VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Variable aleatoria: es una funcin que asocia un nmero real a cada elemento del espacio
muestral. Se utilizara una variable aleatoria X para designar una variable aleatoria y una x
para cualquiera de sus valores.

Ejemplo:

Se sacan 2 pelotas en sucesin, sin remplazo, de una urna que contiene 4 pelotas rojas y 3
negras. Los resultados posibles y los valores Y de la variable aleatoria Y, donde Y es el
nmero de pelotas rojas son:

Espacio Y
Muestral
RR 2
RB 1
BR 1
BB 0

Las variables aleatorias pueden ser discretas o continuas. Las discretas pueden contar su
conjunto de resultados posibles, tal es el caso del ejemplo anterior. En cambio las
variables aleatorias continuas producen resultados a partir de procesos de medicin como
estaturas, pesos, temperaturas, etc.

DISTRIBUCIONES DISCRETAS DE PROBABILIDAD:

El conjunto de pares ordenados (, () ) es una funcin de probabilidad, funcin de

distribucin, o distribucin de probabilidad, de la variable X para cada resultado posible de
x,

1.- () 0

2. - () = 1

3.-P(X=x) = ()

Ejemplos de distribuciones discretas de probabilidad

-Distribucin discreta uniforme. Es aquella en la cual la variable aleatoria asume cada uno
de sus valores con idntica probabilidad, es decir:
1
F(x; k)= ,

X= 1 , 2 , depende del parmetro k
Ejemplo: cuando un foco se selecciona al azar de una caja que contiene un foco de 40
watts, uno de 60, uno de 75 y uno de 100, cada elemento del espacio muestral
1
S={40, 60, 75, 100} ocurre con una probabilidad de .Por lo tanto, se tiene una
4
distribucin uniforme con:
1
F(x; 4)= 4 ; X= 40, 60, 75,100

Ejemplo: Cuando se lanza un dado, cada elemento del espacio muestral S={1, 2, 3, 4, 5, 6}
1
ocurre con una probabilidad de 6.

Por lo tanto se tiene una distribucin uniforme con:

1
F(x; 6)= ; X= 1,2, 3, 4, 5, 6
6

DISTRIBUCION BINOMIAL O DE BERNOULLI

Un experimento de Bernoulli puede resaltar en un xito con una probabilidad p y en un

fracaso con una probabilidad q=1-P .Entonces la distribucin de probabilidad de la variable
aleatoria binominal X, es el nmero de xitos en N experimentos independientes, es.

b(X; n; p)= () ; x=0,1, 2,,n

Donde x: xitos n-x: fracasos

Probabilidad de x xitos en n intentos para un experimento binomial

3
Ejemplo: la probabilidad de que una pase con xito una determinada prueba es de 4.
Encuentre la probabilidad de que exactamente 2 de los siguientes 4 personas que se
analizan pasen el test. Dado que las pruebas son independientes.

3 3 2 1 2
b (2; 4 ; ) = (42) ( ) ( )
4 4 4

3 4! 3 2 1 2
b(2; 4 ; ) = ( ) ( ) =
4 2!(42)! 4 4

3 24 9 1 216 27
b(2; 4 ; )= ( ) ( )= = = 0.21093
4 4 16 16 1024 128

Ejemplo. La probabilidad de que un paciente se recupere de una rara enfermedad de la

sangre es 0.4 si se sabe que 15 personas han contrado esta enfermedad, Cul es la
probabilidad de que 5 personas sobrevivan?
 15!
P(x=5)= b(5; 15, 0.4) = ( ) (0.4)5 (0.6)10
5!(155)!

15!
= (0.01024)(0.006046617)= 0.1859
5!10!

DISTRIBUCION DE POISSON

La distribucin de probabilidad de la variable aleatoria de poisson X, representa el nmero

de resultados que ocurren en un intervalo de tiempo, est dado por:

()
P(x, ) = ; x=0, 1 ,2,.
!

Donde es el nmero promedio de resultados por unidad de tiempo o regin.

Ejemplo: el nmero promedio de partculas radiactivas que pasan atreves de un contador

durante un milisegundo en un experimento de laboratorio es 4. Cual es la probabilidad
de que entren 6 partculas al contador en un milisegundo determinado?

Solucin: si se utiliza la distribucin de poisson con x=6 y =4, entonces:

4 46
P= (6; 4)= = 0.1042
6!

Ejemplo: en un estudio de un inventario se determino que, en promedio, la demanda por

articulo en particular en una bodega era 5 veces al da Cul es la probabilidad de que un
determinado da este artculo no sea requerido ni una sola vez?

5 50
P (0; 5) = = 5 = 0.0067
0!

Sea requerido ms de 5 veces

R= 0.3840

P(X>5)=1-P (X5)

P (X5) = 1-P(X<5)
UNIDAD V DISTRIBUCIN NORMAL

La distribucin normal: la distribucin continua de probabilidades ms importante en todo

el campo de la estadstica es la destruccin normal. La distribucin normal es de vital
importancia por tres razones:

1.-Muchas variables continuas comunes en el mundo de la psicologa tienen distribucin

que se asemejan a la distribucin normal

2.-La distribucin normal sirve para acercarse a diversas distribuciones de probabilidad

discretas como la distribucin binomial o la de Poisson.

3.-La distribucin normal proporciona La base para la estadstica inferencial. La

distribucin normal se representa por la clsica forma de campana. En la distribucin
normal, uno puede calcular la probabilidad de que varios valores ocurran dentro de
ciertos rangos o intervalos.

Sin embargo, la probabilidad exacta de un valor particular dentro de una distribucin

continua, como la distribucin normal, es cero. Esta propiedad distingue a las variables
continuas, que son medidas, de las variables discretas, que son contadas.

REAS BAJO LA CURVA NORMAL:

La curva de cualquier distribucin contina de probabilidad o funcin de densidad est

construida de tal modo que el rea bajo la curva, limitada por los dos puntos x=1 y x=2
es igual a la probabilidad de que la variable aleatoria X asuma un valor entre x=1 y x=2
esto es:
 P (1 <X <2 )= rea de la regin sombreada

Es posible transformar todas las observaciones de cualquier variable aleatoria normal X en

un nuevo conjunto de observacin de una variable aleatoria normal Z con media cero y
varianza 1.

Esto puede realizarse por medio de la transformacin

Z= forma de transformacin

A la distribucin de una variable aleatoria normal con media cero y varianza 1 se llama
distribucin normal estndar.

Ejemplo 1:

Dada una distribucin normal estndar, encuentre el rea bajo la curva que est:

a) a la derecha de z=1.84

El rea bajo la curva es 1-el rea de la izquierda de z=1.84; es decir, 1-0.9671=0.0329

Y b) entre z=-1.97 y z=0.86

El rea entre z=-1.97 y z=0.86 es 0.7807

Ejemplo 2:

Dada una distribucin normal con =50 y = 10, encuentre la probabilidad de que X
asuma un valor entre 45 y 62.

Solucin: los valores correspondientes a 1 =45 y 2 = 62 son:

4550 6250
1 = =-0.5 2 = =1.2
10 10

P (45<X <62)= P (-0.5<Z <1.2)

Checando las tablas:

P (-0.5<Z<1.2)=P (Z=1.2) P (Z=-0.5)

=0.8849-0.3085

=0.5764
Ejemplo3:

Dada una distribucin normal con =300 y =50, encuentre la probabilidad de que X
asuma un valor, mayor que 362.

P(x>362)= P (z>1.24)

362300
Dado que Z= =1.24
50

P (Z > 1.24)=1 P (Z= 1.24)

=1-0.8925= 0.1075