1 VARIABLES ALEATORIAS DISCRETAS

Variables Aleatorias Discretas

Sea el experimento aleatorio que consiste en lanzar una moneda normal dos veces y anotar el lado
resultante, entonces el espacio muestral resulta ser S = {CC, CS, SC, SS}. Suponga también que X
es una función definida en S y que cuenta el número de sellos resultantes al lanzar la moneda dos
veces. Entonces, X(CC) = 0, X(CS) = 1, X(SC) = 1, X(SS) = 2 y resulta claro que la función X
puede asumir los valores 0,1 y 2.
Este tipo de funciones se llamarán variables aleatorias porque obviamente varı́an dependiendo del
resultado del experimento aleatorio. En estos casos uno no conoce el valor que adoptará X en un
particular lanzamiento de la moneda dos veces, pero si conoce el conjunto de todos los valores posibles
que puede adoptar {0, 1, 2}. Finalmente lo que interesa, aún antes de realizar el experimento, es la
probabilidad de que X asuma alguno de esos valores. ¿Por ejemplo, cuál es la probabilidad de que
al lanzar una moneda dos veces resulte un sello?. En simbolos, se pregunta por P (X = 1).

1. Variables Aleatorias Discretas

Definición 1.1. Una variable aleatoria X es cualquier función que asigna a cada resultado de
un experimento aleatorio s ∈ S un y sólo un número real x = X(s). El espacio es el conjunto
E = {x ∈ R/x = X(s), s ∈ S} formado por todos los valores asignados por la variable aleatoria.
Si X es el número de sellos resultantes al lanzar una moneda dos veces, entonces su espacio es
E = {0, 1, 2}

Si el espacio E es algún conjunto finito o contable de números tal como E = {0, 1, 2}, entonces
se dice que la variable aleatoria X es discreta. Si el espacio es algún intervalo de números reales tal
como E =]0; ∞[, entonces se dice que la variable aleatoria X es continua.

Si B ⊆ E. ¿cómo calcular la probabilidad P (X ∈ B)? La respuesta requiere el concepto de

eventos equivalentes y de probabilidad inducida por X.
Definición 1.2. Sean S el espacio muestral asociado a un experimento aleatorio y X una variable
aleatoria definida en S y con espacio E. Se dice que los eventos A ⊆ S y B ⊆ E son equivalentes
si la imágen de A a través de X es B, esto es si X(A) = B. La probabilidad inducida por la
variable aleatoria X se define como PX (B) = P (A) donde A y B eventos equivalentes. (Vea Figura
1)

Observaciones 1.1. La probabilidad P está definida para evento A ⊆ S pero la probabilidad PX

está definida en un espacio diferente para eventos B ⊆ E ⊆ R. Sin embargo, ambas probabilidades
dan números iguales cuando A y B son eventos equivalentes de modo que PX (B) = P (A). Teniendo
clara esta distinción se omitirá el subindice X y se anotará simplemente P (B) o P (X ∈ B) en vez
de PX (B) o PX (X ∈ B).
Ejemplo 1. Si X es el número de sellos resultantes al lanzar una moneda dos veces, entonces calcule
PX (X = x) para cada x ∈ E = {0, 1, 2}
Solución Los eventos equivalentes son {CC} y {0}, {CS, SC} y {1}, {SS} y {1} Entonces,

PX (X = 0) = P ({CC}) = 1/4 = 0, 25
PX (X = 1) = P ({CS, SC}) = 2/4 = 0, 50
PX (X = 2) = P ({SS}) = 1/4 = 0, 25

Considerando la Observación 1.1 se anotará P (X = x) = f (x), x ∈ E de modo que los resultados

anteriores se pueden resumir en la siguiente tabla de probabilidades
x 0 1 2
f (x) 0,25 0,50 0,25

1
 1 VARIABLES ALEATORIAS DISCRETAS

S,P
,
E , PX

A
B

X x
s

Figura 1: Probabilidad Inducida por X

Esa tabla es el modelo de probabilidad

P para la variable aleatoria X y revela dos hechos naturales:
f (x) ≥ 0 para todo x ∈ E, y f (x) = 1 
Definición 1.3. Se dice que f (x) es una función de probabilidad (de cuantı́a o de masa) para
la variable aleatoria discreta X si cumple las tres condiciones siguientes,
1. f (x) ≥ 0, x ∈ E
P
2. x∈E f (x) = 1
P
3. P (X ∈ B) = x∈B f (x), x ∈ B ⊆ E

Definición 1.4. Sea X una variable aleatoria discreta con espacio E y función de probabilidad f (x).
La función de distribución o función de probabilidad acumulada de X, anotada F (x), se
define de la siguiente manera.
X
F (x) = P (X ≤ x) = f (t), t ∈ E, −∞ < x < ∞ (1)
t≤x

El siguiente ejemplo ilustra los conceptos vertidos en las Definiciones 1.3 y 1.4 y también permi-
tirá ilustrar alguna de sus propiedades.

Ejemplo 2. Considere la variable aleatoria X del Ejemplo 1.

a) Determine la función de distribución F (x).
b) Determine la probabilidad P (X > 0).

Solución
a) La función de distribución de probabilidad acumulada F (x) para x ∈ {0, 1, 2} se muestra en
la tabla siguiente.

2
 1 VARIABLES ALEATORIAS DISCRETAS

x 0 1 2
f (x) 0,25 0,50 0,25
F (x) 0,25 0,75 1,00

Sin embargo, F (x) está definida para todo −∞ < x < ∞ aunque f (x) esté definida sólo para
x ∈ {0, 1, 2}. Por tanto, la función de distribución pedida es,


 0 x<0

0, 25 0 ≤ x < 1
F (x) =


 0, 75 1 ≤< 2
1 2≤x


b) La probabilidad de que el número

P de sellos resultantes al lanzar una moneda dos veces sea
mayor que cero es P (X > 0) = x>0 f (x) = f (1) + f (2) = 0, 5 + 0, 25 = 0, 75 
La Figura 2 ilustra la función de cuantı́a del Ejemplo 1. La Figura 3 ilustra la función de distribu-
ción del Ejemplo 2 y también permite ilustrar algunas propiedades generales de F (x) que aparecen
en las siguientes observaciones.
1.00

1.00
●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
0.75

0.75

●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
0.50

0.50
F(x)
f(x)

0.25

0.25

●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●
0.00

0.00

●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●
●●
●

−1 0 1 2 3 −2 −1 0 1 2 3 4

x x

Figura 2: Cuantı́a del Ejemplo 2 Figura 3: Distribución Ejemplo 2

Observaciones 1.2. La función de distribución F (x) de una variable aleatoria discreta satisface
las siguientes propiedades.

1. F (x) es no decreciente. Esto es, si x1 < x2 , entonces F (x1 ) ≤ F (x2 ).

En la Figura 3, F (0, 3) = F (0, 7) = 0, 25, pero F (0, 7) = 0, 25 < F (1, 4) = 0, 75
2. lı́mn→−∞ F (x) = 0, lı́mn→∞ F (x) = 1

3. F (x) es continua por la derecha; esto es, F (x) = F (x+ ) = lı́mt→x F (t) para cada x.
t>x
En la Figura 3, F (1) = F (1+ ) = 0, 75 y F (1, 5) = F (1, 5+ ) = 0, 75.
4. Para cada x, P (X > x) = 1 − F (x).
En efecto, P (X > x) = 1 − P (X ≤ x) = 1 − F (x)
En la Figura 3, P (X > 1) = 1 − F (1) = 1 − 0, 75 = 0, 25.

3
 2 EJERCICIOS

5. Para cada x1 < x2 se tiene que P (x1 < X ≤ x2 ) = F (x2 ) − F (x1 ).

En efecto, P (x1 < X ≤ x2 ) = 1 − P (X ≤ x1 ∨ X > x2 ) = 1 − [P (X ≤ x1 ) + P (X > x2 )] =
1 − [F (x1 ) + 1 − F (x2 )] = F (x2 ) − F (x1 ).
En la Figura 3, P (0 < X ≤ 1, 5) = F (1, 5) − F (0) = 0, 75 − 0, 25 pero P (1 < X ≤ 1, 5) =
F (1, 5) − F (1) = 0, 75 − 0, 75 = 0.
6. Para todo x, P (X < x) = F (x− ).
En la Figura 3, P (X < 1) = F (1− ) = 0, 25 pero P (X ≤ 1) = F (1) = 0, 75.
7. Para cada x, P (X = x) = F (x+ ) − F (x− ).
En la Figura 3, P (X = 1) = F (1+ ) − F (1− ) = 0, 75 − 0, 25 = 0, 5 pero P (X = 1, 5) =
F (1, 5+ ) − F (1, 5− ) = 0, 75 − 0, 75 = 0. Esta propiedad indica que la probabilidad P (X = a)
corresponde al salto de F (x) en X = a.

2. Ejercicios
1. Suponga que la variable aleatoria discreta X tiene una función de probabilidad dada por,
(
k
, x = 0, 1, 2, 3, 4
f (x) = x!
0 , en otro caso

a) Determine la constante k.
b) Calcule P (X > 1)
c) Determine y grafique la función de distribución F (x).
R. a) k = 24/65 b) 0,2615 c)


 0 ,x < 0

0, 3692 ,0 ≤ x < 1




0, 7385 ,1 ≤ x < 2
F (x) =
0, 9231

 ,2 ≤ x < 3
0, 9846 ,3 ≤ x < 4





1 ,4 ≤ x


2. Suponga que la variable aleatoria discreta X tiene una función de probabilidad dada por,
( x
k4
x! , x = 0, 1, 2, 3, 4, 5, 6, 7
f (x) =
0 , en otro caso

a) Determine la constante k.
b) Calcule P (1 < X < 6)
c) Determine y grafique la función de distribución F (x).
3. Una moneda balanceada se lanza 5 veces y se define X como el número de sellos resultantes
en los cinco lanzamientos.
a) ¿Cuál es el espacio de la variable aleatoria X?.
b) Encuentre la función de probabilidad f (x) de X.
c) Encuentre y grafique la función de distribución F (x).
d) ¿Cuál es la probabilidad de que resulten más de tres sellos en los cinco lanzamientos?.
b) f (x) = x5 0, 55 ; x ∈ {0, 1, 2, 3, 4, 5}


R. a) {0, 1, 2, 3, 4, 5} d) 0,1875
4. De una variable aleatoria X se sabe que toma los valores 0, 1, 2, 3, 4 y 5 y se sabe que los
valores de la función de distribución en esos puntos son 0,06; 0,23; 0,48; 0,80; 0,92 y 1,00
respectivamente.

4
 2 EJERCICIOS

a) Grafique aproximadamente la función de distribución para −∞ < x < ∞.

b) Calcule P (X = 4), P (X > 4), P (X ≥ 4), P (X < 4) y P (2 < X ≤ 4).
R. b) 0,12 0,08 0,20 0,80 0,44
5. Dos dados balanceados se lanzan juntos una vez. Uno de los dados tiene 4 caras numeradas
del 1 al 4 y el otro tiene 6 caras numeradas del 1 al 6. Sea X la variable aleatoria definida
como el valor absoluto de la diferencia entre los dos números que aparecen.
a) Encuentre y grafique la función de probabilidad f (x) de X.
b) Determine y grafique la función de distribución F (x).
c) Calcule P (2 < X ≤ 5).

x 0 1 2 3 4 5
R. a) c) 7/24
f (x) 4/24 7/24 6/24 4/24 2/24 1/24
6. El cajón de un mueble tiene 4 pilas buenas y 6 usadas que ya no funcionan. Las pilas están
mezcladas, son del mismo tamaño y de la misma marca de modo que no se puede distinguir a
simple vista las pilas buenas de las malas. Del cajón se extraen 3 pilas sin reposición y se define
la variable aleatoria X como el número de pilas buenas que resultan en las tres extracciones.
a) Encuentre y grafique la función de probabilidad de X.
b) Calcule e interprete la probabilidad de obtener tres pilas buenas en las tres extracciones.
(x4)(3−x
6
)
R. a) f (x) = ; x ∈ {0, 1, 2, 3} b) 1/30 significa que una de cada 30 repeti-
(10
3 )
ciones del experimento resulta en tres pilas buenas.
7. Defina la variable aleatoria X como el número de veces que se debe lanzar una moneda balan-
ceada hasta obtener la primera cara
a) ¿Cuál es el espacio de la v.a X?
b) Determine y grafique la función de probabilidad f (x).
c) Determine y grafique la función de distribución F (x).
d) ¿Cuál es la probabilidad de que sean necesarios 5 lanzamientos de la moneda para obtener
la primera cara? ¿y que sean necesarios 8 lanzamientos?
R. a) {1, 2, 3, . . .} b) f (x) = 0, 5x ; x = 1, 2, 3, . . . c) F (x) = 1 − 0, 5x ; x =
1, 2, 3, . . . d) P (X = 5) = 0, 55 = 0, 03125
8. Una empresa dedicada a la venta, instalación y mantención de aire acondicionado sabe que
las solicitudes de mantención pueden dar origen a la compra e instalación de un nuevo equipo
de aire acondicionado. Registros de temporadas veraniegas pasadas han permitido elaborar el
siguiente modelo de probabilidad para el número X de equipos de aire acondicionado nuevos
pedidos de esta forma.

x 0 1 2 3
f (x) 0,52 0,34 0,10 0,04

a) Grafique las funciones de probabilidad f (x) y de distribución F (x).

b) ¿Cuál es la probabilidad de que una solicitud de mantención derive en la compra de
equipos nuevos de aire acondicionado?
c) En el verano anterior se recibieron 1263 solicitudes de mantención de equipos de aire
acondicionado. Estime el númeror de equipos nuevos que podrı́an solicitarse en la próxima
temporada suponiendo que la demanda será similar.

R. b) 0,48 c) Se espera recibir 1263E(X) = 1263(0, 66) ≈ 834 solicitudes de

equipos nuevos.

5
 2 EJERCICIOS

9. Un dispositivo tiene dos componentes mecánicos. Suponga que las probabilidades de que la
primera y la segunda componente cumplan con las especificaciones son 0,95 y 0,98. Suponga
que las componentes funcionan independientemente. Determine la función de probabilidad
para el número de componentes en el dispositivo que cumplen con las especificaciones.
x 0 1 2
R:
p(x) 0,0010 0,0068 0,9310
10. Una pareja decide tener hijos hasta tener al menos uno de cada sexo o un máximo de tres
hijos. Suponga que la probabilidad de tener un hijo de sexo masculino (M) es 0,5 y que hay
independencia en el sexo de sus hijos. Represente en forma ordenada la posible secuencia de
los géneros de los hijos de esta pareja, denotando, M: masculino y F: femenino.
a) ¿Cuáles son las posibles secuencias de los géneros de los hijos? Considere estas secuencias
como elementos de un espacio muestral S y calcule la probabilidad de cada uno de sus elemen-
tos.
b) Sea X el número de hijas en la familia. Encuentre la función de probabilidad de X.
c) ¿Cuál es la probabilidad de que la pareja tenga al menos una niña?

Espacio muestral MF FM FFM MMF FFF MMM

R: a)
Probabilidad 1/4 1/4 1/8 1/8 1/8 1/8
x 0 1 2 3
b) c) 7/8
p(x) 1/8 5/8 1/8 1/8
11. De los clientes que llegan a un Banco en un dı́a cualquiera se sabe que 1 de cada 4 tiene cuenta
corriente y tarjeta de crédito en ese Banco y que 1 de cada 10 tiene en ese Banco sólo cuenta
corriente. Se eligen aleatoriamente a tres clientes que llegan al Banco en un dı́a cualquiera y
se define la variable aleatoria X como la cantidad de clientes entre los tres elegidos que tiene
en ese Banco sólo cuenta corriente. Determine la función de probabilidad de X