UNIDAD III

Variable Aleatoria Discreta

Profesor
Abraham Gmez Avalos
1
Variable aleatoria
Una variable aleatoria es un valor numrico
determinado por el resultado de un experimento.
Tambin, se considera como una funcin que asocia a
cada elemento del espacio muestral con un nmero
entero o real, segn el tipo de variable aleatoria.

Notacin: Se utilizan las ltimas letras del alfabeto,
en maysculas X, Y, Z, T.
Definindose como X: los valores numricos
resultantes del experimento.
2
Ejemplos de variable aleatoria discreta:
X: Nmero de estudiantes en una clase; X=1,2,,30.
Y: Nmero de nios en una familia; Y=0,1,2,3
Z: Nmero de autos que entran en un autolavado por
hora; Z=20, 21, 22, ..
Ejemplos de variable aleatoria continua:
X: Distancia que recorre cada estudiante para llegar a
su clase, desde su casa, en kilmetros. X = 2.5,
10.34, 68.345,
T: Tiempo que le toma a un telfono celular enlazarse
con otro aparato, en segundos; T = 1.23, 0.56,
10.07,
Y: Tiempo invertido en una llamada telefnica, en
minutos; Y = 8.0, 100.5, 216.97,...
Variable aleatoria
3
Distribuciones de probabilidad
Una distribucin de probabilidad es una descripcin
de cada uno de los valores de la variable aleatoria y
la correspondiente probabilidad, obtenida de los
resultados del experimento.
Tipos de distribuciones de probabilidad
Una distribucin de probabilidad discreta puede
asumir slo valores claramente separados
(nmeros naturales o enteros).

Una distribucin de probabilidad continua puede
asumir un nmero infinito de valores dentro de un
rango determinado (nmeros reales).
4
Caractersticas de una distribucin de
probabilidad discreta

5
Ejemplo
Consideremos el experimento aleatorio de lanzar tres
monedas una por una. Sea X el nmero de soles que
aparecen al lanzar tres monedas.
Sea s que representa el resultado sol y a el resultado
guila.
Los posibles resultados para este experimento son:

sss, ssa, sas, saa, ass, asa, aas, aaa.

Entonces los valores posibles para X (nmero de soles)
son 0, 1, 2, 3. Es decir, el resultado cero soles ocurre
una vez, el resultado un sol ocurre tres veces, el
resultado dos soles ocurre una vez y finalmente el
resultado tres soles ocurre una vez.
6
Media de una distribucin de probabilidad
discreta
La media:
Registra la ubicacin central de los datos.
Es el valor promedio a largo plazo de la variable
aleatoria.
Tambin se le conoce como su valor esperado E(x),
en una distribucin de probabilidad.
Es un promedio ponderado.
La media se calcula con la frmula:
)] ( [ x xP E =
Donde representa la media y P(x) es la
probabilidad de que x asuma algn valor.
7
Varianza de una distribucin discreta de
probabilidad
La varianza mide el tamao de la dispersin de una
distribucin.
La varianza de una distribucin discreta es representada
por la letra griega
2
(sigma cuadrada).
La desviacin estndar es la raz cuadrada de
2
es
decir .
La varianza de una distribucin de probabilidad discreta
se calcula con la siguiente frmula:


)] ( ) [(
2 2
x P x o E =
8
Ejercicio
David Ramrez, dueo de
un negocio de servicios
de pintura, estudi sus
registros de las ltimas
20 semanas y reporta el
siguiente nmero de
casas pintadas por
semana.
1. Elabore la distribucin
de probabilidad.
# de
casas
pintadas
semanas
10 5
11 6
12 7
13 2
9
Ejercicio (Continuacin)
1. Distribucin de
probabilidad:
Nmero de casas
pintadas, X
Probabilidad, P(x)
10 0.25
11 0.30
12 0.35
13 0.10
TOTAL 1.00
2. Calcule el nmero medio de casas pintadas por
semana:

3 . 11
) 10 )(. 13 ( ) 35 )(. 12 ( ) 30 )(. 11 ( ) 25 )(. 10 (
)] ( [ ) (
=
+ + + =
E = = x xP x E
10
Ejercicio (Continuacin)
3. Calcule la varianza del nmero de casas pintadas
por semana:


91 . 0
2890 . 0 1715 . 0 0270 . 0 4225 . 0
) 10 (. ) 3 . 11 13 ( ... ) 25 (. ) 3 . 11 10 (
)] ( ) [(
2 2
2 2
=
+ + + =
+ + =
E = x P x o
11
Funcin de distribucin acumulada de
probabilidad.
Una funcin de distribucin acumulada de una variable
aleatoria discreta X, denotada como F(x), es



Propiedades:
1) 0 F(x) 1
2) Si x y entonces F(x) F(y)

s
= s =
x x
i
i
x p x X P x F ) ( ) ( ) (
12
Ejemplo de funcin de distribucin
acumulada
Existe la posibilidad de que un bit transmitido a travs de
un canal digital se reciba con error. Sea X : el nmero
de bits con error en los cuatro siguientes bits
transmitidos, la distribucin de probabilidad es:



Determine la funcin de distribucin acumulada de X
X 0 1 2 3 4
P(x) 0.6561 0.2916 0.0486 0.0036 0.0001
X 0 1 2 3 4
F(x) 0.6561 0.9477 0.9963 0.9999 1.0
13
Ejercicio de funcin de distribucin
acumulada
Supngase que la produccin de un da, con 850 piezas
manufacturadas contiene 50 piezas que no cumplen
con los requerimientos del cliente. Se seleccionan del
lote dos piezas al azar y sin reemplazo. Sea la variable
aleatorio X: el nmero de piezas de la muestra que no
cumplen. Determine la funcin de distribucin
acumulada de X.

X 0 1 2
P(x) 0.8857 0.1109 0.0034
F(x) F(0) = 0.8857 F(1) = 0.9966 F(2) = 1.0
14
Modelos de
distribuciones
de probabilidad
discreta
Binomial

Hipergeomtrica

Poisson

Geomtrica
15
Distribucin de probabilidad binomial
La distribucin binomial tiene las siguientes caractersticas:

El resultado de cada prueba de un experimento se
clasifica en una de dos categoras mutuamente
excluyentes, a saber: xito o fracaso.
La variable aleatoria cuenta el nmero de xitos en
una cantidad fija de pruebas (n).
La probabilidad de un xito (p) permanece igual en
todos las pruebas. Lo mismo sucede con la
probabilidad de un fracaso.
Las pruebas son independientes.
16
Distribucin de probabilidad binomial
Donde:
C es una combinacin.
n es el nmero de pruebas.
x es el nmero de xitos.
p es la probabilidad de xito en cada
prueba.
La frmula para calcular probabilidades de una
distribucin binomial es:
x n x
x n
p p C x X P

= = ) 1 ( ) (
17
Ejemplo
El departamento de recursos humanos registr que el 20%
de la fuerza de laboral en la empresa Aceites y Parafinas
est sin actividad alguna. Para una muestra de 14
trabajadores, calcule las probabilidades de que:
1. Exactamente 3 estn sin actividad.
2. Al menos 3 estn sin actividad.
3. Menos de 2 este sin actividad.
1. La probabilidad de que exactamente 3:
2501 . 0
) 0859 . 0 )( 0080 . 0 )( 364 (
) 20 . 0 1 ( ) 20 . 0 ( ) 3 (
11 3
3 14
=
=
= = C x P
18
Ejemplo (Continuacin)
2. La probabilidad de que al menos 3:


5519 . 0 000 . 0 ... 172 . 0 250 . 0
) 80 . 0 ( ) 20 . 0 ( ... ) 80 . 0 ( ) 20 . 0 ( ) 3 (
0 14
14 14
11 3
3 14
= + + + =
+ + = > C C x P
3. La probabilidad de que menos de 2:


1979 . 0 1539 . 0 0440 . 0
) 20 . 0 1 ( ) 20 . 0 ( ) 20 . 0 1 ( ) 20 . 0 (
) 1 ( ) 0 ( ) 2 (
13 1
1 14
14 0
0 14
= + =
+ =
= + = = <
C C
x P x P x P
19
Media y varianza de la distribucin binomial
La media se calcula as:

La varianza se calcula as:


np =
) 1 (
2
p np = o
Ejemplo
Del ejemplo anterior calculemos la media e interprtela y
obtenga la varianza:

La media es: = np = 14(0.2) = 2.8, que significa que en
promedio 3 trabajadores estn sin actividad.

La varianza es:
2
= np(1 p) = 14(0.2)(0.8) = 2.24


20
Ejercicio
La probabilidad de que un retraso en un proceso
automatizado de produccin exceda 2 minutos es de
0.20. Determine la probabilidad de que:
a) Tres de ocho retrasos de este proceso, duren ms de
dos minutos.
b) A lo ms dos de ocho retrasos duren ms de dos
minutos.
c) Cuntos retrasos de ms de dos minutos se espera
que sucedan en ocho de estos?
d) Calcule la desviacin estndar si suceden ocho
retrasos.
a) 0.1468, b) 0.7969, c) 1.6, d) 1.1314
21
Distribucin de Probabilidad
Hipergeomtrica
La distribucin hipergeomtrica tiene las
siguientes caractersticas:
Hay slo dos resultados posibles.
La probabilidad de un xito no es la misma en cada
prueba.
La variable aleatoria resulta de contar el nmero de
xitos (x) en un nmero fijo de pruebas (n).
Se indica el tamao de la poblacin (N) y el nmero
total de xitos en la poblacin (r).
22
Distribucin hipergeomtrica
La frmula para encontrar una probabilidad, utilizando
la distribucin hipergeomtrica es:



Donde N es el tamao de la poblacin, r es el nmero de xitos en la
poblacin, x es el nmero de xitos en una muestra de n
observaciones.
Se utiliza la distribucin hipergeomtrica para encontrar la
probabilidad de un nmero especfico de xitos o resultados si:
La muestra es seleccionada de una poblacin finita sin
reemplazo.
El tamao de la muestra n es mayor que el 5% del tamao de
la poblacin N.


n N
x n r N x r
C
C C
x X P
) )( (
) (

= =
23
Media y varianza de la distribucin
hipergeomtrica
La media se calcula as:

La varianza se calcula as:


|
.
|

\
|
=
N
r
n
|
.
|

\
|

|
.
|

\
|

|
.
|

\
|
=
1
2
N
n N
N
r N
N
r
n o
Ejemplo

La fbrica de juguetes Andy, tiene 50 empleados en el
departamento de ensamble. De stos, 40 pertenecen a un
sindicato y 10 no. Se van a elegir cinco empleados
aleatoriamente, para que integren un comit que hablar con el
gerente acerca de la hora de inicio de los distintos turnos. Cul
es la probabilidad de que cuatro de los cinco elegidos
pertenezcan al sindicato?
24
Ejemplo (Continuacin)
N es 50, el nmero de empleados.
r es 40, el nmero de empleados del sindicato.
x es 4, el nmero de empleados del sindicato que fueron
seleccionados.
n es 5, el nmero de empleados elegidos.

P(x=4)=
40
C
4
(
50-40
C
5-4
) /
50
C
5
= (91390)(10)/2118760

P(x=4)= 0.4313

Cul es la probabilidad de que 3 o ms empleados no sean del
sindicato?
P(x=<2)=P(x=2)+P(x=1)+P(x=0)=
=
40
C
2
(
50-40
C
5-2
) /
50
C
5
+
40
C
1
(
50-40
C
5-1
) /
50
C
5
+
40
C
0
(
50-40
C
5-0
) /
50
C
5
=

P(x=<2)= 0.0483
25
Ejercicio
En el curso de una hora una mquina llena 1000 botellas de
cerveza. En ese intervalo, se selecciona aleatoriamente
una muestra de 20 botellas y se verifica el volumen del
contenido en cada una. Sea X el nmero de botellas
seleccionadas con contenido insuficiente. Suponga que
en la misma hora se producen 100 botellas llenadas en
forma deficiente.
a) Calcule la probabilidad de que al menos tres botellas con
contenido deficiente se incluyan en las muestreadas.
b) Cuntas botellas con contenido deficiente se espera que
produzca la mquina en una hora?
c) Determine la varianza del experimento.
a) 0.3228, b) 2, c) 1.7658
26
Distribucin de probabilidad de Poisson
La distribucin de Poisson tiene como caractersticas:
La variable aleatoria describe la cantidad de xitos
que ocurren en un experimento en un intervalo
determinado.
Slo se utiliza el parmetro , que representa el
promedio de xitos en un intervalo determinado.
No se conoce el nmero mximo de xitos que se
pueden obtener.
27
Distribucin de probabilidad de Poisson
Para calcular probabilidades se utiliza la siguiente
frmula:


Donde
es la media del nmero de ocurrencias (xitos) en
un intervalo especfico.
e es la constante 2.71828 (base del sistema
logartmico neperiano).
x es el nmero de xitos.
P(X=x) es la probabilidad que se va a calcular para
un valor dado de x.
!
) (
x
e
x X P
x

= =
28
29
Distribucin de probabilidad de Poisson
La media en esta distribucin es .

La varianza de una distribucin Poisson es tambin .

Puede utilizarse una distribucin de Poisson para
aproximar una distribucin Binomial, si; n es bastante
grande (n50) y p pequeo (cercano a cero), es decir
si np<5. Donde n es el nmero de pruebas y p es la
probabilidad de xito.
Ejemplo
La Sra. Bonilla est encargada de los prstamos en el
Banco del Centro de Peralvillo. Con base en sus aos de
experiencia, estima que en promedio en un mes, un
solicitante no ser capaz de pagar su prstamo. Cul es la
probabilidad de que 3 prstamos no sean pagados en un
mes?
= 1 (un solicitante por mes)

P(x=3) = 1
3
e
-1
/3! = 0.0613

Cul es la probabilidad de que ms de cuatro
solicitantes no puedan pagar su prstamo?

P(x>4)= 1- P(x=<3)=1-P(x=3)+P(x=2)+P(x=1)+P(x=0)=
P(x>4)=0.019
30
Ejercicio
El promedio de llamadas que una secretaria recibe en su
telfono es de 3 por minuto.
a) Cul es la probabilidad de que reciba 5 llamadas en
un minuto?
b) Cul es la probabilidad de que reciba ms de 2
llamadas en un minuto?
c) Cul es la probabilidad de recibir 3 llamadas en 30
segundos?
a)0.1008, b)0.5768, c) 0.1255
31
Distribucin de Probabilidad Geomtrica
La distribucin geomtrica tiene como caractersticas:
Hay slo dos resultados posibles, xito y fracaso.
Las pruebas son independientes con una
probabilidad de xito (p) constante.
La variable aleatoria cuenta el nmero de pruebas
hasta encontrar el primer xito.
El nmero de pruebas no es fijo.
32
Distribucin de Probabilidad Geomtrica
La frmula para encontrar una probabilidad utilizando
la distribucin geomtrica es:


Donde p es la probabilidad de xito y x es el nmero
de pruebas hasta que aparece el primer xito.
... , 2 , 1 , ) 1 ( ) (
1
= = =

x p p x X P
x
Ejemplo
La probabilidad de que un bit transmitido a travs de un canal
digital se reciba con un error es de 0.1. Suponga que las
transmisiones son eventos independientes y sea la variable
aleatoria que denota el nmero de bits transmitidos hasta el
primer error. Determine la probabilidad de que el primer bit
transmitido con error sea el quinto.
33
Media y varianza de la distribucin geomtrica
La media se calcula as:

La varianza se calcula as:

p
1
=
2
2
) 1 (
p
p
= o
Ejercicio
La probabilidad de que una oblea de semiconductor
contenga una partcula de contaminacin grande es de
0.01. Si se supone que las obleas son independientes.
a) Cul es la probabilidad de que sea necesario analizar
exactamente 125 obleas antes de detectar una partcula
grande?
b) Cuntas obleas se espera que sean revisadas antes de
encontrar una, que contenga una partcula de
contaminacin?
c) Determine la desviacin estndar del anlisis de obleas.
a) P(x=126)=0.0029, b) 100, c) 99.4987
34
Desigualdad de Chebyshev

Teorema
Sea X una V.A. con media finita y varianza
2
, entonces
para cualquier constante k>1, el porcentaje de valores de X
que se encuentran dentro del intervalo (-k , +k ) es por lo
menos 1-1/k
2
. Considerando que la distribucin de las
mediciones es sesgada (no normal).
Ejemplo
El nmero de alumnos a los que se les da servicio en un centro
de cmputo de la ESIME, en un da jueves en el periodo normal
de clases, es una V.A. con media =160 y desviacin estndar
=8, la distribucin se considera sesgada Cul es, de acuerdo al
teorema de Chebyshev la probabilidad mnima de que el nmero
de alumnos que se atienden en dicho centro de cmputo, sea
entre 140 y 180 alumnos?
35
Ejemplo (continuacin)
El intervalo donde se desea calcular la probabilidad es (140, 180)

e igualndolo con (-k , +k ), se tiene que -k = 140 y como

= 160 y = 8, despejando k, se tienen que k= 2.5.

As que

P(140<x<180)=1-1/(2.5)
2
=0.84
36
Regla Emprica
Para una distribucin de mediciones (distribucin de frecuencias)
que es aproximadamente normal o tiene la forma de campana, el
intervalo:
i) () contiene aproximadamente 68% de las mediciones.
ii) ( 2) contiene aproximadamente 95% de las mediciones.
iii) 3) contiene aproximadamente 99.7% de las mediciones.
Ejemplo
Los costos de mantenimiento semanal de Toyota Co. registrados
durante un largo periodo y ajustados por la inflacin, tienen
aproximadamente una distribucin normal con media de 420 (miles
de dlares) y una desviacin estndar 30 (miles de dlares), Cul
es la probabilidad aproximada de que el presupuesto se
encuentre entre 360 y 480 miles de dlares, proyectados para la
prxima semana?
37
Ejemplo (continuacin)
Igualando el intervalo dado con la forma del intervalo de la regla
emprica se tiene que:

(360, 480) = (-k , +k ) por lo tanto, -k = 360

y como = 420 y = 30, despejando k, se tienen que k= 2.
As que
P(360<x<480)=0.95
38
Ejercicio de Regla Emprica y Desigualdad de
Chebyshev
El gerente de personal de cierta empresa tiene registros
diarios del nmero de empleados que no asisten a su
trabajo. El promedio de ausentes es de 5.5 y la
desviacin estndar de 2.5.
a) Si se considera que la distribucin de frecuencias esta
sesgada. Cul es el intervalo donde se localiza al menos
el 75% de los empleados ausentes?
b) Si consideramos que la distribucin de frecuencias es
normal, Cul es el intervalo donde se localiza
aproximadamente el 99.7% de los empleados ausentes?
a) (0.5, 10.5); b) (-2, 13)
39