Escolar Documentos
Profissional Documentos
Cultura Documentos
Ejemplo: El sistema de comunicación por voz de una empresa tiene 48 líneas externas. En
un determinado momento, se observa el sistema y algunas líneas están ocupadas. Sea X la
variable aleatoria que denota el número de líneas en uso. Entonces X puede tomar
cualquier valor entero de cero a 48.
La distribución de probabilidad o distribución de una variable aleatoria X es una descripción
del conjunto de valores posibles de X (rango de X), junto con la probabilidad asociada con
cada uno de estos valores.
El evento que está formado por todos los resultados para los que X=x se denota como
{X=x}, y la probabilidad de este evento como P(X=x).
La función fx(x) = P(X=x) que va del conjunto de los valores posible de la variable
aleatoria discreta X al intervalo [0,1] recibe el nombre de función de probabilidad, y
satisface las siguientes propiedades:
El Valor esperado (media) de una variable aleatoria discreta X, denotada por µx o E(X), es
Supóngase que la media de X es µx y que la función de probabilidad de X es fx(x). La varianza de una variable
aleatoria discreta X, denotada por 𝜎𝑥2 o V(X) es
La desviación estándar de una variable aleatoria X, denotada por𝜎𝑥 , es la raíz cuadrada de la varianza.
a) Distribución uniforme discreta
b) Distribución Binomial
c) Distribución Geométrica ENSAYO DE
d) Distribución Binomial Negativa BERNOULLI
e) Distribución Hipergeométrica
f) Distribución Poisson.
En los experimentos donde se requiera medir un parámetro con bastante exactitud, las
mediciones de interés pueden representarse con una variable aleatoria. Es razonable
modelar el rango de los valores posibles de la variable aleatoria con un intervalo (finito o
infinito) de números reales.
Si el rango de una variable aleatoria X contiene un intervalo (ya sea finito o infinito) de
números reales, entonces X es una variable aleatoria continua.
Propiedades:
La media de una variable aleatoria continua X, denotada por µx o E(X), es
Tiene una distribución normal con parámetros µ (-∞ < µ < ∞) y 𝜎 (𝜎>0).
𝑋~𝑁(𝜇, 𝜎 2 )