12/05/2014

CAPTULO 4: VARIABLES
ALEATORIAS Y DISTRIBUCIONES
DE PROBABILIDAD
Ing. Sergio Castro Viloria
Especialista en Estadstica Aplicada
12/05/2014

INTRODUCCIN

Experimento estadstico: Observaciones al azar.

Variable Aleatoria: Asigna valores numricos a
cada punto del espacio muestral. Los valores son
determinados por el resultado del experimento.
Variable: Toma dos o ms valores distintos.
Aleatoria: No se conocen con certeza los posibles
resultados del experimento.

12/05/2014

DEFINICIN VARIABLE ALEATORIA

Una variable aleatoria (v.a.) es una funcin que

asocia un nmero real con cada elemento del
espacio muestral de un experimento aleatorio.
Nombrar: ltimas letras en mayscula del
alfabeto: X,Y,Z,V,W.
Letras minsculas correspondientes: valores en
particular que tome la variable (eventos).
Evento: Subconjunto del S.

12/05/2014

EJEMPLO: Lanzamiento 3 monedas

S(lanzamiento una moneda 3 veces):

S = {(sss), (ssc), (scs), (css), (ccc), (ccs),
(csc), (scc)} y #S = 8
X: S
R
X: Nmero de caras, es una variable
aleatoria asociada al experimento.

12/05/2014

VALORES Y RANGO DE V.A.

Las imgenes bajo X de los elementos de S

son:
, , = 0
, , = , , = , , = 1
, , = , , = , , = 2
, , = 3
El conjunto de todos los valores posibles de X
se llama ranX, esto es, ranX= {0, 1, 2, 3}.
Tambin se le llama espacio muestral de X.
12/05/2014

EJEMPLO 2

X: suma de los nmeros en el lanzamiento de 2 dados.

El espacio muestral es: S = {(1,1), (1,2), (1,3),..., (1,6),
(2,1), (2,2),, (2,6),, (6,6)}
X: S
R es una variable aleatoria. La imagen
para algunas parejas de S son:

1,1 = 2
1,2 = 2,1 = 3
2,2 = 1,3 = 3,1 = 4
5,6 = 6,5 = 11
6,6 = 12
= 2,3,4,5,6,7,8,9,10,11,12

12/05/2014

OTRA V.A. EJEMPLO 2

Y: Valor absoluto de la diferencia de los

nmeros al lanzar dos dados.
Y: S
R
(x,y)
Y(x,y) = |x-y|. Entonces:
1,1 = 2,2 = = 6,6 = 0
1,2 = 2,1 = = 6,5 = 1
1,6 = 6,1 = 5
= 0,1,2,3,4,5

12/05/2014

Ejemplo 3 por un 5,0 como nota del 40%:

Z: Producto de los nmeros obtenidos al
lanzar los dados.
(Siga el mismo procedimiento explicado)

12/05/2014

NOTACIN EN VARIABLES ALEATORIAS

Notacin: Escribir simplificadamente.

Si X: S
R es una variable aleatoria,
y a, b son reales con a<b, entonces el
simbolismo:
= se lee y significa probabilidad que la
variable aleatoria X tome el valor de a.
Probabilidad que la v. a. X tome un
valor
( < ) Probabilidad que la v. a. X tome
un valor pero menor que a, etc.
12/05/2014

NOTACIN EN VARIABLES ALEATORIAS

X=a : Evento formado por los resultados de S

cuya imagen bajo X es a. Lo mismo se define
para
Tambin tngase en cuenta que los eventos
y > son excluyentes (Funcin 1 a 1)
> =
Entonces + > = =
1(RAEE)
Por lo tanto, > = 1 ( ) Regla del
complemento para v. a.
12/05/2014

EJEMPLOS DE APLICACIN

:
= 2,3,4,5,6,7,8,9,10,11,12
Se pueden calcular probabilidades de que X tome valores
del rango, como sigue:
= 5 = 2,3 , 3,2 , 4,1 , 1,4 = 4 36
4 = 1,1 , 1,2 , 2,1 , 2,2 , 1,3 , (3,1) = 6 36
3< 5 = =4 + =5 =
1,3 , 3,1 , 2,2 , 2,3 , 3,2 , 4,1 , (1,4) = 7 36
> 4 = 1 4 = 1 6 36 = 30 36 = 5 6
Ms ejemplos
Por notas de 40%

12/05/2014

VARIABLES ALEATORIAS CATEGRICAS

Otras v. a. son categricas por naturaleza y para

ellas se utilizan variables indicadoras. Ejemplo:
cuando la v. a. es binaria por naturaleza (0,1)
Ejemplo: Los componentes de una fbrica se
catalogan como defectuosos o no defectuosos.
La v.a. X se define como:
1,
=
0,
Este tipo de variable, en que se escoge 0 1
para la v.a se llama Variable Aleatoria de
Bernoulli.
12/05/2014

TIPOS ESPECIALES DE V.A.

Se tienen dos tipos bsicos de variables aleatorias

cuantitativas:

VARIABLES ALEATORIAS DISCRETAS

VARIABLES ALEATORIAS CONTINUAS

12/05/2014

Variables Aleatorias Discretas

X es v. a. discreta si ranX (Conjunto de valores que X

puede tomar), es un conjunto finito o infinito numerable.
Se puede determinar un orden, y el conjunto de
resultados posibles se puede contar.
Las v.a. de los ejemplos anteriores son discretas. Este
tipo de variables toma cada uno de sus valores con
cierta probabilidad.
Veamos un ejemplo de conjunto infinito numerable.
X: Nmero de lanzamientos de una moneda hasta que
aparezca cara por primera vez.
S={c, sc, ssc, sssc, ssssc }
X(c) =1, X (sc) = 2, X (ssc) =3,,
12/05/2014

Funciones f y F

Definicin formal: El conjunto de pares ordenados

((x, f(x)) es una distribucin de probabilidad, o
funcin de probabilidades de la variable aleatoria
discreta X, si para cada resultado posible x:
0 para todo valor de x.
= 1
= = ()
Ejemplo: Sea X la variable aleatoria: Suma de los
nmeros en el lanzamiento de dos dados perfectos.
Determine f(x) y dibuje su grfica.

12/05/2014

Solucin: S = {(1,1), (1,2),, (6,6)}

X: S
R
(x,y)
X(x,y) = x + y;
y
ranX={2,3,4,5,6,7,8,9,10,11,12}
Adems, se tiene que:
2 = = 2 = 1 36 , 3 = = 3 = 2 36 = =
7 = = 7 = 6 36 , .
Organizando los valores de X y sus probabilidades por
medio de una tabla, se obtiene:
x
f(x)

10

11

12

0,028 0,056 0,083 0,111 0,139 0,167 0,139 0,111 0,083 0,056 0,028

Adems, f(x) = 0, para cualquier otro valor de x.

12/05/2014

La grfica de la funcin de
probabilidad f(x) es una grfica
de barras, donde la altura de la
barra
corresponde
a
la
probabilidad del punto. Con
esta grfica, se pueden ver los
puntos de mxima y mnima
probabilidad,
as
como
comparar las probabilidades de
dos puntos cualesquiera.
12/05/2014

Funcin F: = ( )

Definicin: La funcin de distribucin acumulada F(x)

de una variable aleatoria discreta X, con distribucin de
probabilidad f(x) es:
= = () , < <
En general, F(x) de una v.a. discreta es una funcin no
decreciente de los valores de X, de tal manera que:
0 1
para cualquier valor de x.

> = 1 ()
Adems, para variables aleatorias de valor entero, se tiene:
= = 1

= 1

12/05/2014

EJEMPLO V.A. SUMA DE LOS PUNTOS

Clculo de Probabilidades
con F(x)

Poner otros ejemplos

12/05/2014

GRFICA DE F(x) PARA V.A. DISCRETA

La grfica de la funcin de
distribucin acumulada es
una funcin escalonada, no
decreciente, continua por la
derecha, que da un salto en
cada punto donde hay
probabilidad positiva, y
permanece constante entre
dos puntos subsiguientes
de probabilidad positiva. La
magnitud de cada salto es
igual a la probabilidad en el
punto.

12/05/2014

VARIABLES ALEATORIAS CONTINUAS

RanX: Conjunto infinito no numerable. Referencian datos

medidos, por ejemplo, distancias, pesos, alturas,
temperaturas, entre otras. La probabilidad que la variable
continua tome un valor puntual es de cero, si se tiene en
cuenta la precisin del instrumento de medicin.
Definicin: La funcin real f(x) es una funcin de
densidad de probabilidad (fdp) de la variable aleatoria
continua X, definida en el conjunto de los nmeros Reales
tal que:
0,

+

= 1

<< =

, , , <
12/05/2014

reas para representar probabilidades.

0P(A) 1; f(x) por encima del eje x.
P(X=x)=0,
Visualizar
probabilidades
de
intervalos.
1er Teorema Fundamental del Clculo, para el
inciso 3 de la definicin,
() existe en los puntos de x donde f es
continua, en cuyo caso = ()
Donde = =

, 3.

Si conocemos F, derivndola obtendremos f, y si

conocemos f, integrando obtendremos F.
12/05/2014

Propiedad de la suma de integrales respecto al intervalo

de integracin.

<< =

< < = ()

En las v. a. continuas, las probabilidades puntuales son

cero, es decir:
= = = =0
Por ejemplo: = = lim < <

= =

= lim

= = = 0,

12/05/2014

EJEMPLO 1 VARIABLE ALEATORIA CONTINUA

La cantidad de lluvia que cae en cierta regin, en
determinada poca del ao es una variable aleatoria
continua con fdp dada por:
( 1 2 2 ),
0<<2
0,

a) Determine el valor de k y dibuje la grfica de f.
b) Encuentre 1 2 y (1 2 < < 3 2)
Solucin: En primera instancia, se debe identificar la
variable aleatoria.
X = Cantidad de lluvia que cae en la regin.

12/05/2014

a) = 1, pero la fdp slo toma valores entre 0 y 2,

entonces se redefinen los lmites de la integral:

2
0

1 2

= 1 ;

= 1, = 3

2
2

2
3

6 0

= 24

y la fdp queda:

3
(
2

1 2 2 ), 0 < < 2
0,

b)

3
2

3
16

2
2

1
3

2
1

=
2

6 0
1
3
=
6
16

3 1
2 8

1
48

5
32

5
6

3 12
2 0

1 2

2

0
= 0,1563
12/05/2014

b)

=
=

3
2
2 12

3 9
9
3 1
1

2 8
16
2 8
48
3 9
3 5
27
15

=
2 16
2 48
32
96

1 2

2

11
16

3
2

2
2

6 12

= 0,6875

12/05/2014

FUNCION DE DISTRIBUCIN F(x)

Definicin: La funcin de distribucin acumulada F(x) de

una variable aleatoria continua X con funcin de
probabilidad f(x) es:
= =

< <

Dicha funcin es lisa y no decreciente de los valores de

la variable aleatoria con las siguientes propiedades:
1. = 0;
2. = 1;
3. < < =
Ejemplo: La F(x) para el ejemplo anterior se obtiene
integrando:

2 0

1 2

3 2
2 2

6 0

3 2
2 2

6
12/05/2014

1.

2.

3.

Ejemplo: Sea X una variable aleatoria continua con

Funcin de distribucin

1 , > 0
=
0,

Calcule P (1<X<2,5) usando la funcin F.
Encuentre la correspondiente fdp y sela para calcular
P(1<X<2,5)
Dibuje las grficas de f y F.

12/05/2014

SOLUCIN
1. < < = = 1 2,5 1 1
2,5 + 1 = 0,08208 + 0,36788 = 0,2858
=
2. = = 1 =

, > 0
, =
,
0,
No olvidar: Para que una funcin quede bien definida
debe indicar: 1) nombre de la funcin; 2) Dominio de la
funcin; 3) Relacin de correspondencia.
2,5
2,5
= 1 = 1
1
1
2,5

<<

= 2,5 (

)=

2,5
1

12/05/2014

GRFICAS DE f y F EJEMPLO 2.

12/05/2014

VALOR ESPERADO Y VARIANZA DE

UNA VARIABLE ALEATORIA

Terna X, f, F: Distribucin de probabilidad, no importa si

X es discreta o continua.
Media, Esperanza o Valor esperado de X
El valor esperado es un valor representativo de la
variable aleatoria, y se supone que en ese valor est
centrada la distribucin de probabilidad.
El valor esperado se define:

= =

)
)

Supuesto que la serie o la integral converge. Cuando se

conoce con qu variable aleatoria se est trabajando, se
escribe simplemente en vez de .
12/05/2014

VARIANZA DE LA V.A. X

Es una medida de variabilidad de X. Se define

como:
= 2 =
) ( )2 ,
)

)2 ,

Supuesto que la serie o la integral converge.

Cuando se conoce con qu variable aleatoria se
est trabajando, se escribe simplemente 2 en
vez de 2 .

12/05/2014

EJEMPLO DE APLICACIN V.A. DISCRETA

Sea X v.a. discreta que representa el Nmero de caras

en el lanzamiento de tres monedas perfectas. Halle
Media y Varianza de X.
Solucin:
Defina la Variable Aleatoria.
(Qu tipo de v.a. es)
Calcule su rango y su f(x)
Aplique definiciones de y 2

12/05/2014

SOLUCIN EJEMPLO DE APLICACIN

Se sabe que: ranX = {0, 1, 2, 3}

( )

1/8

3/8

3/8

1/8

Y f(x) = 0, en otro caso.

= 0

1
8

+1

3
8

+2

3
8

+3

1
8

3
2

= = 1,5

Se observa (grfica de f(x)), que el valor de = 1,5 no es tomado

por la variable aleatoria, pero, en promedio, se tendr este valor.
Ahora,

2 =

2
( )

3 2
1
0
+
2
8
1 9
3
3
9
+ + +
8 4
4
4
4

3 2
3
1
+ 2
2
8
6
3
= = = 0,75
8
4

3 2
2

3
8

+ 3

3 2
2

1
8

12/05/2014

EJEMPLO 2: V.A. CONTINUA

Ejemplo: Sea X una v.a. continua con fdp:

6 1 , 0 < < 1
=
0,
Halle la media y la varianza de X.

12/05/2014

SOLUCIN

Solucin:
=

=6

3
3

2 =

= 6

1 2

1
0

1 = 6

1
4
1
1
6
1

= 6 = = = 0,5
4 0
3
4
12
2

1
2
2
(

=
6

2 3

2 =
1
6 0 4 + 1 + 2 3 2 + 2 2 + 2 , = 0,5

=6
1
20

5
5

2 4
4

3
3

1
+
4

1
2
2 0

1
5

1
2

=6 +

5
12

1
8

= 0,05
12/05/2014

MEDIA Y VARIABILIDAD

La varianza de una v.a. X es una medida de dispersin, o

esparcimiento de los valores que toma X respecto a la media
. Por ejemplo, considere las v.a. 1 2 con fdp
1

0<<2
1 =
2 =
0,
Entonces, 1 = 2 = 1,

12

1 2
2 0

2,

1
3

22

1 3
4 1

4,

1 < < 3
0,

16
3

Se puede ver que 22 > 12 , lo que corresponde a un mayor

esparcimiento de los valores de X.

12/05/2014

FRMULA ALTERNA PARA EL CLCULO DE LA VARIANZA

Teorema: Si X es variable aleatoria con distribucin de probabilidad

f(x) y media , entonces:
2 = 2 2
Prueba: Para el caso discreto se tiene:
2 = ( )2 ,
= 2 2 + 2

=
2
2
2 +

Se tiene que
= =
1 .
Entonces:
2 = 2 2 + 2 = 2 2

12/05/2014

EJEMPLOS DISCRETO Y CONTINUO

Discreto: Calcule la varianza con la frmula

alterna del teorema para la variable aleatoria
discreta del nmero de caras en el lanzamiento
de una moneda 3 veces.

Continuo: Calcule la varianza de la v.a. continua

anterior con la frmula alterna:
6 1 ,
0<<1
=
0,

12/05/2014

SOLUCIONES

Solucin caso discreto:

2 =

= 02 0 + 12 1 + 22 2 + 32 3

=0+ +

, 2

Solucin caso continuo:

3
8

,
12
9
+
8
8

1 3
=6 0
1
4
5

=
4
5 0

=6

, 2

24
8

=3

= 0, 1,2,3
=3
3 2
2

9
4

=3 =

1 = 6
6

1
1

4
5

3
1 2

10
2

1
0

6
20

3
1

10
4

3
4

3 4

3
10

= 0,3

1
20

= 0,05
12/05/2014

DESVIACIN ESTNDAR

A la raz cuadrada positiva de la varianza se le llama

desviacin estndar.
d.e. = 2 = , , si ya ha sido definida la variable
aleatoria. Al igual que la varianza, es una medida de
dispersin o esparcimiento de los valores que toma X, y
tiene la ventaja que viene expresada en la misma unidad
de medida que la propia variable aleatoria, por lo que en
varias aplicaciones se prefiere su clculo.

12/05/2014

ESPERANZA Y VARIANZA DE UNA FUNCIN

DE UNA VARIABLE ALEATORIA

Definicin: Sea X una v.a. con distribucin de

probabilidad f(x) y sea g(x) una funcin definida para
todos los valores que toma X. La esperanza o valor
esperado de la funcin g(X) se define como:
[ ] =

)
)

() ,

() ,

Supuesto que la serie o integral converge.

Obsrvese que si = , entonces = =
,
Y si = 2 , entonces = 2 =
2
12/05/2014

EJEMPLO: Mara y Pedro juegan el siguiente juego:

Mara lanza una moneda repetidas veces hasta que salga
cara. Si sale cara en el primer lanzamiento, Mara recibe
de Pedro 1 dlar, si sale cara por primera vez en el
segundo lanzamiento, Mara recibe de Pedro 40 centavos
de dlar; si sale cara por primera vez en el tercer
lanzamiento, recibe 20 centavos de dlar; y si no sale
cara en los tres primeros lanzamientos, Mara no recibe
nada. Cunto debe aportar Mara antes de cada
lanzamiento para que el juego sea justo? (Es decir, en
una larga serie de lanzamientos, ambos tengan la misma
cantidad de dinero).

12/05/2014

SOLUCIN

Mara debe pagar a Pedro el promedio de lo que espera

recibir de Pedro. Obviamente teniendo en cuenta las
probabilidades de ocurrencia.
Sea X: Nmero del lanzamiento en que Mara obtiene
cara por primera vez.
ranX={1,2,3}
Y la fdp correspondiente es:

( )

1/2

1/8

Y f(x)= 0 en otro caso.

12/05/2014

CONTINUACIN EJEMPLO

Sea g(X) la funcin ganancia de Mara.

Entonces, g(1) = 100 cts.,
g(2) = 40 cts.,
g(3) = 20 cts.
Y la ganancia esperada de Mara es:
= 1 1 + 2 2 + 3 3

= 100

1
2

+ 40

1
4

+ 20

1
8

400+80+20
8

500
8

= 62,5 .

De tal modo que si Pedro recibe, por ejemplo, 60 cts. De

Mara antes de cada lanzamiento, Mara lleva las de
ganar en una larga serie.

12/05/2014

TEOREMA (PROPIEDADES DEL VALOR ESPERADO)

Si X es variable aleatoria (discreta o continua)

con distribucin de probabilidad f(x), y g(X),
h(X) son funciones definidas para todos los
valores de X, y a, b son constantes, entonces:
) = , 0 = 0
) + = () +
) + = + [ ]
) , ,
[ ]

12/05/2014

Demostracin de iv)

) 0;
[ ] =

] 0

( ,
0)
Entonces,

12/05/2014

VARIANZA DE UNA FUNCIN DE UNA V.A.

Definicin: Sea X una v.a. con distribucin de

probabilidad f(x) y sea g(x) una funcin definida para
todos los valores que toma X. La varianza de la funcin
g(X) se define como:

2
()

)
)

[()

[()

]2 ,

]2 ,

Supuesto que la serie o integral converge.

12/05/2014

Ejemplo

Sea la v.a continua X con fdp:

2 1 , 0< <1
=
0,

i) Encuentre la media de X.
ii) Encuentre el valor esperado de la funcin g(X) = 3X-5
iii) Encuentre la varianza de la funcin g(X) = 3X-5

12/05/2014

Solucin:

i) = = 2

=2

ii)

2
2

1
3

3 0

=2

1
2

1 = 2
1

= 3 5 = 3 5 = 3

1
3

4)2 1

1
(3
0

1
3

5 = 4
2
iii) () =
1
2 0 (3 5 +

1
0

1)2 1 = 2

1
0

9 3 + 15 2 7 + 1 =

1
2

12/05/2014

Teorema (Propiedades de la Varianza)

Si X es variable aleatoria (discreta o continua) y a, b son

constantes, entonces:
) + = 2 . =
2 + = ()
) =
0, , , =
1 = 0
Es decir, la varianza para un solo punto es cero, ya que
no hay dispersin.
) 2 , ()
Recurdese que = 2

12/05/2014

MEDIANA EN V.A.

Definicin Mediana: La mediana de una variable aleatoria

(discreta o continua) se define como un nmero m que satisface:
1
2

1
2

Es una medida de tendencia central importante, especialmente en

caso donde la media no existe.
Ejemplo: Sea X v.a. discreta que toma los valores 1, 2, 3 y 4 con
probabilidades:
= 1 = = 4 = 0,2 = 2 = = 3 = 0,3.

Se observa que 2 = 0,5

Luego para X que satisface 2 3 Se tiene

1
2

1
2

3 = 0,5 1,2,

1
2

Por lo tanto todo nmero x dentro del intervalo 2 3 es

mediana de X.
12/05/2014

MEDIANA

Para el caso continuo, la mediana es cualquier punto x que divide el

conjunto de ordenadas de f en dos regiones de igual rea, ya que
en este caso la mediana satisface:

En pocas palabras, la mediana es el valor 0,5 tal que 0,5 = 0,5

Teorema: Si X es v.a. con distribucin de probabilidad f, simtrica,
con respecto a un punto x=c, esto es, = ( + ), para
todo x, entonces, c es mediana de X.
Ejemplo: Sea X v.a. continua con fdp:
=

1
2

1 1

0, (1,1)
Grficamente se observa que = [1,1]

12/05/2014

MODA

Definicin moda: La moda de una v.a. X se define como el

punto M donde la funcin f alcanza su valor mximo. La moda
puede no existir, y si existe, no ser nica.
En el ejemplo de la v.a. discreta, los puntos x=2 y x=3 son
moda de X. Para el ejemplo de la v.a. continua, M= [-1,1]
Ejemplo: Sea X v.a. con fdp:

1
, <0
2 1 2
1
, > 0
2(1+)2

0, = 0
Si se grafica la funcin, se puede ver que la media de X no
existe, por que la integral da indefinida, la mediana de x es
m=0, y la moda no existe.
12/05/2014

OTRAS MEDIDAS DE TENDENCIA

CENTRAL PARA V.A.

Igualmente, se pueden determinar otras

medidas de tendencia central, tales como los
cuartiles, deciles y percentiles. Los primeros
dividen a la distribucin de probabilidad en
cuatro intervalos, cada uno con probabilidad de
0,25. Los segundos, la dividen en 10 intervalos
de probabilidad 0,10, y los terceros en 100
partes, con probabilidad de 0,01.

12/05/2014

DISPERSIN, SIMETRA Y KURTOSIS

Otras medidas de dispersin a calcular pueden ser el

recorrido intercuartil, que es la diferencia entre el tercer
y el primer cuartil, y el recorrido interdecil, que es la
diferencia entre el noveno y el primer decil. El primero
refleja la variabilidad del 50% central de la distribucin,
mientras que el segundo la calcula para el 80%.
Tambin, obviamente, se pueden calcular los momentos
tercero y cuarto, que proporcionan informacin muy til
de la forma de la distribucin. El tercero, est
relacionado con la asimetra de la distribucin de
probabilidad de X. El cuarto, da una medida de qu tan
puntiaguda es la distribucin, y recibe el nombre de
curtosis.
12/05/2014

DESIGUALDAD DE TCHEBYSHEV

La probabilidad de que una variable aleatoria X tome un valor

que no diste de la media en ms de k desviaciones estndar,
1
es al menos 1 2 . Simblicamente,

< 1

1
2

( < < + ) 1

1
2

En el caso del evento complementario, la desigualdad de

Tchebyshev se expresa en forma equivalente como:
1
> 2

Ejemplo: Se sabe que la variable aleatoria X tiene media

= 3 y varianza 2 = 4 . Usando la desigualdad de
Tchebyshev encuentre un lmite para:
)

1
3

<<

17
3

)( ) 4)
12/05/2014

SOLUCIN

Solucin: )

1
3

<<

Entonces, =
y 3 + 2 =

17
3

1
3

17
3

= ( < < + )

y + =

17
.
3

Se tiene que 3 2 =

1
3

porque = 2

Resolviendo para k, se encuentra que =

Entonces,

1
3

<<

17
3

1
2

(4 3)

4
3

=1

9
16

7
16

= 0,4375

)( ) 4) = ( ) )
Ahora, de = 4, es decir, 2 = 4, se encuentra que = 2.

Entonces, ( ) 4)

Y, ( ) 4)

1
22

1
2
1
4

, ( ) 4) = 0,25
12/05/2014

SIENDO EXPLICATIVOS
La desigualdad de Tchebyshev establece un lmite inferior
para la probabilidad que la variable aleatoria X tome un valor
que no diste de la media en ms de k desviaciones estndar,
o, de manera equivalente, un lmite superior para que la
probabilidad de que X tome un valor ms all de k
desviaciones estndar. No es necesario conocer la
distribucin de probabilidad previamente.

12/05/2014

A PARTIR DE AQU, EMPIEZAN PROBLEMAS

DIVERSOS CAPTULO 4 NO OLVIDEN
EL TALLER EN GRUPOS DE 3 PERSONAS
PARA DESARROLLAR EN CLASES

12/05/2014

Referencias
1.

2.

3.

G. C. Canavos. 1988. Probabilidad y Estadstica - Aplicaciones y

Mtodos. Mc. Graw Hill, Mxico.
R. Walpole. 2007. Probabilidad y Estadstica para Ingeniera y
Ciencias. Octava edicin. Prentice Hall.

D. Montgomery. 1997. Probabilidad y Estadstica aplicadas a la

Ingeniera . Mc. Graw Hill, Mxico.

12/05/2014