Академический Документы
Профессиональный Документы
Культура Документы
Cusco 2015
ESTADSTICA
INFERENCIAL
I. VARIABLES ALEATORIAS
Debe notarse que los resultados de un experimento aleatorio no necesariamente son numricos, frecuentemente
estos resultados son
matematizados
experimental un ingeniero qumico selecciona aleatoriamente un producto producido por una nueva mquina
computarizada y puede clasificar a cada uno de los productos como defectuoso o no defectuoso. El conjunto de
posibles resultados, el espacio muestral, es S defectuoso, no defectuoso D, N . Se define una
funcin, digamos X, tal que
llamadas variables aleatorias. Las variables aleatorias se representan por letras maysculas y sus valores
observados por letras minsculas. El conjunto de los posibles valores de la variable aleatoria X recibe el nombre
de rango de X.
Definicin 1.1
Dado un experimento aleatorio con un espacio maestral S. Una funcin que asigna a cada
elemento s en S uno y slo un nmero real es llamada una variable aleatoria. El rango o soporte de valores de X es
el conjunto de nmeros reales x : x X s , s S .
Ejemplo 1.1 En una operacin de moldeado de plstico, cada pieza se clasifica segn cumpla las especificaciones
de color. El espacio muestral es: S cumple, no cumple C , NC .
Se define la variable aleatoria X, tal que X (C ) 0 y X ( NC ) 1
Ejemplo 1.2
componente de una
fotocopiadora.
Ejemplo 1.3 Durante un proceso de produccin, se mide la longitud de una pieza maquinada (se refiere a la
formacin de una pieza por medio de taladrado y de perforaciones de una pieza bsica). Se define la variable
aleatoria X: Longitud de la pieza maquinada.
Ejemplo 1.4 Puede considerarse como una variable aleatoria al volumen de petrleo que es vertido al mar por
empresas de harina de pescado, el cual es registrado anualmente.
Estadstica Inferencial-Sesin 1
Cusco 2015
Las variables aleatorias pueden ser clasificadas como discretas o continuas. Se dice que es discreta si tiene un
rango finito o infinito numerable:
X: EN de modo que f: N[0,1].
Es continua si puede tomar cualquier valor en algn intervalo del conjunto de los nmeros reales y la probabilidad
que tome un valor especfico es cero.
A continuacin se describir el comportamiento de la variable aleatoria en trminos de probabilidades.
1.2 Variable aleatoria discreta y su distribucin de probabilidad
La distribucin de probabilidad de una variable aleatoria discreta, X, es el conjunto de pares ( x, p ( x )) ; donde:
siguientes propiedades:
(i) 0 p x 1 para toda x.
(ii)
p x 1 , donde la sumatoria se toma sobre todos los valores de x con probabilidad diferente de cero.
x
Para todos los valores reales de x que no son posibles de ocurrir, p ( x ) = 0. Este hecho debe ser interpretado
correctamente aunque no est especificado correctamente.
Ejemplo 1.2.1 Una mquina que realiza la operacin de llenado de las bolsas de detergentes de 280 grs. cumple
con esta especificacin en un 85% de los casos. De un lote se seleccionan tres bolsas al azar y el experimento
consiste en observar si cada una de las bolsas cumple con el peso especificado. Se define la variable aleatoria:
X: Nmero de bolsas que cumplen la especificacin (peso exacto).
La variable X es discreta y su rango de valores es R X : 0,1,2,3 respectivamente. Para obtener las
probabilidades relacionadas a esta variable se construir su distribucin de probabilidad. Dado que el llenado de
una bolsa no tiene efecto sobre las dems bolsas, la probabilidad de que una bolsa cumpla con la especificacin es
de 0.85 y que no cumpla es de 0.15 respectivamente, durante todo el proceso. A continuacin se muestra un
diagrama de rbol y a partir de las diferentes trayectorias se obtendrn las probabilidades de cada uno de los
posibles valores de X.
Estadstica Inferencial-Sesin 1
Cusco 2015
Para determinar las probabilidades de la variable aleatoria X, cuando toma el valor 0, 1, 2 3 se sumaran las
probabilidades de las trayectorias correspondientes. As,
p 0 P X 0
0.15 3
2
p1 P X 1 3 0.15 0.85
2
p 2 P X 2 3 0.15 0.85
3
p 3 P X 3 0.85
0.0034
0.0574
0.3251
0.6141
0
0.0034
p ( x)
1
0.0574
2
0.3251
3
0.6141
p x 1 p 3 x , x 0,1,2,3
p x
c.c.
0,
donde: p 0.15 y 1 p 0.85
Se verifica que p x cumple:
(i) p x 0
(ii)
p x 1
x 0
Estadstica Inferencial-Sesin 1
Cusco 2015
Cul es la probabilidad que exactamente dos de las bolsas de detergentes cumplan con el peso
especificado?
La probabilidad que se necesita calcular es P X 2 = 0.3251.
(ii) Cul es la probabilidad que ninguna de las bolsas de detergente cumplan con el peso especificado?
La probabilidad que necesitamos calcular es P X 0 . P X 0 = 0.0034.
(iii) Cul es la probabilidad que las tres bolsas de detergente cumplan con el peso especificado?
La probabilidad que necesitamos calcular es P X 3 . Si observamos la tabla, se encuentra
que
P X 3 = 0.3251.
(iv) Cul es la probabilidad que a lo ms dos de las bolsas de detergente cumplan con el peso especificado?
La probabilidad que necesitamos calcular es P X 2 . Si observamos la tabla, se encuentra que,
P X 2 P X 0 P X 1 P X 2
0.0034 0.0574 0.3251
0.3859
(v) Cul es la probabilidad de que por lo menos una de las bolsas de detergente cumplan con el peso
especificado?
La probabilidad que necesitamos calcular es P X 1 . Si observamos la tabla, se encuentra que,
P X 1 P X 1 P X 2 P X 3
0.0574 0.3251 0.6141
0.9966
(vi) Cul es la probabilidad que ms de una de las bolsas de detergente cumplan con el peso especificado?
La probabilidad que necesitamos calcular es P X 1 . Si observamos la tabla, se encuentra que,
P X 1 P X 2
P X 2 P X 3
0.3251 0.6141
0.9392
(vi) Cul es la probabilidad que menos de dos de las bolsas de detergente cumplan con el peso especificado?
La probabilidad que necesitamos calcular es P X 2 . Si observamos la tabla, se encuentra que,
P X 2 P X 1
P X 0 P X 1
0.0034 0.0574
0.0608
La probabilidad que menos de dos de las bolsas de detergente cumplan con el peso especificado, es equivalente a
decir que una bolsa o ninguna cumpla con el peso especificado.
Estadstica Inferencial-Sesin 1
Cusco 2015
Funcin de distribucin
La funcin de distribucin est definida como la probabilidad de que la variable aleatoria X tome un valor
inferior o igual a
x . Es
decir,
F x P X x
F x , satisface las propiedades siguientes.
(i) F x P X x
p x
xi x
(ii) 0 F x 1
(iii)
x1 x 2 , entonces F x1 F x 2 .
F 0 P X 0 P X 0 0.0034
F 1 P X 1 P X 0 P X 1 0.0034 0.0574 0.0608
x0
0,
0.0034, 0 x 1
F x P X x 0.0608, 1 x 2
0.3859, 2 x 3
1,
x3
F x , tambin es llamada funcin escalera.
Fig.2. Representacin grfica de la funcin de distribucin del
Ejemplo 1.5
Estadstica Inferencial-Sesin 1
Cusco 2015
Ejemplo 1.2.2 El administrador de la maderera El Pino, conoce que en la produccin diaria de 85 entablados
de madera se encuentra que 5 de ellos no cumplen con los requerimientos del cliente. Del lote se
escogen dos entablados de madera al azar, sin remplazo. Se define la variable aleatoria X: nmero de
entablados que no cumplen con los requerimientos del cliente. Cul es la funcin de probabilidad de
X? Cul es la funcin de distribucin de X?
Solucin
85
3570
2
Por tanto el espacio muestral S contiene 3 570 puntos muestrales con igual probabilidad, considerando que se
realiza una seleccin al azar.
El rango de X es, R X 0,1,2 . Es decir, es posible que al seleccionar dos entablados y observar si no
cumplen con los requerimientos del cliente, pueda ocurrir:
80
3160
2
y su probabilidad es,
Estadstica Inferencial-Sesin 1
Cusco 2015
80
XP 0 2 3160 0.8 52
85 3570
2
X 1 , significa que uno de los entablados no cumple con los requerimientos del cliente y su
probabilidad es,
80 5
PX 1 11 40 0.1 20
85 3570
2
7
Estadstica Inferencial-Sesin 1
Cusco 2015
X 2 , significa que ambos entablados no cumplen con los requerimientos del cliente y su probabilidad
es,
5
XP 2 2 10 0. 028
85 3570
2
La distribucin de probabilidad es la siguiente.
x
p ( x)
0
0.8852
1
0.1120
2
0.0028
Estadstica Inferencial-Sesin 1
Cusco 2015
5 80
x 2x , x0,12
p x 85
2
0, c.
Grficamente,
Fig.2. Representacin grfica de la funcin de probabilidad del
ejemplo
Estadstica Inferencial-Sesin 1
Cusco 2015
F 0 P X 0 0.8852
1
x 0
Fig.2. Representacin
grfica de la funcin de distribucin del ejemplo
o E(X), es
E ( X ) x p x
x
Este valor es empleado para identificar el valor central de la variable aleatoria. Puede interpretarse como el centro
de la masa del rango de los valores de X.
Ejemplo1.2.3
x
p ( x)
0
0.0034
1
0.0574
2
0.3251
3
0.6141
p x 1 p 3 x , x 0,1,2,3
p x
c.c.
0,
donde: p = 0.85
1-p = 0.15
Por consiguiente,
10
Estadstica Inferencial-Sesin 1
Cusco 2015
E X 0 p 0 1 p 1 2 p 2 3 p 3
De notarse que X nunca toma el valor 2.5499, pero este valor puede interpretarse como el centro de la masa del
rango de los valores de X.
Adems de identificar el valor central de X, es frecuentemente importante determinar la magnitud de su
dispersin o variabilidad.
Definicin 1.2.2 Suponga que la media de X es
2 E X x p x
2
Es decir, la varianza de una variable aleatoria se calcula ponderando el cuadrado de cada desviacin con respecto a
la media, con la probabilidad asociada a la desviacin.
Debe notarse que como la desviacin de cada valor de X con respecto a
2 0
En que caso 2 es cero? Esto ocurre cuando X toma un solo valor constante, por ejemplo c, entonces,
E X c y E X 2 c c 2 0 .
Ejemplo 1.2.4 Considerando el Ejemplo1.5, la varianza de X es:
2 0 2.5499 p 0 1 2.5499 p 1 2 2.5499 p 2 3 2.5499 p 3
2
Las unidades
de la variable en este ejemplo son nmero de bolsas que cumplen con la especificacin (peso
exacto), y dado que la varianza de una variable eleva al cuadrado las desviaciones con respecto a la media, las
unidades de 2 , se relacionan con el nmero de bolsas que cumplen con la especificacin al cuadrado. Por ello,
otra alternativa para medir la variabilidad, que con frecuencia es ms fcil de interpretar es la desviacin estndar,
definida a continuacin.
Definicin1.2.3 La desviacin estndar de una variable aleatoria X, denotada por
de 2 .
Las unidades de la desviacin estndar son idnticas a las unidades de la variable X.
Ejemplo 1.2.5 En el Ejemplo 1.5,
11
Estadstica Inferencial-Sesin 1
Cusco 2015
consigue abrirlo. Se define la variable aleatoria X como el nmero de intentos realizados para abrir el candado. Se
determinar la funcin de probabilidad, la funcin de distribucin y se calcular:
(i)
(ii)
(iii)
(iv)
(v)
Solucin
El rango de la variable aleatoria es R X 1,2,3,4,5 . El nmero de intentos que realiza el vigilante para abrir el
candado, se representa a travs del siguiente diagrama de rbol.
1 intento:
P(X = 1) = P(E1 ) = 1/5
2 intento:
P(X = 2) = P(E /1 E2) = P(E /1 ) P(E2/ E /1 ) =(4/5) (1/4) = 1/5
3 intento:
P(X = 3) = P(E /1 E /2 E3) = P(E /1 ) P(E /2/ E /1 ) P(E3/ E /1 E /2)=(4/5) (3/4) (1/3) = 1/5
4 intento:
P(X = 4) = P(E /1 E /2 E /3 E4) = P(E /1 ) P(E /2/ E /1 ) P(E /3/ E /1 E /2) P(E4/ E /1 E /2 E/3)
=(4/5)(3/4)(2/3)(1/2) = 1/5
5 intento:
P(X = 5) = P(E /1 E /2 E /3 E /4 E5) = P(E /1 ) P(E /2/ E /1 ) P(E /3/ E /1 E /2) P(E /4/ E /1 E /2 E /3) P(E5/ E /1 E /2 E /3 E /4)
= (4/5)(3/4)(2/3)(1/2)(1) = 1/5
La funcin de probabilidad es
12
Estadstica Inferencial-Sesin 1
Cusco 2015
1
, x 1, 2, 3, 4, 5
p x 5
0, c.c.
x 1
0,
1 5, 1 x 2
2 5 , 2 x 3
F x
3 5, 3 x 4
4 5, 4 x 5
1,
x5
P X 3 F 3 0.6
(ii)
P X 4 1 P X 3 1 F 3
(iii)
P X 5 p 5 0.20
(iv)
P X 2 P X 1 p 1 0.20
(v)
Puede decirse que para abrir el candado, en promedio realizar tres intentos.
Varianza
13
Estadstica Inferencial-Sesin 1
Cusco 2015
2 1 3 0.2 2 3 0.2 3 3
2
2 2
Desviacin estndar
2 1.4142
A continuacin se describirn algunas distribuciones de probabilidad de variables aleatorias discretas tales
como Bernoulli, Poisson y Geomtrica que se usan con ms frecuencia.
1.3 DISTRIBUCIN DE BERNOULLI
La distribucin de Bernoulli caracteriza a una variable aleatoria discreta con dos posibles resultados y con
probabilidades de ocurrencia constante. Tpicamente cada uno de estos resultados representa un xito (
X 1 ) o un fracaso X 0 . Este tipo de ensayos o pruebas fueron investigados por primera vez en
la obra de Jacques (Jakob) Bernoulli (1654 -1705): Ars Conjectandi, publicada por su joven sobrino
Nicolaus en forma pstuma en Basilea, Suiza (1713), y por eso se llaman ensayos de Bernoulli.
Definicin 1.3.1 Una variable aleatoria
est dada por:
p x 1 p 1 x ,
x 0,1
0
, cualquier otro caso
P X x
donde
P X 0 p 0 1 p
1 0
11
1 p , donde 0 p 1 .
14
Estadstica Inferencial-Sesin 1
Cusco 2015
Esperanza o Media
La media de una variable aleatoria
Varianza
La varianza de una variable aleatoria
Var X 2 p 1 p pq
Ejemplo 2.4.1 Juan, cliente de un hotel, esta jugando con su amigo Carlos, Juan lanza una moneda y
observa la cara superior, si sale sello l tendr que pagar a Carlos $100 y si sale cara el ganar el juego. En
un solo juego:
a.
b.
Solucin
Consideremos la variable aleatoria
Si
P X 1 p x 1 p
1 x
0.51 1 0.5
11
0.5 ,
1 0
0.5 .
P X 0 p x 1 p
1 x
0.5 0 1 0.5
15
Estadstica Inferencial-Sesin 1
Cusco 2015
P X 1 P X 1 P X 0
CDF .BERNOULLI 1,0.5 CDF .BERNOULLI (0,0.5)
Se define en Target Variable Bernoulli, la variable que contendr el valor de la probabilidad requerida.
b) Continuando con el uso del SPSS para resolver la parte b) del ejemplo:
Ingresar al EDITOR DATA y acceder a TRANSFORM / COMPUTE
Muestra la pantalla COMPUTE VARIABLE y se escoge la funcin CDF.BERNOULLI(x,p) con
parmetro p . Se realiza la siguiente operacin:
P X 0 P X 0 CDF .BERNOULLI 0,0.5
OK.
16
Estadstica Inferencial-Sesin 1
Cusco 2015
P X x
donde
, caso contrario
ensayos.
Una variable aleatoria con distribucin binomial puede ser utilizada para modelar situaciones como las
siguientes:
Los sindicatos laborales con frecuencia estn interesados en saber cuntos trabajadores: estn
interesados en unirse al sindicato y quienes no estn interesados.
En una campaa escolar, el equipo de marketing tendr inters en conocer el nmero de personas
que prefiere o no prefiere comprar un producto que cumplen con los estndares de calidad.
La aplicacin de la distribucin binomial en los diversos campos del conocimiento es amplia.
Fig. 3 Grfica de la funcin de Probabilidad Binomial
para b 5,0.5
17
Estadstica Inferencial-Sesin 1
Cusco 2015
Esperanza o Media
La media de una variable aleatoria
Varianza
La varianza de una variable aleatoria
Var X 2 np 1 p npq
Ejemplo Se conoce que el 20% de las empresas dedicadas el sector construccin cumplen con los
estndares de calidad. Si 10 empresas de este sector son evaluadas respecto al cumplimiento de los
estndares de calidad, cul es la probabilidad que se encuentre:
a) Cuatro empresas que no cumplen con los estndares de calidad?
b) Por lo menos 4 empresas que no cumplen con los estndares de calidad?
c) A lo ms 5 empresas que no cumplen con los estndares de calidad?
d) Entre 4 y 7 empresas que no cumplen con los estndares de calidad?
e) El nmero medio de empresas que no cumplen con los estndares de calidad.
Solucin
Consideremos la variable aleatoria como
X , donde
(0.20) 4 (0.80) 6
a) P X 4
6!4!
4
b) P X 4
10 x9 x8 x 7 x6!
(0.0016) 0.2621 0.088
6!4 x3 x 2 x1
complemento
1 P X 4 1 P X 3 1 0.88 0.12
P X 3 P X 0 P X 1 P X 2 P X 3
0.11 0.26 0.31 0.20 0.88
Puede verificarse que
10
10 0
P X 0 0.200 0.80 0.11
0
10
10 1
1
0.26
0.20 0.80
1
P X 1
10
10 2
2
0.31
0.20 0.80
2
P X 2
18
Estadstica Inferencial-Sesin 1
Cusco 2015
10
10 3
3
0.20
0.20 0.80
3
P X 3
c) P X 5 P X 0 P X 1 P X 2 P X 3 P X 4 P X 5
0.11 0.26 0.31 0.20 0.088 0.026 0.994
10
10 5
5
0.026
0.20 0.80
5
P X 5
d) P 4 X 7 P X 4 P X 5 P X 6 P X 7
0.088 0.026 0.0055 0.0000066 0.120
10
10 6
6
0.0055
0.20 0.80
6
10
10 7
P X 7 0.207 0.80
0.0000066
7
P X 6
OK.
Definir variable en Target Variable , por ejemplo, binomal.
Se obtiene la probabilidad requerida
19
Estadstica Inferencial-Sesin 1
Cusco 2015
P X 4
complemento
La probabilidad obtenida es exactamente igual que al realizar el proceso usando directamente la funcin de
probabilidad binomial.
c) Ingresar al EDITOR DATA y acceder a TRANSFORM / COMPUTE
Muestra la pantalla COMPUTE VARIABLE y se escoge la funcin CDF.BINOM(x,n, p) con
parmetros n y p , para resolver la parte c) del ejemplo anterior se realiza la siguiente
operacin: P X 5 CDF .BINOM 5,10,0.20
OK.
Definir variable en Target Variable , por ejemplo, binomal.
Se obtiene la probabilidad requerida
20
Estadstica Inferencial-Sesin 1
Cusco 2015
e)
np
21
Estadstica Inferencial-Sesin 1
Cusco 2015
np 2 .
P X x
donde :
e x
,
x!
x 0,1,2,3,... ,
Esperanza o Media
La media de una variable aleatoria
Estadstica Inferencial-Sesin 1
Cusco 2015
Varianza
La varianza de una variable aleatoria
Ejemplo La Municipalidad de Lima hizo un contrato con la compaa de pavimentacin Capeco S.A. para
hacer mantenimiento a las vas del centro de Lima. Las vas recientemente pavimentadas por esta compaa
demostraron un promedio de dos defectos por km., despus de haber sido utilizadas durante un ao. Si la
Municipalidad sigue con esta compaa de pavimentacin. Cul es la probabilidad que:
a) Se presenten 3 defectos en cualquier kilmetro de va despus de haber tenido trfico durante un
ao?
b) Se presenten 5 defectos en cualquier kilmetro de la va despus de haber tenido trfico durante 3
aos?
c) Se presenten entre 2 y 5 defectos en cualquier kilmetro de la va despus de haber tenido trfico
durante 2 aos?
d) Estime el nmero promedio de defectos en cualquier kilmetro de la va despus de haber tenido
trfico durante 5 aos?
Solucin:
Se define la variable aleatoria como X , donde
X : Nmero de defectos en cualquier kilmetro de va despus de haber tenido
trfico durante un ao.
Luego, X ~ P , donde 2 defectos por km.
a) P X 3
e 2 2 3
e 2 8
0.1351.33 0.18
3!
6
b) En este caso cambia el valor de , para hallar el nuevo valor utilizamos una regla de tres simple:
2 defectos por Km.
_______
1 ao
'
_______
3 aos
P X 5
e 6 65 0.0025 7776
0.16
5!
120
P X 2
P X 3
e 4 4 3
0.195
3!
P X 4
P X 5
e 4 4 2
e 4 0.01832
2!
e 4 44
0.195
4!
e 4 45
0.156
5!
P 2 X 5 P X 2 P X 3 P X 4 P X 5
23
Estadstica Inferencial-Sesin 1
Cusco 2015
10
Para resolver el mismo ejemplo usando el SPSS procedemos de la siguiente manera:
a)
24
Estadstica Inferencial-Sesin 1
Cusco 2015
c)
1.6 DISTRIBUCIN
DE PROBABILIDAD GEOMTRICA
En el experimento que consiste en una secuencia de ensayos independientes de Bernoulli, con probabilidad p
constante de xito en cada ensayo, la cual termina cuando se obtiene xito por primera vez, consideramos la
variable aleatoria X que indica el nmero de ensayos realizados.
Por ejemplo una compaa de Componentes de Computadora, desea saber el nmero de artculos a producirse,
en un nuevo proceso de produccin, hasta conseguir el primer artculo defectuoso; suponiendo que el proceso da a
cada artculo la misma probabilidad de ser defectuoso.
Definicin Una variable aleatoria X tiene distribucin geomtrica con parmetro
de probabilidad est dada por,
P X x p 1 p
x 1
p , si su funcin de distribucin
x 1,2,3,... ,
siendo 0 p 1 .
Notacin Se escribe X G p y se suele decir tambin que la variable aleatoria
geomtrica con parmetro p . La representacin grfica se muestra en la Fig. 5.
Fig. 5 Distribucin de Probabilidad Geomtrica para G 0.50
X tiene distribucin
25
Estadstica Inferencial-Sesin 1
Cusco 2015
Esperanza o Media
La media de una variable aleatoria con distribucin geomtrica est definida por:
E X
1
p
Varianza
La varianza de una variable aleatoria con distribucin geomtrica est definida por:
Var X 2
1 p
p2
Ejemplo 2.7.1 La empresa Report S.A. dispone de un aparato que fabrica bateras de celulares. Este aparato se
utiliza hasta que aparece la primera batera defectuosa. Por informacin anterior se tiene que la probabilidad de
que la batera sea no defectuosa es 6/7, la probabilidad de que la batera sea defectuosa es 1/7. Considere la
variable aleatoria nmero de bateras que produce el aparato hasta antes de darle de baja.
a) Determine la distribucin de probabilidad del nmero de bateras que produce el aparato hasta antes de
darle de baja
b) El nmero medio de bateras que produce el aparato hasta antes de darle de baja
c) La desviacin tpica del nmero de bateras que produce el aparato hasta antes de darle de baja
Solucin
a) Consideremos la variable definida por
X : Nmero de bateras que produce el aparato hasta antes de darle de baja
Los valores que toma la variable aleatoria son: x 1,2,3,...
La probabilidad de xito representa la probabilidad de que la batera sea defectuosa, esto es, p
probabilidad de fracaso representa la probabilidad de que la batera sea no defectuosa, esto es, q
1
y la
7
6
, luego la
7
P X x
x 1
1
,
7
x 1,2,...
b) El nmero medio de bateras que produce el aparato hasta antes de darle de baja es :
c)
1
1
7
p 1/ 7
La varianza del nmero de bateras que produce el aparato hasta antes de darle de baja es:
26
Estadstica Inferencial-Sesin 1
Cusco 2015
6
1
p
1
1
/
7
49 x 6
2 2
7
42
2
1
p
7 x1
1 / 7
49
La desviacin estndar es :
42 6.48
Ejemplo 2.7.2 Un estudiante de maestra de la UNMSM tiene una probabilidad de 0.75 de aprobar el examen de
suficiencia de ingls en cualquier intento que haga.
a) Cul es la probabilidad de que logre aprobar en el cuarto intento?
b) Cul es la probabilidad de que logre aprobar entre el cuarto y sexto intento?
Solucin
Consideremos la variable definida por
X : Nmero de intentos que el estudiante hace para aprobar el examen de
suficiencia del idioma ingls
Los valores que toma la variable aleatoria son: x 1,2,3,...
La probabilidad de xito representa la probabilidad de que el estudiante apruebe el examen de suficiencia
del idioma ingls, esto es, p 0.75 y la probabilidad de fracaso representa la probabilidad de que el
estudiante no apruebe el examen , esto es, q 0.25 , luego la distribucin de probabilidad de la variable
aleatoria es:
x 1
P X x 0.75 0.25 ,
x 1,2,...
a)
P X 4 0.75 0.25
4 1
P 4 X 6 P X 4 P X 5 P X 6
P X 6 0.75 0.25
5 1
6 1
Asimismo, volviendo a resolver el mismo ejercicio con auxilio del SPSS nos proporciona estas probabilidades:
a)
Ingresar al EDITOR DATA y acceder a TRANSFORM / COMPUTE
p,
27
Estadstica Inferencial-Sesin 1
Cusco 2015
OK.
b)
p,
28