VARIABLES ALEATORIAS DISCRETAS Y

SUS DISTRIBUCIONES DE
PROBABILIDAD
Profa. M. en C. Lorena Alonso Guzmn

Introduccin a la probabilidad
ELEMENTO DE COMPETENCIA:
Analiza el comportamiento probabilista de la variable aleatoria, a
travs de su distribucin y sus caractersticas numricas, as como de
las distribuciones de probabilidad ms utilizadas en la prctica de la
ingeniera.

VARIABLES ALEATORIAS
En este captulo continuamos con el estudio de la probabilidad, utilizando el
concepto de variable aleatoria para referirnos a experimentos donde el resultado
queda caracterizado por un valor numrico. Se presentan algunos de los modelos
ms habituales de asignacin de probabilidades y sus propiedades ms relevantes.

Palabras clave: variable aleatoria, variable discreta, funcin masa de probabilidad,

variable continua, funcin de densidad de probabilidad, funcin de distribucin,
media, varianza, distribucin binomial, distribucin de Poisson, distribucin
geomtrica, distribucin uniforme, distribucin exponencial, distribucin Gamma,
distribucin normal.

VARIABLES ALEATORIAS
Una variable x valuada numricamente vara o cambia, dependiendo del
resultado particular del experimento que se mida. Por ejemplo, suponga que
se tira un dado y se mide x, el nmero observado en la cara superior. La
variable x puede tomar cualquiera de seis valores: 1, 2, 3, 4, 5, 6, dependiendo
del resultado aleatorio del experimento. Por esta razn, la variable x se conoce
como variable aleatoria.

Ejercicio:
En un experimento se lanzan tres monedas y se observa el resultado(c: cara o
A: guila).

Describa el conjunto de posibles resultados (espacio muestral)

Describa con una variable, el nmero de guilas que se obtiene

EM={(c,c,c), (c,c,a), (c,a,a), (a,c,c), (c,a,a), (a,c,a), (a,a,c), (a,a,a)}

X: Nmero de guilas que se obtiene

VARIABLES ALEATORIAS
Definicin Una variable x es variable aleatoria si el valor que toma,
correspondiente al resultado de un experimento, es una probabilidad o
evento aleatorio. Se trata, por tanto, de una funcin real con dominio en el
espacio muestral, .

Ejemplos de variables aleatorias

Se pueden considerar numerosos ejemplos de variables aleatorias:

x = Nmero de defectos en una pieza de mueble seleccionada al azar

x = Calificacin de examen de aptitud escolar para un solicitando
universitario seleccionado al azar

x = Nmero de llamadas telefnicas recibidas por una lnea directa de

intervencin en crisis durante un periodo seleccionado al azar

Ejemplos de variables aleatorias

El nmero de accidentes laborales en una empresa al ao.
El nmero de errores en un mensaje transmitido.
El nmero de piezas defectuosas producidas a lo largo de un da en una
cadena de produccin.

El nmero de das de baja de un trabajador al mes.

 En un lote de 5 artculos, 3 son defectuosos y 2 aceptables. Se toma una

muestra aleatoria sin reemplazo de 2 artculos. Encuentre la distribucin de

probabilidad de la variable aleatoria; Cantidad de artculos defectuosos que se
obtienen en la muestra

Solucin

Sean A, B, C: Artculos defectuosos

D, E: Artculos aceptables

Posibles resultados:
5C2 =10
EM={(A,B), (A,C), (A,D), (A,E), (B,C), (C,D), (C,E), (D,E)}

X: Variable aleatoria discreta (Cantidad de artculos defectuosos)

x: 0, 1, 2
0.6

En forma tabular:
Solucin

0.5

f(x)=P(X=x)

1/10

6/10

3/10

0.6

Grfica de
distribucin

0.4

0.3

0.3
0.2
0.1

0.1

Funcin masa de probabilidad

Dada una v. a. discreta, X, se define su funcin masa de probabilidad como
= = ,

 Sea X una v. a. discreta f(x) su funcin masa. Entonces:

1. 0 .
2. = 1
3. En general, para cualquier conjunto B.
=

( )

Donde son los valores posibles para cualquier conjunto B.

Media y varianza de una variable aleatoria discreta

La media poblacional, que mide el valor promedio de x en la poblacin,
tambin se denomina valor esperado de la variable aleatoria x. Es el valor que
se esperara observar en promedio si el experimento se repite una y otra vez.
La frmula para calcular la media poblacional es ms fcil de entender por
ejemplo. Lance otra vez al aire dos monedas imparciales, y sea x el nmero de
caras observado. Construimos esta distribucin de probabilidad para x:
x
P(x)

1/4

1/2

1/4

Suponga que el experimento se repite un gran nmero de veces, por ejemplo n =4 000 000 de
veces. Intuitivamente, se esperara observar alrededor de un milln de ceros, dos millones de
nmeros 1 y un milln de nmeros dos. Entonces el valor promedio de x sera igual a
1 000 000 0 + 2 000 000 1 + 1 000 000 (2)
=
=

4 000 000

1
4

1
0 +
2

1
1 +
4

Observe que el primer trmino de esta suma es (0)p(0), el segundo es igual a (1)p(1) y
el tercero es (2)p(2). El valor promedio de x, entonces, es
= 0 +

1 2
+ =1
2 4

Este resultado da alguna justificacin intuitiva para la definicin del valor esperado de una
variable aleatoria x discreta.

Media y varianza de una variable aleatoria discreta

Dada una v.a. discreta, X, con funcin masa de probabilidad f(x), se define su
media o esperanza matemtica como:
= =

()

Donde f(x)=P(x) y los elementos se suman sobre todos los valores de la variable
aleatoria x.

Media y varianza de una variable aleatoria discreta

Dada una v.a. discreta, X, con funcin masa de probabilidad f(x), se define su
varianza como

La desviacin estndar s de una variable aleatoria x es igual a la raz

cuadrada positiva de su varianza.

Actividad 2
Demuestre la varianza
Una tienda de electrnica vende un modelo particular de computadora porttil. Hay slo cuatro
computadoras en existencia y la gerente se pregunta cul ser la demanda de hoy para este modelo
particular. Ella se entera en el departamento de marketing de que la distribucin de probabilidad para x,
la demanda diaria para la laptop es como se muestra en la tabla. Encuentre la media, varianza y
desviacin estndar de x y grafique la funcin de probabilidad. Es probable que cinco o ms clientes
deseen comprar una laptop hoy?
x
P(x)

0.10

0.40

0.20

0.15

0.10

0.05

En una lotera realizada a beneficio de una institucin local de caridad, se han de vender 8000 boletos a
$10 cada uno. El premio es un automvil de $24 000. Si usted compra dos boletos, cul es su ganancia
esperada?

 Determine la prima anual para una pliza de seguro de $10 000 que cubre un evento que, en un largo
tiempo, ha ocurrido a razn de 2 veces en 100. Sea x igual a la ganancia financiera anual para la compaa
de seguros, que resulte de la venta de la pliza, y sea C igual a la prima anual desconocida. Calcule el valor
de C tal que la ganancia esperada E(x) iguale a cero. Entonces C es la prima requerida para que haya punto
de equilibrio. Para esto, la compaa sumara costos administrativos y utilidad.

Sea X una V. A. D. cuya distribucin de probabilidad est dada por:

2 ,
=
0,

= 0, 1, 2, 3

Encuentre P(X=2)

DISTRIBUCIONES DISCRETAS

Distribucin Bernoulli
Es un experimento estadstico en el que pueden haber nicamente dos resultados
posibles. ES costumbre designarlos como xito o Fracaso aunque pueden tener
otra representacin y estar asociados a algn otro significado de inters.
Sean X: Variable aleatoria cuyos valores pueden ser 1:Exito, 0: Fracaso
p: Valor de probabilidad de que el resultado del ensayo sea xito
Entonces, la distribucin de probabilidad de X es:
,
=1
=
= 1
= 1 ,
=0

Esta es la forma
ms usual de
representar la
distribucin de
Bernoulli

Distribucin Bernoulli

 = ,
var =
= +

Ejemplo
Suponer que la probabilidad de xito de un experimento es de 0.2 y se realizan
cinco ensayos independientes. Calcule la probabilidad que el primero y el ltimo
ensayo sean xito, y los tres ensayos intermedios sean fracasos
Sean 1: El ensayo es xito (con probabilidad 0.2)
0: El ensayo es fracaso (con probabilidad 0.8)
Entonces:

P(X=1, X=0, X=0, X=0, X=1)= f(1)f(0)f(0)f(0)f(1)=(0.2)(0.8)(0.8)(0.8)(0.2) =

0.0205=2.05%

DISTRIBUCIN UNIFORME
La variable aleatoria toma un nmero finito de n valores, cada uno con igual probabilidad.

f ( x ) P( X x )

Con n = 10 se tiene:
Su media y varianza son las siguientes

1
n

0.15

0.13

prob

(n 1)
X
2
2
n
1
2
X
12

0.11

0.09

0.07

0.05
0

6
x

1e+001

Distribucin Bernoulli
Consiste en realizar un slo experimento (ensayo) en el cual existen nicamente
dos posibles resultados:
S = { xito, fracaso }
Por ejemplo: observar un artculo y ver si es defectuoso

Ejemplo:
Hay una urna con 342 boletos, para ganar un automvil, al momento de sacar alguno de
ellos qu probabilidad hay para que pueda salir premiado el boleto nmero 342?
La probabilidad de que saque el boleto 342

La probabilidad de que NO saque el boleto nmero 342

Un experimento aleatorio que tiene las siguientes caractersticas sigue el modelo de

distribucin binomial:

Distribucin Binomial

una

1.

En cada prueba del experimento slo son posibles dos resultados, el

suceso A, que se llama xito, y su contrario Ac, al que se llama
fracaso.

2.

El resultado obtenido en cada prueba es independiente de los resultados

obtenidos en las pruebas anteriores.

3.

La probabilidad del suceso A es constante; por tanto, no vara de una

prueba a otra. Se representa por p la probabilidad de A, y por q = 1 p
la probabilidad de Ac .

La variable X, que representa el nmero de xitos obtenidos en n pruebas, se denomina

variable aleatoria binomial.
Esta variable es discreta, ya que si se realizan n pruebas se podrn obtener 0, 1, 2, , n xitos.
Una distribucin binomial se caracteriza por los parmetros nmero de pruebas realizadas, n, y
probabilidad del suceso xito, p, y se representa por B(n, p).

Distribucin Binomial
Un ejemplo de los ensayos de Bernoulli es lanzar una moneda. Los ensayos
operan bajo tres condiciones:

1.
2.
3.

Cualquier ensayo solo puede tener uno o dos posibles resultados, xito o falla,
llueve o no llueve.
Ensayos sucesivos son independientes.
Las probabilidades son constantes.

Bajo estas tres condiciones la probabilidad de x xitos en n ensayos, est dada por
la distribucin Binomial como:

n x n x
p ( x ) p q
x
Donde:
n Es el nmero de combinaciones de n eventos tomando x a

x la vez.

n!
n

x x!(n x)!

p es la probabilidad de ocurrencia de un evento, por ejemplo la probabilidad de

xito en lanzar una moneda, q es la probabilidad de falla.

q 1 p
x es la variable o el nmero de ensayos con xito.

Ejemplo: Distribucin Binomial

Suponga que una presa tiene una vida til de 50 aos y se desea evaluar la
probabilidad que una inundacin, con un periodo de retorno de 100 aos, ocurra
una vez durante la vida til de la presa.

p 1 / T 0.01
q 1 p 0.99
x 1
n 50

50 1
p (1) 0.1 0.99 49 0.306
1

Por lo tanto, es alrededor de 31% de probabilidad que un evento de tal magnitud

pueda ocurrir una vez en la vida til de la presa

Distribucin Binomial: media y

En una variable aleatoria binomial B (n , p)
varianza
Media:

=np

Varianza:

2 n pq

Desviacin tpica:

n pq

Ejemplo.- X = "nmero de 6 al tirar un dado 10 veces es B(10 , 1/6)

Media = 10 1/6 = 10/6

Varianza = 10 1/6 5/6 = 50/36

Desviacin tpica = 50 / 6

Distribucin Geomtrica
RECORDANDO:
En una secuencia de Bernoulli, el nmero de ensayos hasta que un evento especfico ocurra
por primera vez es modelado por la distribucin geomtrica.
xito ensayo t + n
Falla ensayo t 1
Si T v.a. apropiada:

P(T t ) pqT 1

t 1, 2, ....

Periodo de retorno Tiempo de recurrencia promedio para que un evento de cierta

magnitud sea igualado o excedido.

Actividad 3.

Investigar las funciones de distribucin discretas: distribucin binomial, distribucin de Poisson, distribucin
geomtrica, distribucin hipergeomtrica

ACTIVIDAD 4

1. Supongamos que un fabricante de maquinaria pesada tiene instalados en el campo 3840 generadores de gran tamao. Si la probabilidad de que cualquiera
de ellos falle durante el ao en curso es de 1/1200 , determinemos la probabilidad de que
a. 4 generadores fallen durante el ao en curso,
b. Ms 1 de un generador falle durante el ao en curso.
2. Suponga que hay alrededor de un milln de adultos en un condado y una proporcin desconocida p estn a favor de limitar el periodo de funcin de
polticos. Se escoger una muestra de mil adultos en forma tal que cada uno del milln de adultos tenga igual probabilidad de ser seleccionado y a cada uno se
le pregunta si l o ella est a favor de limitar el periodo. (El objetivo final de esta encuesta es estimar la proporcin desconocida p, Este experimento es
binomial?

3. En un tiempo largo, se ha observado que un jugador profesional de baloncesto puede hacer un tiro libre en un intento determinado con probabilidad igual
a .8. Suponga que l lanza cuatro tiros libres.
1. Cul es la probabilidad de que enceste exactamente dos tiros libres?
2. Cul es la probabilidad de que enceste al menos un tiro libre?

4. El nmero promedio de accidentes de trnsito en cierto crucero de carretera es dos por semana. Suponga que el nmero de accidentes
sigue una distribucin de Poisson con = 2.
1. Encuentre la probabilidad de que no haya accidentes en este crucero de carretera durante un periodo de 1 semana.
2. Encuentre la probabilidad de que a lo sumo haya tres accidentes en esta seccin de carretera durante un periodo de 2 semanas.

6. Un recipiente tiene 12 botellas de vinos, 3 de las cuales contienen vino que se ha echado a perder. Una muestra de 4 botellas se selecciona al azar de entre
la caja.
1. Encuentre la distribucin de probabilidad para x, el nmero de botellas de vino
echado a perder de la muestra.
2. Cules son la media y la varianza de x?
7. Un producto industrial particular se enva en lotes de 20. Hacer pruebas para determinar si un artculo es defectuoso o costoso; por tanto, el fabricante
muestrea la produccin en lugar de usar un plan de inspeccin del 100%. Un plan de muestreo construido para reducir al mnimo el nmero de piezas
defectuosas, enviadas a los clientes, exige muestrear cinco artculos de entre cada lote y rechazar el lote si se observa ms de una pieza.

DISTRIBUCIONES DE PROBABILIDAD
PARA VARIABLES ALEATORIAS
CONTINUAS

DISTRIBUCIONES DE PROBABILIDAD PARA

VARIABLES ALEATORIAS CONTINUAS
Cuando una variable aleatoria x es discreta, se puede asignar una probabilidad
positiva a cada uno de los valores que x pueda tomar y obtener la distribucin de
probabilidad para x. La suma de todas las probabilidades asociada con los diferentes
valores de x es 1, pero no todos los experimentos resultan en variables aleatorias
que sean discretas.

Las variables aleatorias continuas, por ejemplo estaturas y pesos, lapso de vida
til de un producto en particular o un error experimental de laboratorio, pueden
tomar los infinitamente numerosos valores correspondientes a puntos en un
intervalo de una recta.

Variable aleatoria continua: definicin

Una variable aleatoria es continua si el conjunto de valores que puede tomar slo
puede encerrarse en intervalos, formando, por tanto, un conjunto con un nmero
infinito no numerable de elementos.
Ejemplo.
Son variables aleatorias continuas:
La tensin de fractura de una muestra de asfalto.
El grosor de una lmina de aluminio.
El pH de una muestra de lluvia.
La duracin de una llamada telefnica.

DISTRIBUCIONES DE PROBABILIDAD PARA

VARIABLES ALEATORIAS CONTINUAS
Supongamos que usted tiene un conjunto de mediciones en una variable aleatoria continua y que crea un
histograma de frecuencia relativa para describir la distribucin de las mismas. Para un pequeo nmero de
mediciones, se puede usar un pequeo nmero de clases; entonces, a medida que se recolecten ms y ms
mediciones, se pueden usar ms clases y reducir el ancho de clase. El perfil del histograma cambiar
ligeramente, casi todo el tiempo hacindose cada vez ms irregular.
Cuando el nmero de mediciones se hace muy grande y los anchos de clase se hacen muy angostos, el
histograma de frecuencia relativa aparece cada vez ms como una curva suave. Esta curva suave describe
la distribucin de probabilidad de la variable aleatoria continua.

DISTRIBUCIONES DE PROBABILIDAD PARA

VARIABLES ALEATORIAS CONTINUAS

DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES

ALEATORIAS CONTINUAS
Cmo se puede crear un modelo para esta distribucin de probabilidad? Una variable aleatoria
continua puede tomar cualquiera de un nmero infinito de valores de la recta real, en forma
semejante al nmero infinito de granos de arena en una playa. La distribucin de probabilidad
es creada al distribuir una unidad de probabilidad a lo largo de la recta, igual que como se puede
distribuir un puado de arena. La probabilidad, es decir granos de arena o de mediciones, se
apilarn en ciertos lugares y el resultado es la distribucin de probabilidad mostrado en la
figura. La profundidad o densidad de la probabilidad, que vara con x, puede ser descrita por
una frmula matemtica f(x), llamada distribucin de probabilidad o funcin de densidad
de probabilidad para la variable aleatoria x.

 El rea bajo una distribucin continua de probabilidad

es igual a 1.
La probabilidad de que x caiga en un intervalo
particular, por ejemplo de a a b, es igual al rea bajo la
curva entre los dos puntos a y b. sta es el rea
sombreada de la figura.

Funcin de densidad
Dada una v.a. continua, X, la funcin de densidad de probabilidad de X es
aquella funcin f (x) tal que para cualesquiera a; b R o a; b =,

<< =

Dada una v.a. continua, X con funcin de densidad f (x):

1. 0
2.

=1

3. En general, para cualquier conjunto de nmeros reales, B,

=

Funcin de distribucin
Se define la funcin de distribucin de probabilidad de una v.a. continua X
como
F(x) = =

ejemplo
Considrese una variable aleatoria continua, X; con funcin de densidad =
. Vamos a calcular la constante c; la funcin de distribucin y P [X 0].
Solucin
1=
=

()

0
exp

0
()

Luego es necesario que c=

()
0

exp
0

DISTRIBICIONES DE
PROBABILIDAD
CONTINUA

Distribucin Exponencial

Consideraciones:

Proceso de eventos aleatorios (los parmetros no cambian con el tiempo).

No es posible tener mas de un evento en cualquier instante.
Descripcin de un proceso Poisson.
La v.a. t representa el tiempo entre tormentas.
Funcin de Densidad:

f (t ) e t ,

La media es:

E (t ) 1 /

La varianza es:

2 (t ) 1 / 2

t0

La funcin de distribucin acumuladat es:

F (t ) e t d 1 e t
0

Ejemplo: Distribucin exponencial

En un ao en un sitio determinado ocurren 110 tormentas independientes con una duracin promedio
(todas) de 5.3 h. El intervalo entre tormentas es:
8760 110 5.3
t
74.3h
110
= 1/

= 1/74.3 = 0.0135 h-1

a) Cul es la probabilidad de que pasen al menos 4 das (96 h) entre tormentas?

P(t 96) =1- F(96)
96

F (96) e t dt 1 e t
0

P(t 96) 1 1 e t e 0.0135*96 0.27

b) Cual es la probabilidad de que el tiempo entre dos tormentas sea exactamente

12 horas?
P(t = 12)= 0
intervalo es cero.

la probabilidad que una V.A continua valga cero en un

c) Cual es la probabilidad que la separacin entre 2 tormentas sea menor o igual

que 12 h?

Variable aleatoria de la Distribucin

Normal N(, )
Una variable aleatoria continua X sigue una distribucin normal de media
y desviacin tpica , y se designa por N(, ) si se cumplen las siguientes
condiciones.
1. La variable puede tomar cualquier valor real, es decir, x (, +).
2. La funcin de densidad, que es la expresin en trminos de ecuacin
matemtica de la funcin de Gauss, es:
2

f(x) =

1
2

-1
2

x-

Caractersticas de la funcin de densidad de la N(, )

1
f(x) =
2

2
x-
1
-
2

(, 1 )
2

rea bajo la curva:

1 unidad

I'

x=

y=0

Campo de existencia = ( ,+ )
Creciente

Decreciente

Familia de distribuciones normales

Familia de distribuciones normales

 Distribucin normal estndar N(0, 1)

De las infinitas distribuciones N(, ) tiene especial inters la distribucin N(0, 1), es
decir, aquella que tiene por media el valor cero ( = 0) y por desviacin tpica la unidad
( = 1). Se le designa como variable Z.

Caractersticas de la distribucin N(0,1):

1. Funcin de densidad:

1
f(t) =
2

2. Probabilidad:

1
P( Z a)
2

- 1 t2
2

1
t2
2

dt

En el artculo ndices de relacin peso-talla como indicadores de masa muscular en el adulto

del sexo masculino de la revista Revista Cubana Aliment. Nutr. (1998;12(2):91-5) aparece un
colectivo de varones con un peso cuya media y desviacin estndar son, respectivamente, 65.6 y 11.7.
Cmo podemos, mediante las tablas de la N(0; 1), calcular, por ejemplo, la probabilidad de que
uno de esos varones pese ms de 76.25 kilos?