Variable aleatoria

Sea Ω un espacio muestral. Una variable aleatoria es una función X que transforma cada
resultado w del espacio muestral en un número real X (w) .

El rango de la variable aleatoria X es el conjunto RX de todos sus posibles valores.

Ejemplo 1
Al lanzar dos monedas para registrar los posibles resultados se obtiene el espacio muestral
siguiente:

 = {cc, cs, sc, ss}

Si definimos la variable aleatoria X como número de caras que se obtiene, entonces a cada
resultado de , es posible asignarle un número real de la siguiente manera:

 cc, se le asigna el número real 2

 cs, se le asigna el número real 1
 sc, se le asigna el número real 1
 ss, se le asigna el número real 0

Clasificación de variables aleatorias

Una variable es discreta si su rango es un conjunto finito o infinito numerable.

Por ejemplo: número de circuitos electrónicos producidos por una empresa que cumplen con
las especificaciones técnicas, número de llamadas que recibe una central telefónica.

Una variable es continua si su rango es un conjunto infinito no numerable.

Por ejemplo: resistencia a la ruptura de un material plástico (onzas por pulgada cuadrada),
resistencia transversal de los ladrillos fabricados por una empresa (MN/m 2).
Variable aleatoria discreta

Sea X una variable aleatoria discreta. La función de probabilidad de una variable aleatoria
discreta representa la probabilidad de que la variable aleatoria tome un valor genérico igual a
x y se denotará de la siguiente manera:

f (x)=P ( X=x )

La función de probabilidad de X debe cumplir las siguientes condiciones:

f (x) ≥ 0

∑ f ( x)=1
Rango X

Ejemplo 1
El ingeniero de producción de la empresa Tecnotronics S.A. ha determinado que la distribución
de probabilidades del número de artículos defectuosos por lote es la siguiente:

Número de artículos defectuosos 0 1 2 3 4

f(x) = P(X = x) 0,25 a 0,10 0,25 0,25

a. Calcule el valor de la constante a para que la distribución sea de probabilidad.

b. Calcule la probabilidad de encontrar menos de dos artículos defectuosos por lote.
c. Si el lote tiene dos o más artículos defectuosos, es considerado malo; calcule la
probabilidad que el lote sea malo.
d. Si el número de artículos defectuosos por lote es al menos uno, calcule la probabilidad de
que el número de artículos defectuosos sea menor a tres.

Solución

a. Calcule el valor de la constante a para que la distribución sea de probabilidad.

Solución

Para hallar el valor de la constante usaremos la siguiente condición:

∑ f ( x)=1
Rango X

f ( 0 )+ f ( 1 ) +f ( 2 ) + f ( 3 )+ f ( 4 )=1

0,25+ a+0,10+0,25+0,25=1

Despejando se tiene que a = 0,15

b. Calcule la probabilidad de encontrar menos de dos artículos defectuosos por lote.

 Solución

La probabilidad pedida es:

P( X < 2)=P (X=0)+ P( X=1)=0,25+ 0,15=0,40

c. Si el lote tiene dos o más artículos defectuosos, es considerado malo; calcule la

probabilidad que el lote sea malo.

Solución

Sea el evento A :=¿ el lote sea malo

El lote será malo si tiene dos o más artículos defectuosos, por lo tanto, la probabilidad
pedida es:

P( A)=P( X ≥2)=1 – P( X <2)=1 – 0,40=0,60

d. Si se sabe que el número de artículos defectuosos por lote es al menos uno, calcule la
probabilidad de que el número de artículos defectuosos sea menor a tres.

Solución

La probabilidad pedida es:

P ( X <3/ X ≥ 1 )

P ( X < 3∩ X ≥1 )
¿
P( X ≥ 1)

P ( X =1 ) + P ( X=2 )
¿
1−P ( X=0 )

f ( 1 ) +f ( 2 )
¿
1−f ( 0 )

0,15+0,10
¿ =0,3333
1−0,25
Esperado de una variable aleatoria discreta

Sea X una variable aleatoria discreta con función de probabilidad f(x). Entonces el valor
esperado o media de X es:

μ= E ( X )= ∑ x f (x)
Rango X

Varianza de una variable aleatoria

Sea X una variable discreta con función de probabilidad f(x). Entonces, la varianza de X es:

σ 2=V ( X )=E ( ( X−μ )2 )

La fórmula abreviada para el cálculo de la varianza es:

V ( X)=E(X 2 )– [ E( X)] 2

donde:
E ( X 2) = ∑ x 2 f (x )
Rango X

Desviación estándar de una variable aleatoria

La desviación estándar de X es la raíz cuadrada positiva de la varianza de X .

σ =√ σ 2

Ejemplo 1

El número de fallas de energía eléctrica que afectan a cierta región en cualquier año dado se
considera una variable aleatoria que tiene la siguiente función de probabilidad:

x 0 1 2 3
P(X = x) 0,38 0,24 k 0,08

a. Calcule e interprete el valor esperado de X .

b. Calcule la desviación estándar y el coeficiente de variación de X.
Solución

a. Calcule e interprete el valor esperado de X .

Solución
En primer lugar, hallaremos el valor de k para que la distribución sea función de
probabilidad:

0,38+0,24 +k + 0,08=1

Despejando, el valor de k =0,3.

El valor esperado de X se calcula con la siguiente fórmula:

μ= E ( X )= ∑ x f (x)
Rango X

Reemplazando:

μ= E ( X )=0 × f ( 0 ) +1 × f ( 1 ) +2 × f ( 2 )+3 × f (3)

¿ 0 ×0,38+ 1× 0,24+2 ×0,3+3 × 0,08=1,08

Interpretación
Si el experimento se repitiera muchas veces, en promedio el número de fallas de energía
eléctrica que afectan a cierta región en cualquier año dado sería de 1,08.

b. Calcule la desviación estándar y el coeficiente de variación de X.

Solución
Primero, calculamos la varianza y usaremos la fórmula:

V ( X)=E(X 2 )– [ E( X)] 2

Donde:

E( X 2)=02 × 0,38+12 × 0,24+ 22 × 0,3+ 32 × 0,08=2,16

Reemplazando:

V ( X )=2,16−1,082=0,9936
Finalmente,

la desviación estándar de X es:

σ =DS ( X )= √V ( X )=0.9968

el coeficiente de variación de X es:

DS ( X ) 0.9968
CV ( X )= = =92.296 %
E(X) 1.08
Distribuciones discretas especiales

Distribución binomial

El experimento consiste en n pruebas idénticas de Bernoulli. Cada prueba tiene únicamente

dos resultados: éxito o fracaso. P(éxito)=p y P( fracaso)=1− p se mantiene constante a lo
largo de todas las pruebas.

Las pruebas son independientes.

La probabilidad del evento considerado como éxito es constante en cada prueba y se denota
por p.

La variable aleatoria binomial se define como:

X :=¿ número de éxitos que ocurren en los n ensayos o pruebas

La función de probabilidad de X es:

f ( x )=P ( X =x )=C nx p x ( 1−p )n−x , x=0,1, 2 , ..., n

donde:

n :=¿ número de ensayos o pruebas

p :=¿ probabilidad de éxito en cada ensayo
1 – p :=¿ probabilidad de fracaso

Notación
Si la variable aleatoria X sigue una distribución binomial con parámetros n y p se denota
X B(n , p) .

Media
¿ E ( X ) =np

Varianza
❑2=V ( X )=np(1− p)

Para el cálculo de probabilidades de una distribución binomial en Excel se usa la función:

=DISTR.BINOM.N( x ; n = número de repeticiones; p = probabilidad de éxito; acumulado = 1).
Ejemplo 1

La probabilidad de que el comprador de un osciloscopio no haga uso del servicio dentro del
plazo de garantía es 0,20. Para los cinco osciloscopios que cierta empresa ha vendido
independientemente a cinco compradores este mes.
X: nro de compradores que hacen uso de la garantía
P: probabilidad o porcentaje de compradores que hacen uso d la garantía
n=5
p=0.8
1-p=0.2

X-------B(5;0.2)

a. ¿Cuál es la probabilidad de que exactamente tres compradores hagan uso de la garantía?

P(X=3)
b. ¿Cuál es la probabilidad que máximo un comprador haga uso de la garantía?===P(X<=1)
c. ¿Cuál es la probabilidad de que tres o más compradores hagan uso de la
garantía?:::P(X>=3)

Solución

X :=¿ número de compradores de osciloscopios que hagan uso de la garantía

X B(n=5 , p=0,20)

El rango de X es 0, 1, 2, …, 5

La función de probabilidad f ( x ) es:

f (x)=P (X=x )=C 5x 0,20 x (1−0,20)5−x , x=0 ,1 , 2 ,... , 5

a. ¿Cuál es la probabilidad de que exactamente tres compradores hagan uso de la garantía?

Solución

La probabilidad pedida es:

P ( X=3 )=f (3)=C 53 0,203 ( 1−0,20 )2=0,0512

=+DISTR.BINOM.N(X;n;p;FALSO)

b. ¿Cuál es la probabilidad que máximo un comprador haga uso de la garantía?

Solución

La probabilidad pedida es:

P ( X ≤1 ) =P ( X =0 ) + P ( X =1 )=f ( 0 )+ f (1)
P ( X ≤1 ) =C50 0,200 ( 1−0,20 )5 +C 51 0,20 1 ( 1−0,20 )4=0,73728
=+DISTR.BINOM.N(X;n;p;VERDADERO)

c. ¿Cuál es la probabilidad de que tres o más compradores hagan uso de la garantía?

Solución

La probabilidad pedida es:

P ( X ≥3 )=1−P ( X <3 )

¿ 1−[P ( X =0 ) + P ( X =1 )+ P ( X =2 ) ]

¿ 1−[ C 50 0,200 ( 1−0,20 )5 +C 51 0,21 ( 1−0,2 )4 + C52 0,22 ( 1−0,2 )3 ]

P ( X ≥3 )=1−0,94208=0,05792

=1-+DISTR.BINOM.N(X-1;n;p;VERDADERO)

Distribución Poisson

El experimento consiste en realizar el conteo del número X de veces que ocurre un evento en
particular durante una unidad de tiempo, área, volumen, peso, distancia o cualquier otra
unidad de medida dada.

La probabilidad de que un evento ocurra en una unidad dada de tiempo, área, etc.; es la
misma para todas las unidades.

El número de eventos que ocurren en una unidad de tiempo, área, volumen es independiente
del número de los que ocurren en otras unidades.

La variable aleatoria Poisson se define como:

X :=¿ número de veces que ocurre un evento durante un intervalo definido

La función de probabilidad f ( x )de X es:

e−μ μx
f x =P X =x =
( ) ( ) x=0 , 1 , 2, 3 , …
x!

donde:

e :=¿ base del sistema de logaritmos neperianos

:=¿ razón promedio de ocurrencia
t :=¿ periodo de evaluación

Notación
La variable aleatoria X sigue una distribución Poisson con parámetro μ y se denota por
X P(μ), donde μ=t

Media
μ= E ( X )=λt

Varianza
σ 2=V ( X )=λt

Para el cálculo de probabilidades de una distribución Poisson en Excel se usa la función:

=POISSON.DIST(x; media = lambda; acumulado = 0).
Ejemplo 3
En la inspección del pavimento y asfalto de una carretera recién construida se ha detectado
que hay, en promedio 1,25 baches o fisuras cada cuatro kilómetros. Asumiendo una
distribución de Poisson, determine:

a. La probabilidad de que en el siguiente kilómetro se encuentre dos baches o fisuras.

Solución

Sea X :=¿ número de baches o fisuras cada kilómetro

Calculemos la media μ=t .

¿ 1,25 baches /cada 4 km

t=1 km

Por lo tanto,
1,25 baches
μ=t= ×1 km=0,3125
4 km

X P( μ=0,3125)

La función de distribución de la variable Poisson es:

e−0,3125 0,3125 x
f ( x )=P ( X =x )= x=0 ,1 , 2, 3 , …
x!

La probabilidad pedida es:

e−0,3125 0,3125 2
f ( 2 ) =P ( X=2 )= =0,03572
2!

b. La probabilidad de que en los siguientes dos kilómetros se encuentre a lo más tres baches
o fisuras.

1,25 baches
μ=t= ×2 km=0 ,625
4 km

P ( X≤3 )=0 , 9961