UNIVERSIDAD DE PAMPLONA

DEPARTAMENTO DE MATEMÁTICAS
Asignatura: Estadística y probabilidad
Tema: Variables Aleatorias, esperanza o valor esperado. Distribuciones discretas
Docente: Carolina Vargas Contreras
Fecha: Segundo Corte Grupos:
AR,BR

Variables Aleatorias
Variable aleatoria (V.A):
 Cantidad que resulta de un experimento que por azar puede adoptar diferentes valores.
 Una variable aleatoria es una función que asocia un número real con cada elemento del
espacio muestral.

Ejemplos:
 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.

 El número de focos defectuosos producidos por hora en Cleveland Company,

 El número de corredores del maratón de Boston en la carrera de 2010.

 La cantidad diaria de conductores multados por conducir bajo la influencia del alcohol en
Texas.

Las (V.A) definidas sobre espacios muestrales discretos se llaman (V.A) discretas y las definidas
sobre espacios muestrales continuos se llaman (V.A) continuas.

Los conjuntos pueden ser:

Discretos: número finito o infinito numerable de elementos.

Continuos: número infinito no numerable de elementos.

Variable aleatoria discreta:
Variable aleatoria que adopta sólo valores claramente separados.

Ejemplos.
 Si hay 100 empleados, el recuento de la cantidad de ausentes el lunes sólo puede ser
0, 1, 2, 3, …, 100.
 El número de caras que se presentan en tres lanzamientos de una moneda.
 El número de estudiantes que obtienen E en clase.
1
  El número de empleados de producción que se ausentaron hoy en el segundo turno.
 El número de comerciales de 30 segundos que pasan en la NBC de las 8 a las 11 de la
noche.

Variable aleatoria continua:

Puede tomar uno de una cantidad grande de valores dentro de ciertas limitaciones.

Una (V.A) puede ser continua, aunque nosotros sólo podamos acceder a un subconjunto finito de
valores.

Ejemplos:

 La presión arterial es una v.a. continua pero sólo podemos acceder a un conjunto finito de
valores por la limitación de los aparatos de medida.
 La estatura de una persona
 Se puede suponer una infinidad de valores, con ciertas limitaciones.
Por ejemplo: 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, etc. En otras palabras, es
razonable que se presente cualquier valor entre 28 y 35. La variable aleatoria es la presión
de la llanta.
 La duración de cada canción en el último álbum de Linkin Park.
 El peso de cada estudiante de esta clase.
 La temperatura ambiente en un momento

El que va de mala fe, descubre los secretos; pero el de corazón

leal calla lo que el amigo le confía. Proverbios 11:13

Media, Varianza y Desviación Estándar de una Distribución de Probabilidad

Distribución de Probabilidad

 Listado de todos los resultados de un experimento y la probabilidad asociada con cada

resultado.

 Una distribución de probabilidad proporciona toda la gama de valores que se pueden

presentar en un experimento. Es similar a una distribución de frecuencias relativas, sin
embargo en vez de describir el pasado, describe la probabilidad de que un evento se
presente en el futuro.

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.

2
Media

 La media de una distribución de probabilidad también recibe el nombre de valor esperado

E( x ). Se trata de un promedio ponderado en el que los posibles valores de una variable
aleatoria se ponderan con sus correspondientes probabilidades de ocurrir.

La media de una distribución de probabilidad discreta se calcula con la fórmula:

μ=∑ [ x∗P( x) ] ó μ= E(x)=∑ [ x∗P(x) ]

P( x ) es la probabilidad de un valor particular x .

Varianza y desviación estándar de una distribución de probabilidad

La media constituye un valor típico para resumir una distribución de probabilidad discreta. Sin
embargo, no describe el grado de dispersión (variación) en una distribución.

La varianza sí lo hace. La fórmula de la varianza de una distribución de probabilidad es:

σ 2=∑ [ ( x−μ )2 P ( x ) ]

σ 2=∑ x 2∗P ( x ) −μ 2

La desviación estándar σ : se determina al extraer la raíz cuadrada positiva de σ 2.

La fórmula de la desviación estándar de una distribución de probabilidad es:

σ =√ σ 2

No cambies lo que más quieres en la vida

por lo que más quieres en el momento,
porque los momentos pasan y la vida sigue.

Ejemplo
La tabla presenta la probabilidad de que un sistema de computadores esté “por debajo” del
número indicado de períodos por día durante la etapa inicial de instalación del sistema.
Calcule:
a) El número esperado de veces por día que el computador esté inoperante.
b) La varianza y la desviación de esta distribución de probabilidad.

Número de períodos diarios de inoperancia de un nuevo sistema de computación.

Número de períodos x 4 5 6 7 8 9

Probabilidad P(x) 0,01 0,08 0,29 0,42 0,14 0,06

3
Solución
Realizo la tabla de distribución de probabilidades teniendo en cuenta el enunciado dado.

a) Media o valor esperado

μ= E(x)=∑ [ x∗P( x) ]
μ= E(x)=6,78
6,78 aproximo a 7
Se espera que el computador esté inoperante 7 veces al día.

b)
Varianza Desviación Estándar
σ 2=∑ x 2 P ( x ) −μ2 σ =√ σ 2
σ 2=47−( 6,78)2 σ =√ 1,03
σ 2=1,03 σ =1,01
La varianza de la distribución de probabilidad La desviación estándar de la distribución de
es 1,03 probabilidad es 1,01

Distribuciones discretas
Las distribuciones discretas que estudiaremos son:
Distribución Probabilística Binomial
Distribución Probabilística Hipergeométrica
Distribución Probabilística de Poisson

Distribución Probabilística Binomial

La distribución de probabilidad binomial es una distribución de probabilidad discreta que se
presenta con mucha frecuencia.

Características
1) Sólo hay dos posibles resultados en un determinado ensayo del experimento.
4
  Por ejemplo, el enunciado en una pregunta de cierto o falso puede ser o cierto o falso.
Los resultados son mutuamente excluyentes, lo cual significa que la respuesta a una
pregunta de cierto o falso no puede ser al mismo tiempo cierta o falsa.

Con frecuencia, se clasifican los dos posibles resultados como éxito y fracaso. Sin
embargo, esta clasificación no implica que un resultado sea bueno y el otro malo.

2) Otra característica de la distribución binomial es el hecho de que la variable aleatoria es el

resultado de conteos. Es decir, se cuenta el número de éxitos en el número total de
ensayos.

 Lance una moneda equilibrada cinco veces y cuente el número de veces que aparece
una cara.
 Seleccione 10 trabajadores y liste cuántos tienen más de 50 años.

3) Una tercera característica de una distribución binomial consiste en que la probabilidad de

éxito es la misma de un ensayo a otro.

Dos ejemplos son:

 La probabilidad de que adivine la primera pregunta de una prueba de verdadero o falso

(éxito) es de un medio. Esto constituye el primer ensayo. La probabilidad de que adivine la
segunda pregunta (segundo ensayo) también es de un medio; la probabilidad de éxito en el
tercer ensayo es un medio y así sucesivamente.

 Si la experiencia reveló que el puente giratorio sobre Intercoastal Waterway, en Socastee,

se elevó una de cada 20 veces que usted se aproximó a él, entonces la probabilidad es un
veinteavo (un éxito) de que se eleve la próxima ocasión que se acerque a él, es de un
veinteavo la siguiente vez y así consecutivamente.

4) La última característica de una distribución de probabilidad binomial consiste en que cada

ensayo es independiente de cualquier otro. Que sean independientes significa que no
existen patrones en los ensayos.

El resultado de un ensayo particular no influye en el resultado de otro ensayo. Dos

ejemplos de lo anterior son:

 Una joven familia tiene dos niños, ambos varones. La probabilidad de que el tercer hijo sea
un varón sigue siendo 0.50. Es decir, el género del tercer hijo es independiente de los otros
dos.

 Suponga que 20% de los pacientes atendidos en la sala de urgencias del Waccamaw
Hospital no tiene seguro médico. Si el segundo paciente atendido en el turno vespertino
hoy no tiene seguro, eso no afecta la probabilidad de que el tercero, el décimo o cualquiera
de los otros pacientes cuente o no con seguro.

Fórmula para calcular la Probabilidad Binomial

5
P ( x ) =❑n C x∗π x∗ (1−π )n−x
Donde
C es el símbolo de combinación .
n es el número de ensayos
x esla variable aleatoria definida como el número de éxitos
π es la probabilidad de éxito en cada ensayo
Empleamos la letra griega π ( pi) para representar un parámetro de población binomial. No
confundir con la constante matemática 3,1416.

Media y varanza de una distribución binomial

 Media de una distribución binomial μ=nπ
 Varianza de una distribución binomial σ 2=nπ (1−π )

Ejemplo
1) US Airways tiene cinco vuelos diarios de Pittsburgh al Aeropuerto Regional de Bradford,
Pennsylvania. Suponga que la probabilidad de que cualquier vuelo llegue tarde sea de
0.20.
a) ¿Cuál es la probabilidad de que ninguno de los vuelos llegue tarde hoy?
b) ¿Cuál es la probabilidad de que exactamente uno de los vuelos llegue tarde hoy?
c) Calcule la media y la varianza.

Solución
Identifico los datos, el valor de la x sale de la pregunta, reemplazamos los datos en la
fórmula para obtener el resultado y luego concluimos.
a) ¿Cuál es la probabilidad de que ninguno de los vuelos llegue tarde hoy?
π=0,20
n=5
x=0
P ( x ) =❑n C x∗π x∗ (1−π )n−x
P ( x=0 )=❑5 C 0∗0,20 0∗( 1−0,20 )5−0=0,3277

La probabilidad de que ninguno de los vuelos llegue tarde hoy es de 0,3277 ó 32.77%

b) ¿Cuál es la probabilidad de que exactamente uno de los vuelos llegue tarde hoy?
π=0,20
n=5
x=1
P ( x ) =❑n C x∗π x∗ (1−π )n−x
P ( x=1 )=❑5 C1∗0,201∗( 1−0,20 )5−1=0,4096

La probabilidad de que exactamente uno de los vuelos llegue tarde hoy es de

0,4096 ó 40.96%
c) Calcule la media y la varianza
π=0,20
n=5
Media μ=nπ
μ=5∗( 0,20 )=1
La media es 1.

6
Varianza σ 2=nπ (1−π )
σ 2=1∗(1−0,20)
σ 2=¿0,80
La varianza es 0,80.
Lo podemos comprobar por la tabla de distribución de probabilidades

Media μ=0,9999 1
Varianza σ 2=∑ x 2 P ( x ) −μ2
σ 2=1,7995−(0,9999)2
σ 2=0,7997 0,8

Distribución Probabilística Hipergeométrica

La distribución hipergeométrica es especialmente útil en todos aquellos casos en los que se

extraigan muestras o se realizan experiencias repetidas sin devolución del elemento extraído o
sin retornar a la situación experimental inicial.

Modeliza , de hecho, situaciones en las que se repite un número determinado de veces una
prueba dicotómica de manera que con cada sucesivo resultado se ve alterada la probabilidad de
obtener en la siguiente prueba uno u otro resultado.

Es una distribución .fundamental en el estudio de muestras pequeñas de poblaciones .pequeñas

y en el cálculo de probabilidades de, juegos de azar y tiene grandes aplicaciones en el control de
calidad en otros procesos experimentales en los que no es posible retornar a la situación de
partida.

Recuerde que uno de los criterios relacionados con la distribución binomial estriba en que la
probabilidad de éxito debe permanecer igual en todas las pruebas.

Como la probabilidad de éxito no es la misma en todas las pruebas cuando se realiza un

muestreo sin reemplazos en una población relativamente pequeña, no debe aplicarse la
distribución binomial.

En lugar de esta se aplica la distribución hipergeométrica. Por tanto,

1) Si se selecciona una muestra de una población finita sin reemplazos y

7
2) Si el tamaño de la muestra n es mayor que 5% del tamaño de la población, se aplica la
distribución hipergeométrica para determinar la probabilidad de un numero especifico de éxitos o
fracasos. Esto resulta especialmente apropiado cuando el tamaño de la población es pequeño.

La fórmula de la distribución de probabilidad hipergeométrica es la siguiente:

( C sx )( C Nn−x−S )
P ( x) =
C Nn

Nrepresenta el tamaño de la población.

S es el número de éxitos en la población.

X es el número de éxitos en la muestra; este puede asumir los valores 0, 1, 2, 3…

n es el tamaño de la muestra o el número de pruebas.

C es el símbolo de combinación.

En resumen, una distribución de probabilidad hipergeométrica tiene las siguientes

características:

1. Los resultados de cada prueba de un experimento se clasifican en dos categorías exclusivas:

éxito o fracaso.

2. La variable aleatoria es el número de éxitos de un número fijo de pruebas.

3. Las pruebas no son independientes.

n
4. Los muestreos se realizan con una población finita sin reemplazos y >0,05 .Por tanto, la
N
probabilidad de éxito cambia en cada prueba.

Ejemplo

Play Time Toys, Inc., tiene 50 empleados en el Departamento de ensamble. Cuarenta empleados
pertenecen a un sindicato, y diez, no. Se eligen al azar cinco empleados para formar un comité
que hablará con la empresa sobre los horarios de inicio de los turnos. ¿Cuál es la probabilidad de
que cuatro de los cinco empleados elegidos para formar parte del comité pertenezcan a un
sindicato?
8
Identifico los datos, reemplazo en la fórmula, obtengo el resultado y concluyo.

N=50

S=40

n=5

x=4

( C sx )( C Nn−x−S )
P ( x) =
C Nn

C 40 50−40
4 ∗C 5 −4
P ( x=4 )= 50
C5

40 C 4∗(10 C 1)
P ( x=4 )=
50C 5

P ( x=4 )=0,4313

La probabilidad de que cuatro de los cinco empleados elegidos para formar parte del
comité pertenezcan a un sindicato es de 0,4313 o 43,13 %

Actividad
1) 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.

Número de llamadas 0 1 2 3 4
Frecuencia 8 10 22 9 1

a) Convierta esta información sobre el número de llamadas en una distribución de

probabilidad.
9
 b) ¿Es un ejemplo de distribución de probabilidad discreta o continua?
c) ¿Cuál es la media de la cantidad de llamadas de emergencia al día?
d) ¿Cuál es la desviación estándar de la cantidad de llamadas diarias?

2) .. La vida máxima de la patente para un nuevo fármaco es 17 años. Si se resta el tiempo

que requiere la FDA por probar y aprobar el fármaco se obtiene la vida real de la patente
del fármaco, es decir, el tiempo que una compañía tiene para recuperar los costos de la
investigación y conseguir una utilidad.

Suponga que la distribución del tiempo de vida de la patente para los nuevos fármacos es
como lo que se muestra enseguida:

Años X 3 4 5 6 7 8 9 10 11 12 13
P(X ) 0.03 0.05 0.07 0.10 0.14 0.20 0.18 0.12 0.07 0.03 0.01

a..
Encuentre el número esperado de años de vida de la patente para un nuevo fármaco.
b. Determine la varianza y la desviación estándar de esta distribución de probabilidad
c. Calcule la probabilidad de que x se encuentre en un intervalo μ ±2 σ

3) Existe un 90 por ciento de probabilidad de que un tipo determinado de componente se

comporte adecuadamente bajo condiciones de alta temperatura. Si el dispositivo en
cuestión tiene cuatro de tales componentes, determine la probabilidad de cada uno de los
siguientes eventos por medio de la fórmula para probabilidades binomiales.

a) Todos los componentes se comportan adecuadamente y por lo tanto el dispositivo es

operacional.
b) El dispositivo no es operacional porque falla uno de los cuatro componentes.
c) El dispositivo no es operacional porque falla uno o más de los componentes.

4) Se conjetura que hay impurezas en 30% del total de pozos de agua potable de cierta
comunidad rural. Para obtener algún conocimiento del problema , se determina que
debería realizarse algún tipo de prueba. Es muy costoso probar todos los pozos del área,
por lo que se eligieron 10 aleatoriamente para una prueba,

a) Utilizando la distribución binomial, ¿cuál es la probabilidad de que exactamente tres

pozos tengan impurezas considerando que la conjetura es correcta?
b) Cuál es la probabilidad de que más de tres pozos tengan impurezas?

5) Keith’s Florists tiene 15 camiones de entrega, que emplea sobre todo para entregar flores y
arreglos florales en la zona de Greenville, Carolina del Sur. De estos 15 camiones, 6
presentan problemas con los frenos. En forma aleatoria se seleccionó una muestra de 5
camiones. ¿Cuál es la probabilidad de que 2 de los camiones probados presenten frenos
defectuosos?

6) De 20 estudiantes de una clase, 15 no están satisfechos con el texto utilizado. Si se

pregunta por el texto a una muestra aleatoria de cuatro estudiantes, determine la
probabilidad de que:

a) Exactamente tres no estén satisfechos con el texto.

10
b) Por lo menos tres no estén satisfechos con el texto.

11