Capitulo 4: Variables Aleatorias y Modelos de

Probabilidad.
➢ El concepto de Variable Aleatoria, Variables Aleatorias Discretas y Continuas
➢ Variables Aleatorias Discretas: Función de probabilidad, Función de Distribución, Valor Esperado, Varianza.
➢ Variables Aleatorias Continuas: Función de densidad, Función de Distribución, Valor Esperado, Varianza.
BIBLIOGRAFÍA RECOMENDADA.

✓ W A L P O L E - P R O B A B I L I D A D Y E S TA D Í S T I C A PA R A I N G E N I E R Í A Y C I E N C I A S
✓ J AY L . D E B O R E - P R O B A B I L I D A D Y E S TA D Í S T I C A PA R A I N G E N I E R Í A Y C I E N C I A S
✓ H E U M A N N Y S C H O M A K E R - I N T R O D U C T I O N T O S TAT I S T I C S A N D D ATA A N A LY S I S W I T H E X E R C I S E S , S O L U T I O N S A N D
A P P L I C AT I O N S I N R

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 191

VARIABLES ALEATORIAS
Definición: Se define como Variable Aleatoria a una representación numérica de los
resultados de un experimento aleatorio

X Variable
Aleatoria
0
S 1
Espacio Muestral 2
3
4

Ejemplo: se verifican tres componentes defectuosos para valorar su estado de funcionamiento

S = [ NNN, NND, NDN, NDD, DNN, DND, DDN, DDD]

Sea X: Número de unidades defectuosas encontradas,

X= 0, 1, 2 ,3 entonces X es una Variable Aleatoria

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 192

 VARIABLES ALEATORIAS
Ejemplo: Se sacan dos pelotas consecutivamente, de una urna, que contiene 4 pelotas rojas y 3
blancas. Defina la variable aleatoria Y: Número de pelotas rojas extraídas

Espacio Muestral (S) Y

RR 2
RB 1
BR 1
BB 0

Ejercicio 1: Un embarque de 5 automóviles extranjeros incluyen 2 que tiene unas ligeras manchas de
pintura. Si una agencia recibe 3 de estos vehículos. Defina la variable aleatoria X: Número de vehículos
manchados que recibió la empresa

Ejercicio 2: Se escogen 5 bombillas de un lote de producción y se desea evaluar su tiempo de

duración. Describa la variable aleatoria asociada a este experimento aleatorio

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 193

 VARIABLES ALEATORIAS
Definiciones:

1. Se dice que una variable aleatoria X es Discreta si el número de valores que puede
obtener es contable (ya sea finito o infinito), dicho de otra manera si éstos pueden
arreglarse en una secuencia que corresponde con los enteros positivos

2. Se dice que una variable aleatoria X es Continua si su resultado puede tomar cualquier
valor dentro de la recta numérica

Ejercicio: Clasifique las siguientes variables aleatorias como discretas o continuas

X: Número de accidentes en la ciudad de Cali en el año 2007
Y: Tiempo que se demora un partido de Béisbol
M: Cantidad de leche producida por una vaca
N: Número de huevos que pone una gallina en un mes

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 195

 Funciones de Probabilidad

Definición:

Se define como una función de probabilidad, a una función que asocia una probabilidad
de ocurrencia a cada uno de los valores que asume una variable aleatoria. La cual se
denota como:
X Discreta X Continua

p ( x ) = P( X = x ) f ( x ) = P( X = x)

Ejemplo: Se sacan dos pelotas consecutivamente de una urna, que contiene 4 pelotas rojas y 3
blancas. Defina la variable aleatoria Y: Número de pelotas rojas extraídas, y halle su función de
probabilidad

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 196

 Funciones de Probabilidad

La función de probabilidad de una variable aleatoria discreta, debe satisfacer las siguientes
condiciones:

1. p(x )  0 para todos los valores x de X

2. p(x )  1 para todos los valores x de X
3.  p( x ) = 1
x

Ejemplo:

X 0 1 3
P(X=x) 1/3 1/2 1/6

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 198

 Distribución de Probabilidad Acumulativa

Se define como la función que cuantifica la probabilidad de que la variable aleatoria X asuma un
valor menor o igual a x:

F (x ) = P( X  x ) =  p(xi )
xi  x

Esta función de distribución cumple con las siguientes propiedades:

1. 0  F (x )  1 para cualquier x
2. F (xi )  F (x j ) si xi  x j
3. P( X  x ) = 1 − F (x )
4. P( X = x ) = F (x ) − F (x − 1)
5. P(xi  X  x j ) = F (x j ) − F (xi −1)
28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 199
 Ejercicio

La distribución de probabilidad de X, el número de defectos por cada 10 metros de una tela

sintética en rollos continuos de ancho uniforme; es:

X 0 1 2 3 4
P (X) 0.41 0.37 0.16 0.05 0.01

a) Verifique que esta es una función de probabilidad.

b) Halle la función de distribución acumulada.
c) Evalué las siguientes probabilidades a través de la función de distribución.
P(X ≤ 3) P(X>2) P(1≤ X ≤ 3) P(X=1)
d) Grafique la Función de Distribución Acumulada.

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 201

 Función de Densidad
(Variable Continua)

Se dice que f(x) es la función de densidad de una variable aleatoria X del

tipo continuo, si:

1. f (x )  0, −  x  

2.  f (x)dx = 1
−
b
3. P(a  x  b ) =  f (x )dx
a

Por definición una variable aleatoria continua tiene una probabilidad cero de asumir un valor especifico:
P (X = a) =0 si X es continua

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 203

 Función de Densidad
(Variable Continua)
Ejemplo 1: Suponga que el error en la temperatura de reacción, en °C, para un experimento
controlado de laboratorio es una variable aleatoria continua X, que tiene como función de
densidad a:

X2/3 -1<X<2
f(x) =
o en otro caso

a) Verifique que f(x) es efectivamente una función de densidad.

b) Evalué P(0<X<1)

Ejemplo 2: Si la utilidad por automóvil de un distribuidor, en unidades de mil, tiene como función de densidad a:
f ( x) = k (1 − x) 0  X 1
a) Determine el valor de K que permite a esta función ser una función de distribución valida

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 204

 Función de Distribución Acumulada
(Variable Continua)

La función de probabilidad acumulativa de una variable aleatoria continua esta dada por

x
F ( x ) = P ( X  x ) = P( X  x ) =  f (x)dx
−

Algunas consideraciones sobre la distribución de probabilidad Acumulada

1. F (−  ) = 0 3. P(a  X  b ) = F (b ) − F (a )
2. F ( ) = 1 F (x )
4. = f (x )
x

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 207

 Función de Distribución
(Variable Continua)
Ejemplo 2: Si la utilidad por automóvil de un distribuidor, en unidades de mil, tiene como función de densidad a:

f ( x) = 2(1 − x) 0  X 1
Determine la función de distribución acumulada F(X)

Evalué P(X<0.5), P(0.5 < X <0.75)

Evalué P(X>0.6)

Ejemplo 3: La función de distribución acumulada de una variable aleatoria esta dada por

 0 x0

F ( x ) = 2 x − x 2 0  x 1
 1 x 1

Determinar la función de densidad de X. Calcular P(X<1/2) y P(X>3/4).

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 208

 VALOR ESPERADO O ESPERANZA

Se denomina valor esperado de una variable aleatoria a su valor medio o promedio poblacional,
calculado a través de su función de probabilidad P(X), en el caso discreto, o f(x) en el caso continuo

E ( X ) =  xp( x ) si x es discreta
x

E( X ) =  xf (x)dx si x es continua
−
Algunas propiedades del valor esperado:

E (c ) = c
En general es posible calcular el valor esperado de
cualquier función de X

E (ax) = aE(x ) E (g ( X )) =  g (x ) p(x ) si x es discreta

E (ax + b ) = aE(x ) + b
x
E (g ( X )) =  g (x ) f (x )dx si x es continua
−

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 211

 Ejemplo
Suponiendo que una moneda legal se lanza dos veces, encontramos que el espacio muestral para el
experimento es.
S = {HH ,HT, TH,T T}.
Como los 4 puntos muestrales son igualmente probables, se deduce que

donde un elemento típico, digamos TH, indica que el primer lanzamiento dio como resultado una cruz
seguida por una cara en el segundo lanzamiento. Así, estas probabilidades son precisamente las
frecuencias relativas para los eventos dados a largo plazo. Por lo tanto,

Este resultado significa que una persona que lance 2 monedas una y otra vez obtendrá, en promedio,
1 cara por cada lanzamiento.
28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 212
 VARIANZA

Cuantifica la magnitud de la variabilidad de una variable aleatoria, de manera que un valor

pequeño de este indicador sugiere homogeneidad, mientras que por el contrario un valor grande
indica dispersión

 ( x − E[ X ]) 2 * p( x)
 X

Var( X ) = E ( X − E[ X ]) =  
2

  ( x − E[ X ]) 2 * f ( x)dx
−
( )
Var( X ) = E X 2 − E ( X )
2

Algunas propiedades de la Varianza:

Var(c ) = 0
Var(ax) = a 2Var(x )
Var(ax + b) = a 2Var(x ) + b
28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 214
 Ejercicio
1. Determine el valor esperado y la varianza de cada una de las siguientes funciones de
probabilidad

X 0 1 2 3 4
P (X) 0.2 0.1 0.3 0.3 0.1

2. Calcule el valor Esperado y la Varianza de Y = 3X+4

3. Calcule el valor esperado y la varianza de la siguiente función de densidad

2
x
f ( x) = −1  x  2
3

28/01/2022 FUNDAMENTOS DE ESTADÍSTICA - JHON GUZMÁN - ESTADÍSTICO 219