Documente Academic
Documente Profesional
Documente Cultură
VARIABLE DISCRETA
TEORÍA Y PROBLEMAS
jvsfrankcolombia@gmail.com
VARIABLE ALEATORIA TIPOS
• Variable Aleatoria:
• Es una magnitud susceptible de tomar diversos valores con determinadas probabilidades;
También es una función que transforma los resultados de un experimento aleatorio en valores
de los números reales, es decir, los elementos de un espacio muestral S, en elementos del
conjunto de los reales, con determinadas probabilidades. F : S R. Es una función con
valor numérico definida sobre el espacio de la muestra. Notación: U,V,X,Y,Z, Mayúsculas
• Valores Individuales de la variable aleatoria X se notan: x1, x2.............xn
• Variable aleatoria puede ser: Discreta y Continua.
• 1.1.-Discretas: Son las que toman valores en un conjunto finito o en un conjunto infinito contable, se
originan del proceso de conteo. Se notan v.a.d. Ejemplos
• Número de accidentes en un tramo de la autopista.
• Número de pacientes atendidos en un servicio de emergencia
• Numero de plaquetas en una persona
• 1.2.-Continua.
• Son las que toman valores dentro de un conjunto infinito y se originan de procesos de
medición, no contemplan empates o valores iguales, se notan v.a.c. Ejemplos
• Peso de una persona-
• Estatura de una persona
VARIABLE ALEATORIA (cont.)
• Ejemplo: de v.a.d
• 1: lanzar una moneda dos veces obtener S, definir la variable aleatoria comprobar
el concepto,
• S = (c,c); (c,s); (s,c); (s,s)
• Se define la variable aleatoria X: No de sellos en el lanzamiento. El recorrido de X se
nota Rx (conjunto de posibles valores de la variable).
• Rx = 0,1,2
• Hacer gráfica
•
• P(x = 2) = ¼
FUNCIONES DE DISTRIBUCIÒN
• Funciones de Distribución.
• Las funciones de distribución de probabilidad se pueden concebir como una distribución
teórica de frecuencia, ya que describe como se espera que varíen los resultados y en
algunos casos, es un listado exhaustivo de las probabilidades de todos los resultados
posibles que podrían presentarse si se efectúa el experimento, Hay de dos tipos de
distribución, cuando la variable aleatoria es discreta se le denomina FUNCIÓN DE
PROBABILIDAD DE MASA o simplemente DISTRIBUCIÓN DE PROBABILIDAD
p(x) y si la variable aleatoria es continua se le denomina FUNCIÓN DE DENSIDAD O
DENSIDAD DE UNA VARIABLE ALEATORIA f(x).
• Función de Probabilidad de Masa o Distribución de Probabilidad.
• Es lo que mide la probabilidad de ocurrencia de cualquier resultado (o valor particular) o
conjunto de valores de la variable aleatoria X discreta. Se puede definir como una tabla,
una gráfica o una fórmula que mide la probabilidad de X, p(x), asociada a cada posible
valor de X.
• Notación: p(x)
• Veamos el Ejemplo 1
FUNCIONES DE DISTRIBUCIÒN (cont.)
P ( X x; n, p) nx p x q n x para x 0,1,2,......n
x: número de éxitos en n ensayos
Probabilidad de fracaso, en cada ensayo, P(F) = q. Ya que p + q = 1 en consecuencia
q = 1- p]
X B (n, p) que se lee X sigue una distribución binomial con parámetros n y p.
E ( x ) n p V ( X ) x2 n p q
PROBLEMAS DE DISTRIBUCION BINOMIAL (C0NT.)
• https://campusvirtual.ull.es/ocw/pluginfile.php/6020/mod_resource/content/1/te
ma8/PP8.2-valeatorias.pdf
LA DISTRIBUCIÓN HIPERGEOMETRICA
• GENERALIDADES DE LA DISTRIBUCIÒN HIPERGEOMETRICA
• Tanto la distribución binomial como la hipergeométrica se ocupan del número de
éxitos en una muestra de n observaciones. La distribución hipergeométrica se
diferencia de la binomial en la forma de obtener los datos; en la Binomial el
muestreo se hace con reemplazamiento en poblaciones finitas o sin reemplazamiento
en poblaciones infinitas (sucesos independientes), mientras que en la
hipergeométrica se hace sin reemplazamiento en poblaciones finitas (sucesos
dependientes) por lo que la probabilidad no es constante.
Características de la variable hipergeométrica
• I) El experimento planteado consiste en obtener o elegir x (éxitos) elementos que
tienen el atributo A de M1 elementos y n-x elementos que tienen el atributo de B de
M2 elementos, donde M2 = N – M1, siendo N el tamaño de la población, y n-x
representa el número de fracasos.
• II) El tamaño de la muestra n es grande, en comparación el número de elementos de
N, que es el tamaño de la población, n/N > 0.5
• III) La variable aleatoria hipergeométrica x, es el número de éxitos en la muestra de
n elementos.
LA DISTRIBUCIÓN HIPERGEOMETRICA (CONT.)
( nN )
• Donde
• N Tamaño de la población
• M1 Tamaño del grupo 1 ó con el atributo A
• M2 Tamaño del grupo 2 ó con el atributo B
• x Número de éxitos en la muestra n, N = M1 + M2 tamaño de la
población.
• n– x Número de fracasos F.
• n Tamaño de la muestra o numero de ensayos
LA DISTRIBUCIÓN HIPERGEOMETRICA (CONT.)
• P ( X x; ) x = 0,1,2,........
• X!
• Donde es el Nº de promedio de éxitos (eventos) que ocurren en el intervalo de
tiempo o espacio determinado, es el parámetro de la distribución.
• e x
x para x= 0,1,2,3,…….
F ( x ) P ( X x; )
x 0 X!
• La distribución de Poisson se puede usar como una aproximación de la distribución
Binomial cuando:
• n =20 y p= 0,05
DISTRIBUCIÓN DE POISSON
• Ejemplo 1:
En una central telefónica de empresa manufacturera se reciben un promedio de
cuatro (4) llamadas por minuto. ¿Cuál es la probabilidad? de
• a) Que durante un minuto cualquiera, se reciben tres (3) llamadas.
• b) Que durante un minuto se reciban al máximo tres llamadas (ninguna, una, dos o
tres).
• Ejemplo 2:
El promedio de alumnos que se atienden en la universidad en la Unidad de
Orientación, es cinco (5) por hora. ¿Cuál es la probabilidad de que las próximas tres
(3) horas se atiendan seis (6) alumnos?.
• Como el intervalo cambia de 1 a 3 horas también cambia, el nuevo.
• = 1 = 5.3 = 15
• ¿Cuál es la probabilidad de que al menos se atiendan seis (6) alumnos en las
próximas seis (6) horas?.
• ¿Cuál es la probabilidad de que puedan atenderse 6,7,8.............n?