La frmula ser:
Ejemplo
(1 - p) = 1 - 0,5 = 0,5.
Por tanto, la variable .aleatoria . X se distribuir como una bernoulli, ya que cumple
todos los requisitos.
Xbe(0,5)
Ejemplo:
= {1,2,3,4,5,6}
P=1/6
Q=1p=11/6=5/6
La variable aleatoria x medir "nmero de veces que sale un 6", y solo existen dos
valores posibles, 0 (que no salga 6) y 1 (que salga un 6).
P = 1/6
Xbe(1 / 6)
Se llama variable aleatoria a toda funcin que asocia a cada elemento del espacio
muestral e un nmero real.
Ejemplos:
1. Lanzar tres monedas y anotar el nmero de caras. La variable aleatoria x toma los
valores 0, 1, 2 y 3 .
2. Suma de los resultados de lazar dos dados. X= 2, 3, 4, 5, 6, 7, 8, 9, 10, 11 y 12.
3. Medir la longitud de 100 judas verdes de una plantacin. X toma valores en el
intervalo [0 , 30]
4. Peso al nacer de los bebs que nacen durante un mes en una clnica. X toma
cualquier valor del intervalo [0,5]
Los dos primeros ejemplos corresponden a variables aleatorias discretas porque slo
pueden tomar un nmero discreto de valores.
Los dos ltimos ejemplos son variables aleatorias continuas pues pueden tomar, al
menos tericamente cualquier valor dentro de un intervalo de la recta real.
2. Funcin de probabilidad
x f i i n
x h
experimental
x i 1
i i
N i 1
x1 p1 x 2 p 2 ... x n p n x p
i 1
i i
De la misma manera,
Se llama varianza de una variable aleatoria x, que toma valores x 1, x2, , xn, con
probabilidades p1, p2,, pn respectivamente, al valor de las siguiente expresin:
n
2 x12 p 2 x 22 p 2 ... x n2 p n 2 x p
i 1
2
i i
2
O bien,
n
2 ( x1 ) 2 p1 ( x 2 ) 2 p 2 ... ( x n ) 2 p n (x ) p
i 1
i
2
i
n r n r
P(X r) p q
r
p P(acierto)
q 1 p P( fracaso)
Donde:
n
n!
r r!(n r )!
n
es el nmero de formas posibles de obtener r xitos y n-r fracasos. Se llama nmero
r
combinatorio.
Tambin se puede calcular usando el tringulo de tartaglia.
0
0
1 1
0 1
2 2 2
Ejemplo:
1. En el ejemplo anterior, cul ser la probabilidad de obtener 7 aciertos en el
examen?
73
10 1 3 27
( XP 7) 201 10 0' 03
7 4 4 4
2. en un grupo de 20 alumnos se ha comprobado que cada uno de ellos falta a clase
el 5% de los das. Calcula la probabilidad de que un da determinado:
a. no se registre ninguna ausencia.
b. Falten a clase ms de cinco alumnos.
c. No asista a clase nadie.
d. Falten menos de tres.
x: n de faltas. X b(20,005)
20 0 20
a.
P( X 0) 0' 5 0'95 0'358
0
b.
20 0 20 20 1 19 20 2 18
P(X 3 P() X 0 P() X 1 P() X 2) 0' 5 0'95 0' 50'95 0' 5 0'95
d.
0 1 2
0'3580'3780'1890'924
6. Media y varianza de una distribucin binomial
Si consideramos que se realiza slo una prueba. La funcin de probabilidad ser:
Valor de la variable 1 0
Probabilidad P Q=1-p
La media ser. 1 p 0q p
La varianza: 2 12 p 0 2.q p 2 p p 2 p(1 p) pq
Con liderando el caso de n pruebas repetidas; nicamente tendremos que multiplicar por
n
a. Media. n p
b. Varianza: 2 n pq
c. Desviacin tpica: n pq
Ejemplo: la probabilidad de salga cara en una moneda trucada es 02. Se lanza cien
veces. Calcula la esperanza matemtica y la varianza.
1000'2 20 2 1000'2(1 0'2) 16 16 4
7. Ajuste de una distribucin emprica a una binomial
Aciertos (xi) 0 1 2 3
02 04 02 006
P(x=xi)
17 32 87 4
Frecuencias
65 130 86 19
esperadas
IV. Se ve comparando los resultados que hay muy poca diferencia entre
los resultados tericos y los empricos.
Distribuciones continuas. Distribucin normal
1. Idea de distribucin de probabilidad continua
La distribucin de las tallas de los alumnos varones de una clase o del tiempo de espera
de una llamada de telfono en la centralita del instituto, a medida que la amplitud de los
intervalos van siendo ms pequeos, tienden a representarse mediante una funcin
continua.
Una funcin de probabilidad es una idealizacin de una distribucin de frecuencias
relativas.
De la misma manera que la suma de todas las frecuencias relativas es uno, se verifica
que la suma de todas las probabilidades de una distribucin de probabilidad es igual a la
unidad.
En las variables aleatorias continuas la probabilidad de que la variable tome un valor
nico es siempre cero, luego lo que tiene mayor inters es conocer la probabilidad
correspondiente a un intervalo.
6. Funcin de densidad. Funcin de probabilidad
Las funciones f(x) asociadas a una variable aleatoria x que cumplen las condiciones:
f ( x ) 0 en todo el dominio de definicin.
El rea encerrada bajo la curva de f(x) es la unidad.
Se llama funcin de densidad de la variable x.
En variables aleatorias continuas, el rea entre f(x) ( funcin de densidad) , y el eje x nos
da la funcin de probabilidad.
a
rea= P( x a)
f ( x ) dx
2
Y la probabilidad de un intervalo ser:
x2
a
1
P( x a) 2
e 2
dx
Las tablas de n(0,1) nos dan directamente la probabilidad de que una variable tome
valores menores que cierta cantidad positiva, p(z<b). A partir de est, por la simetra de la
funcin y utilizando que la probabilidad del suceso seguro es 1, se pueden calcular las
dems.
ejemplos:
P ( z b) para b>0
b
P ( z b) para b>0
P ( z b) 1 P ( z b )
P ( z b) para b<0.
b
P ( z b) P ( z b) 1 P ( z b)
P (a z b)
-b
P ( a z b) P ( z b) P ( z a )
a
Distribucin de poisson
b
En teora de probabilidad y estadstica, la distribucin de poisson es una
distribucin de probabilidad discreta. Expresa la probabilidad de un nmero de
eventos ocurriendo en un tiempo fijo si estos eventos ocurren con una tasa media
conocida, y son independientes del tiempo desde el ltimo evento.
Donde;
Propiedades reproductivas
Se toma
Entonces: