Estas variables tal como se definió al inicio del curso pueden ser de tipo
Cualitativo, las cuales de codificaran en valores numéricos, la Numéricas
Discretas y las Numéricas Continuas.
Ejemplo:
Para controlar el estado de sus procesos, las empresas a menudo realizan
auditorias con el fin de verificar estos estados. Por experiencia se sabe que
los procesos tienen una falla del 2% de las veces. Suponga que un auditor
revisa aleatoriamente tres procesos. Determine la función de probabilidad del
número de errores detectado por el auditor.
SOLUCION:
Para i = 1, 2, 3, sea 𝑓𝑓 el evento que representa al hecho de que el auditor
detectó un error en el proceso i. De igual manera, sea 𝑓𝑓 el evento que
representa al hecho de que el auditor no detectó un error en un proceso i. De
la información suministrada en el problema sabemos que, P(𝑓𝑓) = 0,02. Por
tanto, P(𝑓𝑓) = 1−P(𝑓𝑓) = 0,98. Ahora, sean X la variable aleatoria que
representa al número de errores detectado por el auditor y f su
correspondiente función de probabilidad. Tenemos que Como X puede tomar
los valores 0, 1, 2 ó 3, entonces (utilizaremos la independencia de los eventos
𝑓𝑓, de los 𝑓𝑓 y la de los 𝑓𝑓 con los 𝑓𝑓),
Observemos que los diferentes valores que asume f para cada valor de x
satisfacen las dos condiciones mencionadas en la definición.
Entonces, la distribución de la probabilidad para este experimento aleatorio
es:
𝑓𝑓 0 1 2 3
𝑓(𝑓𝑓 0,94119 0,05762 0,00118 0,00001
)
0,94119, 𝑓𝑓 𝑓 = 0
0,05762, 𝑓𝑓 𝑓 = 1
𝑓(𝑓) = 0,00118, 𝑓𝑓 𝑓 = 2
0,00001, 𝑓𝑓 𝑓 = 3
{0, 𝑓𝑓 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑓𝑓𝑓𝑓
𝑓𝑓𝑓𝑓
Definición:
Sea X una variable aleatoria discreta definida sobre un espacio muestral y
supongamos que X toma los valores 𝑓1, 𝑓2, . . . (finito o infinito). Sea f la
función de probabilidad de X. Entonces, la esperanza (valor esperado o
media) de X, simbolizada por μ o E(X), se define como
𝑓 = 𝑓(𝑓) = ∑ 𝑓𝑓 ∗ 𝑓(𝑓)𝑓
𝑓𝑓 0 2 3 4
𝑓(𝑓𝑓 0,10 0,30 0,40 0,20
)
VARIANZA Y DESVIACIÓN
𝑓𝑓 0 2 3 4
𝑓(𝑓𝑓 0,10 0,30 0,40 0,20
)
1
𝑓(𝑓𝑓) = {𝑓(𝑓 = 𝑓𝑓 = 𝑓 , 𝑓𝑓 𝑓𝑓 ∈ 𝑓
)
0, 𝑓𝑓 𝑓𝑓𝑓𝑓 𝑓𝑓𝑓𝑓𝑓
𝑓 +𝑓
𝑓(𝑓) = 𝑓𝑓𝑓𝑓𝑓𝑓 "a" 𝑓𝑓 𝑓𝑓𝑓𝑓 𝑓𝑓 𝑓𝑓𝑓𝑓𝑓 𝑓𝑓𝑓𝑓𝑓 𝑓 "b" 𝑓𝑓 𝑓𝑓
𝑓 𝑓𝑓𝑓𝑓𝑓.
(𝑓 − 𝑓 + 𝑓)𝑓 − 𝑓
𝑓(𝑓) =
𝑓𝑓
Solución:
1
𝑓(𝑓 = 𝑓 𝑓) = ,
𝑓(𝑓𝑓) = { 6
0, 𝑓𝑓 𝑓𝑓𝑓𝑓 𝑓𝑓𝑓𝑓𝑓
𝑓 +𝑓 𝑓,𝑓𝑓 + 𝑓,
𝑓(𝑓) = 𝑓𝑓 = 𝑓, 𝑓𝑓𝑓
𝑓 =
𝑓
(𝑓 − 𝑓 + 𝑓)𝑓 − 𝑓 (𝑓, 𝑓𝑓 − 𝑓, 𝑓𝑓 + 𝑓)𝑓 − 𝑓
𝑓(𝑓) = = = 𝑓, 𝑓𝑓𝑓𝑓
𝑓𝑓 𝑓𝑓
Interpretación de la media:
El promedio o el porcentaje esperado de la variación del empastado es de
0,145.
DISTRIBUCIÓN BINOMIAL
Distribución binomial
Si se conoce la probabilidad de que un ensayo determinado producirá un
éxito, es posible estimar cuántos éxitos habrá en un número dado de
experimentos:
𝑓(𝑓 = 𝑓𝑓) = 𝑓𝑓𝑓𝑓 ∗ 𝑓𝑓𝑓 ∗ 𝑓𝑓−𝑓𝑓
𝑓(𝑓𝑓) = {
0, 𝑓𝑓 𝑓𝑓𝑓𝑓 𝑓𝑓𝑓𝑓𝑓
Ejemplo:
Un estudiante tiene la oportunidad de realizar una actividad correctamente 6
veces. La probabilidad de que la haga correctamente en un intento es p = 0,
40. (a) ¿Cuál es la probabilidad de que él realice la actividad correctamente
por lo menos una vez? (b) ¿Cuántas veces debe realizar la actividad para
que la probabilidad de hacerlo correctamente sea por lo menos una vez sea
más grande que 0, 77?, (c) ¿Cuál es la probabilidad de que él realice la
actividad correctamente máximo dos veces? y (d) ¿Cuál es la probabilidad
de que él realice la actividad exactamente 3 veces de manera correcta?
Solución:
DISTRIBUCIÓN POISSON
𝑓−λ ∗ λ𝑓𝑓
𝑓(𝑓 = 𝑓𝑓) = 𝑓𝑓𝑓𝑓 𝑓𝑓 = 0, 1, 2, 3 …
𝑓(𝑓𝑓) = { 𝑓!
𝑓
0, 𝑓𝑓 𝑓𝑓𝑓𝑓 𝑓𝑓𝑓𝑓𝑓
Ejemplo:
El número de vehículos que se pierden una zona boscosa dentro de una
reserva natural tiene un promedio de 4 vehículos por semana. ¿Cuál es la
probabilidad de que en una semana determinada (a) se pierdan a lo más dos
vehículos en el bosque? (b) se pierdan tres vehículos en el bosque? (c) se
extravíen cuatro o cinco? (d) al menos desaparezca un vehículo en el
bosque?
𝑓−4∗ 43
b. 𝑓(𝑓 = 3) = = 0.1954
3!
c. La probabilidad de que se extravíen 4 o 5: 𝑓(4 ≤ 𝑓 ≤ 5) = 𝑓(𝑓 = 4) +
𝑓(𝑓 = 5), aplicando la fórmula para cada uno de los valores de X se
tiene:
d. Bibliografía:
1. G.C Canavos. Probabilidad y Estadística – Aplicaciones y Métodos.
Mc. Graw Hill. México.
2. J. E. Freund, I Miller & M. Miller. Estadística Matemática Con
Aplicaciones. Pearson Prentice Hall, Mexico
3. Walpole, Myers. Probabilidad y Estadística para Ingeniería y ciencias.
Pearson. México.
4. Devore, J.L. Probabilidad y Estadística para Ingeniería y Ciencias,
Quinta Edición, Thomson Learning.
5. Mendenhall, W. Estadística para Administradores, Segunda
Edición,Grupo Editorial Iberoamérica.
6. Montgomery, D.C. y Runger G.C. Probabilidad y Estadística Aplicadas
a la Ingeniería , Primera Edición, Mc Graw Hill.
7. Sheaffer, R. L. y McClave, J.T. Probabilidad y Estadística para
Ingeniería, Primera Edición, Grupo Editorial Iberoamérica.
8. Spiegel, M.R. Estadística, Primera Edición, Serie Schaum, Mc Graw
Hill.
9. Weimer, R.C. Estadística, Segunda Edición, CECSA.
GLOSARIO:
Población: Conjunto de individuos con propiedades comunes sobre los
que se realiza una investigación de tipo estadístico.
Muestra: Subconjunto de la población.
Tamaño muestral: Número de individuos que forman la muestra.
Muestreo: proceso de obtención de muestras representativas de la
población.
Variable: Propiedad o cualidad que puede manifestarse bajo dos o
más formas distintas en un individuo de la población.
Parámetro: Valor numérico que resume todos los datos de una
población. Se utilizan las letra griegas para simbolizar un parámetro,
ej: μ,σ.
Distribución muestral: Distribución de probabilidad que consta de
todos los posibles valores de un estadístico muestral.
1. Determine el valor de k de modo que cada una de las siguientes funciones sea una
función de probabilidad de una variable aleatoria discreta X:
2. Una pizzería, que atiende pedidos por correo, tiene cinco líneas telefónicas. Sea X la
variable aleatoria que representa al número de líneas en uso en un momento
específico. Supongamos que la función de probabilidad f de X está dada en la
siguiente tabla:
11. Las estadísticas muestran que hay un promedio de tres accidentes por semana en
una ruta determinada. Determine la probabilidad de que durante cierta semana
seleccionada al azar haya (a) 4, (b) 3 o 4, (c) a lo más tres, (d) al menos 4 accidentes.
12. Los estudios indican que, en promedio, se producen 2 averías diarias en las
carreteras urbanas durante las horas “pico” de la tarde. Asumamos que la
distribución es de Poisson. ¿Cuál es la probabilidad de que en un día concreto se
produzcan (a) menos de tres, (b) más de cinco averías en estas carreteras durante
las horas “pico” de la tarde?
13. Sea X una variable aleatoria discreta que puede asumir con la misma probabilidad
los valores 3, 7 o 14. Determine la media y la varianza de X.
15. Supongamos que, en promedio, una persona comete dos errores por página.
Determine la probabilidad de que en la siguiente página cometa (a) ningún error, (b)
por lo menos cuatro errores.
16. Un jefe de producción sabe que el 4% de 200 artículos producidos en cierto tipo de
máquina tiene algún defecto. Se examinan cinco de estos artículos. ¿Cuál es la
probabilidad de que (a) ninguno, (b) dos, (c) al menos dos de estos artículos tengan
un defecto?
18. Se mide la longitud de varias placas de vidrio, hasta la décima de milímetro más
cercana. Las longitudes están distribuidas de manera uniforme, con valores que
están espaciados una décima de milímetro comenzando en 320,0 y continuando
hasta 320,9. Calcule la media y la varianza de las longitudes. Interprete la media.
21. Se sabe que 30% de las vacas vacunadas con un suero quedan protegidos de cierta
enfermedad. Si se vacunan 20 vacas, encuentre la probabilidad de que (a) ninguna,
(b) menos de dos, (c) más de tres contraigan la enfermedad.