Capítulo 3

CAPÍTULO 3
Variables aleatorias y distribuciones de probabilidad

Definición: Una variable aleatoria es una función que asocia un número real con cada
elemento del espacio muestral.
Definición: Si un espacio muestral contiene un número finito de posibilidades, o una serie

interminable con tantos elementos como números enteros existen, se llama espacio
muestral discreto.
Definición: Si un espacio muestral contiene un número infinito de posibilidades, igual al
número de puntos en un segmento de recta, se le denomina espacio muestral continuo.
Una variable aleatoria se llama variable aleatoria discreta si se puede contar su conjunto
de resultados posibles. Cuando una variable aleatoria puede tomar valoresen una escala
continua, se le denomina variable aleatoria continua.
Ejercicios
Clasifique las siguientes variables aleatorias Sea W la variable aleatoria que da el

como discretas o continuas: número de caras menos el número de
X: el número de accidentes automovilísticos cruces en tres lanzamientos de una
que ocurren al año en Virginia. moneda. Liste los elementos del
Y: el tiempo para jugar 18 hoyos de golf. espacio muestral S para los tres
M: la cantidad de leche que una vaca lanzamientos de la moneda y asigne
específica produce anualmente. un valor w de W a cada punto
N: el número de huevos que una gallina muestral.
pone mensualmente.
P: el número de permisos para construcción
que los funcionarios de una ciudad emiten
cada mes.
Q: el peso del grano producido por acre.
Distribuciones discretas de probabilidad Definición: La función de la
distribución acumulativa F(x) de una
El conjunto de pares ordenados (x, f (x)) variable aleatoria discreta X con
es una función de probabilidad, una distribución de probabilidad f (x) es
función de masa de probabilidad o una
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = ෍ 𝑓 𝑡 , −∞ < 𝑥 < ∞
distribución de probabilidad de la 𝑡≤𝑥
variable aleatoria discreta X si, para
cada resultado x posible, Ejercicios
Determine el valor c de modo que cada una
1. 𝑓 𝑥 ≥ 0,
de las siguientes funciones sirva como
distribución de probabilidad de la variable
2. ෍ 𝑓 𝑥 = 1, aleatoria discreta X:
𝑥
a) 𝑓 𝑥 = 𝑐 𝑥 2 + 4 , para 𝑥 = 0,1,2,3;
3. 𝑃 𝑋 = 𝑥 = 𝑓 𝑥 .
b) 𝑓 𝑥 = 𝑐 𝑥2 3−𝑥
3
, para 𝑥 = 0,1,2.
Esperanza matemática
Sea X una variable aleatoria con distribución de probabilidad 𝑓 𝑥 . La media o valor esperado de 𝑋 es
𝜇 = 𝐸 𝑋 = ෍ 𝑥𝑓 𝑥
𝑥
Esperanza de una función
Sea 𝑋 una variable aleatoria con distribución de probabilidad 𝑓 𝑥 . El valor esperado de la variable
aleatoria 𝑔 𝑋 es
𝜇𝑔𝑋 = 𝐸 𝑔 𝑋 = ෍𝑔 𝑥 𝑓 𝑥
𝑥
Propiedades de la esperanza
Sean X una variable aleatoria discreta definida sobre un espacio muestral y a, b números reales fijos.
Entonces,
a) 𝐸 𝑎𝑋 + 𝑏 = 𝑎𝐸 𝑋 + 𝑏.
b) 𝐸 𝑎𝑋 = 𝑎𝐸 𝑋
c) 𝐸 𝑏 = 𝑏
Varianza de una variable aleatoria discreta
Sea X una variable aleatoria con distribución de probabilidad f (x) y media μ. La varianza de X es
𝜎 2 = 𝑉 𝑋 = 𝐸 𝑋 2 − 𝜇2
𝜎2 = 𝑉 𝑋 = 𝐸 𝑋 − 𝜇 2
La raíz cuadrada positiva de la varianza, σ, se llama desviación estándar de X.
Varianza de una función

Sea X una variable aleatoria con distribución de probabilidad f (x). La varianza de la variable aleatoria
g(X) es
2 2
𝜎𝑔2 𝑋 = 𝐸 𝑔 𝑋 − 𝜇𝑔 𝑋 = ෍ 𝑔 𝑋 − 𝜇𝑔 𝑋 𝑓 𝑥
𝑥
Reglas de la varianza
Sean X una variable aleatoria discreta definida sobre un espacio muestral y a, b números reales fijos.
Entonces,
a) 𝑉 𝑎𝑋 + 𝑏 = 𝑎2 𝑉 𝑋 .
b) 𝑉 𝑎𝑋 = 𝑎2 𝑉 𝑋 .
c) 𝑉 𝑏 = 0.
Ejemplo
La distribución de probabilidad de la variable aleatoria discreta X es
3 1 𝑥 3 3−𝑥
𝑓 𝑥 = 𝑥
, 𝑥 = 0,1,2,3.
4 4
Calcule la media de X.
Ejemplo
Sea X una variable aleatoria con la siguiente distribución de probabilidad:
𝑥 -2 3 5
𝑓 𝑥 0,3 0,2 0,5
Calcule la desviación estándar de X.

Sea X una variable aleatoria con la siguiente distribución de probabilidad:
𝑥 -3 6 9
𝑓 𝑥 1/6 1/2 1/3
Calcule E(X) y E(X2) y luego utilice estos valores para evaluar E[(2X + 1)2].
Algunas distribuciones de probabilidad discreta
El proceso de Bernoulli
En términos estrictos el proceso de Bernoulli se caracteriza por lo siguiente:
Solo son posibles dos resultados: éxito o fracaso.
Podemos definir una variable aleatoria discreta X tal que:
éxito → 1
fracaso → 0
Si la probabilidad de éxito es p y la de fracaso 1 - p, podemos construir una función de probabilidad:
𝑃 𝑥 = 𝑝 𝑥 1 − 𝑝 1−𝑥 𝑥 = 0,1.
Distribución binomial
Un experimento de Bernoulli puede tener como resultado un éxito con probabilidad p y un fracaso con
probabilidad q = 1 – p. Entonces, la distribución de probabilidad de la variable aleatoria binomial X, el
numero de éxitos en n ensayos independientes, es
𝒏 𝒙 𝒏−𝒙
𝒃 𝒙; 𝒏, 𝒑 = 𝒑 𝒒 , 𝒙 = 𝟎, 𝟏, 𝟐, … , 𝒏.
𝒙
La media y la varianza de la distribución binomial b (x; n, p) son
μ = np y σ2= npq.
Un agente de seguros piensa que en un contacto concreto, la probabilidad de conseguir una venta es 0,4. Sea 𝑋
la variable aleatoria que representa al número de ventas que consigue. Si tiene cinco contactos directos y para
cada uno la probabilidad conseguir una venta es 0,4:
a) Construya la función de probabilidad.

b) ¿Cuál es la probabilidad de que el número de éxitos este entre 2 y cuatro (ambos inclusive)?
c) ¿Cuál es la probabilidad de al menos un éxito?
d) Calcule la media, la varianza y la desviación estándar.
Distribución de Poisson y proceso de Poisson
Los experimentos que resultan en valores numéricos de una variable aleatoria que representa el número de
resultados durante un intervalo de tiempo dado se llaman experimentos de Poisson.
Un experimento de Poisson se deriva del proceso de Poisson y tiene las siguientes propiedades:
1. El número de resultados que ocurren en un intervalo o región especifica es independiente del numero que
ocurre en cualquier otro intervalo de tiempo o región del espacio disjunto. De esta forma vemos que el
proceso de Poisson no tiene memoria.
2. La probabilidad de que ocurra un solo resultado durante un intervalo de tiempo muy corto o en una región
pequeña es proporcional a la longitud del intervalo o al tamaño de la región, y no depende del numero de
resultados que ocurren fuera de este intervalo de tiempo o región.
3. La probabilidad de que ocurra mas de un resultado en tal intervalo de tiempo corto o que caiga en tal región
pequeña es insignificante.
La distribución de probabilidad de la variable aleatoria de Poisson X, la cual representa el numero de resultados
que ocurren en un intervalo de tiempo dado o región específicos y se denota con t, es
𝒆−𝝀𝒕 𝝀𝒕 𝒙
𝒑 𝒙; 𝝀𝒕 = , 𝒙 = 𝟎, 𝟏, 𝟐, …
𝒙!
donde λ es el numero promedio de resultados por unidad de tiempo, distancia, área o volumen y 𝑒 = 2,71828...
Tanto la media 𝝁 como la varianza 𝝈𝟐 de la distribución de Poisson p(x; λt) son λt.
Suponga que los buses llegan a cierto terminal de transporte, según un proceso de Poisson, con tasa
𝛼 = 8 buses por hora, de modo que el número de llegadas por un periodo de t horas es una variable
aleatoria de Poisson con parámetro 𝜆 = 8𝑡.
a) ¿Cuál es la probabilidad de que exactamente 5 buses pequeños lleguen durante un período de una
hora? ¿Por lo menos 5? ¿A lo más 10?
b) ¿Cuáles son el valor esperado y la desviación estándar del número de buses que llegan durante un
período de 90 minutos?
c) ¿Cuál es la probabilidad de que por lo menos 20 buses lleguen durante un período de 2 horas y
media? ¿De que a lo sumo 10 lleguen durante este período?
Aproximación de la binomial a la de Poisson
Sea 𝑋 una variable aleatoria binomial con parámetros n y p. Si n es grande (𝑛 ≥ 100), 𝑝 pequeña (𝑝 ≤
0, 01) y 𝑛𝑝 tiene un tamaño moderado (𝑛𝑝 ≤ 20), entonces, la distribución binomial con parámetros n y p
puede aproximarse bien por la distribución de Poisson con parámetro 𝜆 = 𝑛𝑝. Es decir, bajo estas condiciones
se cumple que
𝑏(𝑘; 𝑛; 𝑝) ≈ 𝑝(𝑘; 𝑛𝑝), 𝑘 = 0, 1, 2, 3, . . .
o, que es equivalente,
𝐵 𝑘; 𝑛; 𝑝 ≈ 𝑃 𝑘; 𝑛𝑝 , 𝑘 = 0, 1, 2, 3, . . .
No hay una regla para el tamaño de 𝑝 y 𝑛 al aproximar la distribución binomial con la de Poisson. En la práctica,
si 𝑛 ≥ 100, 𝑝 ≤ 0, 01 y 𝑛𝑝 ≤ 20, la aproximación será buena.
Una cierta compañía electrónica produce 15.000 unidades de un tipo especial de tubo al vacío. Se ha observado que, en
promedio, 3 tubos de 300 son defectuosos. La compañía empaca los tubos en cajas de 600. ¿Cuál es la probabilidad de que
en una caja de 600 tubos hayan (a) 5 tubos defectuosos, (b) por lo menos 3 defectuosos y (c) a lo más 1 defectuoso?
Distribución hipergeométrica
Los experimentos que tienen este tipo de distribución tienen las siguientes características:
1. De un lote de N artículos se selecciona una muestra aleatoria de tamaño n sin reemplazo.
2. k de los N artículos se pueden clasificar como éxitos y N – k se clasifican como fracasos.
3. Las probabilidades asociadas a cada uno de los resultados no son constantes.
4. Cada ensayo o repetición del experimento no es independiente de los demás.
5. El número de repeticiones del experimento (n) es constante.
La distribución de probabilidad de la variable aleatoria hipergeométrica X, el numero de éxitos en una
muestra aleatoria de tamaño n que se selecciona de N artículos, en los que k se denomina éxito y N – k
fracaso, es
𝑘 𝑁−𝑘
𝑥 𝑛−𝑥
ℎ 𝑥; 𝑁, 𝑛, 𝑘 = 𝑁 , 𝑚á𝑥 0, 𝑛 − 𝑁 − 𝑘 ≤ 𝑥 ≤ 𝑚í𝑛 𝑛, 𝑘
𝑛
La media y la varianza de la distribución hipergeométrica h(x; N, n, k) son

𝑛𝑘 2
𝑁−𝑛 𝑘 𝑘
𝜇= 𝑦 𝜎 = ∙𝑛∙ 1−
𝑁 𝑁−1 𝑁 𝑁
Una caja con 24 calculadoras contiene 6 que están defectuosas. Si se eligen al azar 4 de esa caja (sin reemplazo
y sin importar el orden), ¿cuál es la probabilidad de que:
a) tres estén defectuosas?

b) a lo más una esté defectuosa?
c) por lo menos dos estén defectuosas?
d) Calcule la media, la varianza y la desviación estándar del número de calculadoras defectuosas entre las 4
seleccionadas.

Capítulo 3

Cargado por

Copyright:

Formatos disponibles

Capítulo 3

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capítulo 3

Cargado por

Copyright:

Formatos disponibles

CAPÍTULO 3

Variables aleatorias y distribuciones de probabilidad

Definición: Si un espacio muestral contiene un número finito de posibilidades, o una serie

Clasifique las siguientes variables aleatorias Sea W la variable aleatoria que da el

Esperanza de una función

Varianza de una función

La distribución de probabilidad de la variable aleatoria discreta X es

Calcule la desviación estándar de X.

a) Construya la función de probabilidad.

La media y la varianza de la distribución hipergeométrica h(x; N, n, k) son

a) tres estén defectuosas?

También podría gustarte