Professional Documents
Culture Documents
Profesor:
MA. MARCIAL RENE ZUIGA MUOZ
VARIABLE ALEATORIA
VARIABLE ALEATORIA Definicin
Se define como un evento numrico cuyo valor se determina mediante un experimento o proceso aleatorio
(sorteo, vista del proceso, tmbola, etc.
Distribucin de probabilidades. Si a cada uno de los posibles valores numricos de una variable aleatoria X se
le asigna un valor de probabilidad, ya sea mediante una lista o una funcin matemtica, el resultado es una
distribucin de probabilidad. La suma de las probabilidades de todos los posibles resultados numricos deber
1,0. Se representa como P(x).
Distribucin de probabilidades para una variable discreta.
Es un listado mutuamente excluyente de todos los resultados numricos posibles para esa variable aleatoria,
tal que una probabilidad especifica de ocurrencia se asocia con cada resultado.
EJEMPLO.
La siguiente tabla contiene la distribucin de probabilidades del nmero de accidentes de trfico diario, en una
pequea ciudad.
Accidentes 0.4
diarios 0.3
0.2
0 0,10 0.2 0.15
0.1
1 0,20 0.1 0.05 0.05
2 0,45 0
1 2 3 4 5 6
3 0,15 P(X)
()
= sumatoria 2 Accidentes en promedio.
() = = ()= (0 ) (10 ) x(1 ) (.20 ) x (2 ) (.45 )x ( 3) (.15 ) x( 4) (.05 )x (5 ) (.05 ) = 2 accidentes
diarios.
Ejemplo demanda diaria de alquiler de
camionetas por 50dias.
Demanda Probabilidad Valor Ponderado Cuadrado Cuadrado del
posible de N das P( X) XP(X) de la valor ponderado
camionetas. demanda (X2 P(X)
X X2
1.- Las observaciones posibles se pueden obtener mediante dos mtodos de muestreo. Se puede
considerar que cada observacin se seleccion ya sea a partir de una poblacin infinita sin remplazo o a
partir de una poblacin finita con remplazo.
2.- Cada observacin se puede clasificar en una de dos categoras mutuamente excluyente y
colectivamente exhaustivas, por lo comn, llamadas xitos y fracasos.
3.- La probabilidad de que una observacin se clasifique como xito, p , es constante entre una
observacin y otra. Entonces, la probabilidad de que una observacin sea clasificada como fracaso, 1
p, es constante en todas las observaciones.
4.-El resultado (xito o fracaso) de cualquier observacin es independiente del resultado de cualquier
otra observacin
La frmula para determinar la probabilidad de un nmero determinado de xitos(X), requiere de
ensayos(n), la probabilidad de cada ensayo(p). Si q= (1-p), la frmula para determinar la probabilidad
de xitos X en una distribucin binomial est dado por:
P (X/n,p) =n = n
X! (n-X) !
Combinaciones = n
a. Ejemplo: La probabilidad de un prospecto de compras sea elegido al azar por un agente de ventas y este realice
compras es de 0.20. Si un representante de ventas llama a seis prospectos, la probabilidad de que haga
exactamente cuatro ventas es:
DATOS
P(X= 4), n= 6, p =0,20 = 6 C4(0.20)4 (0.80)2 = 6!(0.20)4(0.80)2
4! 2!
=(15) (0.0016)(0.64) = 0.01536
b. Si un representante de ventas llama a seis prospectos, la probabilidad de que haga al menos cuatro ventas es:
P(> = ) = 4 ventas = 4 ventas + 5 ventas + 6 ventas
Para 5 ventas
P(X= 5), n= 6, p =0,20 = 6 C5(0.20)5 (0.80)1 = 6!(0.20)5(0.80)1
5! 1!
= =
Si la probabilidad de xito es 0.1 y el nmero de pedidos de un artculo es 4. Entonces el promedio ser
= = 0.1 4 = 0.4 .
La desviacin estndar de la distribucin binomial., donde 2 es la varianza.
= 2 = np(1 p)
Distribucin POISSON
P(X) = e- x =
X!
= 5, e = constante matemtica, con valor aproximado de 2.71828,
X= 3
P(X) = e- 5 x = (0,00674)(5)3 = 0.1404
X! 3!
EJEMPLO
En promedio ,12 personas hacen preguntas cada hora a un consultor en decoraciones en una tienda de
telas. La probabilidad de tres o ms personas se acerquen a preguntar al consultor en un periodo de 10
minutos (1/6 de una hora) se determina como sigue:
Promedio por hora 12 = promedio por 10 minutos = 12/6 = 2.0
P(X> = 3 / =2) = P(X= 3, 4, 5, 6, 7, 8, 9,10,11,12) = 2.0
P(X= 3 / =2) = 0.1804
P(X= 4 / =2) = 0.0902
P(X= 5 / =2) = 0.0361
P(X= ,6 / =2) =0.0120
P(X= 7 / =2) =0.0034
P(X=8 / =2) =0.0009
P(X=9 / =2) = 0.0002 P(X=10 / =2) = 0.0000000
RESPUESTA = Es la sumatoria de 3,4,5,6,7,8,9,..=0.3232
LA DISTRIBUCION HIPERGEOMETRICA
Cuando se usa el muestreo sin devolucin(o sin reemplazamiento), la distribucin de probabilidad discreta
apropiada es la distribucin hipergeomtrica.
Esta dado por :
X: nmero de xitos
N: nmero de elementos de la poblacin
T: nmero de xitos posibles en la poblacin.
n: nmero de elementos de la muestra.
La frmula est dada. NT T
P(X/N, T, n) = n-X X
N
n
EJEMPL0
De seis empleados, tres han estado en la empresa cinco a ms aos. Si se toma al azar
cuatro empleados del grupo de seis. Cul es la probabilidad de que exactamente dos
tengan antigedad de cinco aos o ms?
X= 2 , N= 6, T= 3, n= 4
. NT T 6-3 3 3 ! 3!
P(X/N,T,n) = n-X X = 4-2 2 = 2! 1 ! 2! 1! = 3 x 3 = 0.60
N 6 6! 15
n 4 4!
EJERCICIOS
. NT T 10-4 4 6 ! 4!
P(X/N,T,n) = n-X X = 3-2 2 = 1! 2! = 6 x 6 = 0.30
N 10 10! 120
n 3 3!