Variable Aleatoria

Una variable aleatoria se define como un evento numérico cuyo valor se determina
mediante un proceso aleatorio. Si a cada uno de los posibles valores numéricos de una
variable aleatoria x sele asigna un valor de probabilidad ya sea mediante una lista o una
función matemática, el resultado es una distribución de probabilidad. La suma de las
probabilidades de todos los posibles resultados numéricos debe ser 1.0. Cada uno de los
valores de probabilidad se puede denotar mediante el símbolo f ( x )que indica que
interviene una función matemática, mediante P ( x=X ) que indica que la variable aleatoria
puede adoptar diferentes valores, o simplemente mediante P(X ).

Si se trata de una variable aleatoria discreta, los valores observados solo pueden
presentarse en puntos aislados a lo largo de una escala de valores. Por tanto, se pueden
listar en una tabla todos los valores numéricos de la variable con sus probabilidades
correspondientes. Hay varias distribuciones de probabilidad estándar que pueden servir
como modelos para una amplia gama de variables aleatorias discretas que se utilizan en
los negocios. Los modelos estándar que se describen en esta capitulo son las
distribuciones de probabilidad binomial, hipergeometrica y Poisson.

Descripción de una variable aleatoria discreta

De la misma manera como ocurre con las colecciones de datos muéstrales y

poblacionales, con frecuencia es útil describir una variable aleatoria en términos de su
media y de su varianza o desviación estándar. La media (a largo plazo) de una variable
aleatoria X se llama valor esperado y se denota por E( X) . En el caso de una variable
aleatoria discreta, la media es el promedio ponderado de todos sus posibles valores
numéricos empleando las probabilidades respectivas como factores de ponderación.
❑
E ( X ) =∑ XP(X )
❑

La Distribución Binomial

Es una distribución discreta de probabilidad que es aplicable como un modelo en

situaciones de toma de decisiones en las que se supone que el proceso de muestreo se
ha realizado conforme a un proceso de Bernoulli. Un proceso de Bernoulli es un proceso
de muestreo en el cual:

1) En cada ensayo solo pueden presentarse dos resultados u observaciones

mutuamente excluyentes. Para simplificar a estos resultados se les llama éxito y
fracaso.
2) Los resultados de una seria de ensayos u observaciones constituyen eventos
independientes.
3) La probabilidad de éxito en cada ensayo, denotada por p permanece cnostante de
un ensayo a otro. Es decir, el proceso es estacionario.
La distribución hipergeometrica

Si X es el número de éxitos, N es el número de elementos en la población, T es el número

de éxitos posibles en la población y n es el número de elementos en la muestra, la
fórmula para determinar probabilidades hipergeometricas es:

N −T T
P ( X / N ,T , n )=
( n−X )( X )

( Nn )

La distribución de Poisson

La distribución de poisson se usa para determinar la probabilidad de la ocurrencia de un

número determinado de eventos cuando estos ocurren en un continuo espacio o tiempo.
Para determinar la probabilidad de que ocurra un número determinado de eventos en un
proceso de poisson solo se requiere un valor: el número medio de eventos a largo plazo
en un lapso específico o en una dimensión de espacio que interese. Por lo general esta
media se representa por (letra griega lambda). La fórmula para determinar la probabilidad
de un número determinado de X éxitos en una distribución de poisson es:

λ x e− λ
Ρ ( Χ|λ ) λ=
X!

La variable binomial expresada como proporciones

En lugar de expresar la variable aleatoria binomial como número de éxitos X se le puede

expresar en términos de la proporción de éxitos p, que es el cociente del número de éxitos
entre el número de ensayos

X
ρ=
n
Distribución Binomial de Probabilidad

La distribución binomial de probabilidad es una distribución discreta de probabilidad que

tiene muchas aplicaciones. Se relaciona con un experimento de etapas múltiples que
llamamos binomial.

Un experimento binomial tienen cuatro propiedades:

1. El experimento consiste en una sucesión de n intentos o ensayos identicos.

2. En cada intento o ensayo son posibles dos resultados. A uno lo llamaremos éxito y al
otro fracaso.

3. La probabilidad de un éxito, representada por p, no cambia de un intento o ensayo a

otro. En consecuencia, la probabilidad de un fracaso, representadoa por 1− p, no cambia
de un intento a otro.

4. Los intentos o ensayos son independientes.

Distribución de Probabilidad de Poisson

En esta sección describiremos una variable aleatoria discreta que se usa con frecuencia
para estimar la cantidad de sucesos u ocurrencias en determinado intervalo de tiempo o
espacio. Por ejemplo, la variable aleatoria de interés podría ser la cantidad de llegadas a
un autobaño en una hora, la cantidad de reparaciones que necesitan 10 millas de
oleoducto. Si se satisfacen las dos propiedades siguientes, la cantidad de ocurrencias es
una variable aleatoria que se describe con la función de probabilidad de poisson.

Propiedades de un Experimento Poisson

1. La probabilidad de una ocurrencia es igual en dos intervalos cuales quiera de igual

longitud.
2. La ocurrencia o no ocurrencia en cualquier intervalo es independiente de la
ocurrencia o no ocurrencia en cualquier otro intervalo.

Distribución Hipergeomenrica de Probabilidad

La distribución hipergeometrica de probabilidad se relaciona estrechamente con la

distribución binomial. La diferencia principal entre las dos estriba en que, con la
distribución hipergeometrica, los intentos no son independientes, y en que la probabilidad
de éxito cambia de un intento a otro.
La notación que se acostumbra al aplicar la distribución hipergeometrica de probabilidad
es que r se represente la cantidad de elementos en la población de tamaño n , que se
identifican como éxitos, y que N−r represente la cantidad de elementos en la poblacion
que se identifican como fracasos, la distribucion hipergeometrica de probabilidad se usa
para calcular la probabilidad de que, en una muestra aleatoria de n artículos,
seleccionados sin remplazo, obtengamos x elementos identificados como exitos y v−x
identificados como fracasos.para que suceda esto debemos obtener x exitos de los r en la
poblacion, y n−x fracasos de los N−r de la poblacion. La siguiente función
hipergeometrica de probabilidad determina f ( x ), la probabilidad de obtener x éxitos en
una muestra de tamaño n .