21
41 4. CONCEPTOS BASICOS DE PROBABILIDAD 4.1 Introducción La probabilidad y la estadística son, sin duda, las ramas de las Matemáticas que están en mayor auge en este siglo, y tienen una tremenda aplicabilidad en todos los aspectos y ciencias, especialmente en las Ciencias Sociales, puesto que aquellas variables que influyen en dichas ciencias, económicas, demográficas, suelen tener carácter aleatorio, es decir, no son deterministas, y se fundamentan en predicciones a partir de datos conocidos. Todo aquello que implique predicción nos lleva al terreno de la probabilidad. 4.2. Experimentos aleatorios En todos los aspectos de la vida a veces nos encontramos con acontecimientos predeterminados, es decir, tales que podemos decir, previamente el resultado de dichos acontecimientos antes de que finalice o incluso de que comience. Tal es el caso de: 1. Tirar una piedra desde una cierta altura (sabemos que se caerá). 2. Calentar una olla con agua (sabemos que la temperatura del agua se incrementara). 3. Lanzar una pelota (sabemos que se va a mover, e incluso conociendo fuerzas que actúan sobre ella, podemos conocer precisamente donde caerá). Tales acontecimientos o experimentos de los que podemos predecir el resultado antes de que se realicen se denominan experimentos deterministas. Sin embargo, Existe otro tipo de experimentos, de mayor de interés desde el punto de vista matemático, imaginemos que lanzamos un dado al aire (normal, de 6

4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

Embed Size (px)

Citation preview

Page 1: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

41

4. CONCEPTOS BASICOS DE PROBABILIDAD

4.1 Introducción

La probabilidad y la estadística son, sin duda, las ramas de las

Matemáticas que están en mayor auge en este siglo, y tienen una tremenda

aplicabilidad en todos los aspectos y ciencias, especialmente en las Ciencias

Sociales, puesto que aquellas variables que influyen en dichas ciencias,

económicas, demográficas, suelen tener carácter aleatorio, es decir, no son

deterministas, y se fundamentan en predicciones a partir de datos conocidos.

Todo aquello que implique predicción nos lleva al terreno de la probabilidad.

4.2. Experimentos aleatorios

En todos los aspectos de la vida a veces nos encontramos con

acontecimientos predeterminados, es decir, tales que podemos decir,

previamente el resultado de dichos acontecimientos antes de que

finalice o incluso de que comience. Tal es el caso de:

1. Tirar una piedra desde una cierta altura (sabemos que se caerá).

2. Calentar una olla con agua (sabemos que la temperatura del agua

se incrementara).

3. Lanzar una pelota (sabemos que se va a mover, e incluso

conociendo fuerzas que actúan sobre ella, podemos conocer

precisamente donde caerá).

Tales acontecimientos o experimentos de los que podemos

predecir el resultado antes de que se realicen se denominan

experimentos deterministas. Sin embargo, Existe otro tipo de

experimentos, de mayor de interés desde el punto de vista

matemático, imaginemos que lanzamos un dado al aire (normal, de 6

Page 2: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

42

caras y no trucado), no es posible predecir el resultado con exactitud.

Este es un experimento que no es determinista. A este tipo de

experimentos, en los cuales no se puede predecir el resultado antes

de realizar el experimento se les denomina experimentos aleatorios.

Otros ejemplos de experimentos aleatorios pueden ser: Tirar una

moneda al aire y observar qué lado cae hacia arriba, rellenar una

quiniela de fútbol, jugar una partida de póker y, en general, cualquier

juego en el que intervenga el azar.

4.3 Teoría de probabilidades

4.3.1 Definiciones básicas

La teoría de probabilidades se ocupa de asignar un cierto número a cada

posible resultado que pueda ocurrir en un experimento aleatorio, con el fin de

cuantificar dichos resultados y saber si un suceso es más probable que otro o

relaciones parecidas. Con este fin, introduciremos algunas definiciones. Si

realizamos un experimento aleatorio, llamaremos espacio muestral del

experimento al conjunto de todos los posibles resultados de dicho

experimento. Al espacio muestral lo representaremos por A. A cada elemento

que forma parte del espacio muestral se le denomina suceso o evento

elemental.

Ejemplo 4.1. ¿Cuál es el espacio muestral asociado al experimento de lanzar

un dado normal al aire y observar la cara que queda hacia arriba?.

Evidentemente, en este caso hay 6 posibles resultados (6 sucesos

elementales) y el espacio muestral estará formado por: A= {1, 2, 3,4, 5, 6}.

Ejemplo 4.2. ¿Y en el caso del lanzamiento de una moneda?, el espacio

muestral es A= {Cara, Cruz}

Page 3: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

43

Llamaremos evento aleatorio a cualquier subconjunto del espacio

muestral. El concepto de evento es fundamental en probabilidad. Dicho de

forma simple, un evento de un experimento aleatorio es cualquier cosa que se

nos ocurra afirmar sobre dicho experimento. Así, si tiramos una moneda dos

veces, serian eventos todos los siguientes:

1. Sale al menos una cara.

2. Salen más caras que cruces.

3. La moneda cae de canto.

4. No sale ninguna cruz.

Llamaremos evento imposible al que no tiene ningún elemento y lo

representaremos por ∅. Llamaremos evento seguro al formado por todos los

posibles resultados (es decir, al espacio muestral). Llamaremos espacio de

eventos y lo representaremos por S, al conjunto de todos los eventos posibles

(aleatorios).

Ejemplo 4.3. En el caso del lanzamiento de la moneda en el que el espacio

muestral es A= {Cara, Cruz}, analicemos quién es el espacio de eventos:

- Eventos con 0 elementos: ∅

- Eventos con 1 elemento: {Cara},{Cruz}

- eventos con 2 elementos:{Cara, Cruz}

De modo que el espacio de eventos es: S= {∅, {Cara}, {Cruz}, {Cara,

Cruz}}.

4.3.2 Operaciones con eventos

Los eventos o sucesos son conjuntos, en consecuencia se pueden combinar

eventos para formar nuevos eventos, para el efecto se realizan diferentes

operaciones con conjuntos.

Dados dos sucesos, A y B, se llaman:

Page 4: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

44

Unión

; (A unión B), es el evento que ocurre si y

sólo si A o B o ambos ocurren, es decir, el

evento formado por todos los elementos de A y

todos los elementos de B.

Intersección

; (A intersección B), es el evento que

ocurre si y sólo si A y B suceden

simultáneamente, es decir, es el evento

formado por todos los elementos que son, a la

vez, de A y de B.

Diferencia

es el evento formado por todos los

elementos de A que no son de B.

Complemento

(Complemento de A), es el evento que

ocurre si y sólo si A no ocurre, es decir, el

evento A'=E – A se llama evento contrario de

A.

Disjuntos A B ∅ Dos eventos A y B, se llaman

incompatibles cuando no tienen ningún

elemento común. Es decir, cuando A y B son

disjuntos.

4.3.3 Asignación de probabilidades (Regla de Laplace).

Hay muchas maneras de asignar probabilidades. La más sencilla e

intuitiva la dio el matemático francés Pierre Simón Laplace (1749-1827),

quién enunció la regla que lleva su nombre, Regla de Laplace. Si realizamos

un experimento aleatorio en el que hay n eventos elementales, todos

Page 5: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

45

igualmente probables, entonces si A es un evento, la probabilidad de que

ocurra el suceso A es

( )

Ejemplo 4.4. Lanzamos un dado normal al aire. Consideramos el evento

A=“sale par”, calcular la probabilidad de A, es decir p(A). Casos posibles son

6, E= E={1,2,3,4,5,6}, casos favorables suceso A={2,4,6}, por consiguiente

se tiene que

( )

(Nótese que la probabilidad siempre es un número positivo y menor, o a lo

sumo igual a 1). El inconveniente que plantea la definición de Laplace es que

necesariamente los eventos elementales tienen que tener la misma

probabilidad de ocurrir.

Observemos un caso tan sencillo como el siguiente:

Ejemplo 4.5. De una urna que contiene 8 bolas rojas, 5 amarillas y 7 verdes

se extrae una bola al azar. Calcular la probabilidad de que la bola extraída sea:

a) roja

b) verde

c) amarilla

El espacio muestral en este caso seria: E= {R, V, A}, que consta sólo de tres

elementos, pero seria un poco ingenuo asignar las probabilidades mediante la

regla de Laplace,

( )

( )

( )

porque, intuitivamente se ve que hay más posibilidades, por ejemplo, de que

salga una bola roja que de que salga una bola amarilla. Fue el matemático

ruso Kolmogorov quién precisó mejor las probabilidades a casos de este tipo,

Page 6: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

46

4.3.4 Definición axiomática de probabilidad

Una probabilidad p es una función que asocia a cada evento A del espacio de

eventos S, un número real p(A), es decir: y que cumple las

propiedades:

1. 0 ≤ p(A) ≤ 1, (es decir, cualquier evento tiene probabilidad positiva y menor

o igual que 1).

2. p(S) = 1 (la probabilidad del suceso seguro es 1).

3. Si A y B son incompatibles, es decir A ∩ B = ∅, entonces p(A B) = p(A) +

p(B). (es decir la probabilidad de la unión es la suma de las probabilidades si

los eventos tienen intersección vacía).

Ejemplo 4.5. Sea un experimento aleatorio cualquiera y definamos en S

(espacio de eventos) la siguiente probabilidad:

( )

Comprobemos que p es una probabilidad.

Para ello, comprobemos las tres propiedades:

a) Se ve que la probabilidad de cualquier suceso está entre cero y uno, puesto

que cualquier conjunto que tenga elementos ya tendrá probabilidad positiva, y

el número de elementos de cualquier conjunto no puede ser mayor que el

número total de elementos existentes.

b) p(S) = 1, es evidente.

c) Tomemos dos eventos A y B que no tengan elementos en común. Entonces:

( )

( )

Page 7: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

47

( ) ( ) ( )

puesto que si A y B no tienen elementos comunes, el número de elementos de

la unión es la suma de los elementos de cada conjunto por separado. Por tanto

se cumplen las 3 propiedades y p así definida es una probabilidad. Esta será la

definición de probabilidad que utilicemos a partir de ahora.

Ejemplo 4.6. Del ejemplo 4.4, de la urna, lo lógico es definir la probabilidad,

de la siguiente forma, como en total hay 20 bolas, donde 8 son rojas, 7 son

verdes y 5 son amarillas, la probabilidades de que la bola se Roja, o sea Verde

o sea Amarilla son las siguientes

( )

( )

( )

El lector puede comprobar que así definida p es una probabilidad.

Sin embargo, comprobar las propiedades de la definición de Kolmogorov

es una labor larga y engorrosa, puesto que hay que verificar que se cumple

para todos aquellos eventos del espacio de eventos S, que es ciertamente

amplio en muchas ocasiones. El siguiente resultado simplifica la tarea de

decidir cuándo una función p sobre el espacio de eventos es una probabilidad,

basándose sólo en los eventos elementales, es decir, aquellos que forman

parte del espacio muestral. Lo enunciaremos sin demostración:

Propiedad

Si son n eventos elementales de un evento aleatorio cualquiera, p

una función: de modo que cumplen las propiedades:

1. 0 ≤ p(wi) ≤ 1 ∀ i ∈ {1, 2, . . . ,n}

2. p(w1) + p(w2) + . . .+ p(wn) = 1

Entonces p es una probabilidad.

Page 8: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

48

Ejemplo 4.7. Comprobar si las siguientes funciones definidas para los eventos

elementales son una función de probabilidad, siendo E={a,b,c,d} el espacio

muestral del experimento aleatorio:

a) ( )

b) ( )

c) ( )

d) ( )

Es obvio que la primera propiedad se cumple, puesto que las 4 probabilidades

son números positivos menores que 1.

Para ver si se cumple la segunda, basta realizar la suma:

que evidentemente no es 1, luego p no es probabilidad.

Ejemplo 4.8 Ahora, si se definen las probabilidades como,

a) ( )

b) ( )

c) ( )

d) ( )

Es obvio que la primera propiedad se cumple, puesto que las 4

probabilidades son números positivos o cero o menores que 1. Para ver si se

cumple la segunda, basta realizar la suma:

luego p si es una función probabilidad.

Page 9: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

49

Otras definiciones derivadas de la probabilidad

1. ( ) ( ) ( )

En efecto, puesto que y además A y son incompatibles,

resulta por la propiedad (3) de la definición que

( ) ( ) ( ) (

)

Y por la propiedad (2), p(S)=1, luego ( ) ( )=1 y por tanto (

)

( )

2. (∅) Si ∅, resulta que:

( ) (∅) ( )

3. Si A y B son dos eventos cualesquiera,

( ) ( ) ( ) ( )

4. Si A, B y C son tres eventos cualesquiera,

( ) ( ) ( ) ( ) ( ) ( ) ( )

4.3.5 Reglas de probabilidad.

La probabilidad de un evento se denota con la letra y se expresa en

términos de una fracción y no en porcentajes, por lo que el valor de cae

entre 0 y 1. Por otra parte, la probabilidad de que un evento "no ocurra"

equivale a 1 menos el valor de y se denota con la letra :

Los tres métodos para calcular las probabilidades son la regla de la

adición, la regla de la multiplicación y la probabilidad condicional.

4.3.5.1 Regla de la adición.

La regla de la adición o regla de la suma establece que la probabilidad de

ocurrencia de cualquier evento en particular es igual a la suma de las

probabilidades individuales, si es que los eventos son mutuamente

excluyentes, es decir, que dos no pueden ocurrir al mismo tiempo. De aquí el;

Page 10: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

50

( ) ( ) ( ) ( ) ( )

Si A y B son mutuamente excluyentes.

( ) ( ) ( ) ( ) Si A y B son no excluyentes. Siendo:

( ) = probabilidad de ocurrencia del evento A.

( ) = probabilidad de ocurrencia del evento B.

( ) = probabilidad de ocurrencia simultanea de los eventos A y B.

Ahora; si es un evento cualquiera de un experimento aleatorio y es

el complemento de entonces:

( ) ( )

Es decir, la probabilidad de que el evento no ocurra, es igual a 1

menos la probabilidad de que ocurra.

4.3.5.2 Regla de la multiplicación.

La regla de la multiplicación establece que la probabilidad de ocurrencia de

dos o más eventos estadísticamente independientes es igual al producto de sus

probabilidades individuales.

( ) ( ) ( ) ( ) Si A y B son independientes.

( ) ( ) ( ) ( | ) Si A y B son dependientes.

4.3.5.3 Independencia y probabilidad condicional.

Dos eventos son independientes si la probabilidad de que ocurran ambos

simultáneamente es igual al producto de las probabilidades de que ocurra cada

uno de ellos, es decir, si ( ) ( ) ( )

Definición

Sean y dos eventos tales que ( ) , intuitivamente es

independiente de si la probabilidad de condicionada por es igual a la

probabilidad de . Es decir si: ( | ) ( )

Page 11: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

51

Y si y son dos eventos tales que ( ) , intuitivamente es

independiente de si la probabilidad de condicionada por es igual a la

probabilidad de . Es decir si: ( | ) ( )

Definición

Sean y dos eventos tales que ( ) , la probabilidad condicionada

de A dado B es, ( | ) ( )

( )

Se deduce que ( ) ( ) ( | ); y dado que si el evento de A es

independiente del evento de B, se tiene que ( | ) ( ) y se deduce que

( ) ( ) ( ).

4.4 Variables aleatorias discretas.

Una variable aleatoria discreta es una variable cuantitativa que

toma valores aislados, es decir no admite valores intermedios entre

dos valores específicos. Por ejemplo, El número de hermanos que

tienen 5 personas: {2, 1, 0, 1, 3}.

4.5 Variables aleatorias continuas.

Una variable aleatoria continua es una variable cuantitativa que

puede tomar valores comprendidos entre dos números. Por ejemplo,

La altura de 5 personas: 1.73, 1.82, 1.77, 1.69, 1.75.

4.6 Función de probabilidad.

Se llama función de probabilidad de una variable aleatoria

discreta a la aplicación que asocia a cada valor de de la

variable su probabilidad .

Ejemplo 4.9. Calcular la distribución de probabilidad de

las puntuaciones obtenidas al lanzar un dado (tabla 4.1). En la

figura 4.1 se puede ver la grafica de la distribución de probabilidad

de las probabilidades de la tabla 4.1.

Page 12: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

52

Una distribución de probabilidad de una variable aleatoria es el conjunto

de pares ordenados ( , ( )) donde ( ) es la función de probabilidad de

(si es discreta) o función densidad de probabilidad de (si es continua).

Una distribución de probabilidad puede estar dada por una tabla, una

gráfica o una expresión matemática (fórmula) que da las probabilidades con

que la variable aleatoria toma diferente valores.

1

2

3

4

5

6

7

Tabla 4.1 Probabil idades de las puntuaciones obtenidas al lanzar un dado

Ejemplo 4.10. Al lanzar un par de dados legales, sea la variable aleatoria

que representa la suma de los puntos que aparecen en ambos dados. En la

Figura 4.1 Gráfica de la función de probabilidad.

0

0

0

1/7

1/5

1 2 3 4 5 6

Page 13: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

53

tabla 4.2, se representan las probabilidades del experimento de lanzar dos

dados.

S Valores de X : xi

(1,1) 2

(1,2) (2,1) 3

(1,3) (3,1) (2,2) 4

(1,4) (4,1) (2,3) (3,2) 5

(1,5) (5,1) (2,4) (4,2)

(3,3)

6

(1,6) (6,1) (2,5) (5,2)

(3,4) (4,3)

7

(2,6) (6,2) (3,5) (5,3)

(4,4)

8

(3,6) (6,3) (4,5) (5,4) 9

(4,6) (6,4) (5,5) 10

(5,6) (6,5) 11

(6,6) 12

Total:

Tabla 4.2 Probabilidades del experimento de lanzar dos dados

Page 14: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

54

La gráfica de líneas para el ejemplo 4.10, esta en la figura 4.2.

Figura 4.2 Gráfica de líneas de la Distribución de Probabilidad de la variable aleatoria del ejemplo 4.5

Otro tipo de gráfica empleado para representar una función de

probabilidad es el histograma, que consiste en representar una función las

probabilidades como áreas (figura 4.3).

Figura 4.3 Histograma de la distribución del ejemplo 4.10

4.7 Función de densidad de probabilidades.

Una función de densidad de probabilidad es una función cuyo dominio

es un intervalo ( ) y que tiene las siguientes propiedades:

Page 15: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

55

(a) ( ) por toda

(b) ∫ ( )

Los gráficos de funciones de densidad de probabilidad pueden tomar

cualquier forma algunos ejemplos son:

Figura 4.4 Ejemplo de gráficos de densidad de probabilidad

a b

a b

a b

Figura 4.5 La probabilidad e x tome un valor entre a y b es igual al área comprendida entre a y b.

Ejemplo 4.11. Si lanzamos una moneda legal y representamos por el

número de ensayos realizados hasta que aparece por primera vez un águila,

entonces, el espacio muestra correspondiente es infinito, ya que hay un

número infinito de numerable de resultados, a saber, 1, 2, 2, 3, … De hecho,

significa que aparece un águila en el primer ensayo, , indica que

primero se obtiene sol y en el segundo tiro, un águila, etc. Puesto que las

águilas y los soles son igualmente probables, y los ensayos son

independientes, tenemos que:

( )

( )

( )

Page 16: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

56

De esta manera, obtenemos la función de probabilidad:

( )

La distribución de probabilidad de X se puede expresar mediante una

tabla como se ve a continuación:

X f(X)

1 1/2

2 1/4

3 1/8

4 1/16

5 1/32

Ejemplo 4.12. Se extraen dos tornillos al azar de un conjunto de 10

tornillos, cuatro de los cuales están defectuosos.

Encontrar y dibujar la función de probabilidad ( ) de la variable

aleatoria .

Solución: Como hay 10 tornillos de los cuales 4 son defectuosos y se

extraen 2 tornillos al azar (sin reemplazo); entonces, el cardinal del espacio

muestra es ( ) (

) y toma los valores del 0 al 2 ya que al extraer

dos tornillos sólo puede ocurrir que no salga ningún defectuoso, un defectuoso

o dos defectuosos, { } Las probabilidades respectivas son:

( ) ( )(

)

( )

( ) (

)

( )

( ) (

)

Page 17: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

57

Distribución de

Probabilidad

Gráfica de líneas Histograma

( )

0

1

2

Figura 4.6 Distribución de probabilidad de la variable aleatoria del ejemplo 4.12

Ejemplo 4.13. La función densidad de probabilidad normal estándar se

define por: ( )

( ) ( ) ( )

√ a

continuación se presenta su gráfica y podemos ver que es una curva suave y

continua, en lugar de una gráfica de líneas.

Figura 4.7 Función densidad normal estándar

4.8 Función de distribución acumulada.

Sea una variable aleatoria discreta cuyos valores suponemos

ordenados de menor a mayor. Llamaremos función de distribución

de la variable , y escribiremos ( ) a la función:

( ) ( )

La función de distribución asocia a cada valor de la variable

aleatoria x la probabilidad acumulada.

Page 18: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

58

Ejemplo 4.14. Encuentre los valores de la función distribución

acumulada ( ) de la variable aleatoria descrita en el ejemplo 4.10.

X f(X) F(X)

2 1/36 1/36

3 2/36 3/36

4 3/36 6/36

5 4/36 10/36

6 5/36 15/36

7 6/36 21/36

8 5/36 26/36

9 4/36 30/36

10 3/36 33/36

11 2/36 35/36

12 1/36 36/36

Obsérvese que ( ) ( ) ( ) ( ) ( ) ∑ ( )

.

La gráfica de la función distribución acumulada de una variable discreta

es siempre una gráfica escalonada.

Figura 4.8 Función distribución para la variable aleatoria del ejemplo 4.10

Page 19: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

59

Ejemplo 4.15. Halle los valores de la función distribución acumulada,

( ), de la variable aleatoria del ejemplo 4.12. (Se extraen dos tornillos al

azar de un conjunto de 10 tornillos, cuatro de los cuales están defectuosos.)

( ) ( )

0

1

2

Figura 4.9 Gráfica para función de distribución acumulada, del ejemplo 4.12

La distribución acumulada ( ) de una variable aleatoria continua con

función de densidad ( ) es:

( ) ( ) ∫ ( )

( )

Y su gráfica se muestra enseguida;

Figura 4.10 Gráfica para la función de distribución acumulada para una continua

Page 20: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

60

Las propiedades de la función distribución acumulada son:

I. ( ) ∑ ( )

( ) ( ) ∫ ( )

II. ( ) ( ) ( ) ∑ ( ) ∑ ( )

( ) ( ) ( ) ∫ ( )

III. ( )

IV. ( ) ( ) ( ) ( )

4.9 Esperanza y varianza.

La esperanza o media matemática de la variable aleatoria se define

como:

( ) ∑ ( )

( ) ∫ ( )

Donde ( )

La variancia de la variable aleatoria ( ) se define por:

( ) ∑( ) ( )

( ) ∫( ) ( )

Donde ( )

Page 21: 4.2. Experimentos aleatorios - seraace.com · 43 Llamaremos evento aleatorio a cualquier subconjunto del espacio muestral. El concepto de evento es fundamental en probabilidad. Dicho

61

4.10 Teorema de Chebyshev.

El siguiente teorema, debido al matemático ruso Pafnuti L. Chebyshev

(1821-1894). Nos da un resultado que tiene una interpretación muy

interesante dentro del contexto de la estadística descriptiva, porque nos dice

que la desviación estándar de un conjunto de datos es realmente algo más que

una medida de dispersión; es una especie de “vara de medir” para la

distribución de datos. El resultado se enuncia como sigue:

TEOREMA DE CHEBYSHEV:

Dado un número y un conjunto de mediciones por

lo menos (

) de las mediciones estará en ( ),

Si (

) Si (

)

Si (

) y Si (

)

Ejemplo 4.16. Considere un conjunto de 200 números cuya media es

y su desviación estándar es . Puesto que

( ) , del teorema

de Chebyshev se tiene que al menos 150 (el 75%) de los números dados están

entre .

Así mismo, al menos 178 (el 89%) de los números dados están entre

.

Ejercicios unidad 4