Beruflich Dokumente
Kultur Dokumente
administradores
Sesión 4
Variables aleatorias y función de probabilidad
Universidad Javeriana
Variable aleatoria
Una variable aleatoria es una función que asigna un valor al resultado de un experimento aleatorio.
Una distribución de probabilidad se usa para describir la probabilidad de que se den los diferentes
valores, es decir que existe una distribución de probabilidad asociada al conjunto de valores posibles.
Puede ser descrita a través de una gráfica, una tabla o una fórmula.
Se llama rango de una variable aleatoria X (R(X)), al conjunto de los valores reales que ésta puede
tomar.
Variable aleatoria Discreta
Son aquellas variables que pueden tomar ciertos valores dentro de un rango determinado.
Variable aleatoria X
Valores puntuales que toma la V.A. X: x1, x2, … xn
P(X = x1) = ?
P(X = x2) = ?
.
.
.
P(X = xn) = ?
• V.A. X: Número de días que transcurren desde el día en que se vence una obligación crediticia y el
día en que se cumple con dicha obligación.
R(X) = {0,1,…,n,…}
• V.A. X: Número de créditos que un estudiante de Administración seleccionado al azar tiene inscritos
este semestre
R(X) = {m, m+1,…, M}
Número de
X
Observaciones
0 4
1 8
2 16
3 12
Total 40
Variables aleatorias discretas - Ejemplo
Número de
X
Observaciones
0 4
1 8
2 16
3 12
Total 40
8 0.1 𝑥=0
𝑃 𝑋=1 = = 0.2
40 0.2 𝑥=1
16 𝑔𝑋 𝑥 = 0.4 𝑥=2
𝑃 𝑋=2 = = 0.4 0.3 𝑥=3
40
0 𝑑. 𝑙. 𝑐.
12
𝑃 𝑋=3 = = 0.3
40
Variables aleatorias discretas
Variables aleatorias discretas
Variables aleatorias discretas - Ejemplo
Número de
X
Observaciones
0 4
1 8
2 16
3 12
Total 40
4+8 0 𝑥<0
𝑃 𝑋≤1 = = 0.3
40 0.1 0≤ 𝑥<1
4 + 8 + 16 𝐹𝑋 𝑥 = 0.3 1≤ 𝑥<2
𝑃 𝑋≤2 = = 0.7 0.7 2≤ 𝑥<3
40
1.0 𝑥≥3
4 + 8 + 16 + 12
𝑃 𝑋≤3 = = 1.0
40
Variables aleatorias discretas - Ejemplo
X: número de semáforos en rojo en el recorrido de la casa al trabajo.
R(X) = {0,1,2,3}
Función de Probabilidad
𝑔𝑋 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖
0.1 𝑥=0
0.2 𝑥=1
𝑔𝑋 𝑥 = 0.4 𝑥=2
0.3 𝑥=3
0 𝑑. 𝑙. 𝑐.
0 𝑥<0
0.1 0≤ 𝑥<1
𝐹𝑋 𝑥 = 0.3 1≤ 𝑥<2
0.7 2≤ 𝑥<3
1.0 𝑥≥3
Variables aleatorias discretas - Ejemplo
Un estudio sociológico buscó determinar la cantidad de hijos por familia en un barrio de cierta población
vulnerable. Los resultados se presentan a continuación:
Número de hijos 0 1 2 3 4
Cantidad de familias 12 18 23 7 10
c, i0
0.25, i 1
0.3, i2
g X (i )
k , i3
0.1, i4
0, dlc.
Adicionalmente, el vendedor cree que, con probabilidad de 0.8, él no terminará el día sin vender
ninguna casa.
La variable aleatoria X representa los puntos que obtendrá Colombia durante la fase de grupos.
𝐸 𝑋 = 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖
𝑖=1
Esta ecuación significa que se deben multiplicar todos y cada uno de los valores de la variable
aleatoria pro su probabilidad correspondiente f(x) y después se deben sumar todos esos productos
Variables aleatorias discretas – Valor esperado
Propiedades
𝐸 𝑘 =𝑘, 𝐸 𝑘𝑋 = 𝑘𝐸 𝑋 , 𝐸 𝑎𝑋 + 𝑏 = 𝑎𝐸 𝑋 + 𝑏
Valor esperado - Propiedades
Para cada postulado, aplique las propiedades de valor esperado
• E (8)
• E (3X + 8)
• E (- 4X)
• E (- 8X - 7Y)
• E (-42)
• E (X + 20Y + 3)
• E (-6X + 12Y – 11Z)
• E (10X)
Valor esperado - Ejemplo
Para el ejemplo de los semáforos:
Función de Probabilidad
𝑔𝑋 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖
0.1 𝑥=0 𝑛
0.2 𝑥=1 𝐸 𝑋 = 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 = 0,1 ∗ 0 + 0,2 ∗ 1 + 0,4 ∗ 2 + 0,3 ∗ 3
𝑔𝑋 𝑥 = 0.4 𝑥=2 𝑖=1
0.3 𝑥=3
0 𝑑. 𝑙. 𝑐. 𝐸[𝑋] = 0 + 0,2 + 0,8 + 0,9 = 1,9
Función de Probabilidad
𝑔𝑋 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖 𝑛
𝑛
1 3 1
𝐸 𝑋 = 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 = 0 ∗ +1∗ +2∗
5 5 5
𝑖=1
3 2 5
𝐸 𝑋 =0+ + = =1
5 5 5
𝑛
68 51 3
𝐸 𝑋 = 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 = 0 ∗ +1∗ +2∗
95 190 190
𝑖=1
51 6 57
𝐸 𝑋 =0+ + = = 0,3
190 190 190
2
𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
= 𝑔𝑋 𝑥 ∗ 𝑥 2 − 𝑔𝑋 𝑥 ∗ 𝑥
𝑅 𝑋 𝑅 𝑋
Variables aleatorias discretas – Varianza
Propiedades
• Var (8)
• Var (3X + 8)
• Var (- 4X)
• Var (- 8X - 7Y)
• Var (-42)
• Var (X + 20Y + 3)
• Var (-6X + 12Y – 11Z)
• Var (10X)
Varianza - Ejemplo
Para el ejemplo de los semáforos:
Función de Probabilidad
𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
𝑔𝑋 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖
𝑛
0.1 𝑥=0
0.2 𝑥=1 𝐸 𝑋 2 = 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 2 = 0,1 ∗ 02 + 0,2 ∗ 12 + 0,4 ∗ 22 + 0,3 ∗ 32
𝑔𝑋 𝑥 = 0.4 𝑥=2 𝑖=1
0.3 𝑥=3
0 𝑑. 𝑙. 𝑐. 𝐸 𝑋 2 = 0 + 0,2 + 1,6 + 2,7 = 4,5
𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
Función de Probabilidad
𝑔𝑋 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖 𝑛
𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
𝑛
1 3 1
𝐸 𝑋2 = 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 =2 02 ∗ 2
+1 ∗ 2
+2 ∗
5 5 5
𝑖=1
3 4 7
𝐸 𝑋2 = 0 + + =
5 5 5
𝐸[𝑋]2 = 12 = 1
7 2
𝑉𝑎𝑟 𝑋 = − 1 =
5 5
Valor esperado - Ejemplo
Para el ejemplo de las computadoras:
𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
𝑛
68 51 3
𝐸 𝑋2 2
= 𝑔𝑋 𝑥𝑖 ∗ 𝑥𝑖 = 02 ∗ 2
+1 ∗ 2
+2 ∗
95 190 190
𝑖=1
51 12 63
𝐸 𝑋2 = 0 + + = = 0,331
190 190 190
Se define la variable aleatoria 𝑋 como el número de pacientes con Diabetes que hacen parte del grupo de seleccionados.
Con base en lo anterior, ¿Cuánto dinero, en promedio, deberá disponer La Asociación Colombiana de Diabetes para combatir la
enfermedad de los pacientes seleccionados? Interprete su resultado.
Se define la variable aleatoria X como el número de veces que un recién nacido despierta a su madre después de la medianoche.
• Construya y grafique la función de probabilidad de la variable aleatoria X
• Halle la función de distribución acumulada (FDA) de la variable aleatoria X y grafíquela.
• ¿Cuál es la probabilidad de que un recién nacido seleccionado al azar despierte solo 3 veces a su madre después de la
medianoche?
• ¿Cuál es la probabilidad de que un recién nacido seleccionado al azar despierte a su madre máximo dos veces después de la
medianoche?
• ¿Cuál es la probabilidad de que un recién nacido seleccionado al azar despierte a su madre más de una vez pero menos de 5 veces
después de la medianoche?
• Calcule el valor esperado de la variable aleatoria X e interprete el resultado.
• Calcule la varianza de la variable aleatoria X.
Variable aleatoria Continua
Variable aleatoria - Ejemplos
• V.A. X: El promedio del tiempo que gastan los estudiantes de Probabilidad en llegar a la Universidad
en un día seleccionado al azar.
R(X) = [m, M]
• V.A. X: El tiempo que transcurre entre este instante y el próximo temblor de tierra en Colombia que
supere los 6 grados en la escala de Richter.
R(X) = [0, ∞)
• V.A. X: La reserva total, en millones de barriles, de un pozo petrolero seleccionado al azar.
R(X) = [0, M]
Variable aleatoria - Ejemplos
• V.A. X: El promedio del tiempo que gastan los estudiantes de Probabilidad en llegar a la Universidad
en un día seleccionado al azar.
R(X) = [m, M]
• V.A. X: El tiempo que transcurre entre este instante y el próximo temblor de tierra en Colombia que
supere los 6 grados en la escala de Richter.
R(X) = [0, ∞)
• V.A. X: La reserva total, en millones de barriles, de un pozo petrolero seleccionado al azar.
R(X) = [0, M]
Variable aleatoria Continuas
Variable aleatoria Continuas
Variable aleatoria Continuas
a b
Variables aleatorias continuas – Valor esperado y Varianza
𝐸 𝑋 =න 𝑓𝑋 𝑥 ∗ 𝑥 𝑑𝑥
𝑅(𝑋)
2
𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2 = න 𝑓𝑋 𝑥 ∗ 𝑥 2 𝑑𝑥 − න 𝑓𝑋 𝑥 ∗ 𝑥 𝑑𝑥
𝑅 𝑋 𝑅 𝑋
Variable aleatoria Continuas - Ejemplo
Sea X una variable aleatoria que modela la velocidad de los transeúntes en Km/h cuando circulan por una
calle muy congestionada de Bogotá. Su función de densidad de probabilidad (fdp) se encuentra definida
por la siguiente expresión:
1 2
𝑓𝑋 𝑥 = 𝑥 0≤𝑥≤3
9
x x x
1 2 x3
FX x = න fX t dt = න fX t dt = න t dt 0 ≤ x ≤ 3 =
9 27
−∞ 0 0
0, 𝑥<0
𝑥3
𝐹𝑥 𝑥 = , 0≤𝑥<3
27
1, 𝑥≥3
Variable aleatoria Continuas - Ejemplo
Sea X una variable aleatoria que modela la velocidad de los transeúntes en km/h cuando circulan por una calle muy
congestionada de Bogotá. Su función de densidad de probabilidad (fdp) se encuentra definida por la siguiente
expresión:
1
𝑓𝑋 𝑥 = 𝑥 2 0≤𝑥≤3
9
a. Calcule la probabilidad de que la velocidad de un transeúnte en particular esté entre 0.5 y 1.8 km/h. Calcule la
probabilidad de que sea superior a 2 km/h.
1,6
𝑥2 1,63 0,43 𝑥2 3
33 23
𝑃 0.4 < 𝑋 < 1.6 = න 𝑑𝑥 = − = 0,149 𝑃 𝑋>2 =න 𝑑𝑥 = − = 0,704
0,4 9 27 27 2 9 27 27
b. Si se sabe que un transeúnte camina a una velocidad de 1 km/h o más, ¿cuál es la probabilidad de que su velocidad
esté entre 1,5 y 2,4 km/h?
2.4 1 2
𝑃 1.5 < 𝑋 < 2.4 ∩ 𝑋 > 1 𝑃 1.5 < 𝑋 < 2.4 1.5 9
𝑥 𝑑𝑥 0.387
𝑃 1.5 < 𝑋 < 2.4|𝑋 > 1 = = = = = 0.402
𝑃 𝑋>1 𝑃 𝑋>1 3 1 2 0.963
1 9 𝑥 𝑑𝑥
Variable aleatoria Continuas - Ejemplo
c. Calcule la probabilidad de que la velocidad de un transeúnte sea exactamente de 2 km/h.
𝑃 𝑋=2 =0
3 3
1 2 1 3
𝐸 𝑋 = න𝑥 ∗ 𝑥 𝑑𝑥 = න 𝑥 𝑑𝑥 = 2.25 𝑘𝑚/ℎ
9 9
0 0
3 3
1 2 1 4
𝐸 𝑋2 2
= න𝑥 ∗ 𝑥 𝑑𝑥 = න 𝑥 𝑑𝑥 = 5,4
9 9
0 0
𝑉𝐴𝑅 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
= 5,4 − 2,252 = 0.3375
Variable aleatoria Continuas - Ejemplo
Una constructora ha determinado que la valorización en millones de pesos de los apartamentos que están
construyendo en las afueras de la ciudad se puede modelar como una variable aleatoria 𝑋 con la siguiente
función de densidad de probabilidad:
1
𝑥, 0≤ 𝑥<1
3
𝑓𝑋 (𝑥) = 1 1
𝑥+ , 1<𝑥≤2
3 3
0, 𝑑. 𝑙. 𝑐.
𝐹𝑋 (𝑥)
Variable aleatoria Continuas - Ejemplo
x
t 0 x<0
x x න dt 0≤x≤1 x2
3 0≤x≤1
FX x = න fX t dt = න fX t dt = 0
= 2 6
1 x
t t 1 x 𝑥 1
−∞ 0
න dt + න + dt 1<x≤2 + − 1<x≤2
3 3 3 6 3 3
0 1 1 x>2
0, 𝑥<0
x2
, 0≤ 𝑥≤1
𝐹𝑥 𝑥 = 2 6
x 𝑥 1
+ − , 1<x≤2
6 3 3
1, 𝑥>2
Variable aleatoria Continuas - Ejemplo
1
𝑥, 0≤ 𝑥<1
3
𝑓𝑋 (𝑥) = 1 1
𝑥+ , 1<𝑥≤2
3 3
0, 𝑑. 𝑙. 𝑐.
c) Calcule la probabilidad de que la valorización de un apartamento en particular esté entre 0.5 y 1.8 millones
de pesos.
d) Si se sabe que la valorización de un apartamento en particular es mayor a 1.5 millones de pesos, ¿cuál es la
probabilidad de que su valorización este entre 1.6 y 1.7 millones de pesos?
f) Si se selecciona un apartamento al azar, ¿en promedio cuál será su valorización? Interprete su resultado en
términos del problema.
𝑃 0.5 < 𝑋 < 1.8 = 𝑃 𝑋 < 1.8 − 𝑃 𝑋 < 0.5 = Fx 1.8 − 𝐹𝑥 0.5
2 2
1.8 1.8 1 0.5
= + − − = 0.765
6 3 3 6
d) Si se sabe que la valorización de un apartamento en particular es mayor a 1.5 millones de pesos, ¿cuál es la probabilidad de
que su valorización este entre 1.6 y 1.7 millones de pesos?
1.7 1 1
𝑃 1.6 < 𝑋 < 1.7 ∩ 𝑋 > 1.5 𝑃 1.6 < 𝑋 < 1.7 1.6 3
𝑥 + 𝑑𝑥 0.088
𝑃 1.6 < 𝑋 < 1.7|𝑋 > 1.5 = = = 3 = = 0.192
𝑃 𝑋 > 1.5 𝑃 𝑋 > 1.5 2 1 1 0.458
1.5 3 𝑥 + 3 𝑑𝑥
e) Calcule la probabilidad de que la valorización de un apartamento en particular sea exactamente de 1.5 millones de pesos.
𝑃 𝑋 = 1.5 = 0
Variable aleatoria Continuas - Ejemplo
f) Si se selecciona un apartamento al azar, ¿en promedio cuál será su valorización? Interprete su resultado en términos del
problema.
1 2
1 1 1 25
𝐸 𝑋 = න 𝑥 ∗ 𝑥𝑑𝑥 + න 𝑥 𝑥 + 𝑑𝑥 = = 1.38 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑝𝑒𝑠𝑜𝑠
3 3 3 18
0 1
De acuerdo con lo anterior, si se selecciona un apartamento al azar se espera que en promedio su valorización sea de 1.38
millones de pesos.
1 2
1 1 1
𝐸 𝑋2 = න 𝑥 2 ∗ 𝑥𝑑𝑥 + න 𝑥 2 𝑥+ 𝑑𝑥 = 2.111
3 3 3
0 1
𝑉𝐴𝑅 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
= 2.111 − 1.382 = 0.2066
Variable aleatoria Continuas - Ejemplo
Variable aleatoria Continuas - Ejemplo
Variable aleatoria Continuas - Ejemplo
Taller
El nivel de impureza (en miligramos) de un recipiente de cierto producto químico se puede modelar como una variable
aleatoria X con la siguiente función de densidad de probabilidad.
2
𝑓𝑋 𝑥 = ቊ𝑘𝑥 4 − 𝑥 0<𝑥<4
0 𝑑. 𝑙. 𝑐
a) Halle el valor de k que hace que 𝒇𝑿 𝒙 sea una función de densidad de probabilidad correctamente definida.
b) ¿Cuál es la probabilidad de que el nivel de impureza este entre 2.5 y 3.5 miligramos?
c) Se sabe que el producto de un frasco no es apto cuando su nivel de impureza es mayor a 3.5 miligramos. ¿Cuál es la
probabilidad de que el contenido de un frasco seleccionado al azar no sea apto?
d) Calcule el nivel de impureza esperado en un frasco seleccionado al azar, y su varianza.
e) ¿Cuál es la probabilidad que el nivel de impureza sea exactamente de 2 miligramos?
f) Si se sabe que la concentración de impureza es mayor a 1.5 miligramos, ¿cuál es la probabilidad de que este entre 2.7 y 3.4
miligramos?
g) Determine la función de distribución acumulada del nivel de impureza del producto químico en un frasco seleccionado al
azar (opcional. Bono +0,3)