TECNICATURA EN GESTIÓN DE LAS ORGANIZACIONES

ESTADÍSTICA
VARIABLES ALEATORIAS Y DISTRIBUCIONES
DE PROBABILIDAD

CÓDIGO MATERIA - 037

JULIO CESAR GAIADA
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

VARIABLES ALEATORIAS – DISCRETAS Y CONTINUAS

Una variable aleatoria es una variable que toma valores numéricos determinados por
el resultado de un experimento aleatorio.(ejemplo: lanzamiento de un dado)

Una variable aleatoria es una variable aleatoria discreta si no puede tomar más que
una cantidad numerable de valores.

Una variable aleatoria es una variable aleatoria continua si puede tomar cualquier
valor de un intervalo.

Cuando una VA es discreta es posible asignar una probabilidad a cada uno de los
resultados posibles. En cambio para una VA continua la probabilidad corresponde a
intervalos.
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

VARIABLES ALEATORIAS – DISCRETAS Y CONTINUAS

Ejemplos de variables aleatorias

•El número de artículos defectuosos de una muestra de 20 artículos procedente de un

gran envío.
•El número de clientes que llegan a la caja de un supermercado en una hora.
•El número de errores en las páginas de un libro.

•El ingreso anual de las persona en una población.

•La cantidad de petroleo exportada.
•La variación del precio de una acción.
•La temperatura en una región particular durante el año.
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD - VARIABLES ALEATORIAS DISCRETAS

Definimos a la VA con X y a cada uno de sus posibles valores con x.

La función de distribución de probabilidad, P(x ), de una variable aleatoria discreta X expresa la

probabilidad de que X tome el valor x, como una función de x. Es decir, P(x)=P(X=x), para todos los
valores de x

Ejemplo: Se lanza un dado.

Sea X la VA discreta que representa el resultado.
Dado que P(X=x) =P(X=1)= P(X=2) = P(X=3) = P(X=4) = P(X=5) = P(X=6)

La función de probabilidad es P(x)=P(X=x) = 1/6 para x=1,2,3,4,5,6

 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD - VARIABLES ALEATORIAS DISCRETAS

Propiedades

Sea X una variable aleatoria discreta que tiene una función de probabilidad P(x ). En ese caso,

1. para cualquier valor x

2. Las probabilidades individuales suman 1, es decir,

donde la notación indica que la sumatoria abarca todos los valores posibles de x.
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD - VARIABLES ALEATORIAS DISCRETAS

Función de probabilidad acumulada

La función de probabilidad acumulada, F(x0), de una variable aleatoria X, expresa la probabilidad de que X no

tenga un valor superior a x0, como una función de x0. Es decir,

donde la función se evalúa en todos los valores de x0.

Relación entre la función de probabilidad y la función de probabilidad acumulada

Sea X una variable aleatoria que tiene la función de probabilidad P(x) y la función de probabilidad
acumulada F(x0). Podemos demostrar que

donde la notación implica que la sumatoria abarca todos los valores posibles de x que son menores
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD - VARIABLES ALEATORIAS DISCRETAS

Propiedades

Sea X una variable aleatoria discreta que tiene una función de probabilidad acumulada F(x0 ). En
ese caso,

1. para todo número x0

2. Si x0 y x1 son dos números tales que x0 <x1, entonces F(x0 )<F(x1).,

donde la notación indica que la sumatoria abarca todos los valores posibles de x.
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

VARIABLES ALEATORIAS DISCRETAS – VALOR ESPERADO Y VARIANZA

El valor esperado y la varianza son medidas numéricas que resumen las características de la
distribución.

Consideremos el siguiente ejemplo: una revisión de la edición de un libro de administración de

empresas muestra que el 81% de las páginas no contienen errores, el 17% tiene un error y el 2%
restante dos errores:
P(0)=0,81 P(1)=0,17 P(2)=0,02

¿Cual es el número medio de errores por página?

Si calculáramos un simple promedio de los datos, 0,40, no estamos teniendo en cuenta la
participación de los posibles resultados.
¿ENTONCES?
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

VARIABLES ALEATORIAS DISCRETAS – VALOR ESPERADO Y VARIANZA

Valor esperado: es la medida correspondiente del punto central de una variable

aleatoria

El valor esperado, E(X), de una variable aleatoria discreta X se define de la forma

siguiente:

donde la notación indica que la sumatoria abarca todos los valores posibles de x.

El valor esperado de una variable aleatoria también se llama media y se representa por
medio del símbolo μ.
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

VARIABLES ALEATORIAS DISCRETAS – VALOR ESPERADO Y VARIANZA

Volvamos al ejemplo del libro

una revisión de la edición de un libro de administración de empresas muestra que el
81% de las páginas no contienen errores, el 17% tiene un error y el 2% restante dos
errores. Su función de probabilidad es:
P(0)=0,81 P(1)=0,17 P(2)=0,02

¿Cual es el número medio de errores por página?

 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

VARIABLES ALEATORIAS DISCRETAS – VALOR ESPERADO Y VARIANZA

Varianza: es el promedio ponderado de los cuadrados de sus diferencias posibles con respecto a la media, (x-μ); la
ponderación correspondiente a (x-μ) 2 es la probabilidad de que la variable aleatoria tome el valor x

Sea X una variable aleatoria discreta. La esperanza de los cuadrados de las diferencias con
respecto a la media, (x-μ) 2 , se llama varianza, se representa por medio del símbolo σ 2 y viene dada por

La varianza de una variable aleatoria discreta X también puede expresarse de la forma siguiente:

La desviación típica, σ, es la raíz cuadrada positiva de la varianza.

 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD - VARIABLES ALEATORIAS DISCRETAS

Calculemos la varianza en el ejemplo del libro

una revisión de la edición de un libro de administración de empresas muestra que el
81% de las páginas no contienen errores, el 17% tiene un error y el 2% restante dos
errores. Su función de probabilidad es:
P(0)=0,81 P(1)=0,17 P(2)=0,02

Sabemos que μ=E(X)=0,21, vamos a utilizar a expresión

Calculamos

Obtenemos y
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD – DISTRIBUCIÓN BINOMIAL

Consideramos un experimento aleatorio que puede dar lugar a dos resultados

posibles
mutuamente excluyentes y colectivamente exhaustivos, que por comodidad llamamos
«éxito » y «fracaso». Sea p la probabilidad de éxito, por lo que la probabilidad de fracaso
es (1-p). Definamos ahora la de manera que tome el valor 1 si el resultado variable
aleatoria X del experimento es un éxito y 0 en caso contrario

P(0)=(1-p) P(1)=p distribución de Bernoulli

Media

Varianza
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD – DISTRIBUCIÓN BINOMIAL

Ejercicio

Un agente de seguros, cree que la probabilidad de vender un seguro en un contacto específico es

0,4. Si la variable aleatoria X toma el valor 1 si se vende un seguro y 0 en caso contrario, entonces X
tiene una distribución de Bernoulli con una probabilidad de éxito p igual a 0,4.
Halle la media y la varianza de la distribución.
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD – DISTRIBUCIÓN BINOMIAL

La distribución binomial nos permite obtener la probabilidad al realizar varias veces un

experimento aleatorio con dos resultados posibles (Bernoulli).

Distribución binomial: Supongamos que un experimento aleatorio puede tener dos resultados
posibles mutuamente excluyentes y colectivamente exhaustivos, «éxito» y «fracaso», y que P es la
probabilidad de éxito en una única prueba. Si se realizan n pruebas independientes, la distribución
del número de éxitos resultantes, x, se llama distribución binomial. Su función de probabilidad de
la variable aleatoria binomial X=x es

para x=0,1, 2, …, n
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD – DISTRIBUCIÓN BINOMIAL

Media y varianza de una distribución binomial

Sea X el número de éxitos en n repeticiones independientes, cada una con una

probabilidad de éxito P. Entonces, X sigue una distribución binomial de

media

varianza
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD – DISTRIBUCIÓN BINOMIAL

El agente de seguros contacta con cinco personas y cree que la probabilidad de vender un seguro a
cada una es de 0,40. Utilizando la distribución binomial
a) Halle la probabilidad de que venda como máximo un seguro.
b) Halle la probabilidad de que venda entre dos y cuatro seguros (inclusive).
c) Represente gráficamente la función de probabilidad.

a)
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD – DISTRIBUCIÓN BINOMIAL

b) Halle la probabilidad de que venda entre dos y cuatro seguros (inclusive).

 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD – DISTRIBUCIÓN BINOMIAL

b) Halle la probabilidad de que venda c) Represente gráficamente la función de entre dos y

cuatro seguros (inclusive). probabilidad.
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD – DISTRIBUCIÓN HIPERGEOMÉTRICA

Cuando la probabilidad varía, la distribución binomial ya no es útil. Debe elegirse un modelo de

probabilidad diferente, la distribución hipergeométrica

Distribución hipergeométrica
Supongamos que se elige una muestra aleatoria de n objetos de un grupo de N objetos, de los
cuales S son éxitos. La distribución del número de éxitos, X, en la muestra se llama distribución
hipergeométrica. Su función de probabilidad es

donde x puede tomar valores enteros que van desde el mayor de 0 y [n-(N-S)] hasta el menor de n y
S.
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD – DISTRIBUCIÓN HIPERGEOMÉTRICA

Componentes de la fórmula
El número de formas en que pueden seleccionarse x éxitos en la muestra de un total de S éxitos contenidos en la
población

El número de formas en que pueden seleccionarse (n-x) fracasos en la población que contiene (N-S) fracasos

Y, por último, el número total de muestras de tamaño n que pueden obtenerse en una población de tamaño N
 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD – DISTRIBUCIÓN HIPERGEOMÉTRICA

Media y varianza de una distribución hipergeométrica

media

varianza

donde P=S/N es la proporción de éxitos en la población

 LICENCIATURA EN ENSEÑANZA
DEESTADÍSTICA
MATÉMATICA

DISTRIBUCIONES DE PROBABILIDAD – DISTRIBUCIÓN HIPERGEOMÉTRICA

Una firma recibe un envío de 20 artículos.

Por el elevado costo de inspeccionarlos
todos, tiene la política de comprobar una
muestra aleatoria de 6 artículos de ese
envío y, si no hay más de 1 artículo
defectuoso en la muestra, acepta el envío.
¿Cuál es la probabilidad de que un envío
de 5 artículos defectuosos sea aceptado?