Estadística

Prof. Aixa Torres

VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Un concepto importante en muchas aplicaciones de la estadística es el de variable aleatoria.

Ya se analizaron anteriormente los experimentos y sus resultados individuales llamados
sucesos. Una variable aleatoria es una función que asocia a cada resultado del espacio
muestral un número real.

Ejemplo: Lanzamiento de dos monedas

S = { cc, cs, sc, ss}

Sea la variable aleatoria X : número de caras

X(cc) = 2 X(cs) = X(sc) = 1 X(ss) = 0

Clasificación de las Variables Aleatorias: Se clasifican en dos tipos: discretas y

continuas.

Variable aleatoria Discreta: Es aquella que toma sólo valores enteros.

Los siguientes son ejemplos de variables aleatorias discretas:
a. El número de tornillos defectuosos en una muestra de 10, extraída de una población
industrial.
b. El número de casas rurales que tienen servicio eléctrico en una región.
c. El número de fallas de un motor de aeroplano en un período de tiempo.
d. El número de personas que esperan en la oficina de un doctor.

Variable Aleatoria Continua: Son aquellas que pueden tomar cualquier valor de entre
todos los contenidos en un intervalo de una recta.
Los siguientes son ejemplos de variables aleatorias continuas:
a. La estatura de una persona.
b. El tiempo de vida de una célula humana.
c. El tiempo requerido para completar una operación de montaje en un proceso de
fabricación.
 Estadística
Prof. Aixa Torres

Distribuciones de Probabilidad de Variables Aleatorias Discretas

La distribución de probabilidad de una variable aleatoria discreta es una fórmula, tabla o

gráfico que proporciona la probabilidad asociada con cada valor de la variable aleatoria.
Una fórmula que se emplea para calcular P(X = x), probabilidad de que la variable aleatoria
X tome cada uno de los posibles valores x, se denomina función de probabilidad y
generalmente se denota como f(x). Es decir, f(x) = P(X = x).

Ejemplo:
Considerando el experimento anterior, que consiste en lanzar dos monedas, donde X es el
número de caras observadas, encontrar la distribución de probabilidad para X.

Solución:
S = { cc, cs, sc, ss}
Sea X el número de caras observadas

Distribución de probabilidad de X
x Eventos P(X = x)
0 ss ¼
1 cs, sc ½
2 cc ¼

Una distribución de probabilidad puede hacerse con una tabla, en la que en una columna, x,
se enumeran los valores posibles que tome X, y en otra columna, P(X = x), la probabilidad
con la que X toma un valor particular x.
Alternativamente, puede presentarse esta distribución en la forma de una gráfica, como se
muestra a continuación:
 Estadística
Prof. Aixa Torres

GRÁFICA DE DISTRIBUCIÓN
0.6
DE PROBABILIDAD DE X

0.5

0.4

0.3

0.2

0.1

0
0 1 2

En el presente ejemplo se observa que todos los valores de P(X = x) son positivos, que
todos son menores que 1 y que la suma es igual a 1.
Pueden darse entonces las dos propiedades esenciales siguientes de una distribución de
probabilidad de una variable discreta:
1. 0 ≤ P(X = x) ≤ 1
2. ∑ P(X = x ) = 1
La probabilidad de que la variable aleatoria X asuma valores menores o iguales a x se llama
distribución de probabilidad acumulada y se denota por F(X) = P( X ≤ x).

Distribución de probabilidad de X
x P(X = x)= f(x) P(X ≤ x)=F(X)
0 ¼ ¼
1 ½ ¾
2 ¼ 1

Valor Esperado de una Variable Aleatoria Discreta

Con frecuencia es útil resumir una distribución de probabilidad especificando el valor
promedio o media de la distribución. En estadística, este promedio o media se conoce
como valor esperado.
 Estadística
Prof. Aixa Torres

La fórmula para calcular el valor esperado de una distribución de probabilidad discreta es:

E (X) = ∑x f(x) = μ

Varianza y Desviación Estándar de una Variable Aleatoria Discreta

El valor esperado se usa para medir la tendencia central de una distribución de probabilidad
y la desviación estándar se usa para medir la variabilidad.
El procedimiento para calcular la desviación estándar de una distribución de probabilidad es
similar al que se mostró anteriormente. Primero se calcula la varianza de la población y
después se calcula la desviación estándar de x obteniendo la raíz cuadrada de la varianza.
La fórmula de la varianza es:
σ2 = ∑(x – μ)2 f(x)

Ejemplo
Sea X el número de fallas mecánicas diarias que ocurren en una planta procesadora de
alimentos y suponga que la tabla que sigue proporciona la distribución de probabilidad.
x 0 1 2 3
f(x) 0.35 0.35 0.25 0.05

Valor Esperado:
E (X) = ∑ x f(x)
E(X) = 0(0.35) + 1(0.35) + 2(0.25) + 3(0.05)
E(X) = 1 = μ

Varianza:
σ2 = ∑(x – μ)2 f(x)
σ2 = (0 – 1)2 (0.35) + (1 – 1)2 (0.35) + (2 – 1)2 (0.25) + (3 – 1)2 (0.05)
σ2 = 0.8
Desviación Estándar:

σ = √0.8 = 0.89
 Estadística
Prof. Aixa Torres