Capítulo 4

Variables aleatorias

OBJETIVOS
Diferenciar entre variables aleatorias discretas y continuas.

Manejar los conceptos de esperanza matemática y varianza de una variable alea-

toria.

Calcular las probabilidades de las variables aleatorias dependiendo del tipo de

distribución que sigan.

Asimilar y manejar la distribución binomial.

Conocer las propiedades de la distribución normal.

Manejar las tablas de la N (0, 1)

63
64 Variables aleatorias

Variable aleatoria unidimensional. Características

• VARIABLE ALEATORIA: es una función que asocia a cada elemento del espacio
muestral E un número real.

• VARIABLE ALEATORIA DISCRETA: es aquella que sólo puede tomar unos ciertos
valores enteros. Ejemplos: número de personas por día que solicitan un tratamiento
innecesario en el servicio de urgencias de un hospital, número de niños nacidos en una
determinada maternidad.

• VARIABLE ALEATORIA CONTINUA: es aquella que puede tomar, al menos teó-

ricamente, todos los valores posibles dentro de un cierto intervalo de la recta real.
Ejemplos: el peso ganado por una mujer durante el embarazo, el volumen de orina
producido por hora.

VARIABLE ALEATORIA DISCRETA

• FUNCIÓN DE PROBABILIDAD: aplicación que asocia a cada valor de una varia-

ble aleatoria discreta su probabilidad respectiva. Se representa grácamente mediante
un diagrama de barras no acumulativo, de manera que cada ordenada representa la
probabilidad del correspondiente valor de la variable.

X x1 x2 ... xn
P (X = xi ) = pi p1 p2 ... pn
p1 + p2 + . . . + pn = 1; pi ≥ 0
• FUNCIÓN DE DISTRIBUCIÓN: se representa por F (x) y asocia a cada valor de la
recta real, la probabilidad acumulada hasta ese valor.

F (x) = P (X ≤ x)

Propiedades

1. Como F (x) es una probabilidad, se verica 0 ≤ F (x) ≤ 1.

2. La función de distribución es constante entre cada dos valores consecutivos de la
variable. Se trata de una función escalonada.

3. La función de distribución es nula para todo valor de la recta real anterior al

menor valor de la variable aleatoria.

4. La función de distribución es igual a la unidad para todo valor de la recta real

posterior al mayor valor de la variable aleatoria.
 65

5. La función de distribución es creciente.

• MEDIA O ESPERANZA MATEMÁTICA:

µ = E(X) = x1 p1 + x2 p2 + . . . + xn pn

• VARIANZA MATEMÁTICA:

σ 2 = V ar(X) = (x1 − µ)2 p1 + (x2 − µ)2 p2 + . . . + (xn − µ)2 pn =

= x21 p1 + x22 p2 + . . . + x2n pn − µ2

• DESVIACIÓN TÍPICA: raíz cuadrada positiva de la varianza.

q
σ= (x1 − µ)2 p1 + (x2 − µ)2 p2 + . . . + (xn − µ)2 pn =
q
= x21 p1 + x22 p2 + . . . + x2n pn − µ2

• EJEMPLO: Un miembro del consejo de administración de una empresa médica ha

comprobado que, si bien todos los años tiene una junta, ha habido años que tienen
hasta cinco. Por la experiencia acumulada durante años, sabe que el número de juntas
anuales se distribuyen de la siguiente forma:

Número de juntas al año 1 2 3 4 5

Probabilidad 2/15 5/15 1/15 3/15 4/15

Calcular

1. Función de probabilidad y su representación.

2. Función de distribución y su representación.

3. µ, σ 2 , σ .

4. Probabilidad de que en un año, elegido al azar, se celebren más de tres juntas.

• EJEMPLO: Se lanza un dado 3 veces. Hallar la ley de probabilidad y la función de

distribución del número de apariciones del 4.
66 Variables aleatorias

Distribución Binomial. Características

Supongamos que un experimento aleatorio tiene las siguientes características:

1. En cada prueba del experimento sólo son posibles dos resultados, el suceso A y
su contrario Ā. Al suceso A lo llamaremos éxito y al suceso Ā fracaso.

2. El resultado obtenido en cada prueba es independiente de los resultados anterio-

res.

3. La probabilidad del suceso A es constante y por tanto, no varía de una prueba a

otra. Se representa por p a la probabilidad de A y por q a la probabilidad de Ā
(p + q = 1).

Todo experimento que tenga estas características, se dice que sigue el modelo de la
distribución binomial. A la variable X , que se dene como el número de éxitos obtenidos
en n pruebas del experimento, la llamaremos variable aleatoria binomial. Esta variable
es discreta, ya que únicamente toma los valores 0, 1, 2, . . . , n. Se representa por B(n, p) a
la variable de la distribución binomial, siendo n y p los parámetros de dicha distribución.

• FUNCIÓN DE PROBABILIDAD DE LA DISTRIBUCIÓN BINOMIAL.

La probabilidad de obtener r éxitos es:

n!
P (X = r) = Cn,r pr q n−r = pr q n−r ; r = 0, 1, 2, . . . , n
r!(n − r)!

• MEDIA O ESPERANZA MATEMÁTICA, VARIANZA Y DESVIACIÓN TÍPICA

DE LA DISTRIBUCIÓN BINOMIAL:

√
µ = E(X) = np; σ 2 = npq; σ= npq

• EJEMPLO: Una prueba de inteligencia está compuesta por 10 preguntas, cada una
de las cuales tiene cuatro respuestas, siendo sólo una de ellas correcta. Un alumno
tiene prisa por acabar la prueba y decide contestar a lo loco, es decir aleatoriamente.
Calcular

1. Probabilidad de acertar exactamente cuatro preguntas.

2. Probabilidad de no acertar ninguna.

3. Probabilidad de acertar todas.

4. Probabilidad de acertar al menos ocho preguntas.

5. Probabilidad de acertar a lo sumo tres preguntas.

 67

Distribución Normal. Características

Se dice que una variable aleatoria continua X sigue una distribución normal de media µ
y desviación típica σ y se designa por N (µ, σ), si se cumplen las siguientes condiciones:

1. La variable recorre toda la recta real

2. La función de densidad, que es la expresión en términos de ecuación matemática

de la curva de Gauss, es:

(x − µ)2
1 −
f (x) = √ e 2σ 2
σ 2π

Algunas propiedades de esta función son:

1. Es simétrica respecto a la recta x = µ.

2. Tiene una asíntota horizontal en y = 0.
√
3. Tiene un máximo absoluto en (µ, 1/σ 2π).
4. Presenta dos puntos de inexión para los valores de las abscisas x = µ ± σ.
5. La curva tiene forma campaniforme.

Es evidente que para cada valor de µ y de σ tendremos una función de densidad

distinta, pero tiene especial interés la normal N (0, 1), es decir µ = 0 y σ = 1 y se llama
distribución normal reducida.
2
1 −x
f (x) = √ e 2
2π
• TIPIFICACIÓN.
Con el n de facilitar el cálculo de esta supercie y no tener que utilizar en todo mo-
mento el cálculo integral, se han elaborado unas tablas, es decir la N (0, 1) se encuentra
tabulada, pero no se pueden construir tablas para todos los tipos de normales N (µ, σ),
pues µ y σ toman innitos valores. Lo más aconsejable es transformar la variable
N (µ, σ) en otra N (0, 1). Esta transformación se conoce con el nombre de tipicación
de la variable. Este paso consiste en restar la media y dividir por la desviación típica.

X −µ
Z=
σ
• EJEMPLO: Se ha aplicado a 300 alumnos un test de agresividad y se ha observado
que se distribuyen normalmente con media 30 y desviación típica 12. Calcular

1. ¾Cuántos alumnos tendrán una puntuación superior a 42?

2. ¾Que proporción de alumnos tendrá una puntuación entre 20 y 35?

 DISTRIBUCIÓN NORMAL N(0,1)

Áreas bajo la curva normal

Ejemplo:

X
2
Z 
8

P [Z > 1] = 0.1587
P [Z > 1.96] = 0.0250

0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
z
0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121

0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611

1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681

1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
1.8 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233

2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064

2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
3.0 0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.0010 0.0010
70 Variables aleatorias

PROBLEMAS
1. Una encuesta revela que el 20 % de la población tolera un antibiótico y el resto
no lo tolera. Elegidas 6 personas al azar, se desea saber:

a) Probabilidad de que las 6 personas no toleren el antibiótico.

b) Probabilidad de que las 6 personas toleren el antibiótico.

(Sol. 0.262144, 0.000064)

2. Un laboratorio sabe que una droga causa efectos secundarios en una proporción
de 3 cada 100 pacientes. Para contrastar esta armación, otro laboratorio elige
al azar a 5 pacientes a los que aplica la droga. ¾Cuál es la probabilidad de los
siguientes sucesos?

a) Ningún paciente tenga efectos secundarios.

b) Al menos 2 tengan efectos secundarios.

c) ¾Cuál es el número medio de pacientes que espera el laboratorio que sufran

efectos secundarios si elige 100 pacientes al azar?

(Sol. 0.8587, 0.0085, 3)

3. Un jugador de tenis tiene una probabilidad de ganar una partida de 0.25. Si juega
4 partidas, calcular la probabilidad de que gane más de la mitad.

(Sol. 0.05)

4. Cierto tratamiento del cáncer provoca remisión en el 40 % de las veces. ¾Cuál es la

probabilidad de que, de 5 pacientes que sigan el tratamiento, los 5 experimenten
remisión? ¾Cuál es la probabilidad de que al menos uno experimente remisión?

(Sol. 0.01024, 0.92224)

5. La ley de probabilidad de una variable aleatoria discreta es

X 0 1 2 3 4
P 0.1 a b c 0.2

Sabiendo que P (X ≤ 2)=0.7, P (X ≥ 2)=0.75. Hallar su esperanza matemática,

desviación típica y la función de distribución.

(Sol. 2.15, 1.19, (0, 0.1, 0.25, 0.7, 0.8, 1))

6. La nota media de las pruebas de acceso correspondientes a los estudiantes que

querían ingresar a una facultad de medicina era 5.8 y la desviación típica 1.75.
Fueron admitidos los de nota superior a 6. ¾Cuál fue el porcentaje de admitidos
si la distribución es normal? ¾Con qué probabilidad exactamente cuatro de diez
estudiantes son admitidos?

(Sol. 0.4562, 0.235)

 71

7. El tiempo necesario para que una ambulancia llegue a un centro deportivo se

distribuye según una variable N (17 minutos, 3 minutos).

a) Calcular la probabilidad de que el tiempo de llegada esté comprendido entre

13 y 21 minutos.

b) ¾Para qué valor de t, la probabilidad de que la ambulancia emplee más de t

minutos en llegar es el 5 %?

(Sol. 0.8164, 21.935)

8. El diámetro medio de piezas producido en una fábrica es de 45 mm. Determinar

su desviación típica sabiendo que la probabilidad de que una pieza tenga su
diámetro mayor de 50 mm es igual a 0.0062 y que se distribuye normalmente.
Si se analizan 820 piezas ¾cuantas tendrán el diámetro comprendido entre 39.7 y
43.5 mm?

(Sol. 2, 182.532)

9. La duración media de las bombillas de cierta marca sigue una distribución normal
N (780, 200). ¾Qué porcentaje de bombillas es de esperar que se fundan antes de
las 200 horas de encendido?

(Sol. 0.0019)

10. Tres tiradores tienen las siguientes probabilidades de hacer blanco: P (A)=0.8,
P (B)=0.6, P (C)=0.7. Encontrar la función de distribución del número de blancos
obtenidos al disparar los tres tiradores.

(Sol. 0, 0.024, 0.212, 0.664, 1)