Академический Документы
Профессиональный Документы
Культура Документы
Universidad de Ca
Departamento de Matematicas
MATEMATICAS
para estudiantes de primer curso
de facultades y escuelas tecnicas
Tema 12
Distribucion de una variable aleatoria
Indice
1. Breve introducci
on a la combinatoria
1.1. Variaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Permutaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3. Combinaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1
2
3
2. Definiciones previas
2.1. Sucesos. Frecuencia absoluta y relativa . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Sucesos equiprobables. Probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
4
5
3. Noci
on de variable aleatoria
9
9
11
12
13
6. Ejercicios propuestos
15
Tema 12
1.1. Variaciones
Definici
on 1.1 Llamaremos variaciones sin repetici
on de m elementos tomados de n en n, a los
diferentes grupos que con ellos se pueden formar, de tal modo que cada grupo este formado n elementos
distintos y que un grupo se diferencie de los dem
as, bien en alguno de los elementos, bien en el orden
de colocaci
on de los mismos.
Ejemplo 1.1 Cu
antos n
umeros de tres cifras se pueden formar con 1, 2, 3, 4, sin que se repita ninguna?
Los n
umeros que se obtienen son los siguientes:
123
213
312
412
124
214
314
413
132
231
321
421
134
234
324
423
142
241
341
431
143
243
342
432
m!
(m n)!
4!
= 24 n
umeros distintos que se pueden formar con
(4 3)!
Definici
on 1.2 Llamamos variaciones con repetici
on de m elementos, tomados de n en n, a los
diferentes grupos que con ellos se pueden formar, de tal modo que cada grupo este formado por n
elementos, pudiendo repetirse alguno de ellos una o varias veces, y considerando que dos grupos son
distintos si se diferencian en alg
un elemento, o en el orden en que est
an colocados.
Al n
umero de todas las posibles variaciones con repetici
on de orden n que se pueden formar con m
n o bien por V R
elementos se denotar
a por V Rm
.
m,n
N
otese que en las variaciones sin repetici
on debe cumplirse que m n; sin embargo, en este caso
esta condici
on no es necesaria.
Ejemplo 1.2 Al rellenar una quiniela, utilizamos variaciones con repetici
on. En cada columna debemos
colocar 14 signos, repitiendo los tres u
nicos signos posibles: 1, X, 2. Una columna difiere de la otra en
alg
un signo o por el orden en que est
an colocados.
El n
umero de variaciones con repetici
on de m elementos, tomados de n en n, viene dado por
n
V Rm
= V Rm,n = mn .
Ejemplo 1.3
1. Cu
antos n
umeros de 5 cifras se pueden formar con las cifras 1, 2, 3?
V R35 = 35 = 243.
2. Cu
antos caracteres del alfabeto Morse se podr
an escribir utilizando 6 signos (puntos o rayas)?
V R26 = 26 = 64.
3. Cu
antas columnas rellena un quinielista que juega un boleto m
ultiple de 2 triples y 4 dobles?
V R32 V R24 = 32 24 = 144 columnas.
1.2. Permutaciones
Definici
on 1.3 Dados m elementos, llamaremos permutaciones sin repetici
on de m elementos a
las variaciones de esos m tomados de m en m, es decir, a los diversos grupos que con ellos se pueden
formar, de modo que, entrando todos ellos en cada grupo, se diferencie un grupo de otro solamente en
el orden de colocaci
on de los elementos.
De la definici
on anterior se deduce que las permutaciones sin repetici
on no son sino variaciones en
umero de
las que cada grupo est
a formado por todos los elementos. As, si designamos por Pm al n
permutaciones que se pueden formar con m elementos, tenemos que
Pm = Vmm =
m!
= Pm = m!.
(m m)!
Definici
on 1.4 Dado un conjunto de m elementos de k clases distintas, cada una de las cuales est
a formada por ni elementos, 1 i k (n1 + n2 + + nk = m), llamaremos permutaciones con repetici
on a las distintas formas en que se pueden ordenar esos m elementos. Una ordenaci
on se distingue
de otra por el lugar que ocupan dos elementos distintos.
Ejemplo 1.4
1. Formar todos los n
umeros que se pueden escribir permutando las cifras 3, 3, 4.
334, 343, 433.
2. Cu
antas permutaciones distintas se pueden formar con las letras de casa?
Tema 12
casa,
acsa,
saca,
asca,
acas,
aacs,
asac,
aasc,
caas,
csaa,
saac,
scaa.
10!
= 12600.
4!3!2!
2. De cuantas formas distintas se puede organizar un tren con tres coches de segunda clase, tres
de primera, dos coches cama y un vag
on de correos?
P93,3,2 =
9!
= 5040.
3!3!2!
1.3. Combinaciones
A veces interesa ver los distintos grupos que se pueden formar con varios elementos, atendiendo
s
olo a la naturaleza de los mismos y no al orden. As, por ejemplo, si nos preguntan cu
antas sumas
distintas podemos obtener con los n
umeros 1, 3, 5, 7, es lo mismo considerar 1 + 3 que 3 + 1, o 3 + 5
que 5+ 3. De este modo, en las combinaciones no influye el orden en que esten colocados los elementos.
De aqu la siguiente
Definici
on 1.5 Se llaman combinaciones sin repetici
on de m elementos, tomados de n en n, a
los distintos grupos que se pueden formar con los m elementos, de modo que cada grupo este formado
por n de ellos, diferenci
andose un grupo de otro en uno de sus elementos.
Ejemplo 1.6 Cu
antas rectas determinan cuatro puntos, A, B, C y D, con tal de que no haya m
as
de dos que esten alineados?
Como AB y BA son la misma recta, todas las posibles rectas ser
an AB, AC, AD, BC, BD, CD.
Otra definicion de combinaciones sin repetici
on sera la siguiente:
Definici
on 1.6 Dado un conjunto A de m elementos, se llaman combinaciones de orden n a todos
los subconjuntos posibles de n elementos que pueden obtener con los m elementos de A.
Como dos conjuntos son iguales si tienen los mismos elementos, se comprende que el orden no influya
en la formacion de combinaciones sin repetici
on. Se consideran iguales los subconjuntos formados por
los mismos elementos, aunque esten dados en distinto orden.
La notacion empleada para representar el n
umero de combinaciones de m elementos, tomados de
n o C
n en n, es Cm
m,n , y viene dado por
m
n
Cm = Cm,n =
.
n
Vmn
Pn
Ejemplo 1.7 Cu
antos grupos de cinco se podr
an formar con los 30 alumnos de una clase en el supuesto
de que un grupo se diferencie de otro por lo menos en un alumno?
30
30!
5
C30 =
=
= 120 grupos.
5
25!5!
2. Definiciones previas
En esta secci
on estudiaremos brevemente los conceptos que deben conocerse para abordar el presente tema. As, llamaremos experimento aleatorio a todo aquel cuyos resultados no son predecibles,
aunque lo repitamos en las condiciones m
as uniformes posibles, como puede ser el lanzamiento de un
dado efectuado por una m
aquina. Aparece siempre una variable intrnseca que se podr
a suprimir,
variando, por ello, los resultados en las sucesivas pruebas o repeticiones del mismo. Es decir, si nos ha
salido en el ejemplo del dado un 4 en una prueba, no sabemos el n
umero que saldr
a en la siguiente.
Se entender
a por variable estadstica al conjunto de resultados o serie de valores obtenidos al
repetir un experimento aleatorio.
Considerense los experimentos siguientes:
1) Lanzar un dado anotando los resultados.
2) Anotar el sexo de un determinado n
umero de recien nacidos.
Supongamos que hemos obtenido las dos series estadsticas siguientes:
{1, 3, 4, 4, 2, 5, 4, 2, 1, 4},
{ni
no, ni
na, ni
na, ni
na, ni
no}.
Tema 12
Si se trata de extraer dos bolas, una tras otra, de una bolsa que contiene cinco blancas y tres
negras, podemos realizar las extracciones de dos formas distintas:
a) Con reemplazamiento, es decir, hecha la extracci
on y anotado el resultado, se vuelve a introducir
la bola extrada en la bolsa.
b) Sin reemplazamiento, esto es, extrada la primera bola, se hace la segunda extracci
on sin introducir
la primera en la bolsa.
En el primer caso, el hecho de haber realizado la primera extracci
on no influye en la segunda, ya
que no se alteran las condiciones: los dos sucesos son independientes. En el segundo caso, la primera extracci
on modifica las condiciones en las que se va a realizar la segunda: los dos sucesos son
dependientes.
Los posibles sucesos de un espacio muestral E coincidir
an con todas las partes de E: P(E). Si el
espacio muestral E est
a formado por n resultados de un experimento, el n
umero de sucesos de E es
n
2 .
La frecuencia absoluta de un suceso A, fa (A), es el n
umero de veces que se repite dicho suceso
en un determinado n
umero de pruebas. La frecuencia relativa de un suceso A, fr (A), es el cociente
entre la frecuencia absoluta y el n
umero de pruebas. Si el n
umero de pruebas realizadas es N y n el
n
umero de veces que se ha repetido un suceso A, tendremos
fa (A) = n,
fr (A) =
n
.
N
Al arrojar una moneda al aire, {salir cara} o {salir cruz} son igualmente posibles y, seg
un la ley del
azar, los dos sucesos tienen la misma probabilidad: diremos que son equiprobables.
Cuando un espacio E est
a compuesto por n sucesos elementales, todos equiprobables, diremos que
1
el espacio es uniforme y la probabilidad de cada suceso elemental es igual a .
n
Ejemplo 2.1 Cu
al ser
a la probabilidad de que al lanzar dos monedas al aire salgan A ={dos caras},
B ={una cara y una cruz}?
El espacio E = {cc, cx, xc, xx} est
a formado por cuatro sucesos elementales y es uniforme. Cada
1
suceso tiene la misma probabilidad, .
4
1
P (A) = ,
4
1 1
1
+ = .
4 4
2
En un espacio uniforme, al n
umero de todos sus elementos se le llama casos posibles, y al n
umero
de elementos que integran un suceso parcial se le llama casos favorables. Con esta nomenclatura,
podemos dar la definici
on de Laplace:
Definici
on 2.1 La probabilidad de un suceso A viene dada por
P (A) =
casos favorables
.
casos posibles
Ejemplo 2.2
1. Cu
al es la probabilidad del suceso A ={n
umero par} en el lanzamiento de un dado?
El espacio es uniforme y est
a compuesto por seis elementos: E = {1, 2, 3, 4, 5, 6}; el suceso A
3
1
tiene tres elementos: A = {2, 4, 6}. La probabilidad es entonces P (A) = = .
6
2
2. Cu
al es la probabilidad de que en un lanzamiento de dos dados la suma sea 8?
El espacio tiene V R62 = 36 elementos equiprobales:
E = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), . . . , (6, 5), (6, 6)}.
Los casos posibles son cinco:
A = {(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)},
5
.
36
Las propiedades fundamentales de las probabilidades son las siguientes:
con lo que P (A) =
Tema 12
Aqu se est
a realizando un abuso del lenguaje, pues sera m
as conveniente hablar de funci
on aleatoria que de variable
aleatoria.
= 0.
4. Considerese el experimento aleatorio lanzar dos dados. Si los resultados de los dados son m y
n, definimos la variable aleatoria X como X(m, n) = m + n. El dominio de la variable aleatoria
X o espacio muestral es el siguiente:
E = {(1, 1), (1, 2), (1, 3), . . . , (6, 5), (6, 6)},
que esta formado por 36 elementos. El recorrido de la variable aleatoria X est
a constituido por
{2, 3, 4, 5, . . . , 12}.
Definici
on 3.1 Una variable aleatoria X, asociada a un espacio muestral E, es una funci
on de E
nico n
umero real
en R. Si E = {e1 , e2 , . . . , en }, entonces a cada resultado ek E le corresponde un u
xk :
ek 7 X(ek ) = xk , ek E;
es decir, transforma sucesos elementales en puntos de la recta real.
En el ejemplo anterior de lanzar tres monedas y definir la variable aleatoria X asignar a cada resultado el n
umero de caras obtenidas, podemos representar los resultados posibles, ek , la medida de
probabilidad, P (ek ) y la variable aleatoria, X(ek ) mediante la siguiente tabla:
ek
P (ek )
X(ek )
CCC CCF
1/8
1/8
3
2
CF C F CC CF F
1/8
1/8
1/8
2
2
1
F CF
1/8
1
FFC FFF
1/8
1/8
1
0
1 1 1
3
+ + = .
8 8 8
8
Definici
on 3.2 La distribuci
on de una variable aleatoria X es una tabla formada por sus valores con
sus correspondientes probabilidades.
En el ejemplo anterior:
X
P (X = x)
0
1
2
3
1/8 3/8 3/8 1/8
Tema 12
B
NB
NNB
(i1)
NN NB
(2/3)(i1) 1/3
i
Definici
on 4.1 Cualquier espacio muestral E que consta de n
umero finito o infinito numerable de
puntos es un espacio muestral discreto.
Cualquier variable aleatoria definida en un espacio muestral discreto es una variable aleatoria
discreta X que puede tener, por tanto, un n
umero finito o infinito numerable de valores distintos.
Fr. rel.
fk
6/48
9/48
10/48
2/48
9/48
12/48
Tabla de probabilidades
Var. aleat.
Fr. abs.
Probabilidad
X
te
orica
Pk
1
8
8/48=1/6
2
8
1/6
3
8
1/6
4
8
1/6
5
8
1/6
6
8
1/6
teora
universo
Frecuencia fk
Var. estadstica xk
probabilidad Pk
var. aleatoria X
10
1
6
xk
Figura 1
xk
Figura 2
on
Definici
on 4.2 Una funci
on de probabilidad f (xk ) de una variable aleatoria discreta X es una funci
real de variable real definida por
f (xk ) = P (X = xk ) = P {ek : X(ek ) = xk }.
f (xk ) indica la probabilidad de que la variable aleatoria X tome el valor xk , verific
andose las condiciones:
a) 0 f (xk ) 1;
b)
n
X
f (xk ) = 1.
k=1
El conjunto de valores
{[xk , f (xk ) = P (X = xk )] = [xk , P (xk )]} :
xn
f (xn ) = P (X = xn )
Ejemplo 4.1 Consideremos de nuevo el lanzamiento de tres monedas. Sea la variable aleatoria X la
funci
on que hace corresponder a cada resultado del experimento el n
umero de caras obtenidas. Se
tiene, seg
un sabemos:
Espacio muestral:
E = {(CCC), (CCF ), (CF C), (F CC), (CF F ), (F CF ), (F F C), (F F F )}.
Recorrido de X: X = {3, 2, 1, 0}.
11
Tema 12
La funci
on de probabilidad viene definida por f : X R de modo que f (3) = P (X = 3) = 1/8;
f (2) = P (X = 2) = 3/8; f (1) = P (X = 1) = 3/8; f (0) = P (X = 0) = 1/8; todo ello suponiendo
que los sucesos elementales sean equiprobables.
Fijemonos en un valor cualquiera de la funci
on de probabilidad; por ejemplo, f (2) = P (X = 2)
expresa la probabilidad de que el n
umero de caras sea 2. Al escribir P (X = 2), probabilidad de
que la variable aleatoria X tome el valor 2, nos estamos refiriendo a la probabilidad del suceso
P {(CCF ), (CF C), (F CC)} que, por brevedad, escribiremos P (X = 2).
El ejemplo anterior es una funci
on de probabilidad de una variable aleatoria discreta (o bien de una
funci
on de probabilidad discreta), porque E es un espacio muestral discreto. Se verifican:
a) 0 f (xk ) 1;
P
b)
f (xk ) = 1/8 + 3/8 + 3/8 + 1/8 = 1.
0
1/8
1
3/8
2
3/8
3
1/8
fk
3
8
1
8
x
0
12
=P (X = x1 ) + P (X = x2 ) + + P (X = xk ).
F (xk ) es la probabilidad de que la variable aleatoria X tome un valor menor o igual que xk .
As, en el caso del dado, tenemos por ejemplo que F (2) = 2/6 = 1/3 y F (4) = 4/6 = 2/3.
n
X
xk fk =
k=1
varianza: 2 =
n
X
k=1
n
X
xk nk
k=1
(xk x
)2 fk ,
v
uX
u n
desviaci
on tpica: = t (xk x
)2 fk .
k=1
xk f (xk ) =
xk pk ,
es decir, la suma de los productos de los valores xk que toma la variable aleatoria X por sus
probabilidades respectivas.
varianza:
2=
2 = E(X X)
X
X
(xk )2 f (xk ) =
(xk )2 pk ,
esto es, la suma de los productos de las desviaciones al cuadrado de los valores xk que toma X
respecto a la media por las probabilidades respectivas.
13
Tema 12
desviaci
on tpica: =
pP
(xk )2 pk .
La media y la desviaci
on tpica se denominan par
ametros de una funci
on de distribuci
on F (x).
Ejemplo 4.2
1. Calc
ulense los par
ametros de la distribuci
on de la variable aleatoria X dada por la tabla
X
f (xk ) = pk
0
02
1
01
2
0
3
04
4
01
5
0
6
02
7
0
Aplicando las f
ormulas anteriores tenemos que
X
=
xk pk = 0 0 2 + 1 0 1 + 2 0 + 3 0 4 + 4 0 1 + 5 0 + 6 0 2 + 7 0 = 2 9,
qX
=
(xk )2 pk = 8 41 0 2 + 3 61 0 1 + + 9 61 0 2 = 2 02.
2. Hallar la esperanza matem
atica y la desviaci
on tpica en el experimento de lanzar tres monedas
y anotar las caras obtenidas.
Recuerdese que
1
3
3
1
P (X = 0) = , P (X = 1) = , P (X = 2) = , P (X = 3) = ,
8
8
8
8
por lo tanto,
1
3
3
1
xk pk = 0 + 1 + 2 + 3 = 1 5,
8
8
8
8
r
qX
1
3
3
1
=
(xk )2 pk = 2 25 + 0 25 + 0 25 + 2 25 = 0 86.
8
8
8
8
=
Marcas de clase xk
135
145
155
165
175
185
195
Repeticiones nk
3
10
26
34
17
8
2
Repet. acum. Nk
3
13
39
73
90
98
100
14
Nk
nk
10
135
145
155
165
175
185
cm
195
135
Figura 3
145
155
165
185
175
195
cm
Figura 4
f (x)
y = f (x)
P (b < X c) =
f (t)dt = P (X x) = F (x)
b
Figura 5
f (x)dx
b
15
Tema 12
F (x)
f (t)dt = P (X x) = F (x)
x
Figura 6
f (x)dx = 1.
funci
on de distribuci
on que coincide con el area de la regi
on rayada de la figura 5.
De forma an
aloga se define
Z c
P (b < X c) =
f (x)dx,
b
el area bajo la curva de probabilidad en el intervalo (b, c) coincide con la probabilidad del
suceso b < X c. Si F es derivable, se tiene F (x) = f (x) y, por tanto,
Z c
f (x)dx = F (x)|cb = F (c) F (b).
b
Observe el alumno que el valor del area rayada de la figura 5 coincide con la ordenada correspondiente
a X = x en la figura 6.
6. Ejercicios propuestos
(1) Cu
antos n
umeros naturales se pueden obtener con las cifras 1, 2, 3, 4, 5, sin repetir ninguna?
(2) Cu
antos n
umeros de tres cifras se pueden formar con las cifras pares 2, 4, 6, 8, sin que se repita
ninguna? Cu
antos de esos n
umeros comienzan por 2? Cu
antos terminar
an en 64? Cu
antos
habr
a que sean mayores que 500?
16
(3) Resuelve el ejercicio anterior, suponiendo que es posible repetir las cifras.
(4) En una rifa colegial se han hecho 1000 papeletas, numeradas del 000 al 999. Cu
antos capic
uas
habr
a?
(5) De cu
antas formas podr
an colocarse en fila 10 alumnos, si suponemos que dos ocupan siempre el
mismo puesto, uno el primero y otro el u
ltimo?
(6) Una lnea de ferrocarril tiene 25 estaciones. Cu
antos billetes diferentes habr
a que imprimir, si
cada billete lleva impresas las estaciones de origen y destino?
(7) Cu
antos n
umeros hay entre 5000 y 6000 que tengan todas sus cifras diferentes?
(8) En un banco hay sentadas 6 personas. Variando el orden de los puestos, de cu
antas maneras
pueden colocarse?
(9) Cu
antos grupos de letras se formar
an con las de la palabra Isabel, con tal que no vayan ni dos
vocales ni dos consonantes juntas? Cu
antos de esos grupos comenzar
an por vocal?
(10) Con las cifras 5, 6, 7, 8, 9, cu
antos n
umeros de cinco cifras puedes formar, con la condici
on de
que no haya dos cifras impares juntas?
(11) Con las cifras 1, 1, 2, 2, 3, cu
antos n
umeros de cinco cifras se pueden formar? Si se ordenan en
orden creciente, que lugar ocupar
a el n
umero capic
ua 21312?
(12) Cu
antas letras de 5 signos se pueden formar en el alfabeto Morse con 3 rayas y 2 puntos?
(13) De cu
antos modos distintos podr
an presentarse 10 cartas de una baraja, sabiendo que son 4 ases,
3 reyes, 2 caballos y una sota?
(14) Cu
antos grupos de dos, de tres, de cuatro, es posible formar con 90 personas?
(15) De cu
antas formas pueden combinarse los sietes colores del arco iris, tomados de cinco en cinco?
(16) Se dispone de ocho objetos. Que es mayor, el n
umero de combinaciones tom
andolos de tres en tres,
o el n
umero de combinaciones de los mismos elementos de cinco en cinco? Razona la respuesta.
(17) En una urna se tienen tres bolas blancas, dos bolas negras y una bola roja. Sea la variable X que
asigna 2 al resultado de extraer una bola blanca, 25 si es negra y 4 si es roja. Se pide:
a) el dominio y el recorrido de X;
b) tablas de las funciones de probabilidad y de distribuci
on de X y su representaci
on gr
afica.
(18) Sea un dado con tres caras negras y tres blancas. Consideremos un segundo dado con cuatro caras
negras y dos blancas. Se lanzan los dos dados. Sea X la variable aleatoria que asigna el n
umero
de caras blancas obtenidas en cada lanzamiento. Se pide la distribuci
on de probabilidades X y su
funci
on de distribuci
on.
(19) Halla la media o esperanza matem
atica y la desviaci
on tpica de los dos ejercicios anteriores.
(20) Se tienen las siguientes distribuciones:
a)
xk
f (xk )
-1
1/2
2
1/4
b)
xk
f (xk )
1
02
3
03
35
1/4
4
01
5
02
7
02
Tema 12
Se pide:
hallar las tablas correspondientes a la funci
on de distribuci
on;
gr
aficas de las mismas;
hallar y en los dos casos.
17