5.
Variables Aleatorias Conocidas
6.1. Variable aleatoria de Bernoulli.
Considere un experimento aleatorio con dos resultados
posibles: xito (E) y fracaso (F), es decir, ={xito, fracaso}.
Suponga que P ( E ) = p y P ( F ) = 1 p , con 0 < p < 1 . Este
tipo de experimento recibe el nombre de experimento de
Bernoulli.
Ejemplos:
Lanzar una moneda: = {Cara, Sello} entonces si el
xito = Cara y fracaso = Sello, es un experimento de
Bernoulli.
Lanzar un dado: = {1,2,3,4,5,6} , no es un
experimento de Bernoulli, pero si se define
xito = "sale par" y fracaso = "sale impar" el
experimento es de Bernoulli.
El ejemplo anterior muestra que todo experimento aleatorio
puede ser transformado a un experimento de Bernoulli.
Imagine que se realiza un experimento de Bernoulli con
P (xito) = p . Sea X la variable aleatoria definida como:
0, si sale fracaso
X =
1, si sale xito
Departamento De Matemtica y Estadstica
Como se aprecia, el soporte de esta variable aleatoria es
DX = {0,1} . A continuacin se muestra la tabla de
probabilidades:
X P ( X = x)
0 P ( X = 0) = P (fracaso) = 1 p
1 P ( X = 1) = P(xito) = p
De la tabla anterior se desprende que la funcin de cuanta
asociada a la variable aleatoria X es:
p x (1 p )(1 x ) , para x = 0,1
P ( X = x) =
0 e.o.c.
El modelo anterior recibe el nombre de distribucin de
Bernoulli y se denota por X ~ Bernoulli(p) que se lee X tiene
distribucin de Bernoulli con parmetro p.
La media y la varianza de la distribucin de Bernoulli son
E ( X ) = p y Var ( X ) = p (1 p) .
Ejemplos:
Imagine el lanzamiento de una moneda honesta
donde el xito = Sale Cara y el fracaso = Sale Sello,
64
 1 0, si sale sello Para p=0,35, graficamos distintas funciones de
con P (xito) = P(Cara) = . Sea X = probabilidad cambiando el nmero de experimentos:
2 1, si sale cara
1
entonces X ~ Bernoulli
2

Considere lanzar dos dados honestos en forma

independiente. Sea el xito = obtener suma siete y el
fracaso = obtener suma distinta de siete. La probabilidad
de que ocurra el xito, en este ejemplo, es
6
P(xito) = P(" Obtener suma 7" ) = . Se define la
36
0, si suma es 7
variable aleatoria X = , entonces
1, si suma no es 7
6
X ~ Bernoulli .
36 La notacin a usar es X~Bin (n,p), y se lee X tiene
distribucin Binomial de parmetros n y p .
6.2. Variable Aleatoria Binomial.
Si X~Bin (n,p), entonces su esperanza y varianza son
Suponga que se realizan n repeticiones independientes, bajo E ( X ) = n p y Var ( X ) = n p (1 p) .
las mismas condiciones ambientales, de un experimento de
Bernoulli, con probabilidad de xito p. Sea X la variable Obs. Una variable aleatoria Bin(n,p) se obtiene de
aleatoria que representa el nmero de xitos obtenidos en la sumar n variables aleatorias independientes
n repeticiones. Se dice que X sigue un distribucin Bernoulli(p), es decir, si X1, X2, X3, . . . , Xn
Binomial de parmetros n y p, con funcin de cuanta dada son variables aleatorias independientes con
n x (n x)
distribucin Bernoulli(p), entonces
p (1 p ) , para x = 0,1,2..., n n
por: P ( X = x) = x X = X i ~ Bin(n,p).
0 , e.o.c. i =1

Departamento De Matemtica y Estadstica 65

 Ejemplos: 20
20
p = P( X 18) = x
x =18
0.98 x 0.02( 20 x )

La probabilidad de que una persona en una tienda
falte un da de la semana es 0.01; si hay contratadas = P( X = 18) + P( X = 19) + P( X = 20)
10 personas, cul es la probabilidad de que en un = 0.053 + 0.272 + 0.667
da falten 2 personas?. = 0.993
Sea X= el n de personas que faltan en un da a la Sea Y=N de cajas pasan el control de calidad,
semana. As X~Bin(10; 0.01), por lo tanto entonces Y~Bin(80;0.993) con 0.993 la probabilidad
de que una caja pase el control de calidad.
10 Finalmente la probabilidad de que el embarque sea
P ( X = 2) = 0.012 (1 0.01) (10 2 )
2 aceptado es:
10!
= 0.012 (0.99)8 = 0,0042 80
80
8!2! P (Y 75) = y
y = 75
0.993 y (1 0.993)80 y =0,98

Un embarque de 80 cajas con 20 artculos
electrnicos en cada una de ellas es aceptado por un
proveedor si por lo menos 75 cajas pasan el control
de calidad, el proveedor considera que una caja pasa
el control de calidad si de los 20 artculos que posee
resultan por lo menos 18 en buen estado. Si la
probabilidad de que un artculo este en buen estado
es de 0.98, determine la probabilidad de que el
embarque sea aceptado por el proveedor.

Sea X=N de artculos en buen estado en una caja,

entonces X~Bin(20; 0.98) y por lo tanto si p es la
probabilidad de que una caja pase el control de
calidad, se tiene:

Departamento De Matemtica y Estadstica 66

6.7.Variable Aleatoria Normal distribucin. La distribucin normal es simtrica en torno a
la media .
Sea X una variable aleatoria continua. Se dir que X sigue
una distribucin Normal o Gaussiana de parmetros y 2, Las probabilidades acumuladas de una variable aleatoria
si su funcin de densidad es dada por: normal se determinan con las reas bajo la curva.
1 ( x ) 2 Lamentablemente estas reas bajo la curva no se pueden
1
f X ( x) = para x
2
e2 obtener a mano.
2
La grfica de esta funcin de densidad es mostrada a Se han tabulado las probabilidades el caso en que es cero
continuacin: y 2 es uno, es decir, N(0,1), llamada Distribucin Normal
Estndar y las tablas entregan
z 1 2
1 z
( z ) = P( Z z ) = e 2 dz
2
Geomtricamente, mostramos el clculo de probabilidades
en la distribucin Normal

a) P (2 Z 5) = P( Z 5) P ( Z 2)
= 1 P( Z 2) = 0.0228 ,
puesto que P ( Z 5) =1
La grfica anterior tambin recibe el nombre de campana de
Gauss.

La notacin a usar es X~N(, 2) la que se lee X tiene

distribucin Normal con media y varianza 2 . As
E(X ) = y Var ( X ) = 2 .

Toda distribucin normal se distingue por su media y su

desviacin estndar . El punto ms alto de la curva normal
es la media, que tambin es la mediana y la moda de la

Departamento De Matemtica y Estadstica 71

 b) P(-2 Z 2)= P(Z 2)- P(Z -2) Ejemplos:
= 0.9972 0.0228 = 0.9544
Los resultados de un examen de admisin en un
colegio determinado, tienen una distribucin normal
con = 75 y = 10. Cul es la probabilidad de
que el resultado de un estudiante est entre 80 y 90?

Sea Y =resultado del examen de admisin de un

estudiante.

Por los supuestos Y ~ N(75,100) y lo que queremos

es P (80 Y 90) lo que grficamente corresponde
a:

Para el caso en que la media no es cero o la varianza no

es uno, ocupamos el siguiente teorema

X
Sea X~N(,2), entonces Z = , tiene distribucin

N(0,1), es decir, a partir de la distribucin normal
estndar podemos determinar las probabilidades a
cualquier distribucin Normal, para ello necesitamos
conocer su media y la raz de la varianza o desviacin
estndar . Este proceso recibe el nombre de
estandarizacin.

Departamento De Matemtica y Estadstica 72

Estandarizando se tiene: P (80 Y 90) = P(0.5 Z 1.5)
a) Probabilidad de que en un da, esta temperatura
no supere un grado bajo cero

Tenemos que, Z~N(0,1), es decir, es cero y 2 es uno

y por lo tanto P(Z -1) = (1) =0.1587

b) Probabilidad de que en un da, esta temperatura

sea superior a 2.5 grados.

P(Z > 2.5)) = 1- P(Z 2,5)) =1- (2.5)

=1-0.9938=0.0062

Realizando el proceso de estandarizacin paso a paso: c) Probabilidad de que en un da, esta temperatura
este entre un grado bajo cero y un grado sobre cero
80 75 Y 75 90 75
P ( 80 Y 90 ) = P P(-1 Z 1)=P(Z 1)-P(Z -1)
10 10 10 = (1) - ( 1) =0.8413-0.1587=0.6826

80 75 90 75 d) Determine la Temperatura promedio que no

= P Z
10 10 superara el 30% de los das.

P(Z z) = 0.30 (se mira la tabla al revs)

1 3
= P Z = P (0.5 Z 1.5) As z =-0.52 equivale a 0.52 grados bajo cero
2 2
Se ha establecido que el porcentaje de retencin de
= 0.3085 0.0668 = 0.2417 un comercial en la poblacin infantil tiene una
distribucin normal con media 70% y desviacin estndar
Sea Z la temperatura promedio de cierta Regin, de 10%
estudios recientes, muestran que Z es una variable aleatoria
normal de media Cero y varianza uno, determine

Departamento De Matemtica y Estadstica 73

 a) Un comercial se clasifica como exitoso si Cul es el porcentaje de retencin lmite para
obtiene una retencin superior al 80% de la que un nio sea clasificado como distrado?
poblacin infantil Qu probabilidad tiene un
comercial de clasificarse como exitoso? X x 70
P(X x)= P ( ) = 0.025
10
Tenemos que, X~N(70,102), es decir, es 70 y 2 es x 70
100 As =-1.96, despejando x = 50.4
10
Entonces, si un nio tiene un % de retencin inferior a
X 80 70 un 50,4%, se dice que el nio es distrado.
P(X > 80) = 1- P(X 80) = 1- P ( )
10
= 1 P( Z 1) =1- (1)
=1-0.8415=0.1587

b) Si la poblacin infantil en un determinado lugar

consta de 2500 nios Cuntos de ellos espera
encontrar con una retencin entre el 60% y el
80%?

P(60 X 80) = P(X 80)-P(X 60)

X 80 70 X 60 70
= P( ) - P( )
10 10
= P ( Z 1) - P ( Z 1)
= (1) - ( 1) =0.8413-0.1587=0.6826

Lo que equivale a un % 68.26, que en 2500 nios

corresponden a 1707 nios

c) Si el 2.5% de los nios se clasifica como

distrado por su baja capacidad de retensin

Departamento De Matemtica y Estadstica 74