Como se aprecia, el soporte de esta variable aleatoria es
DX = {0,1} . A continuacin se muestra la tabla de
probabilidades:
5. Variables Aleatorias Conocidas
6.1. Variable aleatoria de Bernoulli.
Considere un experimento aleatorio con dos resultados
posibles: xito (E) y fracaso (F), es decir, ={xito, fracaso}.
Suponga que P ( E ) = p y P ( F ) = 1 p , con 0 < p < 1 . Este
tipo de experimento recibe el nombre de experimento de
Bernoulli.
Ejemplos:
P ( X = 0) = P (fracaso) = 1 p
P ( X = 1) = P(xito) = p
p x (1 p )(1 x )
P ( X = x) =
0
, para x = 0,1
e.o.c.
El modelo anterior recibe el nombre de distribucin de
Bernoulli y se denota por X ~ Bernoulli(p) que se lee X tiene
distribucin de Bernoulli con parmetro p.
El ejemplo anterior muestra que todo experimento aleatorio
puede ser transformado a un experimento de Bernoulli.
La media y la varianza de la distribucin de Bernoulli son
E ( X ) = p y Var ( X ) = p (1 p) .
Imagine que se realiza un experimento de Bernoulli con
P (xito) = p . Sea X la variable aleatoria definida como:
Ejemplos:
si sale fracaso
si sale xito
Departamento De Matemtica y Estadstica
P ( X = x)
De la tabla anterior se desprende que la funcin de cuanta
asociada a la variable aleatoria X es:
Lanzar una moneda: = {Cara, Sello} entonces si el
xito = Cara y fracaso = Sello, es un experimento de
Bernoulli.
es un
Lanzar un dado: = {1,2,3,4,5,6} , no
experimento de Bernoulli, pero si se define
xito = "sale par" y
fracaso = "sale impar" el
experimento es de Bernoulli.
0,
X =
1,
64
Imagine el lanzamiento de una moneda honesta
donde el xito = Sale Cara y el fracaso = Sale Sello,
0,
1
. Sea X =
2
1,
1
entonces X ~ Bernoulli
2
con P (xito) = P(Cara) =
Para p=0,35, graficamos distintas funciones de
probabilidad cambiando el nmero de experimentos:
si sale sello
si sale cara
Considere lanzar dos dados honestos en forma
independiente. Sea el xito = obtener suma siete y el
fracaso = obtener suma distinta de siete. La probabilidad
de que ocurra el xito, en este ejemplo, es
6
P(xito) = P(" Obtener suma 7" ) =
. Se define la
36
0, si suma es 7
variable aleatoria X =
, entonces
1, si suma no es 7
6
X ~ Bernoulli .
36
La notacin a usar es X~Bin (n,p), y se lee X tiene
distribucin Binomial de parmetros n y p .
6.2. Variable Aleatoria Binomial.
Si X~Bin (n,p), entonces su esperanza y varianza son
E ( X ) = n p y Var ( X ) = n p (1 p) .
Suponga que se realizan n repeticiones independientes, bajo
las mismas condiciones ambientales, de un experimento de
Bernoulli, con probabilidad de xito p. Sea X la variable
aleatoria que representa el nmero de xitos obtenidos en la
n repeticiones. Se dice que X sigue un distribucin
Binomial de parmetros n y p, con funcin de cuanta dada
n x
(n x)
, para x = 0,1,2..., n
p (1 p )
por: P ( X = x) = x
0
, e.o.c.
Departamento De Matemtica y Estadstica
Obs. Una variable aleatoria Bin(n,p) se obtiene de
sumar n variables aleatorias independientes
Bernoulli(p), es decir, si X1, X2, X3, . . . , Xn
son variables aleatorias independientes con
distribucin
Bernoulli(p),
entonces
n
X = X i ~ Bin(n,p).
i =1
65
Ejemplos:
20
0.98 x 0.02( 20 x )
x =18
= P( X = 18) + P( X = 19) + P( X = 20)
= 0.053 + 0.272 + 0.667
= 0.993
p = P( X 18) =
La probabilidad de que una persona en una tienda
falte un da de la semana es 0.01; si hay contratadas
10 personas, cul es la probabilidad de que en un
da falten 2 personas?.
Sea X= el n de personas que faltan en un da a la
semana. As X~Bin(10; 0.01), por lo tanto
P (Y 75) =
Un embarque de 80 cajas con 20 artculos
electrnicos en cada una de ellas es aceptado por un
proveedor si por lo menos 75 cajas pasan el control
de calidad, el proveedor considera que una caja pasa
el control de calidad si de los 20 artculos que posee
resultan por lo menos 18 en buen estado. Si la
probabilidad de que un artculo este en buen estado
es de 0.98, determine la probabilidad de que el
embarque sea aceptado por el proveedor.
Sea X=N de artculos en buen estado en una caja,
entonces X~Bin(20; 0.98) y por lo tanto si p es la
probabilidad de que una caja pase el control de
calidad, se tiene:
Departamento De Matemtica y Estadstica
Sea Y=N de cajas pasan el control de calidad,
entonces Y~Bin(80;0.993) con 0.993 la probabilidad
de que una caja pase el control de calidad.
Finalmente la probabilidad de que el embarque sea
aceptado es:
10
P ( X = 2) = 0.012 (1 0.01) (10 2 )
2
10!
=
0.012 (0.99)8 = 0,0042
8!2!
20
66
80
0.993 y (1 0.993)80 y =0,98
y = 75
80
6.7.Variable Aleatoria Normal
distribucin. La distribucin normal es simtrica en torno a
la media .
Sea X una variable aleatoria continua. Se dir que X sigue
una distribucin Normal o Gaussiana de parmetros y 2,
si su funcin de densidad es dada por:
Las probabilidades acumuladas de una variable aleatoria
normal se determinan con las reas bajo la curva.
Lamentablemente estas reas bajo la curva no se pueden
obtener a mano.
1 ( x ) 2
1
2
f X ( x) =
e2
para x
2
La grfica de esta funcin de densidad es mostrada a
continuacin:
Se han tabulado las probabilidades el caso en que es cero
y 2 es uno, es decir, N(0,1), llamada Distribucin Normal
Estndar y las tablas entregan
1 2
z
z
1
( z ) = P( Z z ) =
e 2 dz
2
Geomtricamente, mostramos el clculo de probabilidades
en la distribucin Normal
a) P (2 Z 5) = P( Z 5) P ( Z 2)
= 1 P( Z 2) = 0.0228 ,
puesto que P ( Z 5) =1
La grfica anterior tambin recibe el nombre de campana de
Gauss.
La notacin a usar es X~N(, 2) la que se lee X tiene
distribucin Normal con media y varianza 2 . As
E(X ) = y Var ( X ) = 2 .
Toda distribucin normal se distingue por su media y su
desviacin estndar . El punto ms alto de la curva normal
es la media, que tambin es la mediana y la moda de la
Departamento De Matemtica y Estadstica
71
Ejemplos:
b) P(-2 Z 2)= P(Z 2)- P(Z -2)
= 0.9972 0.0228 = 0.9544
Los resultados de un examen de admisin en un
colegio determinado, tienen una distribucin normal
con = 75 y = 10. Cul es la probabilidad de
que el resultado de un estudiante est entre 80 y 90?
Sea Y =resultado del examen de admisin de un
estudiante.
Por los supuestos Y ~ N(75,100) y lo que queremos
es P (80 Y 90) lo que grficamente corresponde
a:
Para el caso en que la media no es cero o la varianza no
es uno, ocupamos el siguiente teorema
Sea X~N(,2), entonces Z =
, tiene distribucin
N(0,1), es decir, a partir de la distribucin normal
estndar podemos determinar las probabilidades a
cualquier distribucin Normal, para ello necesitamos
conocer su media y la raz de la varianza o desviacin
estndar . Este proceso recibe el nombre de
estandarizacin.
Departamento De Matemtica y Estadstica
72
Estandarizando se tiene: P (80 Y 90) = P(0.5 Z 1.5)
a)
Probabilidad de que en un da, esta temperatura
no supere un grado bajo cero
Tenemos que, Z~N(0,1), es decir, es cero y 2 es uno
y por lo tanto P(Z -1) = (1) =0.1587
b)
Probabilidad de que en un da, esta temperatura
sea superior a 2.5 grados.
P(Z > 2.5)) = 1- P(Z 2,5)) =1- (2.5)
=1-0.9938=0.0062
c)
Realizando el proceso de estandarizacin paso a paso:
Y 75
90 75
80 75
P ( 80 Y 90 ) = P
10
10
10
P(-1 Z 1)=P(Z 1)-P(Z -1)
= (1) - ( 1) =0.8413-0.1587=0.6826
90 75
80 75
= P
Z
10
10
d)
= 0.3085 0.0668 = 0.2417
Sea Z la temperatura promedio de cierta Regin,
estudios recientes, muestran que Z es una variable aleatoria
normal de media Cero y varianza uno, determine
Departamento De Matemtica y Estadstica
Determine la Temperatura promedio que no
superara el 30% de los das.
P(Z z) = 0.30
(se mira la tabla al revs)
As z =-0.52 equivale a 0.52 grados bajo cero
3
1
= P Z = P (0.5 Z 1.5)
2
2
Probabilidad de que en un da, esta temperatura
este entre un grado bajo cero y un grado sobre cero
73
Se ha establecido que el porcentaje de retencin de
un comercial en la poblacin infantil tiene una
distribucin normal con media 70% y desviacin estndar
de 10%
Cul es el porcentaje de retencin lmite para
que un nio sea clasificado como distrado?
a) Un comercial se clasifica como exitoso si
obtiene una retencin superior al 80% de la
poblacin infantil Qu probabilidad tiene un
comercial de clasificarse como exitoso?
P(X x)= P (
Tenemos que, X~N(70,102), es decir, es 70 y 2 es
100
P(X > 80) = 1- P(X 80) = 1- P (
= 1 P( Z 1) =1- (1)
=1-0.8415=0.1587
x 70
) = 0.025
10
x 70
=-1.96, despejando x = 50.4
10
Entonces, si un nio tiene un % de retencin inferior a
un 50,4%, se dice que el nio es distrado.
As
80 70
)
10
b) Si la poblacin infantil en un determinado lugar
consta de 2500 nios Cuntos de ellos espera
encontrar con una retencin entre el 60% y el
80%?
P(60 X 80) = P(X 80)-P(X 60)
X 80 70
X 60 70
) - P(
)
= P(
10
10
= P ( Z 1) - P ( Z 1)
= (1) - ( 1) =0.8413-0.1587=0.6826
Lo que equivale a un % 68.26, que en 2500 nios
corresponden a 1707 nios
c) Si el 2.5% de los nios se clasifica como
distrado por su baja capacidad de retensin
Departamento De Matemtica y Estadstica
74
