VARIABLES ALEATORIAS DISCRETAS Y

DISTRIBUCIONES DE PROBABILIDAD

Una variable aleatoria es una función que asigna un número real a cada resultado en el espacio muestral (conjunto de todos los
posibles resultados). Se dice que X es aleatoria porque involucra la probabilidad de los resultados del espacio muestral, y se define
X como una función porque transforma todos los posibles resultados del espacio muestral en cantidades numéricas reales de un
experimento aleatorio. Ellas se denotan con una letra mayúscula, tal como X.

Se dice que una variable aleatoria X es discreta si el número de valores que puede tomar es finito (o infinito contable). La
distribución de probabilidad de una variable aleatoria X es una descripción del conjunto de posibles valores de X, junto con la
probabilidad asociada con cada uno de estos valores. Esta distribución bien puede ser una gráfica, una tabla o una ecuación que da
la probabilidad de cada valor de la variable aleatoria y se considera como el resumen más útil de un experimento aleatorio.

Toda distribución de probabilidad debe satisfacer cada uno de los dos requisitos siguientes:
  P( X  x)  1
 0  P( X  x)  1

Se dice que una variable aleatoria X es continua si el número de valores que puede tomar están contenidos en un intervalo (finito o
infinito) de números reales.
La función de densidad de probabilidad f(x) de una variable aleatoria continua, se define como tal si para cualquier intervalo de
números reales [a,b] se cumple que:
 f ( x)  0

  f ( x)dx  1

b

 P ( a  X  b)   f ( x) dx
a

Página 1
 Distribuciones de probabilidad discretas

Distribución de La variable X Valores que Valor esperado

Características Función de probabilidad
probabilidad representa toma X y varianza

Experimento aleatorio con

solo 2 posibles resultados:
éxito o fracaso. Probabilidad f(x) = ( ) p x . q n-x
X = número de E(X)= n.p
de éxito (p) es conocida.
Binomial éxitos en n X = 0, 1,….,n
Probabilidad de fracaso (q)
repeticiones V(x) = npq
donde q= 1-p ( ) símbolo de combinatoria
Se hacen n repeticiones
independientes

Experimento aleatorio con

solo 2 posibles resultados:
éxito o fracaso. Probabilidad E(X) =
X = número de f (x) = ( ) p k . q x-k
de éxito (p) es conocida. X = k, k+1,
Binomial negativa repeticiones para
Probabilidad de fracaso (q) k+2….∞
obtener k éxitos V(X) =
donde q= 1-p
Se conoce el número de
éxitos: k.

Experimento aleatorio con

solo 2 posibles resultados:
éxito o fracaso. Probabilidad X = El número de E(X) =
X = 1, 2, 3,…∞
de éxito (p) es conocida. repeticiones para
Geométrica ( )
Probabilidad de fracaso (q) obtener un (1) éxito
donde q= 1-p o el primer éxito. V(X) =
Caso especial de la binomial
negativa donde k =1, es decir
el primer ensayo

Página 2
Distribución de La variable X Valores que Valor esperado
Características Función de probabilidad
probabilidad representa toma X y varianza

Experimento aleatorio que

X = número de
recibe el nombre de proceso
eventos
Poisson en donde se conoce
independientes que E (X) =
la tasa de ocurrencia λ es X = 0, 1, 2, 3,
Poisson ocurren en un ( )
decir el número promedio de ….∞
intervalo de tiempo V( X ) =
eventos que ocurren en el
(o espacio)
intervalo de números reales
determinado.
donde este se define.

Experimento aleatorio donde

X = número de
se tiene una población finita
elementos de K
con N elementos, de los ( ) ( ) E(X) =
Hipergeométrica que se seleccionan X = 0, 1, 2,…min
cuales K tienen una ( )
en una muestra Kox
determinada característica. ( ) V(X) =
aleatoria de tamaño
Se selecciona una muestra
n
de tamaño n

Ejemplos

Distribución Binomial

La probabilidad de que un futbolista profesional haga gol de tiro libre es del 70%. En un entrenamiento, este futbolista hace 14 tiros
libres. Calcule a) la probabilidad de que éste haga 5 goles, b) la probabilidad de que falle entre 3 y 6 inclusive. c) cual es la cantidad
de goles que se espera que pueda hacer el futbolista

a) n = 14 p = 0.70 q = 0.30

P ( x = 5) = ( ) 0,70 5 . 0,30 9 = 0,00662286

Página 3
b) n = 14 p = 0.30 q = 0.70 ( ) ( ) ( ) ( )

P x = 3) = ( ) 0,30 3 . 0,70 11 = 0,1943

P (x = 4) = ( ) 0,30 4 . 0,70 10 = 0,2290

P (x = 5) = ( ) 0,30 5 . 0,70 9 = 0,1963 0,1943 + 0,2290 + 0,1963 = 0,6196

c) E(X) = 0.70 * 14 = 9,8 aproximadamente 10 goles

Distribución Binomial Negativa

La probabilidad de que un futbolista profesional haga gol de tiro libre es del 70%. En un entrenamiento, este futbolista hace 14 tiros
libres. ¿Cuál es la probabilidad de que el sexto tiro que lanza sea precisamente su tercer gol?

k=3 p = 0.70 q = 0.30 P (x = 6)

P (x = 6) = ( ) 0,70 3 . 0,30 3 = 0.09261

Distribución Geométrica

Suponga que cada una de las llamadas que hace una persona a una estación de radio muy popular tiene una probabilidad de 2% de
que la línea no esté ocupada. Suponga que las llamadas son independientes. a. ¿Cuál es la probabilidad de que la primera llamada
que entre sea de la décima persona que la realizó? b.- ¿Cuál es la probabilidad de que sea necesario llamar máximo tres veces
para que entre la llamada?

a.- p = 0.02 q = 0.98

( )

Página 4
b.- p = 0.02 q = 0.98 ( ) ( ) ( ) + p (x = 3)

( ) 0,0200

( ) 0,0196

( ) 0,0192 0,0200 + 0,0196 + 0,0192 = 0,0588

c.- ( )

Distribución Poisson

El número promedio de urgencias que llega a un hospital en una hora es de 12. a.- Cuál es la probabilidad de que en un la próxima
hora lleguen entre 7 urgencias? b.- Cual es la probabilidad de que en quince minutos lleguen por lo menos 2 urgencias? c.- Cual es
el número de urgencias esperado por minuto?

= 12 (hora) P ( X = 7)

( ) = 0,0437

12 urgencias en 60 minutos (con una regla de tres, determinas cuantas en 15 minutos

3 urgencias en 15 minutos

= 3 (15 minutos) P (X 2) = 1 – [ P (X=0) + P (X = 1) + P (X = 2) ]

( ) = 0,0498

Página 5
 ( ) = 0,1494

( ) = 0,2240 1 – [ 0,0498 + 0,1491 + 0,2240 ] = 1 - 0,4229 = 0,5771

Distribución Hipergeométrica

Un lote de 75 quesos contiene cinco en los que la variabilidad de su peso es inaceptable. Se toma una muestra al azar de 10
quesos, sin reemplazo.

a. ¿Cuál es la probabilidad de que ninguno de los quesos inaceptables se encuentren en la muestra?

 5  70 
  
P ( X  0)      0,4786
0 10
 75 
 
 10 

b. ¿Cuál es la probabilidad de que al menos uno de los quesos inaceptables se encuentre en la muestra?
 5  70   5  70 
     
P ( X  1)  F (0)  F (1)          0,4786  0,3923  0,8709
0 10 1 9
 75   75 
   
 10   10 

c. ¿Cuál es la probabilidad de que exactamente uno de los quesos inaceptables se encuentre en la muestra?

 5  70 
  
P ( X  1)      0,3923
1 9
 75 
 
 10 

Página 6
 10.- BIBLIOGRAFÍA

MARTÍNEZ BENCARDINO, Ciro (2003). Estadística y Muestreo. Santafé de Bogotá: ECOE Ediciones.

https://wwwyyy.files.wordpress.com/2016/06/estadc3adstica-y-muestreo-de-ciro-martc3adnez-b.pdf

WEBSTER A. (2000) Estadística aplicada a los negocios y la economía. Mc Graw Hill.

http://matematicaeducativa.com/libros/estadistica_negocios.pdf

MENDENHALL, Introducción a la probabilidad y estadística .Editorial Cengate

http://investigadores.cide.edu/aparicio/data/refs/Mendenhall_Prob_Estadistica_13.pdf

LIND, MARSHALL (2015) Estadística aplicada a los negocios y la economía. Mc Graw Hill.

Página 7