INSTITUTO UNIVERSITARIO DE TECNOLOGÍA: “ANTONIO JOSÉ DE SUCRE”

ASIGNATURA: ESTADÍSTICA APLICADA

PROFESOR: ING. MSc. FERNANDO JOSÉ RIVAS
VARIABLES ALEATORIAS
Variable Aleatoria. Definición.
Es una variable cuyo valor es el resultado de un evento aleatorio.
Ejemplo: Se supone que se lanza una moneda tres veces y se anota el número de caras que
se obtienen, los posibles resultados son 0 caras, 1 cara, 2 caras o 3 caras. La variable aleatoria
es el número de caras que se obtienen, y los posibles resultados son los valores de la variable
aleatoria.
Ejemplo: Los pesos de envío del agua mineral en contenedores oscilaban aleatoriamente
entre 10 y 25 libras. Los pesos reales de los contenedores, en libras, son los valores de la
variable aleatoria “peso”.

Tipos de Variables Aleatorias:

Las variables aleatorias pueden ser:

1.- Discreta: Son variables que pueden asumir ciertos valores, con frecuencia números
enteros y resultan principalmente del conteo.
Son ejemplos de variables aleatorias discretas; el resultado del lanzamiento de un dado, el
resultado del lanzamiento de una moneda, el número de alumnos de varias secciones de
Estadística Aplicada.
Como se puede ver, estos eventos no tienen sentido cuando se les asigna un valor decimal.
Es decir, solo admiten números enteros.

2.- Continuas: Son variables que resultan principalmente de la medición y pueden tomar
cualquier valor, al menos dentro de un rango dado. Admiten decimales.
Son ejemplos de variables aleatorias continuas los pesos del agua mineral, la estatura de los
clientes de una tienda de ropa, los ingresos de los empleados en un centro comercial local y
el tiempo transcurrido entre la llegada de cada cliente a la biblioteca. En cada caso, la variable
aleatoria puede medirse con cualquier valor, incluyendo fracciones de la unidad. Aunque las
unidades monetarias no pueden dividirse en un número continuo o infinito de subdivisiones,
comúnmente se tratan como variables continuas.
Distribuciones de Probabilidad.
Es un despliegue de todos los posibles resultados de un experimento junto con las
probabilidades de cada resultado.
Una distribución discreta de Probabilidad se puede presentar mediante lo que se llama una
Tabla de Distribución de Probabilidad, donde se colocan todos los valores obtenidos por una
variable aleatoria discreta y su correspondiente probabilidad de ocurrencia.

Probabilidad de una Variable Aleatoria Discreta:

La probabilidad de que una variable aleatoria X tome algún valor específico, x, se escribe
P(X=x). Y se obtiene al dividir la cantidad de veces en que se repite un valor de un evento
en un experimento dado, entre el total de observaciones realizadas en el experimento.
Ejemplo:
¿Cuál es la probabilidad de que se obtenga un 5 en el lanzamiento de un dado?
Solución:
#veces  que  sale  un  cinco 1
X=5 P( X  5)    0.16666
#total  de  posibles  resultados 6

P(X=5) = ? Por lo tanto:

P(X=5) = 0.1666

Luego una tabla de Distribución de Probabilidad para este experimento quedaría de la

siguiente manera:
Valor de la Variable Probabilidad
aleatoria
0 0.16666
1 0.16666
2 0.16666
3 0.16666
4 0.16666
5 0.16666
6 0.16666
total 1
Media y Varianza de las Distribuciones Discretas de Probabilidad.
La Media aritmética de una distribución de probabilidad se llama “Valor Esperado” y se
denota E(X) y se halla multiplicando cada resultado posible por su probabilidad y sumando
los resultados. Así, tenemos que:

  E ( X )   ( xi ) P( xi )

Donde:
µ: Letra griega “niu” conque también se le denota al valor esperado.
E(X): Valor esperado o Media Aritmética de la distribución de probabilidad.
xi : Valor de la i-ésima variable aleatoria discreta. Para i = 1,2,3,…,n
P(xi) : Probabilidad asociada a la variable aleatoria xi

La Varianza Vendrá dada por:

i k
V ( X )   xi2 P( X  x)  E ( X )
2

i 1

Y la desviación estándar será:

  V (X )
Ejemplo: Una variable aleatoria X puede tomar los valores 30, 40,50 y 60 con probabilidades
0.4, 0.2, 0.1 y 0.3. Represente en una tabla la función de probabilidad, P(X=x), y determine
las siguientes probabilidades.

1. P(X ≤ 25)

2. P(X ≥ 60)

3. P(X < 40)

4. P(X > 40)

5. P(30 ≤ X ≤ 60)

6. P(30 ≤ X < 60)

7. P(30 < X ≤ 60)

8. P(30 < X < 60)

Obtenga la esperanza y varianza de X

Solución:

Construimos la respectiva tabla de Distribución de Probabilidad como sigue:

X P(X=x)
30 0.4
40 0.2
50 0.1
60 0.3

A partir de aquí construimos la Tabla de la Función de Distribución de probabilidad de X, que se

obtiene al sumar acumulativamente las probabilidades respectivas de cada uno de los valores
tomados por la variable aleatoria, como sigue:

X F(X)= P(X≤x)
30 0.4
40 0.6
50 0.7
60 1.0
Cálculo de las probabilidades señaladas:

1. P(X ≤ 25) = 0, porque la variable no tomó valores menores que 25

2. P(X ≥ 60) = P (X= 60) = 0.3 , porque la variable no tomó valores mayores a 60.
3. P(X < 40) = P (X= 30) = 0.4 ; porque es el único valor que tomó la variable menor a 40
4. P(X > 40) = 1 - P(X < 40) = 1 – F(40) = 1 - 0.6 = 0.4, observar que los valores de la P(X < 40)
corresponde al acumulado desde 30 y 40, representado en la tabla de Función de
Probabilidad por F(40) = 0.6.
5. P(30 ≤ X ≤ 60) =P(X ≤ 60) − P(X < 30) = F(60) − 0 = 1. Igual explicación al ítem anterior.
6. P(30 ≤ X < 60) = P(X ≤ 50) − P(X < 30) = F(50) − 0 = 0,7
7. P(30 < X ≤ 60) = F(60) − F(30) = 1 − 0,4 = 0,6
8. P(30 < X < 60) = F(50) − F(30) = 0,7 − 0,4 = 0,3

Cálculo de la Esperanza Matemática y la Varianza

Para Calcular la Esperanza matemática debemos usar la fórmula dada anteriormente, que es:

  E ( X )   ( xi ) P( xi )

Para lo cual debemos construir la siguiente tabla:

(1) (2) (3)

X P(X=x) X.P(X=x)
30 0.4 12
40 0.2 8
50 0.1 5
60 0.3 18

Observación: Los valores de la columna (3), se obtienen al multiplicar cada uno de los valores de la
variable X en la columna (1), por su correspondiente valor de probabilidad en la columna (2).

De aquí que:

  E ( X )   ( xi ) P( xi ) = x1P(X=1) + x2P(X=2) + x3P(X=3) + x4P(X=4)

= 12 + 8 + 5 + 18 = 43
Entonces, el Valor esperado E(X) es:
E(X) = 43

Para calcular la Varianza y Desviación Típica, ampliamos la tabla anterior como sigue:
(1) (2) (3)
X P(X=x) X.P(X=x) X2 X2P(X=x)
30 0.4 12 900 360
40 0.2 8 1600 320
50 0.1 5 2500 250
60 0.3 18 3600 1080
1 45 2010

De aquí que la varianza V(X) será:

i k
V ( X )   xi2 P( X  x)  E ( X ) = 2010 - 432 = 161
2

i 1

Y la desviación típica será:

  V ( X ) = 161  12.69