VARIABLES ALEATORIAS SEMANA 03

Distribuciones de Probabilidad
VARIABLE ALEATORIA(V.A.)

Definicin. Se denomina variable aleatoria, a

una variable estadstica cuantitativa definida en
un espacio muestral .

X
w

Reales
RX x = X(w)

Fig. 6.1
El rango de la variable aleatoria X es el conjunto:
RX = todos los posibles valores.

6/28/2017 2
TIPOS DE VARIABLES ALEATORIAS

o La variable aleatoria es discreta si su rango es un

conjunto finito o infinito numerable.
Ej1: X = # de caras al lanzar una moneda tres
veces.
Ej2: Y = # de veces que se lanza un dado hasta
obtener el primer 1.
o La variable aleatoria es continua si su rango es un
intervalo continuo de la recta real.

Ej: X = Tiempo de vida til de un objeto.

3
PROBABILIDAD EN EL RANGO DE LA VARIABLE

Sea X una v.a. discreta, xi un elemento de RX

P[ X xi ] P({w/ X (w) xi }).

Ejemplo. Sea la v.a. X : el nmero de caras que
resultan al lanzar una moneda 3 veces.
El rango de X es RX= {0,1,2,3},
entonces,
P[X 0] P({SSS}) 1/8.
P[X 1] P({SSC o SCS o CSS}) 3/8.
P[X 2] P({SCC o CSC o CCS}) 3/8.
P[X 3] P({CCC}) 1/8.
6/28/2017 Mtodos Cuantitativos 4
DISTRIBUCIN DE PROBABILIDADES
Los valores de X y sus probabilidades se resumen en
N# de caras 0 1 2 3
Probabilidad 1/8 3/8 3/8 1/8

Esta es la distribucin de probabilidades de X.

Grfica

X
0 1 2 3
V.A. DISCRETA: FUNCIN DE PROBABILIDAD

Definicin. Sea X una variable aleatoria discreta. Se

denomina funcin (ley o modelo o distribucin)
de probabilidad de X a la funcin f(x) definida por
f (x) P[X x] para todo x nmero real tal que:

i) f ( x) 0 x ,
ii) f (x ) 1
xi RX
i

6
FUNCIN DE DISTRIBUCIN ACUMULADA

La funcin de distribucin acumulada F(x) se define

en todos los nmeros reales por:

F ( x) P[ X x] P[ X k ] f (k ),
kx kx
para x

Hallar la f.d.a. de la variable

X: # de caras al lanzar tres monedas.
Graficarla.

7
Experimento:
Lanzar una moneda 3 veces al aire
Evento: Nmero de Sellos

N Sellos Probabilidad
0 0.125 p(x)
1 0.375 p(x)

2 0.375 3/8 3/8

3 0.125
1.0

1/8 1/8

0 1 2 3
Caractersticas de la Distribucin de Probabilidad
Discreta

o Contiene todos los valores posibles de la Variable X, cada

uno con su Probabilidad asociada, P(X).
o Mutuamente Excluyentes y Colectivamente exhaustivos
o 0 P(Xi) 1
o P(Xi) = 1
P(X=0) = 0.125
P(X=1) = 0.375
P(X=2) = 0.375
P(X=3) = 0.125
Valor Esperado de una Distribucin de Probabilidad

o Se denota E(X).
o Media de la Distribucin de Probabilidad ()
o Media Pesada de los valores de X.
o Las probabilidades actan como pesos (suman 1).

= E( X ) = x * P( X x)
Varianza de una
Distribucin de Probabilidad

o Se denota VAR(X) o 2.
o Es el valor esperado (promedio) de las desviaciones
cuadrticas de cada valor x de la Variable Aleatoria X.

VAR( X ) E ( X ) E ( X )
2 2 2

x P( x)
2 2 2
Ejemplo Valor Esperado y Varianza

Una tienda de autos ha establecido la siguiente distribucin de

probabilidades de los autos que espera vender un da sbado en
particular:
Nmero de autos vendidos Probabilidades

0 0.10
1 0.20
2 0.30
3 0.30
4 0.10

o En un da sbado, cuntos autos se debe esperar vender?

o Cul es la varianza de la distribucin?
Modelos de Distribuciones de Probabilidad Discretas

Distribuciones de
Probabilidad Discretas

Binomial Poisson
Reflexionemos
Cuando se prueban empleados en la
manufactura de reproductores de discos
compactos, a la larga el porcentaje de
partes defectuosas es de 5%.

Cul es la probabilidad de que ninguna

de las 5 tarjetas est defectuosa?
LOGRO DE LA SESION:

Al trmino de la sesin, el estudiante resuelve ejercicios

de probabilidad en situaciones reales, aplicando las
reglas y distribuciones de probabilidad Binomial y
Normal, demostrando el procedimiento correcto basado
en las leyes de probabilidades
DISTRIBUCIN BINOMIAL

o El experimento debe constar de

"n" ensayos.
o Cada prueba puede tener uno
de dos resultados posibles
(xito o fracaso).
o La probabilidad de xito es "p"
y la de fracaso "q".
o Las pruebas son
independientes.
o Interesa conocer k" el nmero
de xitos observados en "n"
pruebas.
DISTRIBUCIN BINOMIAL

o Esta queda definida si se conoce P[X=k]

para k=0,1,2,.....,n. Esta probabilidad es:
n k n- k
P[X = k] = p q , k = 0,1,2,...., n
k
o Si X tiene la ley binomial de parmetros n y
p se escribe: X ~ B(n,p).
Distribucin Binomial

o La totalidad del experimento est compuesto por una

secuencia de intentos o ensayos idnticos.
o En cada intento o ensayo hay dos posibles resultados,
mutuamente excluyentes: xito o fracaso.
o La probabilidad de xito (p) permanece constante de
ensayo a ensayo. La probabilidad de fracaso (q) es el
complemento de p, es decir, 1-p.
o Los ensayos o intentos son estadsticamente
independientes.
Ejm Binomial

Una compaa que vende por telfono

un solo artculo, ha vendido 20
artculos en las ltimas 100 llamadas.
Sea X = nmero de ventas en una
muestra aleatoria de 5 clientes.

Si durante un turno se llaman a 5

clientes, cul es la probabilidad de:
No hacer ninguna venta?
Hacer exactamente 2 ventas?
Probabilidad en una
Distribucin Binomial

Si f ( x) P( X x) para x 0, 1, 2,..., n
n! x n x
f ( x) p q
x!(n x)!
o p= probabilidad de xito de cada intento
o q= probabilidad de fracaso de cada intento
o n= nmero de intentos realizados.
o r= nmero de xitos deseados.
Tendencia Central y Dispersin
en la Distribucin Binomial

o Media o Valor Esperado

E ( X ) np
Varianza
npq
2

Desviacin Estndar
npq
Reflexionemos
En un paradero de mina, se determin que los trabajadores
en horas no punta llegan aleatoriamente a una tasa
promedio de 24 trabajadores por hora.

Cul es la probabilidad de que lleguen ms de 15

trabajadores durante esa hora?
Distribucin de Poisson

o Las ocurrencias de un evento pueden ser descritas en trminos

de una variable aleatoria discreta.
o Existe un rgimen que caracteriza el proceso (nmero de
ocurrencias por intervalo de tiempo o espacio).
o Se usa para describir las distribuciones de probabilidad de:
Nmero de llegadas de clientes.
Nmero de llamadas telefnicas en una central.
Nmero de accidentes.
Nmero de llegadas de vehculos.
Nmero de defectos observados en longitudes, superficies, u objetos.
Probabilidad en una
Distribucin de Poisson

Si f ( x) P( X x) para x 0, 1, 2,..., n

ex
f ( x)
x!
o = promedio de ocurrencias por intervalo de tiempo o
espacio.
o e= 2.71828 Base de logaritmos neperianos o naturales.
Tendencia Central y Dispersin
en la Distribucin Poisson

Media o Valor Esperado

Varianza

2

Desviacin Estndar

Distribucin de Poisson como una aproximacin
de la Distribucin Binomial

La distribucin de Poisson es una buena aproximacin de

la distribucin binomial cuando n es igual o mayor que
20 y p es igual o menor a 0.05.

np
x np
(np) e
f ( x)
x!
Si en promedio llegan 3 clientes por minuto al
banco durante la hora del almuerzo, cual es la
probabilidad de que en un minuto dado, lleguen
exactamente dos clientes, lleguen menos de dos
clientes, y lleguen ms de dos clientes?
Reflexionemos
El gerente de personal de una gran compaa requiere que los
solicitantes a un puesto efecten cierta prueba y alcancen una
calificacin de 500.
Si las calificaciones de la prueba se distribuyen normalmente con
media 485 y desviacin estndar 30 Qu porcentaje de los
solicitantes pasar la prueba?
DISTRIBUCIN NORMAL

Es una distribucin
continua aplicable a
muchas variables como
por ejemplo, el peso, la
talla, el coeficiente
intelectual, dimensiones.
DISTRIBUCIN NORMAL

Una variable aleatoria continua X que tiene la

funcin de densidad
1 1 x -u 2
f (x)= e
- (
2
)
, xR
2
con u R y > 0, se dice que sigue una
distribucin normal con parmetros u y .
Se escribe X ~ N(u,2).

Es unimodal.
Es simtrica (X, Me y Mo coinciden).
Las dos colas de una distribucin normal se
extienden de manera indefinida y nunca
tocan al eje horizontal.
Si X ~ N(u,2) entonces Z = x - u sigue una
distribucin N(0,1).
rea bajo la curva = 1
Asinttica
 PROBLEMA

Si u = 0 y = 1, la distribucin normal N(0,1) se

llama distribucin normal estndar o tpica

Para z, hallar:

a) P[0 z 2] = 0.4772
b) P[0 z 2.57] = 0.4949
c) P[z 2] = 0.9772
d) P[-1 z 1] = 0.6826
e) P[-2 z 2] = 0.9544
f) P[-3 z 3] = 0.9974

http://tube.geogebra.org/material/simple/id/1667333
reas bajo la curva normal

15.85% 15.85%
68.3%
X
1 1

2.25% 2.25%
95.5%
X
2 2

0.15% 99.7% 0.15%

X
3 3
Valor Estndar (Valor z)

Los valores de una Variable X distribuida normalmente se

transforman a valores z de una Distribucin Normal
Estndar.
La Distribucin Normal se estandariza resultando en una
Distribucin Normal Estndar.

x
z

Distribucin Normal como una aproximacin de la
Distribucin Binomial

A pesar de ser continua, la Distribucin Normal es algunas veces

una buena aproximacin de la distribucin binomial cuando np y
nq son mayores o iguales a 5.

Los valores discretos de la distribucin binomial se representan

como rectngulos inscritos en la distribucin normal con un ancho
de 1 y centrados en el valor discreto.
np
npq
CONCLUSIONES

Qu hemos aprendido en esta sesin?

Qu actividades desarroll para aprender los conceptos y
principios de las distribuciones Binomial y Normal?
cul fue mi actitud frente al aprendizaje el da de hoy?
BIBLIOGRAFIA

LEVIN, R., RUBIN, D. Estadstica para Administradores

Sexta edicin.
Mxico. Prentice Hall. 1996. 940 p.

CRDOVA Z, M. Estadstica: Descriptiva e Inferencial

Lima 2000 500p. - 5ta. Edicin 2003 - Moshera.

VELIZ, C. Estadstica para la administracin y los negocios

Mxico. Pearson Educacin. Primera Edicin, 2011