Variable Aleatoria Discreta

Hernán Felipe García, PhD.

Procesos Estocásticos,
Ingeniería Electrónica
Universidad del Quindío
Armenia - 2020
Contenido

Función de probabilidad de masa

Valores esperados o promedios

Ejemplos de funciones de probabilidad de masa

Contenido

Función de probabilidad de masa

Valores esperados o promedios

Ejemplos de funciones de probabilidad de masa

Función de probabilidad de masa

Una variable aleatoria discreta está definida por un conjunto permi-

tido de valores x1 , x2 , x3 , . . . , junto con las probabilidades asociadas
a cada uno de estos valores.

La probabilidad de que X = xi se denota como P(X = xi ) para

i = 1, 2, 3, . . . , y se conoce como la función de probabilidad de masa
fpm.

La fpm se denota como pX (xi ), donde pX (xi ) = P(X = xi )

Propiedades de la fpm

1. 0 ≤ pX (xi ) ≤ 1, i = 1, 2, 3, . . . ,

N
X
2. pX (xi ) = 1.
i=1

3. La función de distribución acumulada (fda) está dada por

X
FX (x) = P(X ≤ x) = pX (xi )
∀xi ≤x

4. La fpm puede determinarse a partir de la fda

pX (xi ) = P(X = xi ) = FX (xi ) − lı́m FX (xi − h).

h→0
Contenido

Función de probabilidad de masa

Valores esperados o promedios

Ejemplos de funciones de probabilidad de masa

Preliminares

La descripción más detallada de una variable aleatoria X está dada

por su función de probabilidad de masa.

En algunas ocasiones es más adecuado describir una variable alea-

toria a partir de un conjunto de números caracterı́sticos, que repre-
sentan a la fpm.

Estos números se conocen como valores esperados o promedios es-

tadı́sticos.
Valor esperado y momentos estadı́sticos de primer orden (I)

La media o el valor esperado de una variable aleatoria discreta X se

define como
XN
E [X ] = µX = xi pX (xi ).
i=1

El momento m−ésimo de una v.a. discreta X está dado por

N
X
E [X m ] = xim pX (xi ).
i=1

Nótese que la media de X es el primer momento de X .

Valor esperado y momentos estadı́sticos de primer orden
(II)

La varianza de una variable aleatoria discreta X se define como

Var[X ] = σX2 = E [(X − µX )2 ] = E [X 2 ] − E [X ]2

N
X
= (xi − µX )2 pX (xi ).
i=1

La raı́z cuadrada de la varianza se conoce como la desviación estándar.

Contenido

Función de probabilidad de masa

Valores esperados o promedios

Ejemplos de funciones de probabilidad de masa

Bernoulli: modelo probabilı́stico

Una v.a Bernoulli X , se emplea para modelar experimentos aleatorios

cuyos resultados pueden clasificarse como un “éxito” o un “fracaso”.

Este tipo de experimentos se denominan ensayos de Bernoulli.

La probabilidad de obtener un éxito es p, y la probabilidad de obtener

un fracaso es (1 − p).

Ejemplos. El resultado de lanzar una moneda al aire. El resultado

de observar si un elemento elegido al azar es defectuoso o no.
Bernoulli: fpm y fda

Una v.a X se denomina Bernoulli con parámetro p, si su función de

probabilidad de masa está dada como.
Bernoulli: fpm y fda

Una v.a X se denomina Bernoulli con parámetro p, si su función de

probabilidad de masa está dada como.

pX (k) = P(X = k) = p k (1 − p)(1−k) ,

donde 0 ≤ p ≤ 1 y k = 0, 1.
Bernoulli: fpm y fda

Una v.a X se denomina Bernoulli con parámetro p, si su función de

probabilidad de masa está dada como.

pX (k) = P(X = k) = p k (1 − p)(1−k) ,

donde 0 ≤ p ≤ 1 y k = 0, 1.

La fda FX (x) de la v.a. Bernoulli X está dada por

Bernoulli: fpm y fda

Una v.a X se denomina Bernoulli con parámetro p, si su función de

probabilidad de masa está dada como.

pX (k) = P(X = k) = p k (1 − p)(1−k) ,

donde 0 ≤ p ≤ 1 y k = 0, 1.

La fda FX (x) de la v.a. Bernoulli X está dada por


0,
 x <0
FX (x) = 1 − p, 0 ≤ x < 1 .

1, x ≥1

Bernoulli: media y varianza

La media de una v.a X Bernoulli está dada como.

Bernoulli: media y varianza

La media de una v.a X Bernoulli está dada como.

µX = E [X ] = p.
Bernoulli: media y varianza

La media de una v.a X Bernoulli está dada como.

µX = E [X ] = p.

La varianza de una v.a X Bernoulli está dada como.

Bernoulli: media y varianza

La media de una v.a X Bernoulli está dada como.

µX = E [X ] = p.

La varianza de una v.a X Bernoulli está dada como.

σX2 = Var[X ] = p(1 − p).

Binomial: modelo probabilı́stico

Considere el experimento aleatorio de realizar n ensayos de Bernoulli

independientes e idénticos. Además, sea X la v.a. que representa el
número de resultados positivos obtenidos en los n ensayos.

En este caso, se dice que X es una v.a. Binomial con parámetros

(n, p), donde p es la probabilidad de obtener éxito en cada uno de
los ensayos.

Se nota que si n = 1, la v.a. Binomial corresponde a una v.a. Ber-

noulli.

Ejemplo. La cantidad de elementos defectuosos en un lote de n

elementos.
Binomial: fpm y fda

Una v.a X se denomina Binomial con parámetros (n, p), si su función

de probabilidad de masa está dada como.
Binomial: fpm y fda

Una v.a X se denomina Binomial con parámetros (n, p), si su función

de probabilidad de masa está dada como.

   
n k n n!
pX (k) = P(X = k) = p (1 − p)(n−k) , = ,
k k k!(n − k)!

donde 0 ≤ p ≤ 1, k = 0, 1, 2, . . . , n.
Binomial: fpm y fda

Una v.a X se denomina Binomial con parámetros (n, p), si su función

de probabilidad de masa está dada como.

   
n k n n!
pX (k) = P(X = k) = p (1 − p)(n−k) , = ,
k k k!(n − k)!

donde 0 ≤ p ≤ 1, k = 0, 1, 2, . . . , n.

La fda FX (x) de la v.a. Binomial X está dada por

Binomial: fpm y fda

Una v.a X se denomina Binomial con parámetros (n, p), si su función

de probabilidad de masa está dada como.

   
n k n n!
pX (k) = P(X = k) = p (1 − p)(n−k) , = ,
k k k!(n − k)!

donde 0 ≤ p ≤ 1, k = 0, 1, 2, . . . , n.

La fda FX (x) de la v.a. Binomial X está dada por

bxc  
X n
FX (x) = P(X ≤ x) = p k (1 − p)(n−k) ,
k
k=0

donde bxc es el “piso” de x, es decir, el entero más grande que es

menor que x.
Binomial: media y varianza

La media de una v.a X Binomial está dada como.

Binomial: media y varianza

La media de una v.a X Binomial está dada como.

µX = E [X ] = np.
Binomial: media y varianza

La media de una v.a X Binomial está dada como.

µX = E [X ] = np.

La varianza de una v.a X Binomial está dada como.

Binomial: media y varianza

La media de una v.a X Binomial está dada como.

µX = E [X ] = np.

La varianza de una v.a X Binomial está dada como.

σX2 = Var[X ] = np(1 − p).

Geométrica: modelo probabilı́stico

Considere el experimento aleatorio de realizar algunos ensayos de

Bernoulli independientes e idénticos con probabilidad p para conse-
guir un éxito.

La secuencia de experimentos se observa hasta que ocurre el primer

éxito.

La v.a. Geométrica X denota el número de ensayos requeridos hasta

obtener el primer resultado positivo.

Ejemplo. Suponga que se tiene un lote de diodos, estos se prueban

uno por uno hasta encontrar el primer diodo defectuoso.
Geométrica: fpm y fda

Una v.a X se denomina Geométrica con parámetros p, si su función

de probabilidad de masa está dada como.
Geométrica: fpm y fda

Una v.a X se denomina Geométrica con parámetros p, si su función

de probabilidad de masa está dada como.

pX (k) = P(X = k) = (1 − p)(k−1) p,

donde 0 ≤ p ≤ 1, k = 1, 2, . . . .
Geométrica: fpm y fda

Una v.a X se denomina Geométrica con parámetros p, si su función

de probabilidad de masa está dada como.

pX (k) = P(X = k) = (1 − p)(k−1) p,

donde 0 ≤ p ≤ 1, k = 1, 2, . . . .

La fda FX (x) de la v.a. Geométrica X está dada por

Geométrica: fpm y fda

Una v.a X se denomina Geométrica con parámetros p, si su función

de probabilidad de masa está dada como.

pX (k) = P(X = k) = (1 − p)(k−1) p,

donde 0 ≤ p ≤ 1, k = 1, 2, . . . .

La fda FX (x) de la v.a. Geométrica X está dada por

bxc
X
FX (x) = P(X ≤ x) = (1 − p)(k−1) p = 1 − (1 − p)x
k=1
Geométrica: media y varianza

La media de una v.a X Geométrica está dada como.

Geométrica: media y varianza

La media de una v.a X Geométrica está dada como.

1
µX = E [X ] = .
p
Geométrica: media y varianza

La media de una v.a X Geométrica está dada como.

1
µX = E [X ] = .
p

La varianza de una v.a X Geométrica está dada como.

Geométrica: media y varianza

La media de una v.a X Geométrica está dada como.

1
µX = E [X ] = .
p

La varianza de una v.a X Geométrica está dada como.

1−p
σX2 = Var[X ] = .
p2
Binomial negativa: modelo probabilı́stico

Considere el experimento aleatorio de realizar algunos ensayos de

Bernoulli independientes e idénticos con probabilidad p para conse-
guir un éxito.

La v.a. Binomial negativa X denota el número de ensayos requeridos

para obtener r resultados exitosos.

Ejemplo. Suponga que se quiere medir la cantidad de dı́as que una

máquina funciona antes de que sufra algún desperfecto.
Binomial negativa: fpm y fda

Una v.a X se denomina Binomial negativa con parámetros (p, r ), si

su función de probabilidad de masa está dada como.
Binomial negativa: fpm y fda

Una v.a X se denomina Binomial negativa con parámetros (p, r ), si

su función de probabilidad de masa está dada como.

 
k −1
pX (k) = P(X = k) = (1 − p)(k−r ) p r ,
r −1

donde 0 ≤ p ≤ 1, k = r , r + 1, . . . .
Binomial negativa: media y varianza

La media de una v.a X Binomial negativa está dada como.

Binomial negativa: media y varianza

La media de una v.a X Binomial negativa está dada como.

r
µX = E [X ] = .
p
Binomial negativa: media y varianza

La media de una v.a X Binomial negativa está dada como.

r
µX = E [X ] = .
p

La varianza de una v.a X Binomial negativa está dada como.

Binomial negativa: media y varianza

La media de una v.a X Binomial negativa está dada como.

r
µX = E [X ] = .
p

La varianza de una v.a X Binomial negativa está dada como.

r (1 − p)
σX2 = Var[X ] = .
p2
Uniforme (discreta): modelo probabilı́stico

Una variable aleatoria uniforme X está asociada con experimentos

aleatorios donde todas las salidas son igualmente probables. Este
tipo de variable aleatoria solo aplica para experimentos con espacios
muestrales (Ω) finitos.
Uniforme (discreta): fpm y fda
Una v.a X se denomina Uniforme si su función de probabilidad de
masa está dada como.
Uniforme (discreta): fpm y fda
Una v.a X se denomina Uniforme si su función de probabilidad de
masa está dada como.

1
pX (k) = P(X = k) = , 1 ≤ k ≤ n,
n
donde n es el número de elementos en el espacio muestral del expe-
rimento.
Uniforme (discreta): fpm y fda
Una v.a X se denomina Uniforme si su función de probabilidad de
masa está dada como.

1
pX (k) = P(X = k) = , 1 ≤ k ≤ n,
n
donde n es el número de elementos en el espacio muestral del expe-
rimento.
La fda FX (x) de la v.a. Uniforme X está dada por
Uniforme (discreta): fpm y fda
Una v.a X se denomina Uniforme si su función de probabilidad de
masa está dada como.

1
pX (k) = P(X = k) = , 1 ≤ k ≤ n,
n
donde n es el número de elementos en el espacio muestral del expe-
rimento.
La fda FX (x) de la v.a. Uniforme X está dada por

0,
 0<x <1
bxc
FX (x) = P(X ≤ x) = n , 1<x <n

1, x ≥n


donde bxc es el “piso” de x, es decir, el entero más grande que es

menor que x.
Uniforme (discreta): media y varianza

La media de una v.a X Uniforme está dada como.

Uniforme (discreta): media y varianza

La media de una v.a X Uniforme está dada como.

1
µX = E [X ] = (n + 1).
2
Uniforme (discreta): media y varianza

La media de una v.a X Uniforme está dada como.

1
µX = E [X ] = (n + 1).
2

La varianza de una v.a X Uniforme está dada como.

Uniforme (discreta): media y varianza

La media de una v.a X Uniforme está dada como.

1
µX = E [X ] = (n + 1).
2

La varianza de una v.a X Uniforme está dada como.

1 2
σX2 = Var[X ] = (n − 1).
12
Poisson: modelo probabilı́stico

La v. a. Poisson tiene una gran variedad de aplicaciones en diferen-

tes áreas porque se puede usar para aproximar una v. a. binomial
con parámetros (n, p) cuando n es grande y p es lo suficientemente
pequeña para que np sea de tamaño moderado.

Entre otros, algunos ejemplos de variables aleatorias tipo Poisson

incluyen
• El número de llamadas telefónicas que arriban a una central
telefónica durante diferentes intervalos de tiempo.
• El número de errores de imprenta en la página de un libro.
• El número de clientes que entran a un banco durante diferentes
intervalos de tiempo.
• El número de carros que arriban a un semáforo.
Poisson: fpm y fda

Una v.a X se denomina Poisson si su función de probabilidad de

masa está dada como.
Poisson: fpm y fda

Una v.a X se denomina Poisson si su función de probabilidad de

masa está dada como.

λk
pX (k) = P(X = k) = exp(−λ) , k = 0, 1, 2 . . . ,
k!
Poisson: fpm y fda

Una v.a X se denomina Poisson si su función de probabilidad de

masa está dada como.

λk
pX (k) = P(X = k) = exp(−λ) , k = 0, 1, 2 . . . ,
k!

La fda FX (x) de la v.a. Poisson X está dada por

Poisson: fpm y fda

Una v.a X se denomina Poisson si su función de probabilidad de

masa está dada como.

λk
pX (k) = P(X = k) = exp(−λ) , k = 0, 1, 2 . . . ,
k!

La fda FX (x) de la v.a. Poisson X está dada por

bxc k
X λ
FX (x) = P(X ≤ x) = exp(−λ)
k!
k=0
Poisson: media y varianza

La media de una v.a X Poisson está dada como.

Poisson: media y varianza

La media de una v.a X Poisson está dada como.

µX = E [X ] = λ.
Poisson: media y varianza

La media de una v.a X Poisson está dada como.

µX = E [X ] = λ.

La varianza de una v.a X Poisson está dada como.

Poisson: media y varianza

La media de una v.a X Poisson está dada como.

µX = E [X ] = λ.

La varianza de una v.a X Poisson está dada como.

σX2 = Var[X ] = λ.