Professional Documents
Culture Documents
Def.- Una variable aleatoria X decimos que es discreta si se le asocia un numero finito
de valores.
Def.- Una variable aleatoria X diremos que es continua si se la asocia, en teora, todos
los valores de un intervalo.
p(X=12) = 1/8
Del 7.- Levantamos una ficha de domino y defino la variable aleatoria X como la suma
de los puntos de arriaba
E 28 fichas 0-0, 0-1, 0-2, , 0-6
1-1, 1-2, , 1-6
..
6-6
posibles resultados de X: 0,1,2,3,4,5,6,7,8,9,10,11,12
Dos cartas de una baraja X = n de ases
X = 0,1,2, A = As
Funcin de distribucin
Def.- La funcin de distribucin de una variable aleatoria discreta X, que se escribe
F(x i ), es la suma de todas las probabilidades de la variable aleatoria X hasta el valor x i , es
decir
F(x i ) = p(X x i ) = p(X = x 1 ) + p(X = x 2 ) + p(X = x 3 ) + .. + p(X = x i ) =
= p 1 + p 2 + p 3 + .. + p i .
x 1 x 2 x 3 ... x n
p n = p(X =
p 1 p 2 p 3 ...p n
xi)
p1
p1+p2
F(x)=
p1+p2 +....+pi
p1+p1+....+pn =1
si
X<x1
si x1 X<x 2
si x 2 X<x 3
si x i X<x i+1
si x n X<x n+1
Propiedades:
1) F(x) es constante (toma el mismo valor) en cada intervalo [x i , x i+1 )
2) F(x) es creciente
3) p(a < X b) = F(b) F(a)
X = N de caras al lanzar 3 monedas
P i = p(X = x i )
1/8
3/8
3/8
1/8
1/8
F(x)= 1/8+3/8=4/8
4/8+3/8=7/8
7/8+1/8=1
si
X<0
si 0 X<1
si 1 X<2
si 2 X<3
si
X3
p x
i i
i=1
pi (xi- X)=2
i=1
p (x ) -(
2
i=1
)
p (x - =
( X ) = ( X )2 =
i=1
p (x ) -(
2
i=1
Media X =
xi
pi
p i .x i
p i .(x i )
1/8
3/8
3/8
3/8
3/8
6/8
12/8
1/8
3/8
9/8
12/8
24/8
p x = 12/8
i i
i=1
Varianza ( X )2 =
p (x ) -( )
2
2
X
i=1
3
= =
4
i=1
Hacerlo de los ejercicios resueltos anteriormente
Desviacin tpica ( X ) = ( X )2 =
p (x ) -( )
2
3
0'866
2
(5 sobre 1) = = (5!)/(1!.(5-1)!) = 5
1
7
100
Antes tenamos B(7; 1/6) , y queramos calcular p(X=3) (obtener 3 xitos). Aplicando
la frmula: p(X = 3) = (7 sobre 3).(1/6)3.(5/6)4 = 00781
Supongamos que la probabilidad de que una pareja tenga un hijo o una hija es igual.
Calcular la probabilidad de que una familia con 6 descendientes tenga 2 hijos.
En este caso xito = A = tener hijo y p(A) = 05.
Fracaso = AC tener hija y p(AC) = 05.
Estamos por tanto ante una binomial B(6;05) y nos piden p(X=2).
Si aplicamos la frmula es: p(X = 2) = (6 sobre 2).(05)2.(05)4 = 02344
Probabilidades acumuladas
Nota.- Es posible que nos pidan no slo la probabilidad de que ocurran un cierto numero
de xitos en concreto, sino que ocurran como mucho k xitos o preguntas similares. En
el ejemplo anterior, por ejemplo, podran pedirnos:
Cul es la probabilidad de que aprueben como mucho 2 alumnos?.
Si xito = aprobar y fracaso = suspender, p= 07 y q = 03, entonces nos piden p(X 2).
En este caso, basta pensar en que para que aprueben 2 alumnos como mucho, puede
que aprueben 2, 1 o ninguno, es decir:
p(X 2) = p(X = 0)+p(X = 1)+p(X = 2) = 00001 + 00012 + 001 = 01013
Nota.- A veces es ms fcil por la probabilidades contrario
Cul es la probabilidad de que aprueben entre 3 y 6 alumnos (inclusive)?.
Del mismo modo:
p(3 X 6) = p(X = 3)+p(X = 4)+p(X = 5)+p(X = 6) =
= 00467 + 01361 + 02541 + 02965 = 07334
Los alumnos de cierta clase se encuentran en una proporcin del 67% que estudian
ingls y el resto francs.
Tomamos una muestra de 15 alumnos de la clase, calcular:
a) Probabilidad de que al menos encontremos tres alumnos de ingls.
b) Probabilidad de que los 15 alumnos estudien ingls.
c) Probabilidad de que estudien ingls entre 7 y 10 alumnos.
Sol
Si xito = estudiar ingls, p = 067 y fracaso = estudiar francs, q = 1-067 = 033.
Manejamos por tanto una Bin(15;067)
a) p(X 3) = p(X = 3)+p(X = 4)+p(X = 5)+p(X = 6)+. . .+ p(X = 15).
Variables aleatorias discretas (Binomial) y variables aleatorias continuas (Normal)
Una opcin es calcular estas 13 probabilidades y sumarlas. Como hay que aplicar la
frmula para calcular cada una, la tarea se puede hacer bastante larga. Otra opcin, mas
sencilla, es pasar al complementario. El complementario de encontrar al menos 3 alumnos
de ingls es encontrar como mucho 2 alumnos de ingls, p(X 2).
Es decir, p(X 3) = 1 p(X <3) = 1 p(X 2) = 1 (p(X = 0)+p(X = 1)+p(X = 2))
y slo tenemos que calcular 3 probabilidades: p(X = 0) 0 , p(X=1) = 0000001, p(X=2) =
0000026 (!comprubalo!).
Por lo cual, p(X 3) = 1 (0 + 0000001 + 0000026) = 1 0000027 = 0999973
b) p(X=15) = 00025 (aplica la frmula).
c) p(7 X 10) = p(X = 7)+p(X = 8)+p(X = 9)+p(X = 10) =
= 00549 + 01114 + 01759 + 02142 = 05564.
a. Alguna mujer.
b. Ms de 6 mujeres.
c. Determina su media y desviacin tpica.
Sol ( n=8, xito= obtener mujeres. P(xito)= 0,53 ; fracaso=0,47)
f(x)dx =
f(x)dx =
1.
f(x)dx = 1 .
p =1 ).
i
i=1
3 La probabilidad de f(x) en un intervalo [a,b] es el rea bajo f(x), el eje OX y las abscisas
b
Propiedades
a
f(t)dt ),
funcin rea.
f(x)=
si 0 x 3
3
x>3
0 si
F(x)=
si 0 x 3
3
x>3
1 si
Integrando
b'
a'
n .x
i
x=
i=1
p .x
i
i=1
Nota.- De forma similar a como definimos la media de una variable aleatoria discreta,
definiremos ahora la media de una variable aleatoria continua. nicamente tendremos en
cuenta que en aquel caso se trataba de sumar un nmero finito de sumandos, en cambio
ahora tratamos de sumar un nmero infinito de sumandos infinitesimales (integral
definida).
10
Def.- Sea X una variable aleatoria continua cuyo recorrido es el intervalo [a, b] y sea f(x) su
funcin de densidad. Se llama media de la variable continua X al valor de la siguiente
integral: =
x.f(x)dx (
=
2
n .(x -x)
i
i=1
=
N
n .(x )
i
i=1
2
n
=2
(x)2
i=1
i=1
Def.- Sea X, una variable aleatoria continua cuyo recorrido es el intervalo [a, b] y sea f(x) su
funcin de densidad. Se llama varianza de la variable aleatoria continua X al valor de la
b
b
2
2
siguiente integral: X2 =a (x)
=
.f(x)dx
(x)
2
a .f(x)dx ()
Def.- Se llama desviacin tpica de la variable aleatoria continua X a la raz cuadra a
positiva de la varianza, es=
decir : X
X2 =
(x-.f(x)dx
)=
2
2
(x) .f(x)dx
()
a
x<0
0 si
f(x)= 1/3 si 0 x 3
0 si
x>3
Sol
3
a) Media:
x2
1
9
= x.f(x)dx= x. dx= = = 1'5
0
0
3
6 0 6
3
1
3
( x 1'5)2
9
2
b)Varianza: =
) .f(x)dx
=
(x-1'5)
. 2 dx
X2 = (x
0'75
=
0
0
c) Desviacin tpica:
=
=
X2 = 0'75 0'866
Se supone que se conoce el clculo integral, para resolver el ejercicio.
11
Experimento de Galton
Sobre un tablero inclinado estn distribuidos regularmente un sistema de clavos. stos
permiten deslizar un gran nmero de bolas que proceden de un depsito superior del
aparato. Las bolas, al chocar con los clavos, se alejan en mayor o menor medida de la
lnea central de cada, segn la ley del azar.
Nota.- Hay muchos fenmenos que siguen distribuciones son normales, por ejemplo: los
pesos, las alturas, etc de los individuos de cualquier especie.
Nota.- No todas las distribuciones son normales, por ejemplo: El nivel de renta de los
espaoles, porque hay pocos con renta muy alta, y muchos con rentas bajas
Definicin de la distribucin normal de media y desviacin tpica .- Decimos
que una variable aleatoria continua X sigue una distribucin normal de media y
desviacin tpica , y se designa por N(, ), si se cumplen las siguientes
condiciones:
1 La variable recorre toda la recta real, es decir ( - , + ) = .
2 La funcin de densidad, que es la expresin en trminos de ecuacin matemtica
de la curva de Gauss, es: f(x)=
1
2
.e
1 x-
- .
12
donde:
e = 2,7182..., constante: base de los, logaritmos neperianos
= 3,1415... relacin de la longitud de una circunferencia a su dimetro
x = abscisa, valor cualquiera de un punto del intervalo.
= media de la variable aleatoria X (parmetro).
= desviacin tpica de la variable aleatoria X (parmetro).
f(x) = ordenada de la curva.
A los valores y se los denomina parmetros de la distribucin normal.
Nota.- Algo sobre la grfica de la funcin de densidad de la N(, ).
f(x)dx =
vertical que pasa por , dicho eje de simetra deja un rea igual a 05 a la izquierda y otra
igual a 05 a la derecha.
4. A ambos lados del valor x = las ordenadas de la curva decrecen, primero lentamente,
y despus con mayor rapidez, hasta hacerse su ordenada nula a medida que la abscisa
se aleja hacia la derecha o hacia la izquierda del valor central. En la prctica, no es
necesario alejarse mucho de los valores centrales para que la ordenada sea casi nula.
(Posteriormente veremos que fuera del intervalo ( - 3, + 3 ) es muy improbable
encontrar una observacin).
b) Varianza:
= 2
c) Desviacin tpica:
13
1
2
.e
x2
2
b'
a'
Como el clculo de esta integral es complicada, se ha realizado una tabla con los
valores ms usuales de la normal N(0,1), que es lo que se conoce como tabla de la
normal.
Variables aleatorias discretas (Binomial) y variables aleatorias continuas (Normal)
14
Tipificacin de la variable
Nota.- Todas las distribuciones normales N(,) se pueden transformar en la distribucin
N(0,1), se encuentra tabulada (tablas), mediante un cambio de variable que se denomina
tipificacin de la variable. Dicho cambio de variables es:
Si X sigue una N(,), entonces Z =
Manejo de tablas
Sea Z una variable que sigue una distribucin normal N(0,1). Veamos con ejemplos, y en
orden creciente de dificultad, los casos ms frecuentes que se suelen presentar. (Utilizar
la tabla anterior que es la que dan en Selectividad.)
Caso 1.
p(Z -1,45)
p(1,25 < Z - 2,57) = p(Z < 2,-57) - p(Z < 1,25) = 0,9949 - 0,8944 = 0,100 5
Caso 4.
15
La probabilidad pedida es igual al rea sombreada (figura de abajo). En este caso, uno de
los valores de la abscisa Z es negativo y el otro es positivo.
16
68,2.(2000/100) = 1364
Tambin se puede hacer calculando la probabilidad p(64 < X < 76) y despus multiplicarlo
por el n de personas que es 2000.
Luego se espera que haya 1364 personas con pesos comprendidos entre 64 y 76 kg.
Se ha aplicado a 300 alumnos de 4 de ESO un test de agresividad y se ha observado
que se distribuyen normalmente con media 30 y desviacin tpica 12. Se pide:
a) Qu proporcin de alumnos tendr una puntuacin en dicho test entre 20 y 35?
b) Cuntos alumnos tendrn una puntuacin superior a 42?
Sol
Se trata de una distribucin N(30,12). Calculemos las probabilidades pedidas:
20 - 30
20 - 30
a) p(20 < X 35) = p
<Z
= p(-083 < Z 042) =
12
12
12
X' - np
npq
17
q = p(AC) = 0,75
p = p(A) = 0,15
AC = ser desfavorable
q = p(AC) = 0,85
18