Probabilidad y Estadística Cap 3

6/19/2017
UNIVERSIDAD POLITÉCNICA SALESIANA

PROBABILIDAD Y ESTADÍSTICA
Docente: Ing. Juan Pablo Montero M.Sc.
CAPÍTULO III
VARIABLES ALEATORIAS Y DISTRIBUCIONES DE

PROBABILIDAD
Objetivo: Conocer y manejar las variables aleatorias y distribuciones de

probabilidad.
1
6/19/2017
CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD
Concepto de variable aleatoria

Es una función que asocia un número real con cada elemento del espacio muestral.
Ejemplo: De una urna que contiene 4 bolas rojas y 3 negras se sacan 2 bolas de manera sucesiva, sin
reemplazo. Los posibles resultados y los valores y de la variable aleatoria Y, donde Yes el número de bolas
rojas, son:
Espacio muestral discreto

Si un espacio muestral contiene un número finito de posibilidades, o una serie interminable con tantos
elementos como números enteros existen, se llama espacio muestral discreto.
Espacio muestral continuo
Si un espacio muestral contiene un número infinito de posibilidades, igual al número de puntos en un

segmento de recta.
2
6/19/2017
Distribuciones discretas de probabilidad
Se establece que f (x) = P(X = x); por ejemplo, f (3) = P(X = 3)
Al conjunto de pares ordenados (x,f (x)) se le llama función de probabilidad, función de masa de
probabilidad o distribución de probabilidad de la variable aleatoria discreta X.
Condiciones:
El conjunto de pares ordenados (x, f (x)) es una función de probabilidad, una función de masa de
probabilidad o una distribución de probabilidad de la variable aleatoria discreta X si, para cada resultado x
posible, se cumple:
1. f (x ) ≥ 0,
2. σ𝑥 f x = 1,
3. P (X = x ) = f (x ).
Ejercicio: Un embarque de 20 computadoras portátiles similares para una tienda minorista contiene 3 que
están defectuosas. Si una escuela compra al azar 2 de estas computadoras, calcule la distribución de
probabilidad para el número de computadoras defectuosas.
Para este caso x = 0, 1, 2 por lo tanto:
Por lo tanto la distribución de probabilidad será:
3
6/19/2017
Distribución Acumulada
La función de la distribución acumulativa F(x) de una variable aleatoria discreta X con distribución de
probabilidad f (x) es:
Ejercicio: Dada la siguiente distribución de probabilidad, encuentre la distribución acumulada de la variable

aleatoria x.
x 0 1 2 3 4
f(x) 1/16 1/4 3/8 1/4 1/16
4
6/19/2017
Tipos de gráficas para distribuciones de probabilidad
Histogramas de Probabilidad
Consta de rectángulos que se construyen de manera que sus bases, con la misma anchura, se centren en cada
valor x, y que sus alturas igualen a las probabilidades correspondientes dadas por f (x). Las bases se
construyen de forma tal que no dejen espacios entre los rectángulos.
Gráfica de barras
Se grafican los puntos (x, f (x)) y unimos los puntos al eje x, ya sea con una línea punteada o con una línea
sólida.
5
6/19/2017
Distribuciones continuas de probabilidad
Una variable aleatoria continua tiene una probabilidad 0 de adoptar exactamente cualquiera de sus valores.
En el caso de distribuciones continuas de probabilidad se procede al cálculo de probabilidades para varios

intervalos de variables aleatorias continuas como P(a < X < b), P(W ≥ c), etc.
Observe que cuando X es continua,
P(a < X ≤ b) = P(a < X < b) + P(X = b) = P(a < X < b).
Es decir, no importa si incluimos o no un extremo del intervalo. Sin embargo, esto no es cierto cuando X es
discreta.
La distribución de probabilidad de una variable aleatoria continua no se puede representar de forma tabular,
pero sí es posible plantearla como una fórmula, la cual necesariamente será función de los valores
numéricos de la variable aleatoria continua X, y como tal se representará mediante la notación funcional f
(x).
Cuando se trata con variables continuas, a f(x) por lo general se le llama función de densidad de
probabilidad, o simplemente función de densidad de X.
La probabilidad de que X tome un valor entre a y b es igual al área sombreada bajo la función de densidad
entre las ordenadas en x = a y x = b
6
6/19/2017
Condiciones:
La función f (x) es una función de densidad de probabilidad (fdp) para la variable aleatoria continua X,
definida en el conjunto de números reales, si
1. f (x ) ≥ 0, para toda x  R
+∞
2. ‫׬‬−∞ f(x) 𝑑𝑥 = 1,
𝑏
3. P (a<X< b) = ‫ 𝑎׬‬f(x) 𝑑𝑥
Ejercicio: Suponga que el error en la temperatura de reacción, en °C, en un experimento de laboratorio

controlado, es una variable aleatoria continua X que tiene la función de densidad de probabilidad.
Distribución acumulada:
La función F(x), de una variable aleatoria continua X con función de densidad f (x), es
𝑥
F (x ) = P (X ≤ x ) = ‫׬‬−∞ f t 𝑑𝑡 , para x+
Además:
• P (a < X < b) = F (b) −F (a)
𝑑𝐹(𝑥)
• f (x ) = 𝑑𝑥
Ejercicio: Calcule F(x) para la función de densidad
7
6/19/2017

Probabilidad y Estadística Cap 3

Cargado por

Copyright:

Formatos disponibles

Probabilidad y Estadística Cap 3

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Probabilidad y Estadística Cap 3

Cargado por

Copyright:

Formatos disponibles

6/19/2017

UNIVERSIDAD POLITÉCNICA SALESIANA

Docente: Ing. Juan Pablo Montero M.Sc.

VARIABLES ALEATORIAS Y DISTRIBUCIONES DE

Objetivo: Conocer y manejar las variables aleatorias y distribuciones de

Docente: Ing. Juan Pablo Montero M.Sc.

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Concepto de variable aleatoria

Espacio muestral discreto

Docente: Ing. Juan Pablo Montero M.Sc.

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Espacio muestral continuo

Si un espacio muestral contiene un número infinito de posibilidades, igual al número de puntos en un

Docente: Ing. Juan Pablo Montero M.Sc.

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Distribuciones discretas de probabilidad

Se establece que f (x) = P(X = x); por ejemplo, f (3) = P(X = 3)

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Para este caso x = 0, 1, 2 por lo tanto:

Por lo tanto la distribución de probabilidad será:

Docente: Ing. Juan Pablo Montero M.Sc.

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Ejercicio: Dada la siguiente distribución de probabilidad, encuentre la distribución acumulada de la variable

Docente: Ing. Juan Pablo Montero M.Sc.

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Docente: Ing. Juan Pablo Montero M.Sc.

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Tipos de gráficas para distribuciones de probabilidad

Docente: Ing. Juan Pablo Montero M.Sc.

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Docente: Ing. Juan Pablo Montero M.Sc.

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Distribuciones continuas de probabilidad

En el caso de distribuciones continuas de probabilidad se procede al cálculo de probabilidades para varios

Observe que cuando X es continua,

Docente: Ing. Juan Pablo Montero M.Sc.

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Docente: Ing. Juan Pablo Montero M.Sc.

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Ejercicio: Suponga que el error en la temperatura de reacción, en °C, en un experimento de laboratorio

Docente: Ing. Juan Pablo Montero M.Sc.

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

• P (a < X < b) = F (b) −F (a)

Ejercicio: Calcule F(x) para la función de densidad

Docente: Ing. Juan Pablo Montero M.Sc.

CAPÍTULO III VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Docente: Ing. Juan Pablo Montero M.Sc.

También podría gustarte