Tema 2 Variables

Instituto Tecnológico de Minatitlán
Tema 2: Variables aleatorias y Funciones de

Distribución de Probabilidad.
Ing. Rubén González Martínez

Concepto de variable aleatoria
• Se llama variable aleatoria a toda función que asocia a cada elemento del
espacio maestral, un número real.
• Se utilizan letras mayúsculas para designar las variables aleatoria: X, Y, Z;

y sus respectivas letras minúsculas para los valores concretos de las
mismas: x, y, z.
Variable aleatoria discreta Es la que solo puede tomar una cantidad

numerable de valores.
Variable aleatoria continua Es aquella que puede tomar infinitos valores

dentro de un intervalo de la recta real.
Variable aleatoria
Función de probabilidad de una v.a. discreta: Es la función que asocia a cada
valor x de la v.a. X su probabilidad p.
Los valores que toma una v.a. discreta X y sus correspondientes
probabilidades suelen disponerse en una tabla con dos filas o dos columnas
llamada tabla de distribución de probabilidad:
X x1 x2 ... xn
P(X=xi) p1 p2 ... pn
Toda función de probabilidad se verifica que p1  p2  p3    pn  1

Función de distribución de una v.a. discreta: Sea X una v.a. cuyos valores
suponemos ordenados de menor a mayor. Se llama función de distribución de la
variable X a la función que asocia a cada valor de la v.a. la probabilidad acumulada
hasta ese valor, es decir,
Desarrolla tu competencia
Variable aleatoria
Media, varianza y desviación típica de una variable aleatoria discreta.
Se llama media o esperanza de una v.a. discreta X, que toma los
valores x1, ,x2, ....con probabilidades p1, p2,... al valor de la siguiente
expresión:  
 x P( X  x )  xp
 2   i ( xi   )2 pi
i i i i i i
La varianza viene dada por la siguiente fórmula:

que puede calcularse mediante:  2  xi2 pi i
 2
Ejemplo: La distribución de probabilidad de una v.a. X viene dada por la siguiente

tabla:
¿Cuánto vale P(X=3)?

Calcula la media y la varianza.
Variable aleatoria
MODELOS DISCRETOS
Modelo BERNOULLI: Es un experimento que tiene las siguientes

características:
En cada prueba del experimento sólo son posibles dos resultados: el
suceso A que llamaremos éxito y el suceso complementario, Ac,
llamado fracaso.
El resultado obtenido en cada prueba es independiente de los
resultados anteriores.
La probabilidad del suceso A es constante y no varía de unas
pruebas a otras.
Distribución de Probabilidad Binomial
Ejemplo:
Ejemplo 2
• La probabilidad de que Ana logre un objetivo en
cualquier momento es p=1/3; de donde ella pierde
con probabilidad q=1-p=2/3. suponga que ella
dispara al objetivo 7 veces. Este es un experimento
binomial con n=7 y p=1/3.
Encuentre la probabilidad de que ella alcance el
objetivo:
(a) Exactamente 3 veces.
(b) (b) Al menos una vez.

:
•(a) Aquí k=3 y por lo tanto n-k=4.
La probabilidad de que ella alcance el objetivo 3
veces es:

(b) La probabilidad de que ella nunca alcance el

objetivo, es decir, que todos sean fracasos, es:
Por lo tanto, la probabilidad de que ella alcance

el objetivo al menos una vez es:
Variable aleatoria
MODELOS DISCRETOS
Modelo BINOMIAL:
Este experimento lo forman repeticiones de pruebas del tipo Bernoulli y recibe

el nombre de distribución binomial de parámetros n y p donde n es el número
de pruebas del experimento y p es la probabilidad del éxito.
Si denotamos por X la variable aleatoria binomial que representa el número de

éxitos obtenidos en las n del experimento, su función de probabilidad viene
dada por:
n r
P(Obtener r éxitos )  P ( X  r )    p (1  p )n r
r 

Media:   np

Varianza:  2
 np(1  p )

Ejemplo:
• Supóngase que el propietario de una granja de

huevos garantiza de que en cada docena de
huevos suyos, no existe más de un huevo
quebrado. Si no es así el huevero repondrá la
docena completa. Supóngase también de que
la probabilidad de que un huevo individual
este quebrado es del 0.05; entonces que
probabilidad hay de reponer una docena de
huevos? ¿Es este un experimento binomial?
Solución:
• Sea X= el número de huevos quebrados
• Sea p= 0.05
• Supóngase que la inspección de cada huevo es
un ensayo que resulta “quebrado” o “no
quebrado”. Para encontrar la probabilidad de
que el huevero sobreviva a su garantía, es
preciso determinar la función de probabilidad
asociada a este experimento.
Distribución de probabilidad para variables
continúas.
• Una variable aleatoria cuyo conjunto de valores
posibles es un intervalo completo de números no es
discreta.
• Recuérdese de acuerdo con el tema 1 que una variable
aleatoria X es continua si:
• 1) sus valores posibles comprenden un solo intervalo
sobre la línea de numeración (para alguna A B,
cualquier número x entre A y B es un valor posible) o
una unión de intervalos disjuntos 2) P(X c) 0 para
cualquier número c que sea un valor posible de X.
Ejemplo 1 :
• Si se selecciona al azar un compuesto químico
y se determina su pH X, 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.
Argumento:
• Se podría argumentar que aunque en principio las
variables tales como altura, peso y temperatura son
continuas, en la práctica las limitaciones de los
instrumentos de medición nos restringen a un mundo
discreto (aunque en ocasiones muy finamente
subdividido). Sin embargo, los modelos continuos a
menudo representan muy bien de forma aproximada
situaciones del mundo real y con frecuencia es más fácil
trabajar con matemáticas continuas(el cálculo) que con
matemáticas de variables discretas y distribuciones.
Definición:
• Sea X una variable aleatoria continua. Entonces, una
distribución de probabilidad o función de densidad de
probabilidad (fdp) de X es una función f(x) tal que para
dos números cualesquiera a y b con a b,
• Es decir, la probabilidad de que X asuma un valor en el

intervalo [a, b] es el área sobre este intervalo y bajo la
gráfica de la función de densidad, como se ilustra en la
figura. La gráfica de f(x) a menudo se conoce como
curva de densidad.
Condiciones
Para que f(x) sea una función de densidad de probabilidad legítima, debe
satisfacer las dos siguientes condiciones:
1. f(x) 0 con todas las x

2. f(x) dx área bajo la curva f (x) =1
Ejemplo 2:
• La dirección de una imperfección con respecto a una línea de
referencia sobre un objeto circular tal como un neumático, un
rotor de freno o un volante está, en general, sujeta a
incertidumbre. Considérese la línea de referencia que conecta
el vástago de la válvula de un neumático con su punto central
y sea X el ángulo medido en el sentido de las manecillas del
reloj con respecto a la ubicación de una imperfección. Una
posible función de densidad de probabilidad de X es:
Ejemplo 2:
• La
función de densidad de probabilidad aparece
dibujada en la siguiente figura.
Claramente f(x)≥ 0. El área bajo la curva de densidad

es simplemente el área de un rectángulo (altura)
(base) ()(360) =1.
Ejemplo 2:
• La probabilidad de que el ángulo esté entre
90° y 180° es:
La probabilidad de que el ángulo de ocurrencia

esté dentro de 90° de la línea de referencia es:
Gracias por su atención!

Tema 2 Variables

Cargado por

Copyright:

Formatos disponibles

Tema 2 Variables

Cargado por

Información del documento

Título 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

Tema 2 Variables

Cargado por

Copyright:

Formatos disponibles

Instituto Tecnológico de Minatitlán

Tema 2: Variables aleatorias y Funciones de

Ing. Rubén González Martínez

• Se utilizan letras mayúsculas para designar las variables aleatoria: X, Y, Z;

Variable aleatoria discreta Es la que solo puede tomar una cantidad

Variable aleatoria continua Es aquella que puede tomar infinitos valores

Toda función de probabilidad se verifica que p1  p2  p3    pn  1

La varianza viene dada por la siguiente fórmula:

Ejemplo: La distribución de probabilidad de una v.a. X viene dada por la siguiente

¿Cuánto vale P(X=3)?

Modelo BERNOULLI: Es un experimento que tiene las siguientes

(b) (b) Al menos una vez.

objetivo, es decir, que todos sean fracasos, es:

Por lo tanto, la probabilidad de que ella alcance

Este experimento lo forman repeticiones de pruebas del tipo Bernoulli y recibe

Si denotamos por X la variable aleatoria binomial que representa el número de

• Supóngase que el propietario de una granja de

• Es decir, la probabilidad de que X asuma un valor en el

1. f(x) 0 con todas las x

Claramente f(x)≥ 0. El área bajo la curva de densidad

La probabilidad de que el ángulo de ocurrencia

También podría gustarte