UNIDAD No 3: Variable Aleatoria

Resultado de aprendizaje: Aplicar los distintos modelos probabilísticos en distintas

situaciones afines a la ingeniería y otros campos del
conocimiento, con el fin de garantizar un adecuado uso
de las probabilidades en la toma de decisiones.
TEMA: Variable aleatoria, tipo de variable aleatorio, función densidad,
Distribución de Bernoulli

◼UTM
◼Estadística
◼Mg.Gp. Alba Alay Giler
 CONTENIDOS

❖ DISTRIBUCIONES DE PROBABILIDAD
❖ VARIABLE ALEATORIA
❖ MODELOS PROBABILISTICOS. SU UTILIDAD EN EL
TRABAJO ESTADISTICO
 ¿Qué es una distribución de probabilidad?

DISTRIBUCIÓN DE PROBABILIDAD Lista de todos los resultados de un experimento y la

probabilidad asociada a cada uno de ellos.

CARACTERÍSTICAS DE UNA DISTRIBUCIÓN DE PROBABILIDAD

1. La probabilidad de un resultado en particular se encuentra entre 0 y 1, inclusive.
2. Los resultados son eventos mutuamente excluyentes.
3. La lista es exhaustiva. Por lo tanto, la suma de las probabilidades de los diversos
eventos es igual a 1.
Número de Probabilidad
caras (x) del resultado
P
P(x)
r
3/8
0 1 o
= 0.125
8
b
1 3
= 0.375 a
8 b
3 2/8
2 = 0.375 il
8 i
3 1 d
= 0.125
8 a
1/8
8
d
TOTAL = 1
8

0 1 2 3

NÚMERO DE CARAS (X)

EJERCICIO:
Los posibles resultados de un experimento que implica el lanzamiento de un dado son:
uno, dos, tres, cuatro, cinco y seis.
a) Elabore la distribución de probabilidad para el número de posibles resultados.
b) Represente gráficamente la distribución de probabilidad.
c) ¿Cuál es la suma de las probabilidades?
 ✓ Si cuenta el número de empleados ausentes en el turno matutino
del lunes, el número puede ser 0, 1, 2, 3,… El número de
ausencias es una variable aleatoria.

✓ Si pesa cuatro lingotes de acero, los pesos pueden ser de 2 492

libras, 2 497 libras, 2 506 libras, etc. El peso es una variable
aleatoria.

VARIABLES ALEATORIAS ✓ Si lanza dos monedas y cuenta el número de caras, puede caer
cero, una o dos caras. Como el número de caras que resulta de
este experimento se debe al azar, el número de caras que caen es
una variable aleatoria.

✓ El número de focos defectuosos producidos por hora en

Cleveland Company, Inc.;

✓ El número de corredores del maratón de Boston en la carrera de

2017

VARIABLE ALEATORIA Cantidad que resulta de un experimento que, por azar, puede
adoptar diferentes valores.
 VARIABLE ALEATORIA DISCRETA. Variable aleatoria
que adopta sólo valores claramente separados.

Una variable aleatoria discreta adopta sólo cierto número de

valores separados. Si hay 100 empleados, el recuento de la
cantidad de ausentes el lunes sólo puede ser 0, 1, 2, 3, …, 100.

Las calificaciones que otorgan los docentes a los estudiantes

luego del término del semestre, son valores concretos, como 70,
VARIABLES ALEATORIAS 80 y 90.

VARIABLE ALEATORIA CONTINUA. Se da, cuando

puede asumir cualquier valor dentro de un intervalo o
en una unión de intervalos.
Los tiempos de los vuelos comerciales entre Atlanta y Los
Ángeles son de 4.67 horas, 5.13 horas, etc. La variable aleatoria
es la cantidad de horas.
La presión, medida en libras por pulgada cuadrada (psi), de un
nuevo neumático Chevy Trail-blazer puede ser de 32.78 psi,
31.62 psi, 33.07 psi,
Media, varianza y desviación estándar de una distribución de probabilidad
discreta

MEDIA DE UNA DISTRIBUCIÓN DE PROBABILIDAD

μ = ∑[x P(x)]

VARIANZA DE UNA DISTRIBUCION DE PROBABILIDAD

σ2 = ∑ [ ( 𝑋 − μ )2 P (X) ]
John Ragsdale vende automóviles nuevos en Pelican Ford. Por lo general, John vende la mayor
cantidad de automóviles el sábado. Desarrolló la siguiente distribución de probabilidades de la
cantidad de automóviles que espera vender un sábado determinado.

Cantidad de 1. ¿Cuántos automóviles espera vender John un sábado normal?

automóviles Probabilidad x P(x) 2. ¿Cuál es la varianza de la distribución?
vendidos X P(x)
0 0.10 0
1 0.20 0.20
1. La media de la cantidad de automóviles vendidos se calcula al
2 0.30 0.60
multiplicar el número de automóviles que vendió por la
probabilidad de vender dicho número, y sumar los productos de
3 0.30 0.90
acuerdo con la fórmula: μ = ∑[x P(x)]
4 0.10 0.40
1.00 2.10
μ = ∑[x P(x)]
μ = 0 (0.10) + 1 ( 0.20) + 2 (0.30) + 3 (0.30 ) + 4 ( 0.10)
μ = 0 + 0.20 + 0.60 + 0.90 + 0,40
μ = 2.10
2. Una tabla resulta útil para sistematizar los cálculos de la varianza,
Número de
Probabilidad
automóviles x P(x) (x–μ) ( 𝒙 − μ )𝟐 ( 𝒙 − 𝝁 )𝟐 P(x)
P (x)
vendidos (x)
0 0.10 0 -2.1 4.42 0.442
1 0.20 0.20 -1.1 1.21 0.242
2 0.30 0.60 - 0.1 0.01 0.003
3 0.30 0.90 0.9 0.81 0.243
4 0.10 0.40 1.9 3.61 0.361
1.00 2.10 𝜎 2 = 1. 290

d = 𝜎2 Si una vendedora también vendió un promedio de 2.1 automóviles los

sábados y la desviación estándar de sus ventas fue de 1.91 automóviles,
d = 1.290 se concluiría que hay más variabilidad en las ventas sabatinas de la
d = 1.136 vendedora que en las de Ragsdale (pues 1.91 > 1.136).
 Ejercicios para práctica de aplicación (taller )

Una ferretería ofrece tres calidades de interruptores: baja, medina y alta, para instalaciones domésticas. Los interruptores
cuestan $0.80, $0.90 y $1.20, respectivamente. Treinta por ciento de los pedidos corresponde al baja; 50%, al medina , y 20%
alta. Organice las calidades de los interruptores y la probabilidad de venta en una distribución de probabilidad.
a) ¿Se trata de una distribución de probabilidad discreta? Indique por qué.
b) Calcule la suma promedio que se cobra por interruptor.
c) ¿Cuál es la varianza de la cantidad que se cobra por un interruptor? ¿Cuál es la desviación estándar?

x P(x) xP(x) x-u (x-u)2 (x-u)2 P(x)

 Ejercicios para práctica de aplicación (taller )

El director de admisiones de Kinzua University en Nueva Escocia estimó la distribución de admisiones de estudiantes para el
segundo semestre con base en la experiencia de años pasados.
¿Cuál es el número de admisiones esperado para el segundo semestre? Calcule la varianza y la desviación estándar del
número de admisiones.

Admisiones Probabilidad
1000 0.6
1200 0.3
1500 0.1
Croissant Bakery, Inc., ofrece pasteles con decorados especiales para cumpleaños, bodas y otras ocasiones. La pastelería
también tiene pasteles normales. La siguiente tabla incluye el número total de pasteles vendidos al día, así como la
probabilidad correspondiente. Calcule la media, la varianza y la desviación estándar del número de pasteles vendidos al
día.
Número de pasteles Probabilidad
vendidos en el día
12 0.25
13 0.40
14 0.25
15 0.10
 Ejercicio para práctica de aplicación (taller)

Una inversión producirá $1 000, $2 000 y $5 000 a fin de año. Las probabilidades de estos valores son
de 0.25, 0.60 y 0.15, respectivamente. Determine la media y la varianza del valor de la inversión.

La información que sigue representa el número de llamadas diarias al servicio de emergencia por el
servicio voluntario de ambulancias de Walterboro, Carolina del Sur, durante los últimos 50 días.
En otras palabras, hubo 22 días en los que se realizaron 2 llamadas de emergencia, y 9 días en los que
se realizaron 3 llamadas de emergencia.

Beneficio Número de frecuencia

de la P(X) llamadas
inversión 0 8
1 000 0.25 1 10
2 000 0.60 2 22
5 000 0.15 3 9
4 1
50
 CONTENIDOS

❑ Distribución
❖ Distribución de variables
de variables discretas:
discretas: distribución Bemol,
✓ Distribución
Binomial Bernoulli
y Poisson. Distribución de variables discretas:
✓ Distribución
distribución Binomial
Bemoulli, Binomial y
✓ Distribución de Poisson.

OBJETIVO: Describir y calcular las probabilidades de una

distribución de Bernoulli, Binomial y de Poisson.
 DISTRIBUCIÓN DE BERNOULLI
La distribución de Bernoulli de parámetro p es el modelo más simple de
probabilidad.
Se aplica a situaciones en las que un cierto atributo aparece con probabilidad p
(ÉXITO) y la ausencia de este mismo atributo como probabilidad q = 1 – p
(FRACASO)
En el lanzamiento de una moneda puede dar como resultado cara o sello
Todo experimento aleatorio que solo admita dos resultados posibles (uno
llamado por costumbre éxito y el otro fracaso) se llama ensayo de Bernoulli y
lleva obviamente a la distribución de BERNOULLI.
EJEMPLOS
✓ Un tratamiento médico puede ser efectivo o inefectivo
✓ La Media de producción o ventas del mes se pueden o no lograr
✓ En pruebas de selección múltiple, aunque hay cuatro o cinco alternativas, se pueden
clasificar como correcta o incorrecta
 SU FÓRMULA ES: P (X) = 𝑝 𝑥 1 − 𝑝 1 −𝑥
con x ( 0 , 1 )

FUNCION DE PROBABILIDAD

q → si ( x = 0)
f( X ) =
 p → si ( x = 1)
Un ejemplo típico de este tipo de variables aleatorias consiste en
lanzar una moneda al aire y considerar la variable aleatoria:

X = ( Número de caras obtenidas ) en cuyo caso X = 0 si q = 1/2 y

x = 1 si p = 1/2
 FUNCIÓN DE DENSIDAD

En un experimento de Bernoulli se denomina ÉXITO al suceso en estudio, p y

FRACASO a su contrario, q
A este suceso se le asocia la variable aleatoria, X , definida como el número de éxitos al
realizar el experimento. Es decir:
p 1
r
o
q → siP ( x = 0) = q = 1 − p b p
f( X ) = a
 p → siP ( x = 1) = p bi
1-p
li
d
a
d
0
0 1
Lanzamiento de un dado
 EJEMPLO
EXPERIMENTO: Lanzar un dado y que salga 5
X = # de veces que sale un 5
Al lanzar un dado tenemos 6 posibilidades
S = {1 , 2, 3, 4, 5, 6 }
Se considera ÉXITO sacar un 5 entonces p = 1 / 6
Se considera fracaso a no sacar 5 entonces q = 1 – p ; q = 1 – 1/6 ; q = 5/6

La probabilidad de que salga 5 viene definida en que x = 1 (ÉXITO)

𝑷 𝑿 = 𝒑𝒙 𝟏 − 𝒑 𝟏 −𝒙
𝟏 𝟏−𝟏
𝟏 𝟓 𝟏
𝑷 𝑿=𝟏 = = = 𝟎, 𝟏𝟔
𝟔 𝟔 𝟔
Y de que no sea 5, corresponde a X = 0 (FRACASO)
𝟎 𝟏−𝟎
𝟏 𝟓 𝟓
𝑷 𝑿=𝟎 = = = 𝟎, 𝟖𝟑
𝟔 𝟔 𝟔
 Ejemplo: "Lanzar una moneda, probabilidad de conseguir que salga
cara".
Se trata de un solo experimento, con dos resultados posibles: el éxito (p) se
considerará sacar cara. Valdrá 1/2. El fracaso (q) que saliera sello, que
vale (1 - p) = 1 – 1/2 = 1/2

La variable aleatoria X medirá "número de caras que salen en un lanzamiento“. Sólo

existirán dos resultados posibles: 0 (ninguna cara, es decir, salir sello) y 1 (una cara).

𝑷 𝑿 = 𝒑𝒙 𝟏 − 𝒑 𝟏 −𝒙

𝟏 𝟏−𝟏
𝟏 𝟏 𝟏
𝑷 𝑿 = 𝟏 = 𝒇(𝟏) = = = 𝟎, 𝟓
𝟐 𝟐 𝟐
𝟎 𝟏−𝟎
𝟏 𝟏 𝟏
𝑷 𝑿 = 𝟎 = 𝒇(𝟎) = = = 𝟎, 𝟓
𝟐 𝟐 𝟐
 Ejemplo> “Probabilidad que salga un as de corazones”

Cuando se saca una carta de una baraja inglesa se tienen 52

posibles resultados.
Se considera como éxito el sacar un as de corazones, y su
1
probabilidad es
52

1 51
𝑞 =1−𝑝 =1− = (Probabilidad de no sacar As de corazón rojo)
52 52

𝑷 𝑿 = 𝒑𝒙 𝟏 − 𝒑 𝟏 −𝒙

1 1−1
1 51 1
𝑃 𝑋=1 = = = 0,0192
52 52 52

1,92% de probabilidad.
PROPIEDADES DE UN EXPERIMENTO DE BERNOULLI
1. En cada prueba del experimento sólo hay dos posibles resultados:
Éxitos o Fracasos.
2. El resultado obtenido en cada prueba es independiente de los
resultados obtenidos en pruebas anteriores.
3. La probabilidad de un suceso (p) es constante y no varía de una prueba
a otra.
4. La probabilidad del complemento (1- p) es q .

Si se repite el experimento n veces se puede obtener datos para

armar una distribución binomial.
 Ejemplos de su uso:
• Lanzamiento de monedas:
 Ejercicios para práctica de aplicación (taller)

• Suponemos que somos muy fans de un corredor de una

competición ciclista en la que hay 10 posiciones en las cuales el
corredor solo puede obtener una de ellas en la carrera. Calcular
la función de distribución del corredor en esta carrera.

• Se sabe que una máquina produce un 3 % de piezas defectuosas.

Elegimos una pieza al azar para comprobar si no presenta defectos.
¿Cómo mo se distribuye la variable X que vale 1 si la pieza no es
defectuosa y 0 si es defectuosa?