Variables aleatorias:

Variable aleatoria: variable (casi siempre representada por x) que tiene un solo valor numérico,
determinado por el azar, para cada resultado de un procedimiento.

Distribución de probabilidad: gráfica, tabla o fórmula que da la probabilidad de cada valor de la

variable aleatoria.

Variable aleatoria discreta: tiene un número finito de valores o un número de valores contable,
donde “contable” se refiere al hecho de que podría haber un número infinito de valores, pero que
pueden asociarse con un proceso de conteo.

Variable aleatoria continua: tiene un número infinito de valores; dichos valores pueden asociarse a
mediciones en una escala continua, de manera que no haya huecos o interrupciones.

EJEMPLOS Los siguientes son ejemplos de variables aleatorias discretas y continuas:

1. Sea x 5 = número de huevos que una gallina pone en un día. Ésta es una variable aleatoria
discreta, porque sus únicos valores posibles son 0 o 1, o 2, etcétera.

Ninguna gallina puede poner 2.343115 huevos, lo que sería posible si los datos provinieran de una
escala continua.

2. El conteo del número de fanáticos que asiste a un concierto de, es un número entero y, por lo
tanto, una variable aleatoria discreta. El aparato de conteo que se muestra en la figura (a) es capaz
de indicar únicamente un número finito de valores, por lo que se utiliza para obtener valores de
una variable aleatoria discreta.

3. Sea x 5 = cantidad de leche que produce una vaca en un día. Ésta es una variable aleatoria
continua, ya que puede tomar cualquier valor en un tramo continuo. En un solo día, una vaca llega
a producir una cantidad de leche cuyo valor sería cualquiera entre 0 y 5 galones. Es posible
obtener 4.123456 galones, debido a que la vaca no se restringe a las cantidades discretas de 0, 1,
2, 3, 4 o 5 galones.
4. La medida del voltaje de una batería de un detector de humo puede ser cualquier valor entre 0
y 9 voltios. Por lo tanto, se trata de una variable aleatoria continua. El voltímetro que se muestra
en la figura (b) es capaz de indicar valores en una escala continua; por lo tanto, se utiliza para
obtener valores de una variable aleatoria continua.

Toda distribución de probabilidad debe satisfacer cada uno de los dos requisitos siguientes:

El primer requisito establece que la suma de las probabilidades de todos los valores posibles de la
variable aleatoria debe ser igual a 1. Lo anterior tiene sentido cuando nos damos cuenta de que
los valores de la variable aleatoria x representan todos los sucesos posibles en el espacio muestral
completo, de modo que tenemos la certeza (con probabilidad 1) de que uno de los sucesos
ocurrirá.

El segundo requisito de la regla de probabilidad establece que 0  P(x)  1 para cualquier suceso A
implica que P(x) debe estar entre 0 y 1 para cualquier valor de x.

EJEMPLO ¿La siguiente tabla Describirá una distribución de probabilidad?

SOLUCIÓN Para ser una distribución de probabilidad, P(x) debe

satisfacer los dos requisitos anteriores.
Pero P(x) = P(0) + P(1) + P(2) + P(3)
= 0.2 + 0.5 + 0.4 + 0.3
= 1.4 [que demuestra que P(x)  1]

Como no se satisface el primer requisito, concluimos que la tabla no

describe una distribución de probabilidad.

Otro ¿Determina si P(x) = x/3 (donde x puede ser 0, 1 o 2) es una distribución de probabilidad?
SOLUCIÓN Para la función dada, encontramos que P(0) = 0/3, P(1) = 1/3, y P(2) = 2/3, de manera
que
0 1 2
1. P(x) = ∑ + + = 1
3 3 3
2. Cada uno de los valores P(x) se encuentran entre 0 y 1.

Como ambos requisitos se satisfacen, la función P(x) de este ejemplo es una distribución de
probabilidad.

Media, varianza y desviación estándar

En la estadística descriptiva describimos las siguientes características importantes de los datos

(que pueden recordarse por medio de las siglas CVDDT “Cuidado con los Virus que Destruyen
Datos y Trabajo”):
1. Centro: valor representativo o promedio que indica la localización de la mitad del conjunto de
los datos.
2. Variación: medida de la cantidad en que los valores de los datos varían entre sí.
3. Distribución: naturaleza o forma de la distribución de los datos (tales como normales, uniformes
o sesgadas).
4. Datos distantes: valores muestrales que se alejan mucho de la vasta mayoría de los otros
valores de la muestra.
5. Tiempo: características cambiantes de los datos a través del tiempo.

La media, la varianza y la desviación estándar de una distribución de probabilidad se calculan

aplicando las fórmulas siguientes:
Distribuciones de probabilidad binomial
Resulta de un procedimiento que cumple con todos los requisitos siguientes:
1. El procedimiento tiene un número fijo de ensayos.
2. Los ensayos deben ser independientes. (El resultado de cualquier ensayo individual no afecta las
probabilidades de los otros ensayos).
3. Todos los resultados de cada ensayo deben estar clasificados en dos categorías.
4. Las probabilidades tienen que mantenerse constantes para cada ensayo.

Si un procedimiento satisface los cuatro requisitos, la distribución de la variable aleatoria x se

denomina distribución de probabilidad binomial (o distribución binomial). Suele usarse la notación
siguiente:

El término éxito que se utiliza aquí es arbitrario y no necesariamente representa algo bueno.
Cualquiera de las dos categorías posibles puede denominarse el éxito E, siempre y cuando su
probabilidad se identifique como p.

Asegúrese de que x y p se refieran a la misma categoría que se denomina como un éxito.

Fórmula de probabilidad binomial En una distribución binomial, las probabilidades pueden

calcularse con el uso de la fórmula de la probabilidad binomial.
Donde n = número de ensayos
x = número de éxitos en n ensayos
p = probabilidad de éxito en cualquier ensayo
q = probabilidad de fracaso en cualquier ensayo (q = 1 - p)

EJEMPLO Análisis de respuestas de opción múltiple. Aplique la fórmula de la probabilidad binomial

para calcular la probabilidad de tener exactamente tres respuestas correctas, cuando se adivina al
azar en las cuatro preguntas de opción múltiple. Esto es, calcule P(3), siendo que n = 4, x = 3,
p = 0.2 y q = 0.8.

SOLUCIÓN Con los valores dados de n, x, p y q en la fórmula de probabilidad binomial, obtenemos

La probabilidad de tener exactamente tres respuestas correctas de cuatro, es de 0.0256.

Media, varianza y desviación estándar para la distribución binomial

Para cualquier distribución de Para distribuciones

probabilidad discreta binomiales

EJEMPLO: Género de los hijos.

La variable aleatoria x representa el número de niñas entre 14 nacimientos, la probabilidad es de p
= 0,5 y de q = 0,5
Aplique las fórmulas para calcular la media y la desviación estándar del número de niñas en grupos
de 14 nacimientos.
SOLUCIÓN Con los valores n = 14, p = 0.5 y q = 0.5, las fórmulas se aplican como sigue:
La distribución de Poisson
Es particularmente importante, ya que con frecuencia se utiliza como modelo matemático para
describir comportamientos como la disminución radioactiva, la llegada de pasajeros en una línea y
la de aviones a un aeropuerto, los automóviles que van a una gasolinera, los comensales que
visitan un restaurante, los estudiantes que asisten a una librería y los usuarios de Internet que se
conectan a un sitio.
Por ejemplo, suponga que el profesor tiene una hora de asesoría cada lunes a las 11:00, y
descubre que durante esa hora el número medio de estudiantes que recibe es de 2.3.
Calculamos la probabilidad de que exactamente cuatro estudiantes lleguen en una hora de
asesoría, que se selecciona aleatoriamente, un lunes a las 11:00.

Utilizamos la distribución de Poisson, que se define de la siguiente manera.

Distribución de Poisson: distribución de probabilidad discreta que se aplica a las ocurrencias de

algún suceso durante un intervalo específico. La variable aleatoria x es el número de ocurrencias
de un suceso en un intervalo. El intervalo puede ser tiempo, distancia, área, volumen o alguna
unidad similar. La probabilidad de que el suceso ocurra x veces, durante un intervalo, está dada
por la fórmula:

La distribución de Poisson tiene los siguientes requisitos:

● La variable aleatoria x es el número de ocurrencias de un suceso durante un intervalo.
● Las ocurrencias deben ser aleatorias.
● Las ocurrencias tienen que ser independientes entre sí.
● Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo que se emplea.

La distribución de Poisson tiene los siguientes parámetros:

● La media es .
● La desviación estándar es  =  .

La distribución de Poisson difiere de una distribución binomial en estas formas fundamentales:

1. La distribución binomial se afecta por el tamaño de la muestra n y la probabilidad p, mientras
que la distribución de Poisson sólo se afecta por la media .
2. En una distribución binomial, los valores posibles de la variable aleatoria x son 0, 1, . . . , n, pero
los valores posibles x de una distribución de Poisson son 0, 1, 2, . . . , sin límite superior.
Distribución de Poisson como aproximación de la distribución binomial

En ocasiones, la distribución de Poisson se utiliza para aproximar la distribución binomial, cuando

n es grande y p es pequeña. Una regla práctica es utilizar una aproximación como éstas cuando se
satisfacen las siguientes dos condiciones:
1. n  100 2. np  10
Si se cumplen dichas condiciones y deseamos utilizar la distribución de Poisson, como
aproximación de la distribución binomial, necesitamos un valor de ; ese valor se calcula
utilizando la fórmula
 = np
Distribución normal estándar
Una variable aleatoria continua tiene una distribución uniforme si sus valores se dispersan
uniformemente a través del rango de posibilidades. La gráfica de una distribución uniforme
presenta una forma rectangular.
En las distribuciones de probabilidad discretas identificamos dos requisitos:

La gráfica de una distribución de probabilidad discreta se denomina histograma de probabilidad.

La gráfica de una distribución de probabilidad continua, se llama curva de densidad; debe
satisfacer dos propiedades similares a los requisitos de las distribuciones de probabilidad
discretas, tal como se plantea en la siguiente definición.

Curva de densidad (o función de densidad de probabilidad): gráfica de una distribución de

probabilidad continua. Debe satisfacer las siguientes propiedades:
1. El área total bajo la curva debe ser igual a 1.
2. Cada punto de la curva debe tener una altura vertical igual o mayor que 0. (Es decir, la curva no
puede estar por debajo del eje x).