una pareja decide tener hijos hasta que
nazca un varn o 5 hembras. Si esta
conducta es adoptada por todos los
marabinos, se altera el orden natural
acerca del equilibrio entre hombres
mujeres?
Cul sera el nmero promedio (valor
esperado) de hembras y varones de cada
pareja?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Solucin del Ejemplo
31/32 1 total
5/32 5 1/32 hhhhh
1/8 4 1/32 hhhhv
3/16 3 1/16 hhhv
1/4 2 1/8 hhv
1/4 1 1/4 hv
0 0 1/2 v
x P(x) Hembras P(x) Evento
Valor esperado de hembras = 31/32
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

1 total
0 1/32 hhhhh
1 1/32 hhhhv
1 1/16 hhhv
1 1/8 hhv
1 1/4 hv
1 1/2 v
x P(x) Varones P(x) Evento
31/32
0
1/32
1/16
1/8
1/4
1/2
Valor esperado de varones = 31/32
Solucin del Ejemplo
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribuciones Discretas
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

E = Positivo
E F E E E
X = 4
n = 5
5 pruebas de embarazo
Si estando embarazada la probabilidad de que el
test d positivo es 0.9 Cul es la probabilidad
de obtener 4 o ms positivos en 5 ensayos
(estando la mujer embarazada)?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Binomial
Caractersticas:
Hay n ensayos independientes.
El resultado de cada ensayo es xito (E) o
fracaso (F).
La probabilidad p de xito es constante en los
ensayos.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Variable aleatoria:
Nmero x de xitos en los n
ensayos.
Parmetros:
n, p.
Valor esperado:
?
Varianza:
?
Cul es la probabilidad de
obtener x xitos?
x n x
p p
x
n
x P

|
|
.
|
\
|
= ) 1 ( ) (
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Variable aleatoria:
Nmero x de xitos en los n
ensayos.
Parmetros:
n, p.
Valor esperado:
E(X)= n p
Varianza:
V(X)= n p (1-p)

x n x
p p
x
n
x P

|
|
.
|
\
|
= ) 1 ( ) (
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Grfica de Distribucin Binomial
0 2 4 6 8 10 12
0
0.05
0.1
0.15
0.2
0.25
Acotada
Simetra =>
p = 1/2
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

E = Positivo
1-binocdf(3, 5, 0.9)
E F E E E
X = 4
n = 5
Ejemplo de Distribucin Binomial
5 pruebas de embarazo
Si estando embarazada la probabilidad de que el
test d positivo es 0.9 Cul es la probabilidad
de obtener 4 o ms positivos en 5 ensayos?
5 0.9
4
x 0.1 + 5 0.9
5
x 0.1
0
= 0.32805 + 0.5905 = 0.91854
4 5
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Binomial. Ejercicio
De acuerdo a un estudio realizado, el 26% de las
personas adultas de Barinas tiene sobrepeso. Si se
extrae una muestra aleatoria simple de 10 adultos,
encuentre la probabilidad de que el nmero de
personas con sobrepeso, dentro de la muestra,
sea:
a) Exactamente tres personas
b) Menos de 2
c) Dos o ms personas
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

La probabilidad de que una persona que sufre de
migraa tenga alivio con una frmaco especfico es
de 0.9. Se seleccionan aleatoriamente a tres
personas con migraa a las que se les administra el
frmaco. Encuentre la probabilidad de que el
nmero de personas que logran alivio sea:
a) Exactamente 0
b) Exactamente uno
c) Dos o menos
d) Dos o tres
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

En un estudio se encontr un gran nmero de casos de
contaminacin en peces en supermercados de las ciudades de Nueva
York y Chicago. El estudio revel que el 40% de los trozos de pez
espada disponibles para la venta tena un nivel de mercurio superior
al limite establecido por la Administracin de Alimentos y Medicinas
de Estados Unidos (FDA). Para una muestra aleatoria de tres trozos
de pez espada, calcule la probabilidad de que:
Los tres trozos tengan niveles de mercurio por encima del lmite
establecido por la FDA.
Exactamente un trozo de pez espada tenga un nivel de mercurio
por encima del lmite
Cuando ms, un trozo de pez espada tenga un nivel de mercurio
por encima lmite establecido por la FDA.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Caractersticas:
Hay n ensayos independientes.
El resultado de cada ensayo es xito (E) o
fracaso (F).
La probabilidad p de xito es constante en los
ensayos.

Distribucin asociada al muestreo con
reemplazo.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Se supone que el 5% de las enfermeras que se
presentan en el Hospital General del Sur aspirando al
cargo de asistente de ciruga, tienen entrenamiento
en Instrumentacin Quirrgica.
Determine la probabilidad de que se encuentre la
primera enfermera con entrenamiento en
instrumentacin quirrgica en la quinta entrevista.

Cul es el nmero esperado de aspirantes
que hay que entrevistar para encontrar
la primera enfermera con entrenamiento
en instrumentacin quirrgica?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin geomtrica
Caractersticas:
Pruebas idnticas e independientes.
Dos posibles resultados: xito o fracaso
Probabilidad de xito p constante para cada
prueba
Variable aleatoria geomtrica X es el
nmero de la prueba en la cual ocurre el
primer xito
en lugar del nmero de xitos que ocurren en n pruebas
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

F F E
xito en la tercera prueba
P(x) = P(F F F F E)
X - 1
(1-p)
x 1
p
Ntese que aqu el espacio
muestral es infinito y la
variable puede tomar
infinitos valores

Qu tiene que pasar
para cumplir con el requisito
de que P(x) = 1?

Qu pasa con P(S)?

P(x) =
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

2
2
) 1 (
) (
1
) (
p
p
X V
p
X E
= =
= =
o
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Se supone que el 5% de las enfermeras que se
presentan en el Hospital General del Sur aspirando al
cargo de asistente de ciruga, tienen entrenamiento
en Instrumentacin Quirrgica.
Determine la probabilidad de que se encuentre la
primera enfermera con entrenamiento en
instrumentacin quirrgica en la quinta entrevista.

Cul es el nmero esperado de aspirantes
que hay que entrevistar para encontrar
la primera enfermera con entrenamiento
en instrumentacin quirrgica?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Para evitar que lo descubran en la aduana, un viajero ha
colocado 6 tabletas de narctico en una botella que
contiene 9 pldoras de vitamina que son similares en
apariencia. Si el oficial de la aduana selecciona 3
tabletas aleatoriamente para analizarlas, a) Cul es la
probabilidad de que el viajero sea arrestado por
posesin de narcticos?, b) Cul es la probabilidad de
que no sea arrestado por posesin de narcticos?.

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Ejemplo de Hipergeomtrica
El KINO!
NP = 25
Favorables = K = 15
Se elige una muestra de
15

Cul es la probabilidad
de que x sea 12, 13,
14, 15?

A A
X n
NP
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Hipergeomtrica
Caractersticas:
Poblacin de tamao NP, K de ellos son
especiales.
Si se selecciona una muestra aleatoria de n
elementos cul es la probabilidad de que en
sta se hallen x elementos especiales?
Muestreo sin reemplazo.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
=
n
NP
x n
K NP
x
K
x P ) (
NP = nmero total de elementos

K = nmero de elementos que hay de
un determinado tipo (especiales)

n = nmero total de elementos que se
seleccionarn (tamao de la muestra)

X = nmero de elementos especiales
en la muestra
Parmetros:
NP K n
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Sea p= K/NP la proporcin de elementos del tipo A en la poblacin:

Valor esperado:
E(X)= ?

Varianza:

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Sea p= K/NP la proporcin de elementos del tipo A en la poblacin:

Valor esperado:
E(X)= np

Varianza:

) 1 (
) )( 1 (

NP
n NP p np
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

P(12) = 0.0167
P(13) = 0.0014
P(14) = 0.000046
P(15)= 0.0000003
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Para evitar que lo descubran en la aduana, un viajero ha
colocado 6 tabletas de narctico en una botella que
contiene 9 pldoras de vitamina que son similares en
apariencia. Si el oficial de la aduana selecciona 3
tabletas aleatoriamente para analizarlas, a) Cul es la
probabilidad de que el viajero sea arrestado por
posesin de narcticos?, b) Cul es la probabilidad de
que no sea arrestado por posesin de narcticos?.

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Cul es la probabilidad de que una mesera
se rehse a servir bebidas alcohlicas
nicamente a dos menores de edad si
verifica aleatoriamente solo 5
identificaciones de entre 9 estudiantes, de
los cuales 4 no tienen la edad suficiente?
Cul es la probabilidad de que como
mximo 2 de las identificaciones
pertenezcan a menores de edad?.

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin de Poisson
Eventos que ocurren con cierta velocidad en el
tiempo (nmero de casos semanales de Dengue
en el hospital del sur), o en el espacio (nmero
de camarones por m
3
en el Lago de Maracaibo).
Caractersticas
El nmero de eventos que ocurre en una unidad de
tiempo, longitud, rea o volumen es independiente del
nmero de los que ocurren en otras unidades
El nmero medio (o esperado) de eventos en cada
unidad se denota por la letra griega lambda

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Variable aleatoria:
Nmero x de ocurrencias
del suceso por unidad de
tiempo o espacio (x = 0, 1,
2, ...).

Parmetros:
promedio de ocurrencias
tiempo o espacio.

!
) (
x
e
x P
x

=
Valor esperado:
E(X)= ?

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Variable aleatoria:
Nmero x de ocurrencias
tiempo o espacio (x = 0, 1,
2, ...).

Parmetros:
promedio de ocurrencias
tiempo o espacio.

!
) (
x
e
x P
x

=
Valor esperado:
E(X)=

Varianza:
V(X)=
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

A menudo, el nmero de llamadas telefnicas que
llegan a un conmutador se modela como una
variable aleatoria de Poisson. Suponga que, en
promedio, se reciben 10 llamadas por hora.

Cul es la probabilidad de que lleguen exactamente
cinco llamadas en una hora?
Cul es la probabilidad de que se reciban
exactamente 15 llamadas en dos horas?
Cul es la probabilidad de que lleguen exactamente
cinco llamadas en 30 minutos?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

0 5 10 15 20 25
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Ejemplo de Distribucin de Poisson
Si la media del nmero de casos semanales de Dengue
en un hospital es 1.3, Cul es la probabilidad de que
en una semana se presenten 5 o ms casos de
Dengue?
= 1.3

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Ejemplo de Distribucin de Poisson
Si la media del nmero de casos semanales de Dengue
en un hospital es 1.3, Cul es la probabilidad de que
en una semana se presenten 5 o ms casos de
Dengue?
= 1.3

1 F(4) = 1 (P(0) + P(1) + P(2) + P(3) + P(4))

1 - poisscdf(4, 1.3);
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Caractersticas:
Se utiliza como aproximacin al modelo
binomial cuando n es grande y p pequeo (ley
de los sucesos raros). p < 0.1 np < 5,
tomando como parmetro = np

Tambin se conoce como la distribucin de
los sucesos raros
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribuciones Continuas
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Normal
Importancia
La distribucin Normal es indudablemente la
distribucin continua fundamental, tanto por sus
aplicaciones como por el rol que juega dentro de la
Teora Estadstica.
Es la piedra angular de la inferencia ya que muchas
estadsticas muestrales tienden hacia la distribucin
Normal cuando el tamao de la muestra crece.
Enfoque original: Moivre, ca. 1738-1756
Posteriormente: Karl Gauss, 1855
Tambin es conocida como distribucin Gaussiana
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Normal
Caractersticas
Tiene forma de campana
Es simtrica con respecto a la media
Es continua
Las dos colas (extremos) de una distribucin
normal de probabilidad se extienden de manera
indefinida y nunca tocan el eje horizontal.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Normal
Funcin de Densidad
Se afirma que una variable aleatoria X es Normal N(,
2
) si
su funcin de densidad est dada por:
Parmetros y
Valor Esperado

Varianza

2
< < =
|
.
|
\
|

x e x f
x
,
2
1
) (
2
2
1
o
t o
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Normal
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Grfica de Distribucin Normal
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Grfica de Distribuciones Normales
con diferentes medias e igual dispersin
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Normal Estndar

Si X es N(,
2
) entonces:

Z = (X-)/ es N(0,1)

se designa como Normal Estndar.

Esta propiedad permite relacionar la funcin de
distribucin acumulada de X con la de Z, ya que:

Prob( X w ) = Prob ( Z (w-)/ ).

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Normal Estndar
P(Z < 0) = ?

P(Z > 0) = ?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Estndar
0 1.25
1056 . 0
0.8944 - 1
) 25 . 1 ( 1 ) 25 . 1 (
=
=
< = > z p z p
3944 . 0 5000 . 0 8944 . 0
) 0 ( ) 25 . 1 ( ) 25 . 1 0 (
= =
< s = s s z p z p z p
0 1.25
Normal Estndar
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Consideremos que el peso de los nios varones en el momento
del nacimiento se distribuye normalmente. Si sabemos que el
peso medio en el momento de nacer es 3,25 kgs y la
desviacin tpica es de 0,82 kgs, cul es la probabilidad de
que el peso de un nio varn al nacer sea superior a 4 kgs?
Estandarizamos la variable aleatoria X, peso de los nios al
nacer. En el proceso de estandarizacin, al valor de X=4, le
corresponde el valor, t=0,9146 :
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Si el nivel de colesterol de los habitantes de Maracaibo
tiene una distribucin aproximadamente normal, con una
media de 200 mg/100 ml y una desviacin estndar de
20 mg/100 ml, calcule la probabilidad de que una
persona de Maracaibo, elegida al azar, tenga un nivel de
colesterol:
a.- Entre 180 y 200 mg/100 ml
b.- Mayor que 225 mg/100 ml
c.- Menor que 150 mg/100 ml
d.- Entre 190 y 210 mg/100 ml
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

El tiempo de incapacidad por enfermedad de los
empleados de una compaa en un mes tiene una
distribucin normal con media de 100 horas y
desviacin estndar de 20 horas.
Cul es la probabilidad de que el tiempo por
incapacidad del siguiente mes se encuentre entre 50 y
80 horas?
Cunto tiempo de incapacidad deber planearse
para que la probabilidad de excederlo sea solo del
10%?

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Se supone que el ancho de una herramienta utilizada en
la fabricacin de semiconductores tiene una distribucin
normal con media de 0.5 micrmetros y desviacin
estndar de 0.05 micrmetros.
a.- Cul es la probabilidad de que el ancho de la
herramienta sea mayor que 0.62 micrmetros?
b.- Cul es la probabilidad de que el ancho de la
herramienta se encuentre entre 0.47 y 0.63 micrmetros?
c.- Debajo de qu valor est el ancho de la herramienta
en el 90% de las muestras?

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Gamma
Caractersticas
Valores positivos
Asimetra hacia la derecha
Muy verstil, dependiendo del valor de los
parmetros adopta formas muy distintas
Dos distribuciones fundamentales son casos
particulares de ella:
Exponencial y Chi-cuadrado.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Gamma
Parmetros
: Parmetro de escala
: Parmetro de forma
Funcin de Densidad:
u
o
o
u
o
) (

x
= x f
)
x
-( 1 -
I
e
) (
Enteros -> (z-1)!
Valor esperado
*
Varianza
2
*
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

0 2 4 6 8 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
= 1
= 3
= 5
= 1
Distribucin Gamma
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

0 2 4 6 8 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Distribucin Gamma
= 1
= 5
= 1
= 3
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Est relacionada con la distribucin de Poisson.
Diferencia: a la distribucin de Poisson le interesa el
nmero de ocurrencias, mientras que a la exponencial le
interesa el tiempo (distancia, rea, volumen) transcurrido
entre las ocurrencias.
Ejemplo:
Poisson: el nmero de personas en la cola del banco
Exponencial: el tiempo entre llegadas a la taquilla
Distribucin Exponencial
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Parmetro

Funcin de Densidad:

u
u

= x) ( f
)
x
-(
e
Valor esperado

Varianza
2
La distribucin exponencial es una GAMMA con = 1.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Parmetro

Funcin de Densidad:

Valor esperado
1/
Varianza
1/
2
La distribucin exponencial es una GAMMA con = 1.
x
e = x f

) (
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Funcin de Densidad (alternativa):

x
e = x f

) (
: La media del
proceso de Poisson.
Nmero medio de
sucesos por unidad
de medida.
La variable aleatoria X indica el tiempo desde que comienza la
observacin (experimento) hasta que ocurre un evento.
Ejemplos:
El tiempo que transcurre en la emergencia de un hospital, para
la llegada del siguiente paciente.

El tiempo transcurrido hasta la falla de un dispositivo.
0 , > x
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Funcin de Probabilidad Acumulada:
x
e x X P x F

= s = 1 ) ( ) (
Valor esperado

1
Varianza

2
1
La probabilidad de que no ocurra un evento de

Poisson en el tiempo x es equivalente a la
probabilidad de que el tiempo de observacin
requerido para que suceda el evento sea
mayor que x.
x
e x X P

= > ) (
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Funcin de Probabilidad Acumulada:
x
e x X P x F

= s = 1 ) ( ) (
Valor esperado

1
Varianza

2
1
x
e x X P

= > ) (
Cul es la mediana de una variable exponencial de media 1/?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Exponencial media = 40
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Exponencial media = 40
Mediana = 27.73
50%
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Ejemplo de Distribucin
Exponencial
Si la esperanza de vida de un suazi es de
40 aos Cul es la probabilidad de que
viva ms de 60 aos?

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Los clientes de un supermercado llegan en
promedio de 2 por minuto. Halle la
probabilidad de que transcurran:
A lo sumo 3 minutos antes de la llegada del
prximo cliente
Por lo menos 4 minutos
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

La duracin de un cierto tipo de bombillo es una
variable aleatoria exponencial de media 5000
horas.
Cul es la probabilidad de que dure ms de
6000 horas?
Si lleva funcionando 1000 horas
cul es la probabilidad de que dure:
6000 horas adicionales a las 1000
que lleva funcionando?
6000 horas en total?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Para una variable aleatoria exponencial X,
P(X < t
1
+ t
2
| X > t
1
) = P(X < t
2
)
Propiedad de carencia de memoria
En la duracin que se espera que tenga el objeto, no
influye para nada el tiempo que en la actualidad lleva
funcionando El dispositivo no se desgasta.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

El tiempo entre arribos de los taxis en un cruce muy
concurrido tiene una distribucin exponencial con
media de 10 minutos.
Cul es la probabilidad de que una persona que
est en el cruce tenga que esperar ms de una hora
para tomar un taxi?
Suponga que la persona ya esper una hora, cul
es la probabilidad de que llegue uno en los siguientes
10 minutos?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

El tiempo de duracin de un ensamble mecnico en
una prueba de vibracin tiene una distribucin
exponencial con media de 400 horas.
Cul es la probabilidad de que el ensamble falle
durante la prueba en menos de 100 horas?
Cul es la probabilidad de que el ensamble trabaje
durante ms de 500 horas antes de que falle?
Si el ensamble se ha probado durante 400 horas sin
falla alguna, cul es la probabilidad de que falle en
las siguientes 100 horas?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

En una red de computadoras grande, el acceso de
los usuarios al sistema puede modelarse como un
proceso de Poisson con una media de 25 accesos
por hora.
Cul es la probabilidad de que no haya accesos
en un intervalo de 6 minutos?
Cul es la probabilidad de que el tiempo que
transcurre hasta el siguiente acceso est entre 2 y 3
minutos?
Distribucin Exponencial. Ejercicio
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Beta
Caractersticas:
Se la utiliza para representar variables
aleatorias cuyos valores se encuentran
restringidos a intervalos de longitud finita.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Beta
Parmetros :
y ambos parmetros de forma.
Funcin de densidad :
Es 0 en todas partes salvo en el intervalo
[0,1] donde est definida por:

0 > 0 > 1 < x < 0
) ( ) (
x
x
) + (
= ) x , , ( f
1 -
1 -
| o
| o
| o
| o
|
o
I I
I ) 1 (
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Beta
Valor esperado:
/( + )

Varianza :
/( + )
2
( + + 1)

Funcin de distribucin acumulada:

Es la funcin de distribucin acumulada definida para todo x en (0,1).
MATLAB: betacdf(x, , )

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Grfica de Distribucin Beta
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Los sensores de infrarrojo de un sistema robtico
computarizado envan informacin a otros
sensores en diferentes formatos. La proporcin x
de las seales que se envan y que son
directamente compatibles para todos los
sensores del sistema sigue una distribucin beta
con ==2.
a) Calcule la probabilidad de que ms de 30% de
las seales de infrarrojo enviadas en el sistema
sean directamente compatibles para todos los
sensores
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin Uniforme Continua
Caractersticas:
La distribucin uniforme o rectangular tiene densidad
constante en un intervalo [a, b] y vale 0 fuera del
mismo.
a b
f(x)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Parmetros:
a y b

Funcin de densidad:
f(x)= ? en [a, b]
0 en el resto
Valor esperado:
?

Varianza:

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Parmetros:
a y b

Funcin de densidad:
f(x)= 1/(b-a) en [a, b]
0 en el resto
Valor esperado:
(a + b)/2

Varianza:
(b a)
2
/12
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Suponga que un departamento de investigacin de enfermedades
cardiovasculares est realizando un estudio sobre la hipertensin
arterial, trabajando para ello con una muestra aleatoria de personas
y donde la presin arterial diastlica se distribuye uniformemente
entre 60 y 160. Este grupo de investigacin desea excluir aquellos
pacientes cuya presin arterial est por debajo de 90.
Calcule la media y la desviacin
estndar de x, la presin arterial
diastlica de las personas de la muestra.
Grafique la distribucin de probabilidad
Calcule la fraccin de personas que se
omitirn para el estudio.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Suponga que el departamento de investigacin de un fabricante de
acero cree que una de las mquinas de la compaa est
produciendo lminas de metal con espesores variables. El espesor es
un variable aleatoria uniforme con valores entre 150 y 200
milmetros. Cualquier lmina que tenga menos de 160 milmetros de
espesor debe desecharse, pues resulta inaceptable para los
compradores.
Grafique la distribucin de probabilidad de
las lminas de acero producidas por esta
mquina
Calcule la fraccin de las lminas de acero
producidas por esta mquina que se
desechan
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Investigadores de la Universidad de los Andes han
diseado, construido y probado un circuito de condensador
conmutado para generar seales aleatorias. Se demostr
que la trayectoria del circuito estaba distribuida
uniformemente en el intervalo (0,1).
Indique la media y la varianza de la
trayectoria del circuito
Calcule la probabilidad de que la trayectoria
est entre 0.2 y 0.4
Esperara usted observar una trayectoria
que excediera 0.995?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribuciones de
Probabilidad Conjuntas
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Distribucin de probabilidad conjunta
Si X y Y son variables aleatorias discretas, la distribucin de
probabilidad conjunta de X y Y, es una descripcin del conjunto de
puntos (x,y) en el rango de (X,Y) junto con la probabilidad asociada
con cada uno de ellos.
Es conocida como distribucin bivariada o distribucin bivariable
Satisface las siguientes condiciones:
) , ( ) , (
1 ) , (
1 ) , ( 0
y Y x X P y x f
y x p
y x p
xy
x y
= = =
=
s s
para todos los valores de x y y

(1)

(2)

(3)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

DISTRIBUCIN
CONJUNTA
Y
1 2 3

X
0 .1 .2 .3
1 .2 .2 0
Distribucin Bidimensional Discreta
Suponga dos variables aleatorias:
X: Posicin frente a la legalizacin del aborto (0: en contra, 1: a favor)
Y: Nivel de educacin de la persona (1: primaria, 2: bachiller, 3:
universitaria)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

DISTRIBUCIN
CONJUNTA
Y Marginal
de X
1 2 3
X 0 .1 .2 .3 .6
1 .2 .2 0 .4
Marginal de Y .3 .4 .3 1
=
x
y x p y p ) , ( ) (
1
=
y
y x p x p ) , ( ) (
2
Distribuciones de probabilidad marginales (incondicionales)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Obtenga la distribucin de probabilidad
condicional de x dado y=1
DISTRIBUCIN
CONJUNTA
Y Marginal
de X
1 2 3
X 0 .1 .2 .3 .6
1 .2 .2 0 .4
) (
) , (
) | (
y p
y x p
y x p =
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

=
y x
y x xyp XY E ) , ( ) (
Valor esperado
En el ejemplo,
Cul sera el valor esperado de X? y el de Y? el de XY?
DISTRIBUCIN
CONJUNTA
Y Marginal
de X
1 2 3
X 0 .1 .2 .3 .6
1 .2 .2 0 .4
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Variables Independientes
Definicin
X e Y son variables aleatorias
independientes si:

Para todas a y b,

P(X < a y Y < b) = P(X < a)P(Y < b)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Variables Independientes
Teorema
Si X y Y son variables aleatorias
independientes, entonces

E(XY) = E(X)E(Y)
Atencin: Este es un teorema, no una definicin.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Covarianza
La covarianza(X,Y) es una medida de
asociacin lineal entre las variables X e Y
Producto cruzado de las desviaciones (x-
x
)
(y-
y
) para cada punto de datos
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

(x,y)
(y-
y
)
(
x
,
y
)
(x-
x
)
-
+
+
-
Signos de los productos cruzados (x-
x
)(y-
y
)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Signos de los productos cruzados (x-
x
)(y-
y
)
Relacin lineal
dbil
(covarianza
cercana a 0)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Covarianza
Si
( ) ( )
| |

. - ) E( = ) COV(
) )( ( E ) , COV(
E ; E
Y

x
Y X
Y X
XY X,Y
Y X Y X
Y X
=
= =
Definicin
Teorema
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Y=Abs(X)
0
0,5
1
1,5
2
2,5
3
3,5
-4 -3 -2 -1 0 1 2 3 4
Covarianza: 0
La covarianza(X,Y) es una medida de asociacin
lineal entre las variables X e Y
Si la relacin entre las variables aleatorias no es lineal, puede que la
covarianza no sea sensible a dicha relacin.

Ejemplo:
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

DISTRIBUCIN
CONJUNTA
Y Marginal
de X
1 2 3
X 0 .1 .2 .3 .6
1 .2 .2 0 .4
E(x) = 0.4
E(y) = 2
E(xy) = 0.6
Calcule la covarianza de las variables aleatorias
En el ejemplo,
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Teorema
Si X y Y son dos variables aleatorias
independientes, entonces:

Cov(X,Y)=0
Ser lo contrario cierto tambin? Es decir:
si la covarianza es cero entonces puede
concluirse que las variables son
independientes?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Supongamos Y
1
y Y
2
dos variables aleatorias
discretas con la siguiente distribucin de
probabilidad conjunta:
DISTRIBUCIN
CONJUNTA
Y
1
-1 0 1

Y
2
-1 1/16 3/16 1/16
0 3/16 0 3/16
1 1/16 3/16 1/16
Cul es su covarianza?
Son independientes?
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

E(aX + bY) = aE(X) + bE(Y)
Var(aX + b) = a
2
Var(X)
Var(aX+bY) = a
2
Var(X) + b
2
Var(Y) + 2abCov(X,Y)
Sean X y Y dos variables aleatorias continuas y a y b
dos constantes:
Valor esperado y varianza de funciones
lineales de variables aleatorias
Si X y Y son independientes, entonces:
Var(aX+bY) = a
2
Var(X) + b
2
Var(Y)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Un vendedor obtiene sus ingresos mediante la venta de dos
productos distintos. Por experiencia sabe que el volumen de
ventas de A no tiene influencia alguna sobre el de B. Su
ingreso mensual es el 10% del volumen, en dlares, del
producto A y el 15% del volumen de B.
Si en promedio las ventas del producto A
ascienden a $10.000 con una desviacin
estndar de $2.000 y las de B a $8.000 con
una desviacin estndar de $1.000, obtngase
el valor esperado y la desviacin estndar del
ingreso mensual del vendedor.

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Correlacin
La correlacin entre dos variables (x, y) es una
medida de asociacin que expresa el grado de
dependencia lineal entre ambas, formalmente:
Si las variables aleatorias son independientes
entonces la correlacin entre ambas es 0
-1 1
y x
Y X
Y X
o o
) , cov(
) , ( =
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

DISTRIBUCIN
CONJUNTA
Y Marginal
de X
1 2 3
X 0 .1 .2 .3 .6
1 .2 .2 0 .4
E(x) = 0.4
E(y) = 2
Cov(xy) = 0.6 - 0.4*2 = -0.2
En el ejemplo,
Calcule el coeficiente de correlacin para x y y
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

X
1

X
2

X
2

X
2

r =0.9
r =0.5
r =0
r = -0.5
r =-0.9 Distintos grados de
asociacin lineal entre
dos variables

Ntese la orientacin de
la nube en funcin del
signo de la correlacin
Coeficiente de Correlacin r
Independencia
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Correlacin Positiva
Si la correlacin es 1, todas las observaciones se
encuentran alineadas en una recta.

-1 1 Si = 0 X, Y independientes
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Algunos resultados sobre
valores esperados y varianzas
Si X e Y son variable aleatorias y k es una
constante entonces:
E(k X)= k E(X)
V(k X)= k
2
V(X)
E(X+Y)= E(X) + E(Y)
Adems si X e Y son independientes:
V(X + Y) = V(X - Y) = V(X) + V(Y)
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Cuidado con la confusin
entre correlacin y causalidad
Que dos fenmenos estn correlacionados no implica que uno
sea causa del otro. Es frecuente que una correlacin fuerte
indique que las dos variables dependen de una tercera que no
ha sido considerada. Este tercer elemento se llama factor de
confusin. Por ejemplo, puede ser que una fuerte correlacin
exprese una verdadera causalidad, como en el nmero de
cigarrillos que se fuma al da y la aparicin de cncer de
pulmn. Pero no es la estadstica la que demuestra la
causalidad, ella solo permite detectarla.
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Cantidad de prostitutas y cajas de chicles
consumidas en Maracaibo
Periodo: 1990 - 2004
T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

Correlacin y Causalidad
http://xkcd.com/552/

T
e
m
a

1
.

R
e
v
i
s
i
n

d
e

l
o
s

C
o
n
c
e
p
t
o
s

B
s
i
c
o
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d

FIN DE PROBABILIDAD

Distrib. de Prob.

Uploaded by

Document Information

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

Distrib. de Prob.

Uploaded by

Copyright:

Available Formats

T

La probabilidad de que no ocurra un evento de

para todos los valores de x y y

You might also like