ESTADISTICA

VARIABLE ALEATORIA

CAPITULO IV
VARIABLE ALEATORIA
Definicin.- Sea un experimento, una variable aleatoria x es una funcin cuyo
dominio es el espacio muestral y cuyo rango es el conjunto de nmeros reales, tal que
para cada uno de los elementos le corresponde un nmero real: x() = x.
Ejemplo:
Si se lanza dos monedas, luego

(c, c)(c, s)(s, c)(s, s)

Sea:

x nmero de caras que se obtiene

x (c, c) 2

x (c, s) 1

(c, c)
(s, c)
(c, s)
(s, s)

x (s,c) 1
x (s,s) 0

Luego:

Rx
2
1
0

R x 0,1,2

D x (c, c)(c, s)(s, c)(ss)

Clases de Variables Aleatorias:
a) Variable Aleatoria Discreta.- Es discreta si el conjunto de valores que toma es
numerable o contable. Su funcin de probabilidad(llamada tambin funcin de
cuanta)
Es:

P(x x i )

Px (x)
0

x i 0,1,2....
En otro caso

Debe cumplir ciertas propiedades:

1. P(x i ) 0

2. -

P
i 1

(x i )

3. - Px j x x k Px j1 Px j2 ..........Px k1

Elaborado por: MERCEDES OSORIO MAZA

PAG N1

ESTADSTICA

VARIABLE ALEATORIA

Distribucin de probabilidad de x. - Se le llama as al hecho de asignar

probabilidades para cada valor de la variable aleatoria.
Ejemplo:
Si se lanza dos monedas y definimos a x la variable aleatoria que determina el
nmero de caras tendremos
Xi

P(x = xi)
-

1
2/4

Grfica

P(x x i )

x
1

0
-

Las principales distribuciones discretas son:

1. Distribucin Binomial
2. Distribucin Poisson
3. Distribucin Hipergeometrica.

b) Variable Aleatoria Continua.- Es continua si el conjunto de valores que toma

esta dentro de un intervalo o conjunto de intervalos. Su funcin de probabilidad
(llamada tambin funcin de densidad) cumple con las siguientes propiedades:

1. - f (x) 0

2. -

(x)

dx 1

3. - P(a x b) f (x)dx
a

Funcin De Distribucin Acumulada F(x). - Si x es una variable aleatoria discreta o

continua definimos a F(x) como la distribucin acumulada de la variable a: Fx Px x i
a) S x V.A. DISCRETA: La funcin de distribucin acumulada ser:
n

F(x) P(x x) P(x i )

i 1

PAG N2

Elaborado por : MERCEDES OSORIO MAZA

ESTADISTICA

VARIABLE ALEATORIA

Ejemplo:
Si se lanza 2 monedas y xi = # de caras. Hallar la funcin de distribucin
acumulada.
Sea:

(c, c)(c, s)(s, c)(s, s)

x
0
1
2

P(x x i )
1
4
2
4
1
4

F(x) P(x x) P(x)

0
0 14 14
3
1
2
4 4 4
1
2
1
4 4 4 1

axb
x0
0 x 1
1 x 2
2x

Para el caso discreto el grfico F(x) es una funcin escalera:

F(x)
1

b) Si x es una V.A. CONTINUA: Con funcin de densidad f(x), entonces la

funcin de distribucin Acumulada ser:
x

F(x) P(x x)

(x)

dt

x R

D
o
n
d
e
F
s

r
e
a
(
x
)e
b
a
jo
la
c
u
r
v
a
f
(
t
)

Elaborado por: MERCEDES OSORIO MAZA

PAG N3

ESTADSTICA

VARIABLE ALEATORIA

Ejemplo:
Si se tiene la funcin de densidad f(x). Hallar F(x).

x2
1

F(x) x 2 3
2 2
0

0 x 1
1 x 2
2x3
Otro caso

G
rfico

0 1

2 3

Planteando limites:
x
2

1
2

x2 32

X
X
X
1
0
2
3

Para

Para

F(x) Para

Para

Para

x0
0 x 1
1 x 2
2x3
x3

0dt
0dt dt
0dt dt dt
0dt dt dt
0dt dt dt

x
1
0 2

t
02

1
02
1
1
02

1
1 2

1
1 2
2
1
1 2

1
2 2
x
1
2 2

32 dt
32 dt

Luego:

0
2
x
4
x 1
F(x)
2 4
3x x 2 9

4 4
2
1

PAG N4

x0
0 x 1
1 x 2
2x3
x3
Elaborado por : MERCEDES OSORIO MAZA

ESTADISTICA

VARIABLE ALEATORIA

Esperanza Matemtica E(x). - Es la media aritmtica o el promedio de la variable x.

a) Variable Discreta: Sea x una V.A. discreta con rango x1, x2,........xn y
funcin de probabilidad P(x) entonces:

E (x) xP(x)
x 0

E (y)
i 1

n i yi
n

Si H(x) es una funcin de x

E (H (x) ) H (x) P(x)

x 0

H (x) x 2 , x 3 , (2x 8) etc.

b) Variable Continua: Si x una V.A. continua con funcin de densidad f(x), la

esperanza E(x) se define:

E (x) xf (x)dx
-

Si H(x) es funcin de x

E (H (x) ) H (x)f (x)dx

-

Propiedades:
1. - E (a) a

2. - E (ax) aE (x)
3. - E (ax b) aE (x) b
4. - E (x y) E (x) E (y)
Varianza de una Variable V(x). - Sea x una V.A. con funcin de probabilidad P(x), la
varianza de una V.A. de define:
-

Sea la varianza para datos agrupados

n

V(x)
i 1

n i (yi - y) 2
n

Luego

ni
P(x)
n

Si x es una V.A. Discreta

V(x) (x u x ) 2 P(x)
x 0

Si x es una V.A. Continua

V(x) (x x u ) 2 f (x)dx

Elaborado por: MERCEDES OSORIO MAZA

PAG N5

ESTADSTICA

VARIABLE ALEATORIA

Propiedades:

1. - V(a) 0
2. - V(ax) a2V(x)
3. - V(ax b) a2V(x)
4. - V(x y) V(x) V(y)
Ejemplo:
1.- Sea x una variable que se considera como la ganancia de un jugador, en un juego en
que lanza un dado, el jugador gana s/10 soles si sale los nmeros 5, 1 o 3, no gana ni
pierde si sale los nmeros 2 5 y pierde s/ 10 soles si sale los nmeros 4 6 halle el
rango de la variable.
Solucin:
Experimento al lanzar un dado
x = Ganancia de un jugador.

1,2,3,4,5,6

R (x) 10,0,10
x
1
2
3
4
5
6

x (1) x (3) 10
x (2) x (5) 0
x (4) x (6) 10

10
0
10

2.- Dos estudiantes apuestan de la siguiente manera:

En una caja hay dos tickcts rojos, 3 azules, 4 verdes y 1 blanca, cuando se extrae 1
ticksts y este es rojo, el jugador recibe s/ 6 soles, si es azul el jugador recibe s/ 5
soles, si es verde el jugador pierde s/ 2.5 soles y si es blanca el jugador paga s/ 15.00
soles.
S x: ganancia del jugador. Hallar:
a) Rango de la variable x
b) Distribucin de probabilidad x
c) Le conviene jugar en esas condiciones.

PAG N6

Elaborado por : MERCEDES OSORIO MAZA

ESTADISTICA

VARIABLE ALEATORIA

Solucin:
a) S x = ganancia
x

x (R) 6
x (A) 5

R
A
V
B

2R
3A
4V
1B

x( v) 2.5
x (B) 15.0

6
5
2.5
15

b)
X
P(x = xi)

6
2/10

5
3/10

-2.5
4/10

-1.5
1/10

1 (Propiedad) La suma de las probabilidades es 1.

c) Nota: si la pregunta es conveniencia de un juego, utilidad esperada o perdida
esperada, se aplica la definicin de esperanza matemtica.

2
3
4
1
E(x) xP(x) 6( ) 5( ) (2.5)( ) (15)( ) 0.2
10
10
10
10
-

Si es favorable para el jugador ya que en promedio se obtiene $ 0.2 Nuevos soles.

Si la E(x) = 0 y/o E(x) < 0 entonces es desfavorable parta el jugador.

3.- En una caja 4 fichas negras, 3 fichas blancas y 5 fichas rojas. Se extraen 2 fichas de
dicha caja los dos a la ves y sin reemplazo. Si se define a la variable aleatoria x =
nmero de fichas negras. Hallar :
a) Distribucin de probabilidad de x grficar P( x = xi)
b) Funcin de distribucin acumulada x F(x) grficar F(x)
c) La moda de x Mo(Y)

Por el Diagrama del rbol

Solucin:
a)

2 fichas
4N
3B
5R

Elaborado por: MERCEDES OSORIO MAZA

N
B
R

X (NN) 2
X (NB) 1
X (BB) 1

B
R

X (BR) 0
X (BR) 0

X (RR) 0

PAG N7

ESTADSTICA

VARIABLE ALEATORIA

La probabilidad de x

P(x 0) P(BB) P(BR) P(RR)

Ser: el rango de x

Rx 0,1,2
Como s esta extrayendo dos fichas a la vez con reemplazo se aplica
combinatoria.
P(x 0)

3 4 5 3 5 4 5 3 4

2 0 0
1 1 0
2 0 0
0.424
12
12
12



2
2
2

P(x 1) P(NB) P(NR)

P(x 2) P(NN)

4 3 5 4 5 3

1 1 0
1 1 0
0.48
12
12


2
2

4 3 5

2 0 0
0.091
12

2

Luego la Distribucin de Probabilidad de x es:

x

0
0.424

P(x = xi)

1
0.485

2
0.091

Grfica de P(xi)

P(x i )
0.485
0.424
0.091
0

b)

Distribucin Acumulada:

axb
x0
0 x 1
1 x 1
2x
PAG N8

F(x) P(x x i ) P(x i )

0
P(x 0) 0424
P(x 0) P(x 1) 0.424 0.485 0.0909
P(x 0) P(x 1) P(x 2) 0.424 0.485 0.091 1
Elaborado por : MERCEDES OSORIO MAZA

ESTADISTICA

VARIABLE ALEATORIA

Grfica de F(x)

F(x)

1.00

0.909
0.484
0

c)
La moda de x es x = 1 ya que P(x = 1) = 0.485

Mo(x) 1
Ejemplo De Variable Aleatoria continua
4.- Sea x una variable que representa el peso de un articulo en kgs. Si su funcin esta
dada por:

f (x)

x 8

10 x
0

8 x 9
9 x 10
otro caso

El fabricante vende un articulo a un precio fijo de 2 soles. El costo produce por

unidad esta relacionado al peso de los artculos de acuerdo a la expresin:
0.05x + 0.30 determine la utilidad esperada por articulo.
Solucin:

El costo de produccin esta dada por C = 0.05x + 0.30

NOTA : E (x)

xf

(x)

dx

La utilidad ser:
U = 2.00 C
La utilidad esperada:
E (u) = E(2.00 c), E(u) = 2.00 E(c)
Hallando:

E (c) E (0.05x 0.30)

0.05E (x) 0.30
9

E (x)
Luego:

10

x3
x(x 8)dx x(x 10)dx
3
8
9

Elaborado por: MERCEDES OSORIO MAZA

10

8x 2

10x 2

10

x2

10

9
9

PAG N9

ESTADSTICA

VARIABLE ALEATORIA

E(c) 0.05(9) 0.30

E(c) 0.75
La utilidad esperada ser :
E (u) 2.00 - 0.75 1.25 Por c/articulo
5.- Verificar la funcin:

2e - 2x
f (x)
0
a) Es una funcin densidad

x0
x0

b) Hallar P(0 < x < ln3)

Solucin:
a) Debe cumplir:

1. - f (x) 0 x R

2. -

(x)

dx 1

Comprobando:

1. - f (x) 0 2e- 2x

2
0 (Se cumple)
e 2x
0

e 2x
1
2. - f (x)dx 2e dx 2(
) 1 1(Se cumple)
2 0 e

- 2x

b)

ln3

P(0 x ln3) 2e 2x dx
0

P(0 x ln3) e 2x
2

ln3
0

e 2(ln3) e 0

P(0 x ln3) e ln3 1

1
8
1
9
9

Distribucin de Probabilidades de Variables Discretas:

Se caracterizan por que trabajan con variables aleatorias discretas xi, es decir los
valores que toma x debe pertenecer al conjunto de los nmeros enteros.
Ejemplo:
X = nmeros de artculos defectuosos
Y = nmeros de variables, etc.

PAG N10

Elaborado por : MERCEDES OSORIO MAZA

ESTADISTICA

VARIABLE ALEATORIA

1.- DISTRIBUCIN BINOMIAL:

Suponga que un experimento se repita n veces en forma independiente, con
probabilidad de xito igual a p, si definimos a x: el nmero de xitos ocurridos en n
repeticiones, se dice que x sigue una distribucin binomial con parmetros n y p s su:
Funcin de probabilidad es:

n
P(x x i ) P x q n x
x
Donde:
n = Numero de veces que se realiza el experimento y/o tamao de
muestra.
x = Nmeros de xitos que deseamos obtener, x .
P = Probabilidad de xito.
q = Probabilidad de fracaso (q = 1 p)
Ejemplo:
Si un experimento se repite 5 veces y deseamos obtener 3 xitos, tendremos:
P(xito) = P

P(fracaso) = q

P(E, F,E, F,E) P(E) .P(F) , P(E) P(F) P(E) P3q 2

P(E, E, E, F,F) p3q 2
P(F, F, E, E, E) q.q.p.p.p p3q 2
n
La probabilidad de cualquier secuencia es la misma por otro lado existen
x
secuencias diferentes de xito y (n x) fracasos (formas de sortear x elementos
en n lugares)

La Esperanza Matemtica

E (x) np

La Varianza Matemtica

V(x) npq
Suposiciones:
1. La distribucin binomial se aplica cuando la muestra es con REEMPLAZO y la
poblacin es FINITA.

Elaborado por: MERCEDES OSORIO MAZA

PAG N11

ESTADSTICA

VARIABLE ALEATORIA

2. Los resultados de cada repeticin se clasifican en dos categoras mutuamente

excluyentes:
Ejemplos:
xito,

fracaso.

Defecto,

no defectuoso.

Cara,

sello.

1. La probabilidad de xito representada por P es invariable en todas las pruebas, as

como la probabilidad de fracaso q (p + q = 1)
La probabilidad de un jugador acierte en un juego es un .
S
a) Juega 7 veces cual es probabilidad de que por lo menos acierte 2 veces?
b) Juega 10 veces cual es probabilidad de que a lo mas acierte 2 veces?
Solucin:
Sea x nmero de aciertos

1
3
P , q , n7
4
4
La funcin de Probabilidad es:

7 1 3

x 4 4
x

P(x x i )

7x

a)

P(x 2) P(x 2) P(x 3) ............P(x 7)

7 1

2 4
O Tambin
P(x 2) 1 - P(x 2)

7 1 3
3 7 1 3
.............
4 3 4 4
7 4 4
5

7 1 3 7 1 3
P(x 2) 1 - P(x 0) P(x 1) 1 -
0 4 4 1 4 4
0

b) S n = 10

P(x 2) P(x 0) P(x 1) P(x 2)

10 1 3
10 1 3 10 1 3

0 4 4
1 4 4 2 4 4
0

P(x 2)

PAG N12

10

Elaborado por : MERCEDES OSORIO MAZA

ESTADISTICA

VARIABLE ALEATORIA

2. En un grupo de 12 tubos, tres de ellos son defectuosos. Si se extrae una muestra

aleatoria de tamao 3 con reemplazo cual es la probabilidad de que exactamente
obtengamos un tubo defectuoso?
Solucin:
Sea x = nmero de tubos defectuosos
3
P(D)
P
12
9
1
2
P(D) 3q 3 1 9 2
39
P(x 1) 12 3
12 12
n 31 12 12
(DD D)(DDD)(D DD)
Cul es la probabilidad que haya 2 tubos no defectuosos?
Luego:

9
p
12
3
P(D)
q
12
n 3
P(D)

Nmero de tubos defectuosos.

3 9 3
P(x 2)
2 12 12
2

3. El departamento de contabilidad de la UNI, tiene dos empleados A y B a tiempo

parcial. El empleado A trabaja lunes, mircoles y viernes el empleado B trabaja
martes y jueves, el empleado A archiva errneamente 1 de c/5 documentos mientras
que B, 1 de c/6 documentos. Se elige al azar un da de la semana y se toma una
muestra de seis documentos archivados ese da.
a) Cul es la probabilidad que la muestra contenga exactamente 2 documentos
mal archivados?
b) Suponiendo que la muestra tenga 2 documentos mal archivados cul es la
probabilidad que haya sido archivado por A?
Solucin:
a) Sea
x = nmero de documentos mal archivados por A
P = 1/5 (probabilidad de documentos mal archivados por A)

Elaborado por: MERCEDES OSORIO MAZA

PAG N13

ESTADSTICA

VARIABLE ALEATORIA

q = 4/5
n = 6 La funcin de distribucin para el empleado A es:

6 1 4
P( x x i )
x 5 5
x

6 x

luego:

6 1 4
P(x 2)
2 5 5
y = nmero de documentos mal archivados por B
2

P = 1/6 (probabilidad de xito de documento mal archivado)

q = 5/6
n=6
la funcin de distribucin para el empleado B es:

6 1 5
P( y yi )
y 6 6
y

6 1
P(y 2)
2 6

5

6

6- y

Para y 2

Luego por probabilidad total, tenemos:

A
3
5

Lu
Mi
Vi

2I
A

aM
uJ

2I
B

B
2
5

P(2 Doc. Incorrectos) P(2IA) P(2IB)

P(2 Doc. Incorrectos) P(A) P 2I P(B) P 2I
(

P(2 Doc. Incorrectos)

2
4
2
4
3 6 1 4 2 6 1 5

5 2 5 5 5 2 6 6

b) Suponiendo que hay 2 documentos mal archivados tenemos:

PAG N14

Elaborado por : MERCEDES OSORIO MAZA

ESTADISTICA

VARIABLE ALEATORIA

PA
(

2I

P(A 2I)

P(2I)

P(A) P 2I

P(2I)

(Teorema de BAYES)

3 6 1 4

5 2 5 5

2
4
2
4
3 6 1 4 2 6 1 5

5 2 5 5 5 2 6 6
2

PA
(

2I

2.- DISTRIBUCIN DE POISSON

Una variable aleatoria discreta x sigue una distribucin Poisson si su funcin de
probabilidad esta dada por:

P( x x )
i

e x
x!

Donde:

Valor medio de un suceso np y/o t

x Nmero de exitos que se desea obtener en un determinad o nmero
de enzayos
Se aplica cuando:
1) El tamao de la muestra es muy grande (m ) y la probabilidad es muy pequea
(p 0)
2) Cuando intervienen rangos de tiempo, rea longitud en este caso se haya.

t Que es x de ocurrencia en " t" unidades de medida

3) Cuando el nmeros de ensayos son independientes.
4) El muestreo es con REEMPLAZO
Esperanza matemtica:
E (x)
Varianza matemtica
V(x)

Elaborado por: MERCEDES OSORIO MAZA

PAG N15

ESTADSTICA

VARIABLE ALEATORIA

Aproximacin de la Distribucin Binomial a la Distribucin Poisson

Cuando (n ) y (p 0) entonces la distribucin binomial es equivalent e
a distribucin de Poisson :

n
e x
P(x x i ) p x q n x
(Valor aproximado )
x!
x

lim B( x , n, p ) P( x , )

n
p 0

Si definimos a:

np p (**)
n

Sea:
n
n!
lim p x q n x lim
p xqn x
n x
n x!( n x )!
p0
p0
Reemplazando(**)
n!

lim
1
n x!( n x )! n
n

p 0
x

n x

n(n 1)(n 2).........(n ( x 1)(n x)!

lim
1
n
x!(n x)!
n
n
p 0
x

n(n 1)(n 2).........(n ( x 1) x

lim
1

x! np
x!
nx
n
0

n x

n x

n(n 1)(n 2).........(n ( x 1)

1 1
x

x! np
n
n
n

0
n

lim

n n 1 n 2
1 ( x 1)

lim

........
1 1
n
x! np
n
n
n

n n
0
n

2
1
( x 1)
lim 11 2 ............1
1
x! n
n
n


n n

1
n

lim
1

lim

1
x! n n n n

PAG N16

lim
1
x! n n
x

x
x!

e
B( x ,n , p ) P( x , )Elaborado por : MERCEDES OSORIO MAZA

ESTADISTICA

VARIABLE ALEATORIA

Pero:

lim 1 e
n
n

O tambin

lim 1
n
n

n
n x n x x e
p q

p0
x!
x

1) Una fabrica enva al deposito 500 artculos, la probabilidad de deterioro en el

camino es 0.002. calcular la probabilidad de que en el camino se deteriore
exactamente 3 artculos.
Solucin
`

X = nmero de artculos deteriorados

como:
n p 0 Se aplica la distribucin de Poisson.
np 500(0.002) 1

La funcin de Probabilidad.

e- x
e 1 (1) x
P(x x )

x!
x!
1
3
e (1)
P( x 3)
0.0613
3!
i

Elaborado por: MERCEDES OSORIO MAZA

PAG N17

ESTADSTICA

VARIABLE ALEATORIA

Por mtodo Binomial:

n 500 y p 0.002 q 0.998

500
3
497
0.002 0.998
P(x 3)
3
-

(Es muy laboriosa por eso se aplica Poisson)

2) Si la ventanilla de una banca atiende en promedio 24 personas en una hora.

a) Cul es la probabilidad que exactamente 5 personas lleguen durante un promedio
de tiempo de 12 segundos?
b) Cul que lleguen por lo menos 4 personas en 10 minutos?
c) Y cual que lleguen a lo ms tres personas en 15 minutos?
Solucin:
Como ac interviene un intervalo de tiempo.

24
12 4.8 Personas
60
Hay una probabilid ad de 0.1747
e- x
e4.8 (4.8)5
P(x 5)

0.1747
que llegen 5 personas en 12
x!
5!

t
a)

b)

24
10 4 Personas
60
1 P( x 4) 1 P( x 1) P( x 2) P( x 3)

t
P( x 4 )

e 4 (4) x
x!
3
X 0
P( x xi )
3

c)

P( x 4 ) 1

P( x 3)

xi 3

24
15 6 Personas.
60

e - x
x!
6
e (6) 0 e 6 (6)1 e 6 (6) 2 e 6 (6)3

0!
1!
2!
3!

P(x 3)
P(x 3)

3.- DISTRIBUCIN HIPERGEOMETRICA

Si x es una variable aleatoria discreta que tiene una distribucin hipergeometrica si tiene
como:

P(x x i )

PAG N18

N A N B

x n x

;
N

n

x 0,1,2,3.......

Elaborado por : MERCEDES OSORIO MAZA

ESTADISTICA

VARIABLE ALEATORIA

Donde:
NA = poblacin con caracterstica A.
NB = poblacin con caracterstica B.
N = NA + NB, poblacin total.
n = tamao de la muestra
X = nmeros de xitos que deseamos obtener.
Suposiciones:
1. Se aplica cuando el muestreo es sin REEMPLAZO pero todos a la vez.
2. Las observaciones se clasifican en 2 categoras.
3. La poblacin es finta.
Esperanza matemtica:

N
E (x) n A
N
Varianza matemtica:

N N N n
V(x) n A B

N N N 1
3) Se escriben en 10 tickets, los nombres de 4 hombres y de 6 mujeres que participan
en 1 sorteo, si se extraen 4 nombres sin reemplazo. Cul es la probabilidad de que
se extraan los nombres de tres hombres?
Solucin:
Sea: x = nmeros de nombres de hombres.
Su funcin distribucin es:

N H 4 N 10

N M 6 n 4

P(x x i )

Cuando: x 3
P(x 3)

4 6

x 4 x casos a favor

casos posibles
10

4

4 6

3 1

10

4

Elaborado por: MERCEDES OSORIO MAZA

PAG N19

ESTADSTICA

VARIABLE ALEATORIA

4) En un saln existen 3 opiniones diferentes. Se sabe que el 50% pertenece al grupo

A, el 30% al B y 20% a C. Si se elige al azar un comit formado por 10 alumnos.
Determine la probabilidad de que 6 de ellos sean del grupo B.
Dato: N = 50
Solucin:

P(A) 50%
P(B) 30%
P(C) 20%

N (A) 25
N (B) 15
N (C) 10

x Nmero de alumnos que a " B"

P(x x i )

15 35

x 10 - x

50

10

Cuando x = 6

15 35

6 4
P(x 6)
50

10

5) En un deposito hay 20 fierros de construccin, 10 son de pulg. De dimetro

Cul es la probabilidad que sean de pulg. 3 de 1/8 pulg. y 2 de 3/8 pulg.?
Solucin:
10 6 4

5 3 2
P(x 5,3,2)
20

10

NA

NB

NC

6) Un jurado de tesis conformado por 7 profesores van a decidir sobre la aprobacin o

desaprobacin de la tesis. Suponiendo que 4 profesores votan por la aprobacin y
los otros 3 por la desaprobacin cul es la probabilidad de que la mayora de los
profesores voten a favor de la aprobacin, si seleccionamos una muestra de 3
profesores?
Determine la funcin de probabilidad.
Solucin:

PAG N20

Elaborado por : MERCEDES OSORIO MAZA

ESTADISTICA

VARIABLE ALEATORIA

Sea
x = nmeros de profesores que voten a favor.
La funcin de probabilidad ser:
4 3

x 3 x

P(x x i )
7

3
N 7
NA 4

n 3 (AAA)(AAD)(ADA)(DAA)

ND 3
n 3

P(x 2) P(x 2) P(x 3)

Elaborado por: MERCEDES OSORIO MAZA

4 3 4 3

2 1
3 0
22

35
7
7


3
3

PAG N21