ESTADSTICA I GILMA SABINA LIZAMA

UNIDAD III: MODELANDO LA REALIDAD

OBJETIVO
Que los y las estudiantes utilicen los modelos de distribucin de
probabilidades mediante el anlisis del comportamiento de variables
discretas y variables continuas para modelar situaciones relacionadas con
problemas de los mbitos: econmico, social y empresarial.

DEFINICIN DE VARIABLE ALEATORIA

Variable Aleatoria: Es un smbolo que toma valores que dependen del

azar; es decir, es un valor que se asocia con un experimento aleatorio,
normalmente se designa por las ltimas letras del alfabeto (X, Y, Z). Se
define asignando un valor a cada suceso simple de un experimento que
conduzca a resultados aleatorios. Es una funcin que asigna un valor
numrico a cada suceso del espacio muestral. Una v.a es aquella que
asume sus valores de acuerdo a los resultados de un experimento
aleatorio.

Ejemplos:

El nmero de llamadas telefnicas por minuto a un restaurante de

comida rpida a domicilio

Nmero de hijos por familia

X: La suma que aparece al lanzar un par de dados.

Y: El nmero de caras que aparecen al lanzar una moneda tres veces.

Z: El nmero de errores que se encuentran en la pgina de un libro.

1
 ESTADSTICA I GILMA SABINA LIZAMA

VARIABLE ALEATORIA DISCRETA

Al realizar un experimento generalmente estamos interesados en alguna

funcin del resultado ms que en el resultado en s mismo. As, por ejemplo,
al arrojar un dado dos veces podramos estar interesados slo en la suma de
los puntos obtenidos y no en el par de valores que dio origen a ese valor de
la suma. Esa cantidad de inters, o ms formalmente esa funcin a valores
reales definida sobre el espacio muestral se denomina variable aleatoria.
Variable porque toma distintos valores y aleatoria porque el valor
observado no puede ser predicho antes de la realizacin del
experimento, aunque s se sabe cules son sus posibles valores.

Dado que el valor de una variable aleatoria (en adelante lo abreviaremos

v.a.) es determinado por el resultado de un experimento, podremos asignar
probabilidades a los posibles valores o conjuntos de valores de la variable.

Una variable aleatoria es discreta si puede tomar slo un conjunto de

valores finitos o infinitos, pero numerables, de un conjunto
predeterminado de valores.

2
 ESTADSTICA I GILMA SABINA LIZAMA

Ejemplos: Si tenemos un experimento, cmo definimos la variable aleatoria

e identificamos los posibles resultados:

Experimento Variable Aleatoria Valores Posibles de

la V.A.

Vehculos que llegan a Cantidad de vehculos 0,,1,2,3,4,5,etc

una caseta de cobro que llegan en un da

Vender un automvil Sexo del Cliente 0 si es hombre; 1 si es

mujer

Lanzar tres monedas Nmero de caras 0,1,2,3.

Realizar un examen de Calificacin obtenida en 0,1,2,3,4,5,6,7,8,9

estadstica el examen 10

DISTRIBUCIN DE PROBABILIDAD

Definicin
La distribucin de probabilidad de una variable aleatoria describe cmo se
distribuyen las probabilidades de los diferentes valores de la variable
aleatoria. Para una variable aleatoria discreta X, la distribucin de
probabilidad se describe mediante la funcin de probabilidad, representada
por f (x) . La funcin de probabilidad define la probabilidad de cada valor de

la variable aleatoria.

3
 ESTADSTICA I GILMA SABINA LIZAMA

La distribucin de probabilidad est definida por una funcin de

probabilidad, f (x) . Esta funcin asigna las probabilidades a cada valor de la

v.a., de forma que las probabilidades verifiquen:

1) 0 f (xi ) 1 i 1,2,3,...,n
n
2) f (xi ) 1
i 1

Ejemplo:

Sea la funcin f (x) x 2 , para x {1, 2, 3, 4} . Comprobar si es una

5
funcin de probabilidad.

X f (x) x 2
5
1 -0.20
2 0.00
3 0.20
4 0.40

No es una funcin de masa de probabilidad porque, por ejemplo, f(1) = 1/5

< 0.

4
 ESTADSTICA I GILMA SABINA LIZAMA

Ejemplo:
3
Sea f(x) (1/3)x(2/3)3 x para x = 0 , 1 , 2 , 3. Comprobar si es
x
una funcin de probabilidad.

3
X f(x) (1/3)x(2/3)3 x
x
0 0.30
1 0.44
2 0.22
3 0.04
1.00

Si es una funcin de distribucin de probabilidad.

En general, dada una variable aleatoria cualquiera, llamaremos funcin de
distribucin a la funcin que para cada valor de x, me proporciona la
probabilidad de que la variable aleatoria tome un valor menor o igual que x:
f (x) P(X x) si xi R

5
 ESTADSTICA I GILMA SABINA LIZAMA

Ejemplo:
En la siguiente tabla se presenta el nmero de empleados ausentes por da,
observados en los 212 das anteriores, representados por X, y el nmero de
veces que se observ cada valor de X.
Empleados Ausentes
Nmero de Das Probabilidad f(x)
por da, X
1 18 0.085
2 25 0.118
3 39 0.184
4 46 0.217
5 27 0.127
6 25 0.118
7 22 0.104
8 10 0.047
Total 212 1.000

Por ejemplo, fueron 18 das en los que slo un empleado estuvo ausente y
25 en los que hubo dos empleados ausentes.

Grfica de una distribucin de probabilidad:

Grfico de Distribucin de Probabilidad

0.25 0.217
0.184
0.2
Probabilidad

0.15 0.118 0.127 0.118

0.104
0.085
0.1
0.047
0.05
0
1 8 3 4 5 6 7 8
Empleados ausentes por da

6
 ESTADSTICA I GILMA SABINA LIZAMA

Ejemplo: Se extraen dos tornillos al azar de un conjunto de 10 tornillos,

cuatro de los cuales estn defectuosos. Encontrar y dibujar la funcin de
probabilidad de la variable aleatoria X = nmero de tornillos defectuosos
extrados.

Solucin: Como hay 10 tornillos de los cuales 4 son defectuosos y se

extraen 2 tornillos al azar (sin reemplazo); entonces, el nmero de

resultados posibles es y X toma los valores del 0 al 2 ya que al

extraer dos tornillos slo puede ocurrir que no salga ningn defectuoso, un
defectuoso o dos defectuosos, X = {0, 1, 2}. Las probabilidades respectivas

son: , y

Distribucin de probabilidad:

X f(x)
0 1/3
1 8/15
2 2/15

7
 ESTADSTICA I GILMA SABINA LIZAMA

DISTRIBUCIN ACUMULADA DE PROBABILIDAD

Definicin:
Sea una v.a. X de tipo discreto que toma un nmero finito o infinito
numerable de valores X1, X2,...,Xr y cuya distribucin de probabilidad es

P(x). Se define la funcin de distribucin acumulativa de la v.a. X, F(x),

como la probabilidad de que la v.a. X tome valores menores o iguales que x,
es decir:
f (x) P(X x)

Ejemplo: Los siguientes datos corresponden a nmero de autos vendidos

por una determinada compaa, por da durante los 100 das pasados.

Autos Probabilidad Probabilidad

Nmero Probabilidad
vendidos Acumulada menor Acumulada mayor
de das f(x)
por da o igual que o igual que
10 8 0.08 0.08 1.00
11 12 0.12 0.20 0.92
12 19 0.19 0.39 0.80
13 23 0.23 0.62 0.61
14 18 0.18 0.80 0.38
15 20 0.20 1.00 0.20
100 1.00

8
 ESTADSTICA I GILMA SABINA LIZAMA

Ejemplo:

Experimento aleatorio: se lanza una moneda 3 veces

S = {ccc, ccs, csc, css, scc, scs, ssc, sss }
Sea X : # caras observadas

x 0 1 2 3
p(x) 1 3 3 1
8 8 8 8

La distribucin anterior es una distribucin de probabilidades para la variable

aleatoria X, en efecto 0 p(x) 1 para todo x (x = 0, 1, 2 y 3) y adems
p x 1. Para determinar la distribucin acumulada de probabilidad
x
observe que:

P(X 0) = P(X = 0) = 1
8

P(X 1) = P(X = 0) + P(X = 1) = 1 +3 = 1

8 8 2

P(X 2) = P(X = 0) + P(X = 1) + P(X = 2) = 1 +3 +3 =7

8 8 8 8

P(X 3) = P(X= 0) + P(X= 1) + P(X= 2) + P(X= 3) = 1 +3 +3 + 1

8 8 8 8
=1
Se tiene entonces,

x 0 1 2 3
F(x) 1 1 7 1
8 2 8

9
 ESTADSTICA I GILMA SABINA LIZAMA

ESPERANZA MATEMTICA Y VARIANZA

Esperanza Matemtica:

La esperanza matemtica o valor esperado de X se define como:

E(X) x x*P(x)

Ejemplo: Una empresa proveedora de servicio de televisin por cable tiene

20,000 clientes en cierta zona, cada uno de los cuales puede optar por
contratar de uno a cinco paquetes de seales televisivas (el abono bsico
consiste en un solo paquete y cada uno de los otros paquetes incluye seales
premium). Supongamos que entre los 20,000 clientes, la distribucin del
nmero de paquetes X contratados es la siguiente:

X = # de paquetes contratados Nmero de Clientes P(x) X *P(x)

1 7,500 0.375 0.375

2 5,500 0.275 0.550

3 3,500 0.175 0.525

4 2,000 0.100 0.400

5 1,500 0.075 0.375

20,000 1.000 2.225

El nmero promedio de paquetes contratados es 2.225.

Adems de saber el nmero promedio de paquetes contratados por cliente,

nos interesa averiguar el promedio del costo pagado por cliente. Ahora bien,

10
 ESTADSTICA I GILMA SABINA LIZAMA

supongamos que el costo del servicio Y, es funcin del nmero de paquetes

contratado, y est dado segn la siguiente funcin: Y 30*(X 1)

Cul es la esperanza matemtica del costo pagado por cliente?, es decir,

cul es E(Y) ?

Bueno, a partir de la funcin de probabilidad de X, podemos obtener la

funcin de probabilidad de Y, as:

X = # de paquetes Nmero de
Y 30*(X 1) P(Y) Y*P(Y)
contratados Clientes

1 7,500 60 0.375 22.5

2 5,500 90 0.275 24.75

3 3,500 120 0.175 21

4 2,000 150 0.100 15

5 1,500 180 0.075 13.5

20,000 1.000 96.75

El costo promedio pagado por cliente es de $96.75.

Ejemplo: La probabilidad de que una casa de cierto tipo quede destruida por
un incendio en cualquier perodo de doce meses es de 0.005. Una compaa
de seguros ofrece al propietario una pliza de seguros contra incendio por
$20,000.00 (dlares) a un ao con una prima de $150.00 dlares. Cul es
la ganancia esperada de la compaa?

Solucin: Sea S = {se incendie, no se incendie}, el espacio muestral, La

variable aleatoria asociada es X = {0,1}, donde 0 significa que se incendie y

11
 ESTADSTICA I GILMA SABINA LIZAMA

1 que no se incendie (estos valores son arbitrarios). g(X) representa la

ganancia de la compaa por cada casa asegurada (sin tomar en cuenta
gastos). La situacin se explica mejor en una tabla.

Evento X g(X) f(X)

Se incendie 0 -$19,850.00 0.005

No se incendie 1 +$150.00 0.995

En caso de que la compaa asegure 20,000 casas, su ganancia esperada

sera de $1,000,000.00 (sin tomar en cuenta gastos).

Propiedades de la Esperanza Matemtica:

1. La Esperanza matemtica de una constante es igual a la misma

constante E(k)=K.

2. Linealidad: E(aX+b)=aE(X)+b; a, b R.

3. E(kX)= kE(X)

4. Si g(X) es una funcin de X, entonces E[g(x)]=g(x)*f(x)

5. E{ X + Y - Z } = E{ X } + E{ Y } - E{ Z }

12
 ESTADSTICA I GILMA SABINA LIZAMA

Varianza: Anteriormente vimos que la esperanza matemtica de una

variable aleatoria mide donde est centrada la distribucin de probabilidad.
Ahora bien, podemos tener diferentes variables con la misma esperanza o
promedio; sin embargo, la forma de distribucin puede ser diferente.

La varianza es una medida de variabilidad de una variable aleatoria alrededor

de su esperanza.

2
V(x) x (x x )2 *P(x)
Ejemplo: Calcular la varianza del ejemplo visto del nmero de paquetes
televisivos contratados por los clientes de una empresa proveedora de
servicios televisivos por cable.

X = # de
Nmero de
paquetes P(x) X *P(x) (x x )2 (x x )2 P(x)
Clientes
contratados

1 7,500 0.375 0.375 1.500625 0.562734375

2 5,500 0.275 0.550 0.050625 0.013921875

3 3,500 0.175 0.525 0.600625 0.105109375

4 2,000 0.100 0.400 3.150625 0.3150625

5 1,500 0.075 0.375 7.700625 0.577546875

20,000 1.000 2.225 13.003125 1.574375

Var(x) 1.574375

13
 ESTADSTICA I GILMA SABINA LIZAMA

Ejemplo: Se tira un dado. Se define como v.a. el nmero que sale Cul es
su media?

La variable X puede tomar los valores 1, 2, ..., 6 y para todos ellos f(x) =
1/6. En consecuencia la media es

Obsrvese que es un nmero que la v.a. no puede alcanzar. Qu significa?

No mucho.

Se define ahora una funcin sobre X: el premio: si sale 1 2 se gana $100 ,

si sale 3 se gana 500 y si sale 4, 5 6 no se gana nada

X h(x)

1 100

2 100

3 500

4 0

5 0

6 0

Cul es el valor medio de esta funcin?

14
 ESTADSTICA I GILMA SABINA LIZAMA

qu significa? es el valor medio a la larga: si se juega un nmero grande de

veces la ganancia final es como si en cada jugada se hubiera ganado $116,6.
Si la apuesta costara menos de eso el juego sera ventajoso para el jugador
(as se enriqueci Voltaire), si costara ms, para la banca. (llamar a esto
honestidad del juego le cost el puesto de ministro a Laplace).

Ejercicio: Sea X una v.a.d con su funcin de distribucin:

X P(X=x)
1 0.25
3 0.50
5 0.25

Hallar la esperanza matemtica de: Y (x 3)2

Solucin:

x 1,3,5

E(x) (x 3)2P(X x) = (1 3)2 0.25 (3 3)2 0.50 (5 3)2 0.25 2

NOTA: La varianza y la desviacin tpica son cantidades positivas. La

desviacin tpica est medida en las mismas unidades que la v.a.

15
 ESTADSTICA I GILMA SABINA LIZAMA

Propiedades de la varianza:

1. La varianza de una constante es igual a cero. Var(k)=0

2. Si a y b son constantes, la Var(aX+b)=a2+Var(x).
3. Si X e Y son v.a. independientes, Var(X+Y)=Var(X)+Var(Y).
4. Var ( X + k ) = Var ( X )
5. Var ( aX + k ) = a2 Var ( X )

16