Sie sind auf Seite 1von 19

DISTRIBUCIN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL.

El conjunto de todos los resultados posibles de un experimento estadstico denotado por "S" VARIABLE. Se denomina variable a la entidad que puede tomar un valor cualesquiera durante la duracin de un proceso dado. Si la variable toma un solo valor durante el proceso se llama constante. VARIABLE ALEATORIA: Es una funcin que asocia un nmero real a cada elemento del espacio muestral. Es decir son aquellas que pueden diferir de una respuesta a otra. Ejemplo Considere el lanzamiento de una moneda. El espacio muestral de este experimento aleatorio est constituido por dos resultados: cara y sello. Si se define X (cara)=0 y X (sello)=1, se transforman los dos posibles resultados del espacio muestral en cantidades numricas reales. De esta manera P(X=0) representa la probabilidad de que el resultado al lanzar la moneda es cara. Ejemplo Considere el lanzamiento de dos dados. El espacio muestral de este experimento aleatorio est constituido por 36 posibles resultados. Se define como variable aleatoria X la suma de los valores de las dos caras de los dados. La siguiente tabla relaciona los 36 resultados con los valores correspondientes de la variable aleatoria X definida en este ejemplo. Correspondencia entre los resultados del lanzamiento de un par de dados y la variable aleatoria que representa la suma de las caras.

Se pueden definir variables aleatorias cuyos valores sean contables o no, y al ser una caracterizacin cuantitativa de los resultados de un espacio muestral, ellas pueden ser discretas o continuas. Una variable aleatoria se puede clasificar en: Variable aleatoria discreta. Variable aleatoria contina.

Variable aleatoria discreta. Una variable discreta proporciona datos que son llamados datos cuantitativos discretos y son respuestas numricas que resultan de un proceso de conteo. 1. 2. 3. 4. La cantidad de alumnos regulares en un grupo escolar. El nmero de guilas en cinco lanzamientos de una moneda. Nmero de circuitos en una computadora. El nmero de vehculos vendidos en un da, en un lote de autos

Variable al azar discreta. Si una variable solo tiene un nmero finito de valores no continuos. El valor que asume X1, X2, X3,... , Xn con probabilidades f(X1), f(X2), f(X3),... , f(Xn). Si E (valor esperado) es cualquier subconjunto de los puntos X1, X2, X3,... , Xn; entonces la probabilidad del evento E se define como P(E) = f(X)/E, en donde f(X)/E es la suma de f(X) sobre aquellos valores de X que estn en E. f(X) es la distribucin de X, y se le llama funcin de distribucin de probabilidad discreta si satisface las siguientes condiciones:

Ejemplo Sea x la variable al azar que describe los resultados de un lanzamiento de un dado honrado, entonces: X= {1,2,3.4.5.6}
0 para x < 1 1/6 para x = 1,2,3,4,5,6 0 para x > 6

F (x)=

Ejemplo Del problema anterior, hallar la probabilidad de que x 3. F (x)=F(x 3)=p(X=1)+ p(X=2)+ p(X=3) F (x) = 1/6 + 1/6 + 1/6 = 3/6= F(x) = Variable aleatoria contina. Es aquella que se encuentra dentro de un intervalo comprendido entre dos valores cualesquiera; sta puede asumir infinito nmero de valores y stos se pueden medir. La estatura de un alumno de un grupo escolar. El peso en gramos de una moneda. La edad de un hijo de familia. Las dimensiones de un vehculo. Variable al azar contina. Es cuando la variable puede tomar valores nicamente en una escala continua. La variable al azar x es una variable continua al azar, si toma valores en una escala continua y si existe una funcin f(x) tal que f(x) > 0 para toda x en el intervalo - x < de tal manera que la probabilidad de cualquier evento E ser P(E) = P (x contenido en E) = E f(x) dx = en este caso la probabilidad asociada a un valor de la variable expresada por una integral:

Donde a f(x) se le llama funcin de distribucin de probabilidad y debe de satisfacer las siguientes condiciones: F (x) 0 - f (x) dx = 1

En este caso la funcin de distribucin de probabilidad acumulada se expresa por: F (x) = -x f (x) dx Ejemplo
0 para x < 50 1/20 para 50 x 70 0 para x > 70

F(x) =

VALOR ESPERADO Y VARIANZA DE UNA VARIABLE ALEATORIA El valor esperado (tambin llamado media o esperanza matemtica) de una variable aleatoria discreta X es una medida de posicin para la distribucin de X. Se simboliza con y se calcula al sumar el producto de cada valor de X con su probabilidad correspondiente. En otras palabras, la media o valor esperado de una variable aleatoria discreta X es:

Ejemplo Considere la siguiente distribucin de una variable aleatoria X.

La media est dada por:

Ejemplo Determine el valor esperado de la suma de las caras de dos dados al ser lanzados. Sea X la variable aleatoria que representa la suma de las caras de los

dos dados. Tabla de lanzamiento de dos dados, en la que se relacionan los resultados del lanzamiento de los dados y la suma de las caras, se tiene: De manera que el valor esperado al lanzar dos dados es 7. La varianza de una variable aleatoria es una medida de la dispersin de la distribucin de probabilidad de sta. Se calcula ponderando el cuadrado de cada desviacin con respecto a la media, con la probabilidad asociada con la desviacin. En otras palabras, la varianza de una variable aleatoria discreta X con media

y funcin de probabilidad f(x), es:

Determine ahora la varianza de la variable aleatoria definida Tabla de lanzamiento de dos dados, en la que se relacionan los resultados del lanzamiento de los dados y la suma de las caras.

Otra alternativa para medir la variabilidad, que con frecuencia es ms fcil de interpretar pues sus unidades son idnticas a las de la variable aleatoria X, es la desviacin estndar denotada por X y que corresponde a la raz cuadrada positiva de la varianza.

As mismo, la desviacin estndar de X es

DISTRIBUCIONES Distribucin de probabilidad. Es una distribucin terica describe cmo se espera que varen los resultados de un diferentes tipos de modelos que permiten describir el fenmenos estadsticos que permiten hacer inferencias y condiciones de incertidumbre. Se pueden clasificar en:

de frecuencias que experimento. Existen comportamiento de tomar decisiones en

Distribuciones discretas. Son aquellas donde las variables asumen un nmero limitado de valores, por ejemplo el nmero de aos de estudio.

Distribuciones continuas. Son aquellas donde las variables en estudio pueden asumir cualquier valor dentro de determinados lmites; por ejemplo, la estatura de un estudiante.

Una distribucin de frecuencias es un listado de las frecuencias observadas de todos los resultados de un experimento que, en realidad se han presentado cuando se lleva a cabo un experimento; en cambio, una distribucin de probabilidad es un listado de las probabilidades de todos los resultados posibles que podran presentarse si se efectuara el experimento.

Las probabilidades que se asocian a cada uno de los valores que toma la variable aleatoria x constituyen lo que se conoce como DISTRIBUCIN DE PROBABILIDAD, la cual puede ser representada mediante una funcin matemtica, una grfica o una tabla de valores. La diferencia consiste en que la funcin matemtica se transforma en una funcin probabilstica.

Dados los eventos E1, E2, ..., En que componen un espacio S, se dice que x es una variable aleatoria, si a cada valor de xi que asume cada Ei, se le asocia su probabilidad de ocurrencia y cumple con las siguientes condiciones:

La probabilidad para todo valor que asuma la variable aleatoria xi, ser mayor o igual a cero pero menor que uno.

La suma de todas las probabilidades asociadas a todos los valores que toma la variable x, es igual a la unidad

Ejemplo Encuentre la distribucin de probabilidad de lanzar dos monedas y la variable aleatoria nmero de caras.

Existen ciertas caractersticas que diferencian a las distribuciones de probabilidad, llamadas momentos de la distribucin que son: la media aritmtica o esperanza matemtica y la desviacin estndar.

FUNCIONES DE PROBABILIDAD DISCRETAS La distribucin de probabilidad para una variable aleatoria discreta puede ser: 1. Una relacin terica de resultados y probabilidades que se puede obtener de un modelo matemtico y que representa algn fenmeno de inters. 2. Una relacin emprica de resultados y sus frecuencias relativas observadas. 3. Una relacin subjetiva de resultados relacionados con sus probabilidades subjetivas o artificiales que representan el grado de conviccin del encargado en tomar decisiones sobre la probabilidad de posibles resultados. Sabemos que una variable aleatoria discreta o discontinua es aquella en la que existe una distancia bien definida entre dos de los valores consecutivos que asume; y dichos valores son numerables.

Existen varios modelos matemticos que representan diversos fenmenos discretos de la vida real. Las ms tiles son: 1. La distribucin uniforme discreta. 2. La distribucin de probabilidad Binomial o de Bernoulli. 3. La distribucin de probabilidad Hipergeomtrica. 4. La distribucin de probabilidad de Poisson. UNIFORME DISCRETA Si la variable aleatoria X asume valores de X1, X2, ..., Xk con iguales probabilidades, entonces la distribucin uniforme es:

Tenemos esta distribucin cuando el resultado de una experiencia aleatoria puede ser un conjunto finito de n posibles resultados, todos ellos igualmente probables. Un ejemplo puede ser la variable X, puntuacin en el lanzamiento de un dado regular. Esta variable toma seis valores posibles, todos con la misma probabilidad p = 1/6. La funcin de densidad de esta variable ser:

f(k) = P[X = k] = 1/6

k = 1, 2, 3, 4, 5, 6

Ejemplo. La distribucin de probabilidad del lanzamiento de un dado es: S = {1, 2, 3, 4, 5, 6} P(x = 1, 2, ..., 6) =1/6 Encuentre el valor esperado y la varianza

LA DISTRIBUCION BINOMIAL Las distribuciones binomiales son las ms tiles dentro de las distribuciones de probabilidad discretas. Sus reas de aplicacin incluyen inspeccin de calidad, ventas, mercadotecnia, medicina, investigacin de opiniones, entre otras. Estas distribuciones permiten enfrentar circunstancias en las que los resultados

pertenecen a dos categoras relevantes: que ocurra un evento determinado o que no lo haga. Este tipo de experimento aleatorio particular es denominado ensayo de Bernoulli. Sus dos resultados posibles son denotados por xito y fracaso y se define por p la probabilidad de un xito y 1-p la probabilidad de un fracaso. En general, un experimento aleatorio que consiste de n ensayos repetidos tales que: Los ensayos son independientes Cada ensayo es de tipo Bernoulli. Esto es, tiene slo dos resultados posibles: xito o fracaso. La probabilidad de xito de cada ensayo, denotada por p, permanece constante. Recibe el nombre de experimento binomial Sea un experimento aleatorio en el que slo puedan darse dos posibilidades: que ocurra un determinado suceso E, que llamaremos xito, o que no ocurra dicho suceso, o sea que ocurra su complementario, que llamaremos fracaso, E. Se conoce la probabilidad de ocurrencia del suceso A, y por lo tanto la de su complementario: P(E) = p ; P(E)=1-p=q Se repite el experimento n veces en las mismas condiciones (independencia). Se define la variable aleatoria Binomial: X: n de veces que ocurre el suceso A (n xitos) en n realizaciones independientes del experimento Por lo tanto, X: 0, 1, 2 , 3, n X B(x;p,n).

La variable aleatoria X, de un experimento binomial, que corresponde al nmero de ensayos donde el resultado es un xito, tiene una distribucin binomial con parmetros p y n = 1, 2, y su funcin de probabilidad es.

Recuerde que la notacin

es una combinacin.

Si se denota la probabilidad de fracaso como q = 1- p, la funcin de probabilidad binomial se simplifica de la siguiente manera: La probabilidad de que el evento E ocurra x veces y el evento E' ocurra (n - x) veces en n ensayos independientes est dado por la frmula binomial:

p = Probabilidad caracterstica o probabilidad de xito. q = 1-p Probabilidad de fracaso x = Nmero de xitos deseados n = Nmero de ensayos efectuados En muchos casos es conveniente denotar la funcin de probabilidad binomial como b(x; p,n). Ejemplos Si se lanza 4 veces una moneda, calcular el evento "Nmero de caras que caen." Datos: n = 4 ensayos. p =1/2 probabilidad de xito en un ensayo. Cunto vale q? q=1-1/2=1/2 q=1/2 Cunto vale X? x = 0, 1, 2, 3, 4 S = {lanzar 4 veces la moneda} E = {nmero de caras que caen} S = {E0, E1, E2, E3, E4} Antes de determinar las probabilidades pedidas, debe definirse la distribucin binomial con los parmetros dados.

a. Determine P(E0) X=0, p=1/2,q=1/2, n = 4

b. Determine P(E1) X=1, p=1/2,q=1/2, n = 4

c. Determine P(E2) X=2, p=1/2,q=1/2, n = 4

d. Determine P(E3) X=3, p=1/2,q=1/2, n = 4

La funcin de distribucin binomial acumulada se expresa como:

Ejemplo La variable aleatoria X tiene una distribucin binomial con n = 10 y p = 0,5. Calcule las probabilidades siguientes.

Datos: n = 10 ensayos. p =0,5 probabilidad de xito en un ensayo. q=1-0.5 q=0.5 Antes de determinar las probabilidades pedidas, debe definirse la distribucin binomial con los parmetros dados.

A. Encuentre n=? p=? q=? x=? n = 10 p =0,5 q = 0.5 x=5 Cual la funcin de probabilidad?

La media, la varianza y la desviacin estndar de una variable aleatoria binomial dependen slo de los parmetros p y n. Y ellas se definen: Media Varianza Desviacin estndar

Ejemplo La probabilidad de que un futbolista profesional haga gol de tiro libre es del 70%. En un entrenamiento, este futbolista hace 14 tiros libres. Calcule la probabilidad de que ste haga por lo menos 7 goles, la probabilidad de que falle entre 3 y 6 inclusive, la probabilidad de que no haga ningn gol y la probabilidad de que en todos sus tiros l acierte. Calcule tambin, el promedio de goles esperados. Encuentre x? p? n? Sea X el nmero de goles hechos por un futbolista en 14 tiros. Observe que X es una variable aleatoria que se distribuye como una binomial con p = 0.7 y n = 14. Defina la distribucin binomial con los parmetros dados.

a. Se pide la probabilidad de que haga por lo menos 7 goles, esto es:

b. La probabilidad de que falle entre 3 y 6 inclusive

La probabilidad de que falle entre 3 y 6 equivale a que este haga entre 8 y 11 goles inclusive. Pues si falla 3 goles, es porque ha acertado en 11 y si falla en 6, ha hecho 8 goles. Recuerde que se ha definido la variable aleatoria como el nmero de aciertos o de goles hechos y no el nmero de fallas. De manera que la probabilidad pedida es:

c. la probabilidad de que no haga ningn gol La probabilidad de que el futbolista no haga ningn gol en sus 14 tiros libres est dada por:

Es casi imposible, en condiciones normales, que un futbolista con la destreza de 7 goles por cada 10 de tiro libre no pueda hacer un slo gol en 14 oportunidades d. La probabilidad de que en todos sus tiros l acierte

Por ltimo, la probabilidad de que ste haga los 14 goles ser:

Esto quiere decir que nuestro futbolista tiene una probabilidad menor del 1% de acertar en todos sus 14 tiros libres.

e. cual el promedio de goles que se esperan es

= 140.7 9.8

f. Compruebe que desviacin estndar es 1,71 goles.

n 14

p 0,7

q 0,3

Desviacin estndar =

= 1,71464282

Ejercicio Diez individuos, cada uno de ellos propenso a la tuberculosis, entran en contacto con un portador de la enfermedad. La probabilidad de que la enfermedad se contagie del portador a un sujeto cualquiera es de 0.1. Cuntos se espera que contraigan la enfermedad? Solucin: E(X)==np =10*0.1=1 La probabilidad de que cierto antibitico presente una reaccin negativa al administrarse a un ave rapaz en recuperacin es de 0.15. Si se les ha administrado dicho antibitico a 10 aves, calclense las probabilidades de que haya reaccin negativa: a. En dos aves b. En ningn ave c. En menos de 4 aves d. En ms de 3 aves e. Entre 2 y 5 aves Respuesta Suceso A: "A un ave se le presenta reaccin negativa" X:"n de aves a las que se les presenta tal reaccin" P(A) = 0.15; n =10 ; X B(X;10 ; 0.15) Defina la distribucin binomial con los parmetros dados.

a. P(X = 2) = 0.2759 b. P(X = 0)= 0,1968744

c. P(X <4)= P(X <=3)= P(X =0)+ P(X =1)+ P(X =2)+ P(X =3)= 0,1968744+0,34742542+0.2759+0,12983372=0,95003354 d. P(X >3)= 1-P(X <=3)=1-(0,1968744+0,34742542+0.2759+0,12983372)= 1-P(X<=3) =1-0.95=0.5 e. P(2 <=X<=5)= P(X =2)+ P(X =3)+ P(X =4)+ P(X =5) P(2 <=X<=5)= 0.2759+0,12983372+0,0401+0,0085=0,45433372

Ejercicio Un hombre y una mujer, cada uno con un gen recesivo (Azul) y uno dominante (Marrn) para el color de los ojos, son padres de tres hijos. Cul es la distribucin de probabilidades para X, nmero de hijos con ojos azules? E = {(AA), (AM), (MA), (MM)} A. B. C. D. P(X=0) P(X=1) P(X=2) P(X=3)

Defina la distribucin binomial con los parmetros dados. A = Ojos Azules; P (A) = p =1/4; n = 3 X = {N de hijos con ojos azules de 3 hijos} X B(x; n, p) = B(x;3,0.25)