4.

PROPIEDADES

La función de cuantía o de probabilidad , es una función que nos muestra que la variable
aleatoria toma cada uno de los posibles valores de su campo de variación, y está definida para
los valores de x={1, 2, 3, … , n} siendo una constante.
1
𝑃(𝑋 = 𝑥) = 𝑝𝑎𝑟𝑎 𝑥 = {1, 2, 3, … , 𝑛}
𝑛
Siendo:

 0 ≤ 𝑃(𝑥) ≤ 1, 𝑥 = {1, 2, 3, … , 𝑛}
 ∑∀𝑥 𝑃(𝑥) = 1

Función de distribución:

Es una función que nos indica la probabilidad de que la variable aleatoria X tome valores
menores o iguales al x dado.

La función de distribución vendrá dada por:

𝑘
1 𝑘
𝐹(𝑥𝑘 ) = 𝑃(𝑋 ≤ 𝑥𝑘 ) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + ⋯ + 𝑃(𝑋 = 𝑘) = ∑ =
𝑛 𝑛
𝑖=1

Esperanza matemática:

El valor esperado o esperanza matemática de una variable aleatoria discreta es un promedio

de los valores que ésta puede asumir y se calcula como la suma de cada valor que toma la
variable aleatoria multiplicada por su respectiva probabilidad.

Se puede comprobar que la media(𝜇) o Esperanza matemática(𝐸[𝑥]) será:

1 1 1
𝜇 = 𝛼1 = 𝐸[𝑥] = ∑ 𝑥𝑖 ∗ 𝑃(𝑥𝑖 ) = ∑ 𝑥𝑖 ∗ = ∗ ∑ 𝑥𝑖 = (1 + 2 + 3 + ⋯ + 𝑛)
𝑛 𝑛 𝑛
∀𝑥 ∀𝑥 ∀𝑥
1 1+𝑛 𝒏+𝟏
= ∗ ∗𝑛 =
𝑛 2 𝟐

Varianza:

La varianza mide cuanto se alejan del valor esperado, 𝐸[𝑥], los valores que toma X. Y una vez
conocido el valor esperado podemos calcular la varianza

Para calcular la varianza hallamos el valor esperado de las desviaciones del valor esperado
x(elevadas al cuadrado), es decir 𝑉(𝑥) = 𝐸[(𝑥 − 𝐸[𝑥])2 ] que sería igual a 𝐸[𝑥 2 ] − (𝐸[𝑥])2

Se puede comprobar que la varianza ( 𝑉(𝑥) = 𝑉𝑎𝑟(𝑥) = 𝜎 2 ) será:

 1 𝑛+1 2
𝑉(𝑥) = 𝐸[𝑥 2 ] − (𝐸[𝑥])2 = 𝛼2 − 𝛼1 2 = ∑ 𝑥2 − ( )
𝑛 2
∀𝑥
1 𝑛(𝑛 + 1)(2𝑛 + 1) 𝑛 + 1 2 𝒏𝟐 − 𝟏
= ∗ −( ) =
𝑛 6 2 𝟏𝟐

Ejemplo

El temario para un examen consta de 35 temas, de los cuales se elegirá uno al azar. Si un
alumno no ha estudiado los 10 últimos temas ¿Cuál es la probabilidad de que el alumno sepa
el tema elegido para el examen? Hallar la media y varianza.

Solución:

Sea X la variable aleatoria que representa el número de tema seleccionado para el examen,
como todos los temas tienen la misma probabilidad de ser seleccionado, X sigue una
distribución uniforme de parámetros a=1 y b=35.
1
 𝑃(𝑥) = 35
𝑝𝑎𝑟𝑎 𝑥 = {1, 2, 3, … ,35} , siendo la probabilidad un tema cualquiera.
1 25
 𝑃(𝑋 ≤ 25) = ∑25
𝑖=1 35 = 35 ≈ 0.7148, siendo la probabilidad de un tema estudiado.

𝒏+𝟏 35+1
 𝜇= 𝟐
= 2
= 18, siendo la media o esperanza matemática.
𝒏𝟐 −𝟏 352 −1
 𝑉(𝑥) = 𝟏𝟐
= 12
= 102, siendo la varianza.

Propiedades de la Varianza y Esperanza matemática:

Sea “X” una variable aleatoria, “Y” otra variable aleatoria y a, b números constantes, siempre
se verificará que:

 Si 𝑥 ≥ 0 entonces 𝐸[𝑥] ≥ 0
 𝐸[𝑎] = 𝑎
 𝐸[𝑥 ± 𝑎] = 𝐸[𝑥] ± 𝐸[𝑎] = 𝐸[𝑥] ± 𝑎
 𝐸[𝑎 ∗ 𝑥] = 𝑎 ∗ 𝐸[𝑥]
 𝐸[𝑎 ∗ 𝑋 ± 𝑏] = 𝑎 ∗ 𝐸[𝑥] ± 𝑏
 𝐸[𝑥 ± 𝑦] = 𝐸[𝑥] ± 𝐸[𝑦]

 𝑉(𝑎) no puede ser negativa

 𝑉(𝑎) = 0
 𝑉(𝑥 ± 𝑎) = 𝑉(𝑥) ± 𝑉(𝑎) = 𝑉(𝑥)
 𝑉(𝑏 ∗ 𝑥) = 𝑏 2 ∗ 𝑉(𝑥)
 𝑉(𝑎 ∗ 𝑋 ± 𝑏) = 𝑎2 ∗ 𝑉(𝑥)
 𝑉[𝑥 ± 𝑦] = 𝑉[𝑥] ± 𝑉[𝑦]
Aplicaciones:

1. En la fabricación de un cierto producto se producen con fallas, suponiendo que el

número de fallas sigue la siguiente distribución uniforme:
𝟏
𝒇(𝒙) = { 𝟑 , 𝒙 = 𝟐, 𝟒, 𝟓
𝟎, 𝒆𝒏 𝒐𝒕𝒓𝒐 𝒄𝒂𝒔𝒐
Determine la probabilidad de que en cierto producto se encuentren a) 2 fallas; b) 3
fallas ; c) más de 3 fallas.

Solución:

a) 2 fallas: 𝑃(𝑋 = 2) = 𝑓(2) = 1/3

b) 3 fallas: 𝑃(𝑋 = 3) = 𝑓(3) = 0

c) Más de 3 fallas: 𝑃(𝑋 > 3) = 𝑓(4) + 𝑓(5) + 𝑓(6) + ⋯

1 1
𝑃(𝑋 > 3) = + + 0 + 0 + ⋯ = 2/3
3 3

2. Un jugador lanza un dado corriente. Si sale 1 o número primo, gana tantos cientos de
soles como marca el dado, de lo contrario pierde tantos cientos de soles como marca
el dado. Determinar la función de probabilidad y la esperanza matemática del juego.

Solución:

a) Función de probabilidad:

Resultado del dado 𝒙𝒊 𝑷(𝒙𝒊 ) 𝒙𝒊 ∗ 𝑷(𝒙𝒊 )

1 (+)100 1/6 +100/6
2 (+)200 1/6 +200/6
3 (+)300 1/6 +300/6
4 (-)400 1/6 -400/6
5 (+)500 1/6 +500/6
6 (-)600 1/6 -600/6

b) Esperanza matemática:

100 200 300 400 500 600 100

𝐸[𝑥] = ∑ 𝑥𝑖 ∗ 𝑃(𝑥𝑖 ) = + + − + − = = 16.67
6 6 6 6 6 6 6
∀𝑥
3. Supongamos que la concentración que cierto contaminante se encuentra distribuida
de manera uniforme en el intervalo de 0 a 20 pares de millón. Si se considera tóxica
una concentración de 8 o más. ¿Cuál es la probabilidad de que al tomarse una muestra
la concentración de esta sea tóxica?. Hallar la concentración media y la varianza.

Solución:
1
𝑃(𝑥) = 𝑝𝑎𝑟𝑎 𝑥 = {0, 1, 2, 3, … ,20} , siendo la probabilidad de la concentración del
20

contaminante.

a) a probabilidad de que al tomarse una muestra la concentración de esta sea tóxica:

25
1 1
𝑃(𝑋 ≥ 8) = ∑ = 12 ∗ = 0.6
20 20
𝑖=8

b) Concentración media(Esperanza matemática):

𝒏 + 𝟏 21 + 1
𝐸[𝑥] = = = 11
𝟐 2

c) Varianza:

𝒏𝟐 − 𝟏 212 − 1 441 − 1 440

𝑉(𝑥) = = = = = 220
𝟏𝟐 12 2 2

4. Un fabricante de faros para coches informa que en un envío de 40 faros a un

distribuidor, 5 tenían un ligero defecto. Si se compra al distribuidor 1 faro elegido al
azar. ¿Cuál es la probabilidad de que el faro esté perfectas condiciones?

Solución:
1
𝑃(𝑥) = 40
𝑝𝑎𝑟𝑎 𝑥 = {1, 2, 3, … ,40} , siendo la probabilidad un faro cualquiera.

La probabilidad de la compra de un faro en perfectas condiciones:

1 35
𝑃(𝑋 ≤ 35) = ∑35
𝑖=1 40 = 40 ≈ 0.875.

5. Con referencia al ejercicio anterior hallar la Esperanza matemática, la varianza y sea el

caso que se realice una segunda compra, hallar la probabilidad de que el faro salga
defectuoso.

Solución:
a) Esperanza matemática:
𝒏 + 𝟏 40 + 1
𝜇= = = 19.5
𝟐 2
b) Varianza

𝒏𝟐 − 𝟏 402 − 1
𝑉(𝑥) = = = 133.25
𝟏𝟐 12

c)
1
𝑃(𝑥) = 𝑝𝑎𝑟𝑎 𝑥 = {1, 2, 3, … ,39} , siendo la probabilidad un faro cualquiera.
39

La probabilidad de la compra de un faro defectuoso:

5
1 5
𝑃(𝑋 ≤ 5) = ∑ = ≈ 0.128
39 39
𝑖=1