Probabilidad y Estadística: TEMA 4 “Modelos Probabilísticos comunes”
APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA DISTRIBUCIÓN NORMAL.
En ocasiones es posible utilizar una distribución de probabilidad continua para
aproximar probabilidades del espacio muestral discreto.
Este es el caso de la aproximación de la distribución binomial a la distribución normal.
Esto ocurre cuando n es muy grande y p no es cercana a cero.
En general, la aproximación es adecuada si:
Cuando n   , para la variable aleatoria X con distribución binomial, sus parámetros
son: μX = np y σ2X = npq,
Por lo tanto : Z 
Como la variable aleatoria binomial es discreta, mientras que la variable aleatoria
normal es continua, *cada vez que se aplique esta aproximación, se debe emplear la
“corrección por continuidad”, denotada por fc= ± 0.5.
Para una variable aleatoria X con distribución binomial, el ajuste por continuidad queda:
 x  np  0.5 x  np  0.5 
P( x1  X  x2 )  P 1 Z 2 
 npq npq  )
Ejemplo: Una fábrica produce el 20% de sus productos como defectuosos, sus clientes
seguirán comprando sus productos si al inspeccionar un lote de 200 piezas, no
encuentran más de 25 defectuosas. ¿cuál es la probabilidad de que los clientes sigan
comprando el producto?
EJERCICIOS.
1. Si la cantidad de radiación a la que está expuesta una persona mientras realiza un viaje, es
una variable aleatoria normal con medio 4.35 y desviación estándar 0.59 (milirems); calcule
la probabilidad de que la cantidad de radiación a la cual se está expuesto en tal viaje:
a) sea de al menos 5.5 milirems.
b) esté entre 4 y 5 milirems.
2. El tiempo requerido para presentar un examen de aprovechamiento de cálculo diferencial,
tiene una distribución normal con media de 75 minutos y desviación estándar de 10 minutos.
¿Cuánto debería durar el examen si se quiere que haya suficiente tiempo para que termine el
90% de los estudiantes?
3. Los pesos de 800 hombres están distribuidos normalmente, con una media de 84 kg y una
desviación estándar de 6 kg. Encontrar el número de personas con peso:
a) menor a 90 kg
b) entre 86.5y 93.2 kg
Probabilidad y Estadística: TEMA 5 “Variables aleatorias conjuntas”
OBJETIVO: Conocer el concepto de variable aleatoria conjunta para poder analizar el
comportamiento probabilista, (conjunta e individualmente), de las variables a través de su
distribución, e identificar relaciones de dependencia entre dichas variables.
¿Por qué estudiar variables aleatorias conjuntas?
Porque en un fenómeno acontecido, puede interesarnos más de una característica (variable)
de dicho fenómeno, así como la interacción entre ellas.
Por lo tanto, debemos conocer modelos que describan el comportamiento probabilístico
conjunto de dichas variables.
VARIABLES ALEATORIAS CONJUNTAS
DEFINICIÓN: Si X1, X2, X3, …, Xn son variables aleatorias definidas sobre un mismo espacio
muestral, dichas variables aleatorias reciben el nombre de variables aleatorias conjuntas.
VARIABLES ALEATORIAS CONJUNTAS DISCRETAS
Dos o más variables aleatorias conjuntas son discretas, si de manera individual cada una de
las variables consideradas, es discreta.
- FUNCIÓN DE PROBABILIDAD CONJUNTA.
Definición: Si X1, X2, X3, …, Xn son variables aleatorias discretas, se define su función de
probabilidad conjunta como:
*En particular si X e Y son dos variables aleatorias discretas, la distribución de probabilidad
para sus ocurrencias simultáneas se presenta mediante una función con valores f(x,y), para
cualquier par de valores (x,y) dentro del rango de las variables aleatorias X e Y.
Los valores f(x,y) otorgan la probabilidad de que ocurran al mismo tiempo los resultados “x” e
“y”.
- CARACTERÍSTICAS DE LA FUNCIÓN DE PROBABILIDAD CONJUNTA.
Si X e Y son dos variables aleatorias conjuntas discretas. Su función de probabilidad f(x,y),
tiene las siguientes características.
1)
2)
3)
Ejemplo: Si se le da servicio a una computadora y X representa la edad del equipo (años)
mientras que Y representa el número de programas instalados en el equipo, entonces, f(2,3):
1
Si consideramos que por política de la empresa, los equipos no pueden tener más de 2 .años y La función de probabilidad condicional de Y dado que X=x0 es:
que además el número de programas que puede tener cada equipo es de 1 a 3.
¿Cuál sería el espacio muestral del fenómeno?
¿Cuál sería la función de probabilidad conjunta de las variables X e Y?
Ejemplo:
Una fábrica tiene funcionando dos máquinas A y B. Las variables X e Y representan el
número de veces que pueden fallar en un día determinado la máquina A y la máquina B
respectivamente, su función de probabilidad conjunta es la siguiente:

f(x,y) x
y 1 2 3
0 0.05 0.30 0.20
1 0.10 0.20 0.15
- GRÁFICA DE UNA FUNCIÓN DE PROBABILIDAD CONJUNTA.
a) Obtenga las funciones de probabilidad marginal de X e Y.
b) Obtenga las funciones condicionales de probabilidad.
De forma similar que las variables aleatorias
unidimensionales discretas, lo más común es dibujar
rectas verticales cuya altura representa la probabilidad,
también se pueden dibujar solo los puntos.
(La representación gráfica de una función de
probabilidad conjunta, solo puede hacerse para el caso
de 2 variables).

- FUNCIONES DE PROBABILIDAD MARGINAL

Si X e Y son dos variables aleatorias conjuntas discretas, entonces:
. La función de probabilidad marginal de X (función de probabilidad de X al margen de Y),
se define como:

. La función de probabilidad marginal de Y (función de probabilidad de Y al margen de X)

es:

- FUNCIONES DE PROBABILIDAD CONDICIONAL

Retomando la definición de probabilidad condicional que se estableció en el tema 2
“Fundamentos de la teoría de probabilidad”: P(A|B) = , donde ahora A y B son los
eventos definidos por X=x e Y=y, respectivamente, entonces tenemos:

Por lo tanto:
. La función de probabilidad condicional de X dado que Y=y0 es: