UAC - Estadística General Doc. Mgt.

Victor Huaraccallo Huillca

VARIABLES ALEATORIAS

Normalmente, los resultados posibles (espacio muestral 𝑬) de un experimento aleatorio

no son valores numéricos. Por ejemplo, si el experimento consiste en lanzar de modo
ordenado tres monedas al aire, para observar el número de caras (C) y sellos (S) que se
obtienen, el espacio muestral asociado a dicho experimento aleatorio sería:

𝐸 = {𝐶𝐶𝐶, 𝐶𝐶𝑆, 𝐶𝑆𝐶, 𝐶𝑆𝑆, 𝑆𝐶𝐶, 𝑆𝐶𝑆, 𝑆𝑆𝐶, 𝑆𝑆𝑆}

En estadística resulta más fácil utilizar valores numéricos en lugar de trabajar

directamente con los elementos de un espacio muestral como el anterior. Así preferimos
identificar los sucesos {𝐶𝑆𝑆, 𝑆𝐶𝑆, 𝑆𝑆𝐶} con el valor numérico 1 que representa el número
de caras obtenidas al realizar el experimento. De este modo aparece el concepto de
variable aleatoria unidimensional como el de toda función.

𝑿: 𝑬 → 𝑹
𝒆 → 𝑿(𝒆) = 𝒙𝒆
Que atribuye un único número real 𝒙𝒆 , a cada suceso elemental 𝒆, del espacio muestra 𝑬.

Definición: una variable aleatoria es una descripción numérica del resultado de un

experimento.

En efecto, una variable aleatoria asocia un valor numérico con cada resultado
experimental posible. El valor numérico de la variable aleatoria depende del
resultado del experimento, se clasifican en variable aleatoria discreta y continua,
dependiendo de los valores numéricos que asume.

Ejemplo
 Si contamos el número de empleados ausentes el lunes en el turno
matutino, el número podría ser 0, 1, 2, 3,… El número de ausentes es la
variable aleatoria.
 Si pesamos cuatro lingotes de acero, el peso podría ser 2492 libras, 2497
libras, 2506 libras y así sucesivamente. El peso es la variable aleatoria.
 Si lanzamos dos monedas y contamos el número de caras, este podría ser
cero, uno o dos. Ya que el número de caras que se obtiene en este
experimento se debe al azar, el número de caras es la variable aleatoria.

VARIABLE ALEATORIA DISCRETA

Definición: variable aleatoria que solo puede asumir ciertos valores claramente
contables.
𝑿: 𝑬 → 𝑵
UAC - Estadística General Doc. Mg. Victor Huaraccallo Huillca

Ejemplo
 Si existen 100 empleados, entonces el conteo del número de ausentismos
el lunes solo puede ser 0, 1, 2, 3,…,100.
 La cantidad de ambulancias que llegan al hospital con una emergencia en
un día determinado, los posibles resultados solo pueden ser, 0, 1, 2, 3,…

DISTRIBUCION DE PROBABILIDAD DE VARIABLES DISCRETAS

Para iniciar el estudio de las distribuciones de probabilidad, se considera en primer

lugar la distribución de probabilidad de una variable discreta, ·la cual se define
como sigue:

La distribución de probabilidad de una variable aleatoria discreta es una tabla, una

gráfica, una formula u otro sistema utilizado para especificar todos los valores
posibles de una variable aleatoria discreta junto con sus probabilidades
respectivas.

Ejemplo 1: En un artículo de la revista American Journal o Obstetrics and

Gynecology, Buitendijk y Bracken (A-I) aseguran que durante 25 años se ha
tornado mayor conciencia de los efectos potencialmente dañinos de los
medicamentos y químicos en el desarrollo de los fetos. En una poblaci6n de
mujeres dadas de alta en maternidad, en un hospital del este de EUA, entre 1980
y 1982, los autores valoraron y estudiaron la asociación del uso de medicamentos
con varias características de la madre, por ejemplo uso de alcohol, tabaco y
adicción a fármacos. Sus hallazgos sugieren que la mujer que muestra un
comportamiento más propenso a correr riesgos durante el embarazo, también está
más propensa a utilizar medicamentos durante el mismo. La siguiente tabla
muestra la prevalencia del consumo de medicamentos prescritos y no prescritos
durante el embarazo entre las mujeres estudiadas.
UAC - Estadística General Doc. Mg. Victor Huaraccallo Huillca

Se pretende construir la distribución de probabilidad de la variable discreta X,

donde X : número de medicamentos prescritos y no prescritos consumidos por los
individuos estudiados.

Solución: Los valores de 𝑋 son 𝑥1 = 0, 𝑥2 = 1, … , 𝑥11 = 10 𝑦 𝑥12 = 12 . Se calculan

las probabilidades para estos valores dividiendo sus respectivas frecuencias entre
el total, 4185. Así, por ejemplo.
1425
𝑃(𝑋 = 𝑥) = 4185 = 0.3405. El resultado se muestra en la tabla 4.22 que representa
la distribución deseada.

Alterativamente. Se puede presentar esta distribución de probabilidad en forma

gráfica, como en la siguiente figura. En dicha figura, la longitud de cada barra
vertical indica la probabilidad para el valor correspondiente de 𝒙.

En la tabla se observa que los valores de 𝑃(𝑋 = 𝑥) son todos positivos menores
que 1 y la suma de los mismos es igual a 1. Estas no son características
particulares de este ejemplo, sino que son características para todas las
distribuciones de probabilidad de variable discreta. Por lo tanto, se dan las
siguientes propiedades indispensables en una distribución de probabilidad para
una variable discreta:
1. 0 ≤ 𝑃(𝑋 = 𝑥) ≤ 1
2. ∑ 𝑝(𝑋 = 𝑥) = 1
UAC - Estadística General Doc. Mg. Victor Huaraccallo Huillca

También se observa que cada una de las probabilidades de la tabla 4.2.2 es la

Frecuencia relativa de ocurrencia de cada valor de 𝑋. Cuando se tiene disponible
la distribuci6n de probabilidad, es posible hacer afirmaciones acerca de la variable
aleatoria 𝑋. Se muestra con los siguientes ejemplos.

Ejemplo 2: ¿Cuál es la probabilidad de que una mujer seleccionada

aleatoriamente sea una de las que consumieron tres medicamentos con o sin
prescripción?

Solución:
Se puede escribir la probabilidad deseada como 𝑃(𝑋 = 3). En la tabla 4.2.2 se
puede ver que la respuesta es 0.0832.

Ejemplo 3: ¿Cuál es la probabilidad de que una mujer seleccionada

aleatoriamente haya consumido uno o dos medicamentos?
UAC - Estadística General Doc. Mg. Victor Huaraccallo Huillca

Solución:
Para responder a la pregunta, se utiliza la regIa de adición para eventos
mutuamente excluyentes. Mediante el uso de la notación de probabilidad y los
resultados de la tabla 4.2.2. La respuesta se escribe como:
𝑷(𝟏 ∪ 𝟐) = 𝑷(𝟏) + 𝑷(𝟐) = 𝟎. 𝟑𝟐𝟐𝟖 + 𝟎. 𝟓𝟏𝟐𝟑 = 𝟎. 𝟓𝟏𝟐𝟑

DISTRIBUCIONES ACUMULADAS

Algunas veces es más conveniente trabajar con la distribución de probabilidad

acumulada de una variable aleatoria. La distribución de probabilidad acumulada
para la variable discreta cuya distribución de probabilidad está dada en la tabla
4.2.2 puede obtenerse sumando sucesivamente las probabilidades, 𝑃(𝑋 = 𝑥), que
aparecen en la ultima columna. La probabilidad acumulada para 𝑥𝑖 se escribe
como 𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥𝑖 ). Es toda la probabilidad de que 𝑋 sea menor o igual a un
valor espedfico 𝑥𝑖 .

La distribución de probabilidad acumulada resultante se muestra en la tabla 4.2.3.

La grafica de la distribución de probabilidad acumulada se muestra en la figura
4.2.2. A una gráfica de este tipo se le llama ojiva. La grafica de 𝐹(𝑥) consiste
solamente en las líneas horizontales. Las líneas verticales sólo le dan una
apariencia conectada. La longitud de cada línea vertical representa la misma
probabilidad que la de la línea correspondiente en la figura 4.2.1. Por ejemplo, la
longitud de la línea vertical en 𝑋 = 3 de la figura 4.2.2 representa la misma
probabilidad que la longitud de la línea levantada en 𝑋 = 3 de la figura 4.2.1, o
0.0832 en la escala vertical.
UAC - Estadística General Doc. Mg. Victor Huaraccallo Huillca

AI consultar la distribuci6n de probabilidad acumulada es posible responder

rápidamente a las preguntas de los ejemplos siguientes:

Ejemplo 4: ¿Cuál es la probabilidad de que una mujer seleccionada

aleatoriamente sea una de las que consumieron dos 0 menos medicamentos?
UAC - Estadística General Doc. Mg. Victor Huaraccallo Huillca

Solución:
La probabilidad buscada se puede localizar directamente en la tabla 4.2.3, en el
lado opuesto a 𝑥 = 2, donde se observa que es 0.8528. Es decir, 𝑃(𝑥 ≤ 2) =
0.8528. Tambien se puede localizar la respuesta examinando la figura 4.2.2 y
determinando la altura de la gráfica (medida sobre el eje vertical) arriba del valor
de 𝑥 = 2.

Ejemplo 5: ¿Cuál es la probabilidad de que una mujer seleccionada

aleatoriamente sea una de las que, consumieron menos de dos medicamentos?

Solución:
Puesto que una mujer que consumió menos de dos medicamentos indica que
consumió uno o ninguno, la respuesta es la probabilidad acumulada para 1, es
decir, 𝑃(𝑥 < 2) = 𝑃(𝑥 ≤ 1) = 0.6633

Ejemplo 6: ¿Cuál es la probabilidad de que una mujer seleccionada

aleatoriamente haya consumido cinco o más medicamentos?

Solución:
Para encontrar la respuesta se utiliza el concepto de probabilidad complementaria.
EI conjunto de mujeres que consumen cinco o más medicamentos es el
complemento del conjunto de mujeres que consumen menos de cinco (es decir,
cuatro o menos). La suma de las probabilidades asociadas con este conjunto es
igual a 1. Esta relación escrita en notación de probabilidad es 𝑃(𝑥 ≥ 5) +
𝑃(𝑥 ≤ 4) = 1 por lo tanto 𝑃(𝑥 ≥ 5) = 1 − 𝑃(𝑥 ≤ 4) = 1 − 0.9733 = 0.0267

Ejemplo 7: ¿Cuál es la probabilidad de que una mujer seleccionada

aleatoriamente sea una de las que consumieron entre tres y cinco medicamentos,
inclusive?

Solución:
𝑃(𝑥 ≤ 5) = 0.9872 es la probabilidad de que una mujer haya consumido entre cero
y 5 medicamentos, inclusive. Para obtener la probabilidad de entre 3 y 5, se resta
de 0.9872 la probabilidad de 2 ó menos. La respuesta escrita en notación de
probabilidad queda como:
𝒑(𝟑 ≤ 𝒙 ≤ 𝟓) = 𝑷(𝒙 ≤ 𝟓) − 𝑷(𝒙 ≤ 𝟐) = 𝟎. 𝟗𝟖𝟕𝟐 − 𝟎. 𝟖𝟓𝟐𝟖 = 𝟎. 𝟏𝟑𝟒𝟒
UAC - Estadística General Doc. Mg. Victor Huaraccallo Huillca

DISTRIBUCIONES DE PROBABILIDADES DISCRETAS

ENSAYOS DE BERNOULLÍ

Una secuencia de ensayos de Bernoulli forma un proceso de Bernoulli, si se

cumplen las siguientes condiciones:

1. En cada ensayo ocurre uno de dos posibles resultados, mutuamente

excluyentes. Uno delos posibles resultados se denota (arbitrariamente)
como un éxito y el otro como fracaso.
2. La probabilidad de un éxito, denotado por 𝒑, permanece constante de un
ensayo a otro, y la probabilidad de fracaso, 𝟏 − 𝒑, se denota con 𝒒.
3. Los ensayos son independientes, es decir, el resultado de algún ensayo en
particular no es afectado por el resultado de cualquier otro ensayo.

Ejemplo:
1. Lanzar una moneda al aire y observarla cara superior
2. Diagnosticar un paciente como enfermo o sano
PROPIEDADES
𝑬(𝒙) = 𝒑
𝑽(𝒙) = 𝒑𝒒
∑𝟏𝒊=𝟎 𝑷(𝒙) = 𝟏

Ejemplo 1: Se desea calcular la probabilidad de 𝑥 éxitos en 𝑛 ensayos de

Bernoulli. Por ejemplo, suponga que en cierta población 52 por ciento de todos los
nacimientos que se registraron son varones. La interpretación de esto es que la
probabilidad del nacimiento de un varón registrado es de 0.52. Si aleatoriamente
se escogen cinco registros de nacimientos dentro de esa población, ¿cuál es la
probabilidad de que exactamente tres de ellos pertenezcan a varones?

Solución:
Designe la ocurrencia de un registro para el nacimiento de un varón como "éxito",
y se aclara que esta es una designación arbitraria con fines de claridad y
conveniencia y no refleja ninguna opinión respecto a la preferencia relativa del
nacimiento de varones frente a mujeres. La ocurrencia de un registro de
nacimiento para un varón se designa como éxito, puesto que lo que se busca son
registros de nacimientos de varones. Si se buscasen registros de nacimientos de
mujeres, estos serían designados como éxitos, y el registro de nacimientos de
varones serían designados como fracasos.
UAC - Estadística General Doc. Mg. Victor Huaraccallo Huillca

También es conveniente asignar el numero 1 a un éxito (registro del nacimiento de

un varón) y un 0 para un fracaso (registro de nacimiento de una mujer).

El proceso que finalmente resulta en un registro de nacimiento se considera como

un proceso de Bernoulli. Suponga que, de los cinco registros de nacimiento
seleccionados, resulta esta secuencia de sexos:
𝑽𝑴𝑽𝑽𝑴
En forma codificada se escribe de la siguiente forma: 𝟏𝟎𝟏𝟏𝟎

Puesto que la probabilidad de un éxito se denota con 𝒑 y la probabilidad de un

fracaso se denota con 𝒒, la probabilidad de la secuencia de los resultados
anteriores se calcula por medio de la regIa de multiplicación:

𝑷(𝟏, 𝟎, 𝟏, 𝟏, 𝟎) = 𝒑𝒒𝒑𝒑𝒒 = 𝒒𝟐 𝒑𝟑

La regla de la multiplicación resulta adecuada para calcular esta probabilidad,

puesto que se busca la probabilidad de un varón, una mujer, un varón, un varón y
una mujer, en ese orden. En otras palabras, se requiere la probabilidad con junta
de cinco eventos. Por razones de sencillez, se utilizan las comas en lugar de la
notación de intersección, para separar los resultados de los eventos en la
expresión de la probabilidad.

La probabilidad resultante es la de obtener la secuencia especifica en el orden en

que se muestran. Sin embargo, el interés no está en el orden de ocurrencia de los
registros del nacimiento de varones y mujeres, sino, como se ha manifestado
previamente, en la probabilidad de ocurrencia exacta de tres registros de
nacimiento de varones de entre cinco registros seleccionados aleatoriamente "En
lugar de ocurrir en la secuencia mostrada con anterioridad (secuencia numero 1),
los tres éxitos y dos fracasos pueden ocurrir también en alguna de las secuencias
adicionales dadas en la tabla adjunta.
UAC - Estadística General Doc. Mg. Victor Huaraccallo Huillca

Cada una de estas secuencias tiene la misma probabilidad de ocurrir y es igual a

𝒒𝟐 𝒑𝟑 , probabilidad calculada para la primera secuencia mencionada.

Cuando se extrae una sola muestra de cinco elementos a partir de una población
específica, solo se obtiene una secuencia de éxitos o fracasos. La pregunta,
ahora, es: ¿cuál es la probabilidad de obtener la secuencia numero 1; la secuencia
numero 2... o la secuencia numero 10? Con la regIa de adición se sabe que esta
probabilidad es igual a la suma de las probabilidades individuales. En este ejemplo
se requiere sumar las 𝟏𝟎𝒒𝟐 𝒑𝟑 , lo que equivale a multiplicar 𝒒𝟐 𝒑𝟑 por 𝟏𝟎. Ahora se
puede responder a la pregunta original: ¿cuál es la probabilidad de observar tres
exitos (registros de nacimiento de un varón) y dos fracasos (registros de
nacimiento de una mujer) en la muestra aleatoria de 5 elementos extraída de la
población especificada?
Puesto que en Ia población, 𝑝 = 0.52 Y 𝑞 = (1 − 𝑝) = (1 − 0.52) = 0.48, la
respuesta a la pregunta es:
𝟏𝟎(𝟎. 𝟒𝟖)𝟐 (𝟎. 𝟓𝟐)𝟑 = 𝟏𝟎(𝟎. 𝟐𝟑𝟎𝟒)(𝟎. 𝟏𝟒𝟎𝟔𝟎𝟖) = 𝟎. 𝟑𝟐
UAC - Estadística General Doc. Mg. Victor Huaraccallo Huillca

DISTRIBUCIÓN BINOMIAL

La distribución binomial es una de las distribuciones utilizadas más ampliamente

en estadística aplicada. La distribución se deriva de un procedimiento conocido
como, Ensayo de Bernoulli, nombrado así en honor del matemático Suizo James
Bernoulli (1654-1705), quien realizó contribuciones importantes en el campo de la
probabilidad, incluyendo, particularmente, la distribución binomial. Cuando en un
proceso aleatorio o experimento, llamado ensayo, puede ocurrir solo uno de dos
resultados mutuamente excluyentes, como vida o muerte, masculino o femenino,
el ensayo se llama ensayo de Bernoulli.

La variable aleatoria de la Binomial se define por:

𝑿 = {𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 é𝒙𝒊𝒕𝒐𝒔 𝒆𝒏 𝒏 𝒆𝒏𝒔𝒂𝒚𝒐𝒔 𝒅𝒆 𝑩𝒆𝒓𝒏𝒐𝒖𝒍𝒍í}

𝑿 = {𝟎, 𝟏, 𝟐, … , 𝒏}

Su función de probabilidad de la Binomial está dada por

𝒏 𝒙 𝒏−𝒙
𝑷(𝑿 = 𝒙) = { 𝒙 ) 𝒑 𝒒
( 𝒙 = 𝟎, 𝟏, 𝟐, …
𝟎 𝒆𝒏 𝒐𝒕𝒓𝒐𝒔 𝒄𝒂𝒔𝒐𝒔
PROPIEDADES
𝐸(𝑥) = 𝑛𝑝
𝑉(𝑥) = 𝑛𝑝𝑞
∑𝑛𝑖=0(𝑛𝑥)𝑝 𝑥 𝑞 𝑛−𝑥 = 1

Ejemplo 1: generalmente el 40% de los alumnos desaprueban un examen de

estadística. ¿Cuál es la probabilidad de que en un grupo de 20, desaprueben:
a) 5 o más alumnos
b) Más de diez alumnos
c) Exactamente 10 alumnos
d) Menos de 10 alumnos
e) 10 o menos alumnos
f) Entre 6 y 10 alumnos
UAC - Estadística General Doc. Mg. Victor Huaraccallo Huillca

Ejemplo 3: En el examen de estadística consta de 10 preguntas a las que se

debe contestar SI o NO. Suponiendo que los estudiantes a los que se les aplica la
prueba no saben contestar a ninguna de las preguntas, y en consecuencia
contestan al azar, hallar
a) Probabilidad de obtener 5 aciertos.
b) Probabilidad de obtener algún acierto.
c) Probabilidad de obtener al menos 5 aciertos.

DISTRIBUCIÓN DE POISSON

La distribución de Poisson surge como una consecuencia de la distribución

Binomial cuando, 𝑛 → ∞ grande y 𝑝 → 𝑜 pequeño, llevando como límite.
En el cual el parámetro 𝜆 un parámetro definido por 𝜆 = 𝑛𝑝, promedio de éxitos en
una unidad de medida (longitud, superficie, volumen tiempo, etc.)

La aproximación obtenida por Poisson, según su modelo es

𝒆−𝝀 𝝀𝒙
𝑷(𝑿 = 𝒙) = { 𝒙! ∀𝒙 = 𝟎, 𝟏, 𝟐, …
𝟎 𝒆𝒏 𝒐𝒕𝒓𝒐𝒔 𝒄𝒂𝒔𝒐𝒔
PROPIEDADES
𝑬(𝒙) = 𝝀
𝑽(𝒙) = 𝝀
𝒆−𝝀 𝝀𝒙
∑∞
𝒊=𝟎 =𝟏
𝒙!
UAC - Estadística General Doc. Mg. Victor Huaraccallo Huillca

EJEMPLO 1: Si la probabilidad de que una persona adquiera la enfermedad como

consecuencia de una vacuna contra la misma, es 0.0002, ¿Cuál es la
probabilidad de que la adquiera exactamente 5 personas en una población de
10000 vacunados?

EJEMPLO 2: Se estima que una de cada 10000 personas es alérgica a cierta

sustancia utilizada en la fabricación de tintes para el cabello. ¿Cuál es la
probabilidad de que en 20000 usuarias de tintes, más de cinco sufran reacciones
alérgicas, debido a su uso?

EJEMPLO 3: Suponga que una compañía de seguros de vida asegura las vidas
de 5000 hombres de 42 años de edad. Si estudios actuariales muestran que la
probabilidad de que cualquier hombre de 42 años muera en un año determinado
es 0.001, encuentre la probabilidad exacta de que la compañía tendrá que pagar
𝑥 = 4 reclamaciones durante un año determinado.

EJEMPLO 4: El número de Clientes que llegan a una corporación de ahorro y

vivienda los días sábados es, en promedio, 40 por hora:
a) ¿Cuál es la probabilidad de que lleguen por lo menos dos clientes en
un periodo de 14 minutos?
b) ¿Cuál es la probabilidad de que lleguen por lo menos dos clientes en
un periodo de 5 minutos?