Sede: Palmira

Profesor: José Alfredo Diaz Escobar

 Variables Aleatorias
VARIABLE ALEATORIA DISCRETA

1. Función de probabilidad: 𝒇 𝒙

𝑓(𝑥) es una función de probabilidad o distribución de

probabilidad de la variable aleatoria discreta 𝑋 si cumple:

1. 𝑓 𝑥 ≥ 0

2. σ∀𝑥 𝑓 𝑥 = 1

3. 𝑃 𝑋 = 𝑥0 = 𝑓(𝑥0 )
 Variable Aleatoria Discreta
Ejemplo 1:
Considere las ventas de motocicletas en A OTRO NIVEL S.A.S, con
sede en Palmira. Durante los últimos 360 días de operación, los
datos de ventas mostraron que en 64 días no se vendió ninguna
motocicleta, en 127 días se vendió 1 motocicleta, en 82 días se
vendieron 2, en 52 días se vendieron 3, en 22 días se vendieron 4
y en 13 días se vendieron 5. Suponga que se considera el
experimento de seleccionar un día de operación en A OTRO NIVEL
S.A.S. Calcule la función de probabilidad para la variable aleatoria

X.
 Variable Aleatoria Discreta
Ejemplo 1:
𝑿 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒎𝒐𝒕𝒐𝒄𝒊𝒄𝒍𝒆𝒕𝒂𝒔 𝒗𝒆𝒏𝒅𝒊𝒅𝒂𝒔 𝒆𝒏 𝒖𝒏 𝒅í𝒂
𝑿 = {𝟎, 𝟏, 𝟐, 𝟑, 𝟒, 𝟓}
Distribución de probabilidad
𝑥 P 𝑋=0 =
64
= 0,178
360
0
1 P 𝑋=1 =
127
= 0,353
𝑥 𝑓(𝑥)
360
2 0 0,178
82
3 P 𝑋=2 =
360
= 0,228 1 0,353
4 2 0,228
52
P 𝑋=3 = = 0,144 3 0,144
5 360

22 4 0,061
P X=4 = = 0,061
360
5 0,036
13
P X=5 = = 0,036
360
 Variable Aleatoria Discreta
Ejemplo 2:
Una embarcación de 30 televisores iguales para un
almacén de ventas al detal, contiene 3 defectuosos. Si
un hogar compra 2 televisores al azar, calcule la
distribución de probabilidad para el número de
televisores defectuosos que podría comprar el hogar.
 Variable Aleatoria Discreta
Valor Esperado o Esperanza 𝑬 𝑿 :
Sea X una variable aleatoria discreta con función de probabilidad 𝑓 𝑥 . La media (𝜇), o
esperanza matemática es el valor esperado de la variable aleatoria 𝑋 y se determina así:

𝑛
𝜇 = 𝐸 𝑋 = ෍ 𝑥𝑓(𝑥)
∀𝑥

Varianza (𝝈𝟐 ):
La varianza de una variable aleatoria 𝑋 con función de probabilidad 𝑓(𝑥) y media se
determina así:
𝑛

𝜎 2 = 𝐸 (𝑥 − 𝜇)2 = ෍(𝑥 − 𝜇)2 𝑓(𝑥)

∀𝑥
 Variable Aleatoria Discreta
Varianza (𝝈𝟐 ):
𝜎 2 = 𝐸 𝑋 2 − 𝜇2

Retomemos el ejemplo 1: Considere las ventas de motocicletas en

A OTRO NIVEL S.A.S, con sede en Palmira. Durante los últimos 360 días de
operación, los datos de ventas mostraron que en 64 días no se vendió ninguna
motocicleta, en 127 días se vendió 1 motocicleta, en 82 días se vendieron 2, en
52 días se vendieron 3, en 22 días se vendieron 4 y en 13 días se vendieron 5.
Suponga que se considera el experimento de seleccionar un día de operación
en A OTRO NIVEL S.A.S. Calcule la esperanza y la desviación estándar para la
variable aleatoria X.
 Variable Aleatoria Discreta
Ejemplo 1:
𝑿 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒎𝒐𝒕𝒐𝒄𝒊𝒄𝒍𝒆𝒕𝒂𝒔 𝒗𝒆𝒏𝒅𝒊𝒅𝒂𝒔 𝒆𝒏 𝒖𝒏 𝒅í𝒂
𝑿 = {𝟎, 𝟏, 𝟐, 𝟑, 𝟒, 𝟓}
Distribución de probabilidad
𝑥 P 𝑋=0 =
64
= 0,178
360
0
1 P 𝑋=1 =
127
= 0,353
𝑥 𝑓(𝑥)
360
2 0 0,178
82
3 P 𝑋=2 =
360
= 0,228 1 0,353
4 2 0,228
52
P 𝑋=3 = = 0,144 3 0,144
5 360

22 4 0,061
P X=4 = = 0,061
360
5 0,036
13
P X=5 = = 0,036
360
 Variables Aleatorias
VARIABLE ALEATORIA CONTINUA

2. Función de densidad de probabilidad: 𝒇 𝒙

Fuente: Curso elemental de Probabilidad y Estadística (Luis Rincón)

 Variable Aleatoria Continua
2. Función de densidad de probabilidad 𝒇 𝒙 :

La función 𝑓(𝑥) es una función de densidad de

probabilidad para la variable aleatoria continua 𝑋 si
cumple:

1. 𝑓(𝑥) ≥ 0, para toda 𝑥 ∈ 𝑅

+∞
2. ‫׬‬−∞ 𝑓 𝑥 𝑑𝑥 = 1

𝑏
3. 𝑃 𝑎 ≤ 𝑥 ≤ 𝑏 = ‫𝑓 𝑎׬‬ 𝑥 𝑑𝑥
 Variable Aleatoria Continua
Ejemplo 3: Suponga que el error en la temperatura de
reacción, en °C, en un experimento de laboratorio
controlado, es una variable aleatoria continua X que
tiene la función de densidad de probabilidad

𝑥2
𝑓 𝑥 =ቐ 3 , −1 < 𝑥 < 2
0, 𝐸𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

a) Verifique que f (x) es una función de densidad.

b) Calcule P(0 < X ≤ 1).

 Variable Aleatoria Continua
Ejemplo 4: La concentración de plomo en la gasolina varía
actualmente entre 0,1 y 0,5 gramos por litro. ¿Cuál es la
probabilidad de que su concentración en un litro de gasolina
seleccionado aleatoriamente se ubique entre 0,2 y 0,3 g,
inclusive? La variable aleatoria analizada tiene la función de
densidad de probabilidad.

12,5𝑥 − 1,25 0,1 ≤ 𝑥 ≤ 0,5

𝑓 𝑥 =ቊ
0 𝑒𝑛 𝑐𝑢𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
 Variable Aleatoria Continua
Valor Esperado o Esperanza 𝑬 𝑿 :
Sea X una variable aleatoria continua con función de densidad de probabilidad 𝑓 𝑥 . La
media (𝜇), o esperanza matemática es el valor esperado de la variable aleatoria 𝑋 y se
determina así:
∞
𝜇 = 𝐸 𝑋 = න 𝑥𝑓(𝑥)𝑑𝑥
−∞

Varianza (𝝈𝟐 ):
La varianza de una variable aleatoria 𝑋 con función de densidad de probabilidad 𝑓(𝑥) y
media se determina así:
∞

𝜎 2 = 𝐸 (𝑥 − 𝜇)2 = න (𝑥 − 𝜇)2 𝑓 𝑥 𝑑𝑥
−∞
 Variable Aleatoria Continua
Retomemos el ejemplo 4: La concentración de plomo en la
gasolina varía actualmente entre 0,1 y 0,5 gramos por litro. ¿Cuál
es el valor esperado y la desviación estándar de la concentración
de plomo (gramos por litro) en la gasolina?

12,5𝑥 − 1,25 0,1 ≤ 𝑥 ≤ 0,50

𝑓 𝑥 =ቊ
0 𝑒𝑛 𝑐𝑢𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
 Modelos de distribución de probabilidad
En muchas situaciones es posible encontrar un modelo (formula)
que permita estimar los valores de probabilidad de una variable
aleatoria. Los modelos más comunes son: Bernoulli, Binomial,
Hipergeométrico, Poisson, Normal, Exponencial, Weibull entre
muchos usados en los diferentes campos del conocimiento. Se
analizaran algunos de estos modelos con sus respectivas
características así como las fórmulas de valor esperado y varianza.

Modelos de distribución de probabilidad discretos

Modelos de distribución de probabilidad continuos

 Modelos de distribución de probabilidad Discretos
Distribución de probabilidad Binomial

Presenta las siguientes características:

a. Se cuenta con n pruebas independientes

b. Se tiene dos posibles resultados:

Éxito (E) y Fracaso (F)

c. Las probabilidades son:

P(éxito) = p y P(fracaso) = q

Por lo tanto: p + q = 1

Nota: p y q permanecen constantes en cada prueba.

 Distribución de probabilidad Binomial

d. La variable aleatoria X toma los valores 0, 1, 2, …..n y cada valor

representa el número de éxitos en n pruebas.

X ̴Bin(n, p)
La función de probabilidad de X es:

𝑛 𝑥 𝑛−𝑥
𝑃 𝑋=𝑥 = 𝑥
𝒑 𝒒

𝜇 = 𝑛𝑝 ; 𝜎 2 = 𝑛𝑝𝑞
 Distribución de probabilidad Binomial
Ejemplo 5: La probabilidad de que un paciente se recupere de una
enfermedad sanguínea rara es de 0,4. Si se sabe que 15 personas
contrajeron la enfermedad.

a. ¿Cuál es la probabilidad de que sobrevivan exactamente 5

pacientes?
b. ¿Cuál es la probabilidad de que sobrevivan al menos 10
pacientes?
c. ¿Cuál es la probabilidad de que sobrevivan de 3 a 8 pacientes?
d. ¿Cuál es valor de la media y la desviación estándar?
 Distribución de probabilidad Binomial
Ejemplo 6: Se conjetura que hay impurezas en 30% del total de

pozos de agua potable de cierta comunidad rural. Para obtener

información sobre la verdadera magnitud del problema se
determina que debe realizarse algún tipo de prueba. Como es muy
costoso probar todos los pozos del área, se eligen 10 al azar para
someterlos a la prueba.

a. Considerando que la conjetura es correcta ¿cuál es la

probabilidad de que 3 pozos tengan impurezas?

b. Considerando que la conjetura es correcta ¿Cuál es la

probabilidad de que más de 3 pozos tengan impurezas?
 Modelos de distribución de probabilidad Discretos
Distribución de probabilidad Poisson

Presenta las siguientes características:

1. Se producen un número “medio” de sucesos (eventos) constantes λ (μ ) por

unidad de medida (tiempo, espacio, área, longitud).

Ejemplos:
a. El número promedio de carros que llegan a una estación de gasolina de alto
flujo vehicular es de 15 carros por hora.

b. El ingeniero de control de calidad de la compañía TEXTILES S.A. ha determinado

que el número de defectos por metro de tela que se presentan en los linos tipo
ropa formal son de 3.2.

c. El número de aviones que llegan a un aeropuerto local son de 3 cada diez

minutos.

d. El consumo de agua en la ciudad de Cali son de 20.6 litros por familia.

 Modelos de distribución de probabilidad Poisson

Nota: La probabilidad es proporcional a la longitud del intervalo, es

decir, cuanto más grande sea el intervalo, mayor será la probabilidad.

2. Los sucesos son independientes, es decir, el número de eventos

que ocurren en una unidad de medida no afectan el número de
sucesos en la unidad siguiente.

3. La variable aleatoria Poisson 𝑋 es el número de veces que ocurre

un suceso (evento) en un intervalo de longitud fija.
 Modelos de distribución de probabilidad Poisson
La función de probabilidad de 𝑋 es:

𝑒 −𝜆 𝜆𝑥
𝑃 𝑋=𝑥 = , donde 𝑥 = 0,1,2, … .
𝑥!

𝜆 = Es la media de la cantidad de veces ("éxitos") que se presenta

un evento aleatorio en un intervalo particular.

𝑥 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑢𝑛 𝑒𝑣𝑒𝑛𝑡𝑜

𝜇 = 𝜆 ; 𝜎2 = 𝜆
 Modelos de distribución de probabilidad Poisson
Nota: La distribución también constituye una forma restrictiva de la
distribución binomial cuando la probabilidad de un éxito p es muy
pequeña y n es grande. A ésta se le conoce por lo general con el
nombre de ley de eventos improbables, lo cual significa que la
probabilidad (p), de que ocurra un evento en particular es muy
pequeña.

La media de número de éxitos λ (μ ), puede determinarse con np; en

este caso, n es el número total de ensayos, y p, la probabilidad de
éxito.
 Modelos de distribución de probabilidad Poisson
Ejemplo 6: Los clientes que llegan a un importante restaurante de la ciudad
en un centro comercial son al azar e independientes. La frecuencia promedio
de llegada es 8 clientes por hora.

a. ¿Cuál es la probabilidad de no llegadas de clientes en un intervalo de una

hora?

b. ¿Cuál es la probabilidad de que lleguen tres clientes o menos en una hora?

c. ¿Cuál es la probabilidad de no llegadas en un periodo de 15 minutos?

d. ¿Cuál es el número esperado de clientes en un periodo de 15 minutos?

 Modelos de distribución de probabilidad Poisson
Ejemplo 7: Coastal Insurance Company asegura propiedades frente a
la playa a lo largo de Virginia, Carolina del Norte y del Sur, y las
costas de Georgia; el cálculo aproximado es que, cualquier año, la
probabilidad de que un huracán de categoría III (vientos sostenidos
de más de 110 millas por hora) o más intenso azote una región de la
costa (la isla de St. Simons, Georgia, por ejemplo) es de 0,05. Si un
dueño de casa obtiene un crédito hipotecario de 30 años por una
propiedad recién comprada en St. Simons, ¿cuáles son las
posibilidades de que experimente por lo menos un huracán durante
el periodo del crédito?
 Modelos de distribución de probabilidad Poisson
Ejemplo 8: El número de aviones que llegan a un aeropuerto
internacional tiene una distribución Poisson con una frecuencia de 3
aviones cada 10 minutos.

a. ¿Cuál es la probabilidad de que llegue sólo un avión en el

minuto siguiente?

b. ¿Cuál es la probabilidad de que llegue de que lleguen dos o más

aviones en un periodo de 15 minutos?
¡Muchas Gracias por la atención
prestada!