UNIVERSIDAD NACIONAL DE UCAYALI

FACULTAD DE INGENIERIA DE SISTEMAS E INGENIERIA

CIVIL

ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

ESTADISTICA APLICADA A LA INVESTIGACIÓN

Docente: Ing. Mg. Juan Daniel Oré Cierto

Ciclo: 2022-II

Pucallpa - Octubre
2022
 VARIABLES ALEATORIAS FUNCIONES DE CUANTIA Y DE
DENSIDAD DISTRIBUCIONES

Distribuciones de probabilidad:
Una distribución de probabilidad proporciona toda la gama de valores
que se pueden presentar en un experimento. Es similar a una
distribución de frecuencias relativas, pero, en lugar de describir el
pasado, describe la probabilidad de que un evento se presente en el
futuro.

¿Qué es una distribución de probabilidad?

Una distribución de probabilidad muestra los posibles resultados de un
experimento y la probabilidad de que cada uno se presente.
DISTRIBUCIÓN DE PROBABILIDAD Lista de todos los resultados de un experimento y la
probabilidad asociada a cada uno de ellos.

CARACTERÍSTICAS DE UNA DISTRIBUCIÓN DE PROBABILIDAD:

1. La probabilidad de un resultado en particular se encuentra entre 0 y
1, inclusive.
2. Los resultados son eventos mutuamente excluyentes.
3. La lista es exhaustiva. Por lo tanto, la suma de las probabilidades de
los diversos eventos es igual a 1.
Ejemplo: Suponga que estamos interesados en el número de CARAS que caen al lanzar
tres veces una moneda. Este es el experimento. Los resultados posibles con: 0, 1, 2, ó 3
caras. ¿cuál es la distribución de probabilidad para el número de caras posible?
Eventos o sucesos
1 S S S 0 P(0)=1/8=0.125
P(1)=3/8=0.375 Al graficar
2 S S C 1
P(2)=3/8=0.375 obtenemos:
3 S C S 1 P(3)=1/8=0.125
4 S C C 2 ______________
Total 1.000
5 C S S 1
6 C S C 2
7 C C S 2
8 C C C 3

La probabilidad de un resultado en particular esta entre 0 y 1. y la

Entonces: suma total tiene que ser 1 si los eventos son mutuamente
excluyentes.
Ejemplo:

1) Se sacan dos pelotas en sucesión, sin reemplazo, de una ánfora que contiene 4 pelotas rojas y 3
negras. Los resultados posibles y los valores x de la v.a X, donde es el número de pelotas rojas
son:

Escenarios x
Ω
RR 2 P(2)=1/4 0.25
RN 1 P(1)=2/4 0.5
NR 1
NN 0 P(0)=1/4 0.25
n=4 4/4 1
Ejemplo:
El encargado de un almacén le devuelve tres cascos de seguridad, seleccionados aleatoriamente, a
tres obreros del taller, quienes ya se lo habían probado previamente. Suponiendo que el orden de
los obreros Pérez, González y Muñoz es el correcto para recibir su casco original, señale los posibles
órdenes en que los tres obreros reciben un casco y encuentre los valores m de la v.a M que
representa el número de asociaciones correctas.
Escenarios m
Ω
PGM 3 P(3)=1/6 0.17
PMG 1 P(1)=3/6 0.5
GPM 1
GMP 0
Pérez, Gonzales, Muñoz MGP 1 P(0)=2/6 0.33
MPG 0
N=6 6/6 1
 Variable aleatoria
Concepto: una variable aleatoria es una función que asocia un número
real a cada elemento del espacio muestral.
Se usarán letras mayúsculas para denotar a una v.a. y letras minúsculas
para denotar los valores que ella adquiere.

En cualquier experimento, existen numerosas características que

pueden ser observadas o medidas, pero en la mayoría de los casos un
experimentador se enfoca en algún aspecto específico o aspectos de
una muestra. Las variables aleatorias se clasifican en discretas y
continuas.
 Variable Aleatoria

Discreta Continua

Si un espacio muestral Si un espacio muestral

contiene un número finito contiene un número
de posibilidades, o una infinito de posibilidades,
serie interminable con igual al número de puntos
tantos elementos como en un segmento de recta,
números enteros existen, se le denomina espacio
se llama espacio muestral muestral continuo.
discreto.

Una v.a. se llama si se puede contar su conjunto de resultados posibles. Una v.a. se
Entonces
llama si se puede tomar en una escala continua.
En la mayoría de los problemas prácticos, las v.a continuas representan,
tales datos medidos como alturas, pesos, temperatura, distancias o
períodos de vida; mientras que las v.a discretas representan datos que
se cuentan, tales como el número de artículos defectuosos de una
muestra de k artículos o el número de accidentes por año en una vía
rápida en una determinada ciudad.
FUNCIONES DE CUANTÍA Y DE DENSIDAD.
DISTRIBUCIONES
Propiedades de la función de cuantía:

1. 𝑓(𝑥) ≥ 0,
2. σ𝑥 𝑓 𝑥 = 1,

• Para determinar si una función es de cuantía

debe cumplir con las dos condiciones.
• Para evaluar la segunda condición que dice que
“la suma de la función de cuantía en el
recorrido de la variable debe sumar la unidad “,
es necesario incorporar una variable de trabajo
“k” tal que:
• Si k = 1, entonces la función propuesta es de
cuantía
• Si k ≠1, entonces se debe corregir la función
multiplicándola por dicha constante.
 Función de cuantía: Si X es una variable aleatoria discreta , entonces 𝒇 𝒙 =
𝑷(𝑿 = 𝒙) es función de probabilidad discreta o función de cuantía.

𝑥
; 𝑥 = 1,2,3,4,5
Ejemplo: La función: 𝑓 𝑥 = ൝15 Es una función de
0 ; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
cuantía.
En efecto si cumple las dos condiciones:
1. 𝑓 𝑥 ≥ 0 ∀𝑥 = 1,2,3,4,5
1 2 3 4 5
2. σ5𝑥=1 𝑓 𝑥 =𝑓 1 +𝑓 2 +𝑓 3 +𝑓 4 +𝑓 5 = + + + + =1
15 15 15 15 15

Función de Probabilidad:
Sea una V.A. discreta X, que toma los valores x1, x2, ..., xn y se conocen las probabilidades de que la variable X
tome dichos valores.
Una función de probabilidad no es más que la asignación a cada valor de la variable de la probabilidad que le
corresponde. Es decir: 𝑓 𝑥 = 𝑃 𝑋 = 𝑥 ; También se llama función de cuantía o masa.
Además, la función de probabilidad tiene que cumplir con 2 propiedades:

• 1) La probabilidad de cada valor de la variable aleatoria debe estar entre 0 y

1. 0 ≤ 𝑓(𝑥) ≤ 1
• 2) La suma de las probabilidades asignadas a todos los valores de la variable
aleatoria debe ser 1. σ 𝑓 𝑥 = 1

Ejemplo 1:
𝑥 2 +5
Determine si la siguiente función es una función de cuantía: 𝑓 𝑥 = ; para
50
x=1,2,3,4

x 1 2 3 4
f(x) 6/50 9/50 14/50 21/50
Ejemplo: Sea la función de cuantía: 𝑓 𝑥 = 5𝑥 2 + 2𝑥 + 9; 𝑝𝑎𝑟𝑎 𝑥 =
0,1,2,3.
Determine:
a) Determine si es o no una función de cuantía, sino fuera entonces
corregirla.
b) Hallar la probabilidad de que x sea menor que 2.
c) Hallar la probabilidad de que x sea mayor o igual a 1.
d) Halle la función de distribución y verifique los resultados anteriores.
La función de la distribución acumulativa F(x) de una variable aleatoria
discreta X con distribución de probabilidad f (x) es:
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = σ𝑡≤𝑥 𝑓 𝑡 ; 𝑝𝑎𝑟𝑎 − ∞ < 𝑥 < ∞
𝑛 𝑛! 4! 4!
= = = =1
Ejemplo 1: 𝑥 𝑥! 𝑛 − 𝑥 ! 0! 4 − 0 ! 1(4!)
Calcule la función de la distribución acumulativa de la variable aleatoria
1 4
X. dada la función: 𝑓 𝑥 = 𝑥
, para x=0,1,2,3,4.
16

f (0) = 1/16 F(0)=P(X≤0)=f(0)=1/16

f (1) = 1/4 F(1)=P(X≤1)=f(0)+f(1)=5/16
f (2) = 3/8 F(2)=P(X≤2)=f(0)+f(1)+f(2)=11/16
f (3) = ¼ F(3)=P(X≤3)=f(0)+f(1)+f(2)+f(3)=15/16
f (4) = 1/16 F(4)=P(X≤4)=f(0)+f(1)+f(2)+f(3)+f(4)=1
Grafica la función de probabilidad y distribución acumulada discreta.
 1

15/16

11/16

5/16
1/16

0 1 2 3 4
Ejemplo: Supongamos el lanzamiento de 12 monedas o una moneda
lanzada 12 veces. ¿Cuál es la probabilidad de obtener: (a) exactamente
4 caras; (b) exactamente 10 caras?; (c) por lo menos dos caras; (d)
como máximo 9 caras; (e) más de 10 caras y menos de 3 caras?
Solución:

Donde:
p: probabilidad de éxito
q: probabilidad de fracaso
x: número de resultados favorables
n: número total de resultados
 12 12! 12∗11!
1
= = =12
1! 12−1 ! 1!(11!)

12 1 1
f(0)=P(X=0)= 0
( )0 ( )12−0 = 1 1 0.0002441 = 0.0002441
2 2
12 1 1 1 12−1
f(1)=P(X=1)= 1
(2) (2) = 12 1/2 0. 00049 = 0.00293
f(2)=0.01611

12 1 1
a) f(4)=P(X=4)= 4
( )4 ( )12−4 = 495 1/16 1/256 =0.12085*100=12.085%
2 2

12 1 1
b) f(10)=P(X=10)= 10
(2)10 (2)12−10 = 66 1/1024 1/4 =0.01611*100=1.611%
f(11)=
f(12)=

c) P(X>=2)=f(2)+f(3)+….+f(12)
P(X<2)=1 – (f(0)+f(1))=1- (0.0002441+0.00293)=0.99683*100%=99.683%
d) P(X<=9)=f(0)+f(1)+…+f(9)
P(X>9)=1 - (f(10)+f(11)+f(12)) = 1 – (0.01611+0.00293+0.00024)=0.98072*100%=98.072%
e) P(X>10)+P(X<3)=(f(11)+f(12))+(f(0)+f(1)+f(2))=0.02245*100%=2,245%
Variable aleatoria continua
Función de densidad:
Una distribución de probabilidad de una variable aleatoria continua no
se puede representar de forma tabular, sí es posible plantearla como
una fórmula, la cual necesariamente será función de los valores
numéricos de la variable aleatoria continua X, y como tal se
representará mediante la notación funcional f (x).
Cuando se trata con variables continuas, a f (x) por lo general se le
llama función de densidad de probabilidad, o simplemente función de
densidad de X.
Sea X una variable aleatoria continua. Entonces, una distribución de
probabilidad o función de densidad de probabilidad (fdp) de X es una función
f(x) tal que para dos números cualesquiera a y b con a ≤ b.
𝑏

𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = න 𝑓 𝑥 𝑑𝑥
𝑎
Es decir, la probabilidad de que X asuma un valor en el intervalo [a, b] es el
área sobre este intervalo y bajo la gráfica de la función de densidad, como se
ilustra en la figura. La gráfica de f(x) a menudo se conoce como curva de
densidad.
La función f (x) es una función de densidad de probabilidad (fdp) para la
variable aleatoria continua X, definida en el conjunto de números reales, si:
1. 𝑓 𝑥 ≥ 0, 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑎 𝑥 ∈ 𝑅.
∞
2. ‫׬‬−∞ 𝑓 𝑥 𝑑𝑥 = 1. área bajo la curva.
𝑏
3. 𝑃 𝑎 < 𝑋 < 𝑏 = ‫𝑓 𝑎׬‬ 𝑥 𝑑𝑥.

Ejemplo: Suponga que el error en la temperatura de reacción, en °C, en un

experimento de laboratorio controlado, es una variable aleatoria continua X
que tiene la función de densidad de probabilidad

𝑥2 a) Verifica que f (x) es una función de densidad.

𝑓 𝑥 = ൞ 3 ; −1 < 𝑥 < 2
b) Calcule P(0 < X ≤ 1).
0 ; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜.
𝑥2
3
a) Evidentemente, f (x) ≥ 0. Para verificar la condición 2 de la
definición tenemos.
∞ 2
−1 +∞
𝑥2 1 𝑥3 2 8 1
න 𝑓 𝑥 𝑑𝑥 = න 𝑓 𝑥 𝑑𝑥 + න 𝑑𝑥 + න 𝑓 𝑥 𝑑𝑥 = . ቤ = + = 1.
−∞ 3 2 3 3 −1 9 9
−∞ −1

b) Si usamos la fórmula 3 de la definición, obtenemos:

1
𝑥2 𝑥3 1 1
𝑃 0 < 𝑋 ≤ 1 = න 𝑑𝑥 = ቤ =
3 9 0 9
0

𝑒 −𝑡 0 < 𝑡 < 20
Ejemplo: Para la función: 𝑓 𝑡 = ቊ ; Determine:
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
a) P(t≤3) b) P(1<t≤4) c) P(t=1)
𝑓 𝑡 = 𝑒 −𝑡
La función de distribución acumulativa F(x), de una variable aleatoria continua X con función de densidad f (x),
es:
𝑥

𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓 𝑡 𝑑𝑡 , 𝑝𝑎𝑟𝑎 − ∞ < 𝑥 < ∞.

−∞
Ejemplo: Calcule F(x) para la función de densidad y utilice el resultado para
evaluar P(0 < X ≤ 1).

𝑥2
𝑓 𝑥 = ൞ 3 ; −1 < 𝑥 < 2
0 ; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜.

Solución:
𝑥 𝑥 𝑡2 𝑡3 𝑥 𝑥 3 +1
𝐹 𝑥 = ‫׬‬−∞ 𝑓 𝑡 𝑑𝑡 = ‫׬‬−1 3 𝑑𝑡 = ቤ = ; por lo tanto.
9 −1 9

0 ; 𝑥 < −1,
𝑥 3 +1
𝐹 𝑥 = ൞ ; −1 ≤ 𝑥 < 2,
9
1 ; 𝑥 ≥ 2.
2 1 1
𝑃 0<𝑋 ≤1 =𝐹 1 −𝐹 0 = − = .
9 9 9
Practicando:
1. La función de distribución acumulada de la v.a. discreta es la siguiente: graficar
las función de probabilidad y la función de distribución acumulada.

0; 𝑥 < 1
0.06; 1 ≤ 𝑥 < 2
𝐹 𝑥 = 0.46 ; 2 ≤ 𝑥 < 3
0.96 ; 3 ≤ 𝑥 < 4
1 ;𝑥 ≥ 4
Calcular: x 𝒇 𝒙 𝑭 𝒙
𝑎) 𝑓 2 =0.40 1 0.06 0.06
b) 𝑃 𝑥 ≤ 3 =F(3)=0.96 2 0.40 0.46

𝑐) 𝑃 1 < 𝑥 ≤ 3 =0.90 3 0.50 0.96

4 0.04 1
d) 𝑃 1 < 𝑥 ≤ 4 =0.94
e) 𝑃 𝑥 ≥ 2,35 =0.54
Gráfica de f(x) y F(x):
Practicando:
1
𝑥 ; 𝑠𝑖 0 ≤ 𝑥 <2
4
2. Dada la (fdp): 𝑓 𝑥 = 1 1
− 𝑥 ; 𝑠𝑖 2 ≤ 𝑥<4
4
0 ; 𝑒𝑛 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠
Calcular: a) 𝑃 𝑥 ≤ 3 𝑏) 𝑃(1 ≤ 𝑥 ≤ 3)
 x/4 1-x/4

𝑃(1 ≤ 𝑥 ≤ 3)=3/4

0 2 3
𝑥 𝑥
a) 𝑃 𝑥 ≤ 3 = න 𝑓 𝑥 𝑑𝑥 + න 𝑑𝑥 + න 1 − 𝑑𝑥
−∞ 0 4 2 4

𝑥2 2 3 𝑥 𝑥2 3
‫׬‬2 1− 𝑑𝑥 = 𝑥 ȁ 32 − ቚ =1-(5/8)=3/8
ቤ = 1/2 4 8 2
8 0
1 3 7
𝑃 𝑥 ≤3 =0+ + =
2 8 8
Gracias…