Saltar la navegación

Actividad previa

En esta primera sección recordarás algunos temas previos como las características de las variables aleatorias y la distribución binomial

Recordatorio

Variables aleatorias

Recuerda

Los valores que toma una variable aleatoria dependen del resultado de un experimento aleatorio. Por ejemplo, lanzar un dado es un experimento aleatorio porque el resultado es desconocido hasta que se realiza el lanzamiento. En este caso, el valor que toma la variable aleatoria son los posibles resultados.  Es decir, (1, 2, 3, 4, 5, 6) entonces podemos obtener la probabilidad de que la variable aleatoria tome algún valor. En el ejemplo del dado, P(X=3)= 1/6 porque obtener 3 es un caso favorable entre los 6 casos totales.

Las variables aleatorias pueden ser discretas o continuas. Son discretas si toman valores enteros o continuas si toman algún valor dentro de un rango.

Ejemplos

Algunos ejemplos de variables aleatorias son:

X: Tiempo de falla de un electrodoméstico

Y: Número de artículos defectuosos en una línea de producción

Z: Número de llamadas recibidas en la línea de emergencia local 

X es una variable aleatoria continua y Y y Z son variables aleatorias discretas.

Apoyo visual

Acción PSU. Variable aleatoria (Dominio público)

Funciones

Funcion de probabilidad

La distribución de probabilidad de una variable discreta X es una tabla, fórmula o gráfica que presenta los posibles valores de X y la probabilidad P(X) asociada a cada uno de los valores.

Las propiedades que tiene la distribución de probabilidad discreta son:

\[ a) 0 \le p(x) \le 1 \]

\[ b) \sum p(x)=1 \]

Función de distribución

La función de distribución para el caso discreto se define como:

\[ F(x)= P(X \le x) = \sum_{u \le x} p(u) \]

Esta función describe la probabilidad de que la variable tenga un valor menor o igual que x.

Apoyo visual

Universitat Politècnica de València - UPV. Función de Probabilidad y Función de Distribución. Variables aleatorias discretas (Dominio público)

Esperanza, varianza y más

Recordemos que la esperanza para una variable discreta se define como

\[ \mu (x) = E(X)=\sum xp(x) \]

La esperanza también se le conoce como media o valor esperado de x

La varianza se define como

\[ Var(X)= E(X^2)-[E(X)]^2 \]

Por último, la desviación estándar se define como

\[ \sigma=\sqrt Var(X) \]

La varianza y la desviación estándar describen la dispersión de la variable aleatoria respecto a su media

Apoyo visual

WissenSync. Varianza y desviación de una variable aleatoria discreta (Dominio público)

Actividad

Discute en equipo

Lee y discute en equipo la información en la sección anterior. Piensen en las aplicaciones a su carrera

¿Qué experimento aleatorio podría ser de interés en su carrera?

¿Qué variables aleatorias podrían definirse en el campo de la logística y el transporte, y que resulten de interés para las empresas?

Expongan brevemente (máximo 2 minutos) al resto del grupo

Definamos

Recordatorio

Ejemplos

Recordatorio

Recordemos cómo calcular probabilidades con la distribución binomial

Ejemplo

Un centro de distribución de una importante tienda en línea prevée que sus camiones de reparto fallen periódicamente al realizar los recorridos de entrega diarios. Estas fallas ocurren de manera improvista y generan pérdidas en la empresa.

¿Qué otros problemas crees que generen a la empresa los fallos en los camiones de reparto?

¿Qué medidas crees que se puedan tomar para minimizar el efecto económico de estas fallas?

Flotilla de vehículos
Licencia: CC0

Cálculo de probabilidades

Los camiones de reparto fallen con una probabilidad de 0.05 por recorrido. Si se realizan 150 recorridos al mes

¿Cuál es la probabilidad de que se reporte al menos una falla al mes?

La probabilidad de que ocurra al menos una falla al mes es equivalente a 

\[ P(X \ge 1)= 1-P(X<1)=1-P(X=0) \] \[ X \sim Binom(n,p), n=150, p=0.05 \Rightarrow X \sim Binom(150,0.05) \] \[ P(X=0) = \binom {150} {0} (0.05^0) (1-0.05)^{150}=0.00045 \] \[ P(X \ge 1)= 1-P(X<1)=1-P(X=0)= 1-0.00045=0.99955 \]

Esperanza, varianza y desviación estándar

¿Cuál es el valor esperado de fallas al mes?

\[ E(X)=np=150*0.05=7.5\]

¿Cuál es la varianza y la desviación estándar de las fallas mensuales en los camiones?

\[ Var(X)=np(1-p)=npq =150*0.05*0.95=7.125\] \[ \sigma = \sqrt(Var(X))=2.6692 \]

Apoyo visual

WissenSync. Probabilidad | Distribución binomial (Dominio público)

Creado con eXeLearning (Ventana nueva)