CORPORACIÓN UNIVERSITARIA ASTURIAS.

VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

UNIDAD 3. CASO PRÁCTICO.

PREGRADO EN ECONOMÍA.

BOGOTÁ D.C
2019

1
1 CONTENIDO
2 INTRODUCCION. 3
3 CASO PRÁCTICO 1 4
4 CASO PRÁCTICO 2 5
5 CONCLUSION 7
6 BIBLIOGRAFÍA 8

2
 2 INTRODUCCION.

La Estadística utiliza fundamentos de la matemática para organizar y resumir una gran

cantidad de datos obtenidos de la realidad, e inferir conclusiones respecto de ellos, uno de
los ejemplos más claros de como la estadística tiene aplicaciones a la vida cotidiana es
relacionado a conocer el estado sanitario de un país, a través de ciertos parámetros como la
tasa de morbilidad o mortalidad de la población.
La estadística puede aplicarse a cualquier ámbito de la realidad, y por ello es utilizada en
física, química, biología, medicina, astronomía, psicología, sociología, lingüística,
demografía,
En este mismo sentido se incorporaron teorías como la de la probabilidad y estadística, la
distribución de Bernoulli, nombrada así por el matemático suizo Jacob Bernoulli, es una
distribución de probabilidad discreta, que toma valor 1 para la probabilidad de éxito y valor 0
para la probabilidad de fracaso, la teoría de probabilidad y estadística, la distribución de
Poisson es una distribución de probabilidad discreta que expresa, a partir de una frecuencia
de ocurrencia media, la probabilidad de que ocurra un determinado número de eventos
durante cierto período de tiempo y en estadística, la distribución binomial es una distribución
de probabilidad discreta que cuenta el número de éxitos en una secuencia de n ensayos de
Bernoulli independientes entre sí, con una probabilidad fija p de ocurrencia del éxito entre los
ensayos.
Por lo anterior la utilización de la estadística en distintos ámbitos de trabajo tiene gran
relevancia en día a día de las personas.

3
 3 CASO PRÁCTICO 1

¿Qué modelo de distribución podrían seguir las siguientes variables aleatorias?

Número de hombres, mujeres y niños (menores de 12 años, de cualquier sexo), en un avión
con 145 pasajeros.
 Distribución Bernoulli Un ensayo Bernoulli se define como aquel experimento
aleatorio con únicamente dos posibles resultados, llamados genéricamente éxito y
fracaso, con probabilidades respectivas 𝑝 y 1 − 𝑝.

 Distribución Poisson Supongamos que deseamos observar el número de

ocurrencias de un cierto evento dentro de un intervalo de tiempo dado.

 Distribución Binomial Supongamos ahora que tenemos una serie de n ensayos

independientes Bernoulli, en donde la probabilidad de éxito en cualquiera de estos
ensayos es 𝑝.
Si ℜ sigue la Distribución B (10; 0; 8), su valor esperado y su varianza valen

a) 8 y 0,2
b) 0,8 y 1,6
c) 8 y 16
0,8 y 0,2 Justificación
FORMULA = # INTENTO x PROBABILIDAD ÉXITO
# INTENTO 10
PROBABILIDAD ÉXITO 0,8
MEDIA 8
VARIANZA = MEDIA * (1-PROBALIDAD ÉXITO)
PROBABILIDAD ÉXITO 0,8
MEDIA 8
CONSTANTE 1
VARIANZA 1,6

¿Qué falta en la f(x) de cuantía de una variable B(n, p): P(ξ = x) = ¿? px (1 - p) n - x?

a) n! / x!
b) n! / [x! (n - x)!]
c) x! / [n! (x - n)!]
d) x! / n!

b) n! / [x! (n - x)!] Justificación

4
Con los datos dados deducimos que es una distribución binomial, el número de pruebas
que se realizan es n y la probabilidad de éxito es p.
n x
 p 1  p 
nx
f( x)  
 x
 
x  0,1,2,..., n
n n!
Entonces   x! n  x 
 x
 

Tomamos los elementos de x en x y los combinamos de n en x

La respuesta es la b. n! / [x! (n - x)!]

4 CASO PRÁCTICO 2

Se efectúan lanzamientos consecutivos de un dado correcto. Resuelva las siguientes

cuestiones:
Determine razonadamente la distribución de probabilidad de la v.a ξ: “número de
lanzamientos que deben efectuarse hasta conseguir el primer resultado par”. Calcular
la probabilidad de que se requieran 3 lanzamientos.

 Espacio muestra es {1,2,3,4,5,6}

 Espacio del evento es {2,4,6}

Deducimos en primer lugar que las posibilidades pares son 3 de 6, es decir los pares son 2,
,4 y 6, los impares son 1, 3 y 5, concluimos que la posibilidad de cada resultado es de 1/6, y
que sea par o impar es de:

 1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 100%

P(número par)= p= {2,4,6}

P= 1/6 + 1/6 + 1/6 =3/4 = 1/2

P(número par)= ½

Si lanzamos el dado la probabilidad que sea par o impar es del 50%, pero la posibilidad que
en 3 sea par planteamos lo siguiente:

Que se lance y sean 2 pares o 2 impares es la misma:

1/2 ^ 2 = 0,25 0,25

100% 25,00%

5
Determine razonadamente la distribución de probabilidad de la v.a μ: “número de
lanzamientos que deben efectuarse hasta conseguir 3 pares”. Calcular la probabilidad
de que se requieran 5 lanzamientos.
Dada la posibilidad en 3 lanzamientos cuales son las posibilidades, son 6 lo elevamos al
cubo que es la cantidad de lanzamientos que se harán:

6 ^ 3 = 216

Las posibilidades son los números pares que son 3 también lo elevamos al cubo:

3 ^ 3 = 27

Dividimos la cantidad de posibilidades entre la cantidad de lanzamientos:

27
= 0,125 = 1/8
216

Ahora, para obtener tu probabilidad:

7/8 ^ 5 = 0,51 0,51

100% 51,29%

Resumen en el siguiente,

6 ^ 3 = 216
3 ^ 3 = 27 0,125 1/8
7/8 ^ 5 = 0,51 0,51
100% 51,29%

6
 5 CONCLUSION

 Por medio de la estadística podemos realizar la recolección y agrupamiento de datos

de diverso tipo, con el fin de construir informes estadísticos.
 Con la información estadística podemos obtener un punto de vista cuantitativo y no
cualitativo.
 La estadística puede ser utilizada en la investigación científica si se tiene en cuenta
que los datos estadísticos son el resultado de varios casos de entre los cuales se toma
un promedio.
 Con la utilización de modelos como el de Distribución Bernoulli, Distribución Poisson
y Distribución Binomial podemos hacer de la estadística una herramienta mucho mas
amable en su utilización.

7
 6 BIBLIOGRAFÍA

 Distribución binomial, Francisco Javier Marco Sanjuán,

https://economipedia.com/definiciones/distribucion-binomial.html
 Distribución De Poisson,
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/poisson.htm
 Distribución de Bernoulli, https://support.minitab.com/es-mx/minitab/18/help-
and-how-to/probability-distributions-and-random-data/supporting-
topics/distributions/bernoulli-distribution/
 Variables Aleatorias, Estadística, Diana M. Kelmansky,
http://www.dm.uba.ar/materias/estadistica_Q/2010/2/C04Variables%20Aleator
ias.pdf
 Distribuciones Continuas, Asturias Corporación Universitaria,
https://www.centro-
virtual.com/recursos/biblioteca/pdf/estadistica_i/unidad3_pdf4.pdf
 Esperanza, Varianza, Momentos, Asturias Corporación Universitaria,
https://www.centro-
virtual.com/recursos/biblioteca/pdf/estadistica_i/unidad3_pdf2.pdf
 Distribuciones Discretas, Asturias Corporación Universitaria,
https://www.centro-
virtual.com/recursos/biblioteca/pdf/estadistica_i/unidad3_pdf3.pdf