Documente Academic
Documente Profesional
Documente Cultură
PROBABILIDAD Y ESTADSTICA
UNIDAD 3: VARIABLE ALEATORIA DISCRETA
Autores:
Lic Luis Alberto Garaventa
Mg. Mara Cristina Kanobel
Ao 2014
VARIABLE ALEATORIA
Al realizar un experimento generalmente estamos interesados en alguna
funcin del resultado ms que en el resultado en s mismo. As, por
ejemplo, al arrojar dos veces una moneda equilibrada quizas nos interese
observar solamente la cantidad de caras que ocurren y no el par de observaciones que
dieron origen a dichos valores. Lo podemos visualizar en el siguiente grfico:
(cara ;cara)
(cara ;ceca)
(ceca ;cara)
(ceca ;ceca)
0
N de Caras
La relacin que asigna un nico nmero real a cada suceso del espacio muestral se
denomina variable aleatoria. Variable porque toma distintos valores y aleatoria porque
el valor observado no se puede predecir antes de la realizacin del experimento, aunque
s se conocen sus posibles valores.
Esto es:
R x x / x Xs s S
ACTIVIDAD
Definan el recorrido y clasifiquen las siguientes variables aleatorias:
a) Una urna contiene siete bolillas blancas y 3 negras Si se extraen 5 bolillas Se
define la variable: cantidad de bolillas blancas entre cinco bolillas extradas
b) Cierta lnea de colectivos hace el recorrido Lans- Retiro y Retiro- Lans. Se
define la variable: duracin del primer recorrido del da de un colectivo al azar.
c) Una fuente radiactiva emite partculas . Un contador observa la emisin de esas
partculas durante un tiempo determinado. Se define la variable: nmero de
partculas observadas.1
1
4
P(X = 2) = P((cara,cara)) =
1
2
1
4
Es decir:
1
1
1
2
2
1
4
probabilidad
0,6
0,5
0,4
0,3
0,2
0,1
0
0
X: Nmero de caras
Sean x1, x2, x3, ... xn los distintos valores que puede tomar la variable aleatoria discreta X
y p( x1), p( x2),... p(xn) sus respectivas probabilidades.
Esto es:
x R x : p(x) P(X x)
px i 0
px 1
x i R x
toda
FUNCIN
DE
ACTIVIDAD
La siguiente distribucin de probabilidad corresponde a la variable aleatoria
X: cantidad de empleados ausentes por da en una empresa.
x
p(x)
0
k(k+0,25)
1
-0,5k+0,5
2
-0,25k+0,1
3
0,2125
a) Hallen el valor de k.
b) Calculen la probabilidad de que en un da falten 2 empleados.
c) Calculen la probabilidad de que un cierto da falte algn empleado.
frecuencia
no
n1
n0
n
1 1
n
n
Es decir:
E(X)
xi R x
xi R x
x i .p(x i )
INTERPRETACIN FSICA
Si pensamos en los valores p(xi) como masas puntuales en cada valor xi,
el valor esperado correspondera a la abscisa del centro de masa respecto
del origen.
Ver mdulo 2
ACTIVIDADES
1. Una fbrica embarca sus productos en camiones de dos tamaos distintos, uno de
2 x 3 x 12 metros y el otro de 2 x 3 x 9 metros. . Si el 30 por ciento de los envos
se hacen con el camin de 9 metros y el resto con el de 12 metros, calculen el
volumen medio embarcado por camin (consideren que los camiones van siempre
llenos.)3
2. Sea una variable aleatoria discreta con la siguiente distribucin de probabilidades:
x
x3
12
p(x)
1
2
1
4
p3
1
16
5
, calcule x3 y p3
4
si X e Y independientes
g(x ).p(x )
xi R x
E(Y)=
ACTIVIDADES
1. El nmero N de casas residenciales que una dotacin de bomberos puede atender
depende de la distancia r (en cuadras) que una autobomba puede recorrer en un
perodo especifico de tiempo. Si suponemos que N es proporcional al rea de un
crculo cuyo radio es r cuadras, entonces N Cr 2 donde C es una constante y
r (que es una variable aleatoria) es el nmero de cuadras que una autobomba
puede recorrer en un intervalo de tiempo especfico. Para una compaa dada
C=8, la distribucin de probabilidad de r est dada en la siguiente tabla y p(r) =
0 para r<21 y para r>26.
r
p(r)
21
0,05
22
0,20
23
0,30
24
0,25
25
0,15
26
0,05
a) Calculen E(X)
2 5
10
11
que es equivalente a:
V(X) E(X2 ) 2E2 (X). E2 (X)
Luego:
V(X) E(X2 ) E2 (X)
ACTIVIDAD
Calcule la varianza de la variable aleatoria correspondiente a la actividad de la
pgina 3.
(x) V(X)
ACTIVIDAD
Calculen la varianza y el desvo estndar de las siguientes variables
aleatorias discretas:
12
13
ACTIVIDADES
x
1
3
5
p(x) 0.1 0.5 0.4
y
1
3
5
p(y) 0.3 0.1 0.6
Esto es:
F: / F(x) P(X x)
F(x k ) p(xi )
i 1
14
Esta funcin representa la probabilidad de que la variable aleatoria sea menor o igual que
un determinado valor x.
Si retomamos el ejemplo del tiro de dos monedas legales, podemos armar la funcin de
distribucin acumulada para la variable aleatoria X: cantidad de caras .
Ser:
.
x<0
0 si
1
si 0 x<1
F(X)= 4
3 si 1 x 2
4
1 si
x2
Observe que la funcin aumenta de "a saltos", ya que entre dos valores consecutivos de
una variable discreta, no puede tomar valores intermedios. Su valor mnimo es 0 y su
mximo es 1.
A partir de estas consideraciones enunciaremos las siguientes PROPIEDADES:
1. F(x) es no decreciente.
lm F(x) 0
2.
lm F(x) 1
15
Demostramos la propiedad 4:
P(X x j ) F(x j )
P(X x j1 ) F(x j1 )
Entonces:
ACTIVIDADES
1. Hallen la funcin de distribucin acumulada para la variable X que
tiene la siguiente distribucin de probabilidades
Nmero
de
accidentes
semanales x
Probabilidad p(x)
0,50
0,30
0,15
0,05
1
0,10
2
0,25
3
0,40
4
0,15
5
0,10
PROCESO DE BERNOUILLI
Un experimento consiste, muchas veces, en observar uno de dos posibles
resultados: xito o fracaso. Casos de este tipo aparecen frecuentemente en el
mundo real.
Por ejemplo:
Una maquina puede producir piezas no defectuosas o defectuosas
Una llamada telefnica puede encontrar la lnea libre u ocupada.
16
A
0
1
X(s)
0
si s A
_
si s A
0
1-p
1
P
ACT IVIDADES
1. Verifiquen que la funcin anterior cumple con las condiciones para ser funcin de
probabilidad de una variable aleatoria discreta.
2. Una empresa que fabrica cosmticos para el cabello, envasa el 40% del champ en la
planta I y el resto en la planta II. En el llenado, que se realiza automticamente en ambas
plantas, el contenido es inferior al estipulado un 3% de las veces para la planta I y un
2,5% para la II. Si se extrae al azar un envase de la produccin, cul es la distribucin
Bernouilli en relacin al suceso: envase con contenido impropio?5
3. a) Calculen el valor esperado de una variable Bernouilli usando la definicin.
b) Calculen la varianza y el desvo de una variable Bernouilli usando la frmula de
clculo de la varianza.
Extrado del libro Introduccin a la teora de probabilidad y la inferencia estadstica, de Olda Zanardi,
Depto. de impresiones, UTN-FRA.
5
17
DISTRIBUCIN BINOMIAL
Consideremos ahora cierto nmero de repeticiones independientes de un
experimento aleatorio Bernouilli. En cada una de esas repeticiones observaremos
la ocurrencia o no de un suceso A, asociado a dicho experimento. Definiremos
tambin una probabilidad p asociada a cada observacin de modo que:
p = P(A) constante en cada repeticin por ser independientes
Las caractersticas de este modelo se pueden observar en los juegos de azar, por ejemplo: si
tiramos un dado equilibrado 10 veces la probabilidad de que ocurra as en cada tiro es p =1/6. En
otras aplicaciones de inters estas condiciones se cumplen en forma aproximada: en la mayora
de los casos se observa una cantidad de elementos muy pequea en relacin a un total muy
numeroso, de modo que las repeticiones puedan considerarse como si fueran hechas con
reposicin. De ese modo pueden asegurarse las condiciones de repeticiones independientes y p
constante en cada observacin.
Para deducir la funcin de probabilidad de una variable aleatoria X con distribucin binomial
definiremos la variable Xi que representa la variable Bernouilli correspondiente a la i - sima
repeticin del experimento aleatorio.
Luego X podr expresarse como una suma de variables Bernouilli independientes:
X =X1 +X2 + X3 + ...+ Xn
Observemos que, en cada repeticin, Xi tomar slo dos valores:
Por ejemplo:
Si se hacen 4 observaciones y A ocurre slo en 3 de ellas, la variable X tomar el valor 3, es decir
3 veces 1 y una vez 0.
Una de las formas podr ser: X = 1 + 0 + 1 + 1 pero no es la nica. Si analizamos de cuntas
formas pueden ocurrir los 3 xitos en las 4 repeticiones, podemos concluir diciendo que hay C4,3
posibilidades.
Si nos detenemos ahora en calcular la probabilidad de que ocurra 3 veces el suceso A en las 4
repeticiones independientes de E podemos deducir, a partir de conceptos adquiridos en el mdulo
2, que:
P(X = 3) = C4,3 .P(A1 A2 A3 A4 )
18
ACTIVIDADES
2. En una fbrica se sabe que el 5% de los bulones que produce tienen una falla en la rosca que
los hace intiles.
a) Si toman 5 bulones, calculen la probabilidad de encontrar exactamente dos fallados.
b) Si toman 10 bulones, calculen la probabilidad de encontrar al menos uno fallado
c) Si selecciona 8, calcular la probabilidad de encontrar a lo sumo 2 fallados.
d) Cuntos bulones debe seleccionar para que la probabilidad de encontrar al menos uno
fallado sea superior a 0,95?
3. De una produccin de tornillos se toma al azar una muestra de 25 de ellos para un control de
calidad. Se sabe que si aparecen dos o mas tornillos defectuosas la partida se rechaza.
a) Calculen la probabilidad de aceptar el lote sabiendo que la probabilidad de que un tornillo
sea defectuoso es p = 0.01.
b) Calculen la probabilidad de que haya menos de 5 tornillos defectuosos sabiendo que el 90%
de la produccin es buena.
4. Un sistema con 9 componentes necesita para su funcionamiento que al menos 6 funcionen. Si
la probabilidad de funcionamiento de un componente es 0.95, calcular la confiabilidad del
sistema.
19
D
Para hallar la probabilidad tendremos que considerar que hay formas de obtener k veces A
k
N D
y, por cada una de estas formas, habr tambin
nk
D N D
k n k
p X k
N
N
A esta expresin la llamaremos funcin de probabilidad de la variable
aleatoria se denomina hipergeomtrica y se aplica al caso de muestreo finito,
sin reposicin.
20
ACTIVIDAD
Resuelvan el punto 2 de la actividad anterior utilizando la aproximacin por medio
de una distribucin binomial. Comparen los resultados obtenidos.
DISTRIBUCIN DE POISSON
Cuando analizamos la distribucin binomial, planteamos la ocurrencia o no de un
suceso A en cada una de n observaciones independientes de un experimento
aleatorio E
Este planteo lo podemos extender al caso de observar la cantidad de veces que
ocurre un suceso en un continuo. Por ejemplo:
Hay n observaciones
En cada intervalo t observamos si el suceso A ocurre o no.
Las observaciones son independientes
21
22
n t
k n
P( X = k ) = lm
n
t
1 n
n k
pk
Desarrollando:
t k lm
n! 1
k! n n k ! n
calculando el lmite llegaremos a la siguiente frmula:
P( X = k ) =
k
.t e .t
P(X k)
k!
t
1 n
t
1 n
para k = 0,1,2,...
EX y VX
siendo t
ACTIVIDADES
1. Verifiquen que la frmula hallada cumple con las condiciones necesarias
para ser funcin de probabilidad de variable aleatoria discreta
2. En la inspeccin de cables producidos por un proceso continuo se observan 0,2
imperfecciones por minuto, Cul es la probabilidad de que en 15 minutos:
a) no se detecte imperfecciones?
b) Se detecte alguna imperfeccin.
3. La cantidad de fallas de aislacin en un cable responde a una distribucin de Poisson a
razn de 2 cada 100 metros.
a) Hallar la probabilidad de que un tramo de 100 metros no tenga fallas.
b) Hallar la probabilidad de encontrar a lo sumo una falla en un rollo de 150 metros.
c) Cuntos metros de cable se deberan considerar para que la probabilidad de
encontrar al menos una falla sea mayor que 0,99?
23
Una planta industrial se puede considerar como una operacin que transforma la
materia prima en productos acabados, de manera que la materia prima ingresa por
la puerta posterior de la planta y los productos acabados salen por el frente. Con el
objeto de operar eficientemente, un fabricante desea minimizar la cantidad de
materia prima defectuosa que se recibe y, para mantener la calidad, minimizar el nmero de
productos defectuosos que se envan a los clientes. Para conseguir este objetivo, el fabricante se
propone establecer procedimientos que acten como coladores o filtros en ambas puertas para
tratar de evitar que pasen los elementos defectuosos.
Para simplificar el estudio, consideremos slo la inspeccin de la materia prima que llega a la
planta, que consiste de lotes grandes (cajas) de artculos tales como tornillos, clavos o
rodamientos. El funcionamiento del colador o filtro se ilustra grficamente en la figura 1. Los
lotes llegan a la puerta posterior de la planta, se aceptan si la fraccin de defectuosos es pequea,
y se devuelven al proveedor si la fraccin de defectuosos es grande.
24
25
EJEMPLO 1
Calcule la probabilidad de aceptacin de un lote para un plan de muestreo con tamao de muestra
n = 5 y nmero de aceptacin a = 0, para las fracciones de defectuosos p = .1,.3, y .5. Haga un
bosquejo de la curva caracterstica de operacin para este plan.
Solucin
P (aceptar) = p(0) = C50 p0 q5 = q5,
P (aceptar | p = .1) = (.9)5 = .590,
P (aceptar | p = .3) = (.7)5 = .168,
P (aceptar | p = .5) = (.5)5 = .031.
Se puede obtener un bosquejo de la curva caracterstica de operacin marcando los tres puntos
obtenidos en los clculos anteriores. Adems, sabemos que la probabilidad de aceptacin debe
ser igual a 1 cuando p = 0 y debe ser igual a cero cuando p = 1. La curva se muestra en la figura
3
EJEMPLO 2
Construya la curva caracterstica de operacin para un plan de muestreo con n = 15 y a= 1.
Solucin
Calcularemos la probabilidad de aceptacin del lote para p = .1, .2, .3, .5
a 1
p(y) ,
y 0
LABORATORIO DE INFORMATICA
26
27
P(aceptar)
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
1
0,54904302
0,16712577
0,0352676
0,00517203
0,00048828
0,00002523
0,000000516
1,9988E-09
1,36E-13
0
probabilidad de aceptar el
lote