Instituto Tecnológico de Minatitlán
Tema 2: Variables aleatorias y Funciones de Distribución de Probabilidad.
Ing. Rubén González Martínez
Concepto de variable aleatoria
• Se llama variable aleatoria a toda función que asocia a
cada elemento del espacio maestral, un número real.
• Se utilizan letras mayúsculas para designar las variables
aleatoria: X, Y, Z; y sus respectivas letras minúsculas para
los valores concretos de las mismas: x, y, z.
Variable aleatoria discreta Es la que solo puede tomar una
cantidad numerable de valores.
Variable aleatoria continua Es aquella que puede tomar
infinitos valores dentro de un intervalo de la recta real.
Variable aleatoria
Función de probabilidad de una v.a. discreta: Es la función que
asocia a cada valor x de la v.a. X su probabilidad p.
Los valores que toma una v.a. discreta X y sus
correspondientes probabilidades suelen disponerse en una
tabla con dos filas o dos columnas llamada tabla de
distribución de probabilidad:
X x1 x2 ... xn
P(X=xi) p1 p2 ... pn
Toda función de probabilidad se verifica quep1 p2 p3 pn 1
Función de distribución de una v.a. discreta: Sea X una v.a. cuyos
valores suponemos ordenados de menor a mayor. Se llama función
de distribución de la variable X a la función que asocia a cada valor
de la v.a. la probabilidad acumulada hasta ese valor, es decir,
Desarrolla tu competencia
Variable aleatoria
Media, varianza y desviación típica de una variable aleatoria discreta.
Se llama media o esperanza de una v.a. discreta X, que toma los
valores x1, ,x2, ....con probabilidades p1, p2,... al valor de la siguiente
expresión:
x P( X x ) xp
2 i ( xi )2 pi
i i i i i i
La varianza viene dada por la siguiente fórmula:
que puede calcularse mediante: 2 x2p i i i 2
Ejemplo: La distribución de probabilidad de una v.a. X viene dada por la siguiente
tabla:
¿Cuánto vale P(X=3)?
Calcula la media y la varianza.
Variable aleatoria
MODELOS DISCRETOS
Modelo BERNOULLI: Es un experimento que tiene las siguientes
características:
En cada prueba del experimento sólo son posibles dos resultados: el
suceso A que llamaremos éxito y el suceso complementario, A c,
llamado fracaso.
El resultado obtenido en cada prueba es independiente de los
resultados anteriores.
La probabilidad del suceso A es constante y no varía de unas
pruebas a otras.
Distribución de Probabilidad
Binomial
Ejemplo:
Ejemplo 2
• La probabilidad de que Ana logre un objetivo en cualquier momento es
p=1/3; de donde ella pierde con probabilidad q=1-p=2/3. suponga que
ella dispara al objetivo 7 veces. Este es un experimento binomial con n=7
y p=1/3.
Encuentre la probabilidad de que ella alcance el objetivo:
(a) Exactamente 3 veces.
(b) (b) Al menos una vez.
:
(a) Aquí k=3 y por lo tanto n-k=4.
La probabilidad de que ella alcance el objetivo 3 veces es:
(b) La probabilidad de que ella nunca alcance el
objetivo, es decir, que todos sean fracasos, es:
Por lo tanto, la probabilidad de que ella alcance
el objetivo al menos una vez es:
Variable aleatoria
MODELOS DISCRETOS
Modelo BINOMIAL:
Este experimento lo forman repeticiones de pruebas del tipo Bernoulli y recibe
el nombre de distribución binomial de parámetros n y p donde n es el número
de pruebas del experimento y p es la probabilidad del éxito.
Si denotamos por X la variable aleatoria binomial que representa el número de
éxitos obtenidos en las n del experimento, su función de probabilidad viene
dada por:
n r
P(Obtener r éxitos ) P ( X r ) p (1 p )n r
r
Media: np
Varianza: 2 np(1 p )
Ejemplo:
• Supóngase que el propietario de una granja de huevos garantiza de
que en cada docena de huevos suyos, no existe más de un huevo
quebrado. Si no es así el huevero repondrá la docena completa.
Supóngase también de que la probabilidad de que un huevo
individual este quebrado es del 0.05; entonces que probabilidad hay
de reponer una docena de huevos? ¿Es este un experimento
binomial?
Solución:
• Sea X= el número de huevos quebrados
• Sea p= 0.05
• Supóngase que la inspección de cada huevo es un ensayo que resulta
“quebrado” o “no quebrado”. Para encontrar la probabilidad de que
el huevero sobreviva a su garantía, es preciso determinar la función
de probabilidad asociada a este experimento.
Distribución de probabilidad para variables
continuas.
• Una variable aleatoria cuyo conjunto de valores posibles es un
intervalo completo de números no es discreta.
• Recuérdese de acuerdo con el tema 1 que una variable aleatoria X es
continua si:
• 1) sus valores posibles comprenden un solo intervalo sobre la línea
de numeración (para alguna A B, cualquier número x entre A y B es
un valor posible) o una unión de intervalos disjuntos 2) P(X c) 0 para
cualquier número c que sea un valor posible de X.
Ejemplo 1 :
• Si se selecciona al azar un compuesto químico y se determina su pH
X, entonces X es una variable aleatoria continua porque cualquier
valor pH entre 0 y 14 es posible. Si se conoce más sobre el
compuesto seleccionado para su análisis, entonces el conjunto de
posibles valores podría ser un subintervalo de [0, 14], tal como 5.5 x
6.5 pero X seguiría siendo continua.
Argumento:
• Se podría argumentar que aunque en principio las variables tales
como altura, peso y temperatura son continuas, en la práctica las
limitaciones de los instrumentos de medición nos restringen a un
mundo discreto (aunque en ocasiones muy finamente subdividido).
Sin embargo, los modelos continuos a menudo representan muy bien
de forma aproximada situaciones del mundo real y con frecuencia es
más fácil trabajar con matemáticas continuas(el cálculo) que con
matemáticas de variables discretas y distribuciones.
Definición:
• Sea X una variable aleatoria continua. Entonces, una distribución de
probabilidad o función de densidad de probabilidad (fdp) de X es una
función f(x) tal que para dos números cualesquiera a y b con a b,
• Es decir, la probabilidad de que X asuma un valor en el intervalo [a, b] es
el área sobre este intervalo y bajo la gráfica de la función de densidad,
como se ilustra en la figura. La gráfica de f(x) a menudo se conoce como
curva de densidad.
Condiciones
Para que f(x) sea una función de densidad de probabilidad legítima, debe
satisfacer las dos siguientes condiciones:
1. f(x) 0 con todas las x
2. f(x) dx área bajo la curva f (x) =1
Ejemplo 2:
• La dirección de una imperfección con respecto a una línea de
referencia sobre un objeto circular tal como un neumático, un
rotor de freno o un volante está, en general, sujeta a
incertidumbre. Considérese la línea de referencia que conecta
el vástago de la válvula de un neumático con su punto central y
sea X el ángulo medido en el sentido de las manecillas del reloj
con respecto a la ubicación de una imperfección. Una posible
función de densidad de probabilidad de X es:
Ejemplo 2:
• La función de densidad de probabilidad aparece dibujada en la
siguiente figura.
Claramente f(x)≥ 0. El área bajo la curva de densidad es simplemente el
área de un rectángulo (altura)(base) ()(360) =1.
Ejemplo 2:
• La probabilidad de que el ángulo esté entre 90° y 180° es:
La probabilidad de que el ángulo de
ocurrencia esté dentro de 90° de la
línea de referencia es:
Gracias por su atención!
