1 Clase 4.1-Introduccion A Las Variables Aleatorias PDF
1 Clase 4.1-Introduccion A Las Variables Aleatorias PDF
1 Clase 4.1-Introduccion A Las Variables Aleatorias PDF
Ejemplo:
✓ X: La suma de las caras del lanzamiento Ejemplo:
de dos dados.
x = 2, 3, …, 12. ✓ Y: Proporción de personas que responden
a cierta encuesta enviada por correo.
✓ Z: El número de unidades producidas en
0 ≤ y ≤ 1.
una hora de trabajo en una empresa.
✓ Z: Cantidad de llenado de una bebida en
z = 0, 1, 2, 3,4,...
un vaso de 30 onzas.
0 ≤ z≤ 30.
✓ W: El número de accidentes de tránsito
✓ W: Ingreso en miles de pesos de un
que se registran por semana en un
grupo de trabajadores.
municipio.
w ≥ 0.
w = 0, 1, 2, 3,4,...
DISTRIBUCIÓN DE PROBABILIDAD
Una de las preocupaciones de los científicos ha sido construir modelos o funciones que
pudieran representar el comportamiento teórico de diferentes fenómenos aleatorios que
aparecían en el mundo real (Por ejemplo: Una función para estudiar el tiempo entre dos
llegadas consecutivas de clientes a un banco). La pretensión de modelar lo observable ha
constituido siempre una necesidad básica, dado que a través de esas construcciones teóricas,
los modelos, podemos experimentar sobre aquello que la realidad no le permitía.
Ejemplo: Suponga que le interesa el número de caras que aparecen en dos lanzamientos de
una moneda. ¿Cuál es la distribución de probabilidad del número de caras?
Espacio X: Número
muestral de caras Número Probabilidad del
de caras resultado
SS 0 x P(X=x)
SC 1 0 0.25
CS 1 1 0.50
CC 2 2 0.25
DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS DISCRETAS
1. 0 ≤ 𝑝 𝑥𝑖 ≤ 1
2. 𝑝 𝑥1 + 𝑝 𝑥2 + ⋯ + 𝑃(𝑥𝑘 ) = 1
Número de caras
P(X=x)
x
0 0.25
1 0.50
2 0.25
DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS DISCRETAS
Ejemplo: El Departamento de Estadística de una universidad tiene un laboratorio con seis computadoras
reservadas para estudiantes de estadística. Sea X el número de computadoras que están en servicio a
una hora particular del día. Suponga que la distribución de probabilidad de X es como se da en la tabla
siguiente:
x 0 1 2 3 4 5 6
P(x) 0.05 0.10 0.15 0.25 0.20 0.15 0.10
Solución
a. 𝑃 𝑋 ≤ 2 = 𝑃 𝑋 = 0 + 𝑃 𝑋 = 1 + 𝑃 𝑋 = 2 = 0.05 + 0.10 + 0.15 = 0.30
La probabilidad de que cuando mucho 2 computadoras estén en servicio es de 0.30
b. 𝑃 𝑋 ≥ 3 = 𝑃 𝑋 = 3 + 𝑃 𝑋 = 4 + 𝑃 𝑋 = 5 + 𝑃 𝑋 = 6 = 0.70
𝑃 𝑋 ≥ 3 = 1 − 𝑃 𝑋 < 3 = 1 − 𝑃 𝑋 = 0 + 𝑃 𝑋 = 1 + 𝑃 𝑋 = 2 = 1 − 0.3 = 0.7
La probabilidad de que por lo menos 3 computadoras estén en servicio es de 0.7
c. 𝑃 2 ≤ 𝑋 ≤ 5 = 𝑃 𝑋 = 2 + 𝑃 𝑋 = 3 + 𝑃 𝑋 = 4 + 𝑃 𝑋 = 5 = 0.75
La probabilidad de que entre 2 y 5 computadoras inclusive estén en servicio es de 0.75
DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS DISCRETAS
Ejemplo: Una tienda vende unidades de memoria flash, ya sea con 1 GB, 2 GB, 4 GB, 8 GB o 16 GB de
memoria. La tabla adjunta muestra la distribución de Y= la cantidad de memoria en un disco comprado:
y 1 2 4 8 16
P(Y) 0.05 0.10 0.35 0.40 0.10
Determine la función de distribución acumulada F(y) para cada uno de los valores posibles de Y.
Solución
𝐹 1 = 𝑃 𝑌 ≤ 1 = 𝑃 𝑌 = 1 = 0.05
𝐹 2 = 𝑃 𝑌 ≤ 2 = 𝑃 𝑌 = 1 + 𝑃 𝑌 = 2 = 0.05 + 0.10 = 0.15
𝐹 4 = 𝑃 𝑌 ≤ 4 = 𝑃 𝑌 = 1 + 𝑃 𝑌 = 2 + 𝑃 𝑌 = 4 = 0.05 + 0.10 + 0.35 = 0.5
𝐹 8 = 𝑃 𝑌 ≤ 8 = 𝑃 𝑌 = 1 + 𝑃 𝑌 = 2 + 𝑃 𝑌 = 4 + 𝑃 𝑌 = 8 = 0.05 + 0.10 + 0.35 + 0.40 = 0.9
𝐹 16 = 𝑃 𝑌 ≤ 16 = 𝑃 𝑌 = 1 + 𝑃 𝑌 = 2 + 𝑃 𝑌 = 4 + 𝑃 𝑌 = 8 + 𝑃 𝑌 = 16 = 0.05 + 0.10 + 0.35 + 0.40 + 0.10 = 1
0, 𝑦<1
0.05, 1≤𝑦<2
0.15, 2≤𝑦<4
𝐹 𝑦 =
0.50, 4≤𝑦<8
0.90, 8 ≤ 𝑦 < 16
1, 𝑦 ≥ 16
Devore, J. L. Probability and Statistics for Engineering and the Sciences. Cengage learning.
DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS CONTINUAS
Recuerde que una variable aleatoria es continua si sus valores posibles comprenden un solo
intervalo sobre la línea de numeración (Para cualquier par de valores A y B, cualquier número x
entre Ay B es un valor posible) o una unión de intervalos disjuntos.
Ejemplo 1
Sea X la cantidad de tiempo que un cliente seleccionado al azar pasa esperando antes de que comience su corte de
pelo. El primer pensamiento podría ser que X es una variable aleatoria continua, el tiempo de espera será continuo
puesto que X podría asumir entonces cualquier valor entre un tiempo mínimo posible A y un tiempo máximo posible B.
Ejemplo 2
Si se selecciona al azar un compuesto químico y se determina su pH X (Medida del grado de acidez o alcalinidad de una
sustancia o una solución), entonces X es una variable aleatoria continua porque cualquier valor pH entre 0 y 14 es
posible. Si se conoce más sobre el compuesto seleccionado para su análisis, entonces el conjunto de posibles valores
podría ser un subintervalo de [0, 14], tal como 5.5 ≤ 𝑥 ≤ 6.5, pero X seguiría siendo continua.
Ejemplo: Con el fin de realizar un control de calidad en una fábrica
FUNCIÓN DE DENSIDAD
de baterías, se mide el tiempo de duración de baterías elegidas al Si se mide el tiempo con
azar y se define la variable aleatoria: mucho más precisión Si se continúa de esta
cada rectángulo en el manera midiendo el
𝑋: 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑑𝑢𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑢𝑛𝑎 𝑏𝑎𝑡𝑒𝑟𝑖𝑎 histograma resultante es tiempo más y más
mucho más angosto. finamente, la
Supongamos que la medimos inicialmente en horas, imaginemos secuencia resultante
que disponemos de un número muy grande de datos de tal manera de histograma se
aproxima a una curva
que podemos construir un histograma de densidad (La suma del
más regular.
área de todos las barras es 1):
0.03 0.03
Densidad 0.03
0.02 0.02
Densidad
Densidad
0.02
0.01
0.01
0.01
0.00
0.00
125 150 175 200 225
125 150 175 200 225 Tiempo de duración de las baterías
Tiempo de duración de las baterías
0.00
0.02
suave y puedes intuir mejor contorno. Es una línea continua que representa
como es la forma de la la distribución de densidad de TODA LA
distribución. 0.01
POBLACIÓN, la cual llamaremos función de
densidad f(x).
0.00
Una función de densidad de probabilidad se define Cuando X es una variable aleatoria discreta, a cada
como una ecuación f(x) que al integrase entre a y b valor posible se le asigna una probabilidad positiva
representan la probabilidad de que la variable P(X=c). Esto no es cierto en el caso de una variable
aleatoria X tome valores entre a y b, esto es: aleatoria continua porque el área bajo una curva
𝑏 de densidad situada sobre cualquier valor único es
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = න 𝑓 𝑥 𝑑𝑥 cero:
𝑎 La probabilidad de 𝑐
que X asuma un valor 𝑃 𝑋 = 𝑐 = න 𝑓 𝑥 𝑑𝑥 = 0
en el intervalo [a, b] 𝑐
es el área sobre este
intervalo y bajo la
gráfica de la función El hecho de que P(X=c)= 0 cuando X es continua
de densidad. tiene una importante consecuencia práctica:
𝑥
, 3≤𝑥≤5
𝑓 𝑥 = ቐ8
0, en cualquier otro caso
𝐹 𝑥 =1
X
DISTRIBUCIONES DE PROBABILIDAD CONTINUAS
Ejemplo:
Sea X la variable aleatoria que representa el dinero invertido en publicidad por la empresa “Repuestos Miguelito”, en
unidades de $1’000.000, la cual tiene una función de densidad de probabilidad está dada por:
𝑥 0, 𝑥<0
, 3≤𝑥≤5 2
𝑥 9
𝑓 𝑥 = ቐ8 𝐹 𝑥 = − , 3≤𝑥≤5
0, en cualquier otro caso 16 16
1, 𝑥>5
Determine lo siguiente:
1. La probabilidad de que el dinero invertido en publicidad sea menor a $4’000.000.
2. La probabilidad de que el dinero invertido en publicidad se este entre $ 4’000.000 y $ 5’000.000.
3. La probabilidad de que el dinero invertido en publicidad sea mayor a $ 4’550.000.