Documentos de Académico
Documentos de Profesional
Documentos de Cultura
VARIABLE ALEATORIA
En efecto, una variable aleatoria asocia un valor numérico con cada resultado
experimental posible. El valor numérico particular de la variable aleatoria depende del
resultado del experimento. Ésta se clasifica como discreta o continua en función de los
valores numéricos que asume.
Página 1
Distribuciones de Probabilidad Variables Aleatorias Discretas
Aunque los resultados de muchos experimentos se describen de manera natural por medio
de valores numéricos, otros no pueden describirse así. Por ejemplo, en una encuesta se podría
preguntar a una persona si recuerda el mensaje de un comercial de televisión reciente. Este
experimento tendría dos resultados posibles: la persona no recuerda el mensaje y la persona
recuerda el mensaje. También es posible describir numéricamente estos resultados
experimentales mediante la definición de la variable aleatoria discreta x como sigue: sea x=0
si la persona no recuerda el mensaje y x = 1 si la persona recuerda el mensaje. Los valores
numéricos de esta variable son arbitrarios (se podría usar 5 y 10), pero son aceptables con
base en la definición de una variable, es decir, x es una variable aleatoria, ya que proporciona
una descripción numérica de los resultados del experimento.
La siguiente tabla muestra algunos ejemplos de variables aleatorias discretas. Tenga
en cuenta que en cada ejemplo la variable asume un número finito de valores o una secuencia
infinita de valores como 0, 1, 2, . . . Estos tipos de variables estudiaremos en este apunte.
Ejemplos de variables aleatorias discretas
Experimento Variable aleatoria (x) Valores posibles de la
Variable aleatoria
Llamar a cinco clientes Número de clientes que hacen 0, 1, 2, 3, 4, 5
un pedido
Inspeccionar un embarque de Número de radios defectuosos 0, 1, 2, . . . , 49, 50
50 radios
Encargarse de un restaurante Número de clientes 0, 1, 2, 3, . . .
por un día
Vender un automóvil Género del cliente 0 si es hombre, 1 si es
mujer
Página 2
Distribuciones de Probabilidad Variables Aleatorias Discretas
) ( )≥ , ∀
2) ∑ ( )=
Página 3
Distribuciones de Probabilidad Variables Aleatorias Discretas
0,45
0,4
0,35
P(x) = Probabilidad
0,3
0,25
0,2
0,15
0,1
0,05
0
0 1 2 3 4 5
x = número de automóviles vendidos por día
Página 4
Distribuciones de Probabilidad Variables Aleatorias Discretas
( )= , ∀
Donde n = número de valores que la variable aleatoria puede asumir.
Por ejemplo, suponga que para el experimento de lanzar un dado la variable aleatoria
x se define como el número de puntos en la cara que queda hacia arriba. Para este
experimento, n = 6 valores son posibles para la variable aleatoria; x = 1, 2, 3, 4, 5, 6. Por
tanto, la función de probabilidad para esta variable aleatoria uniforme discreta es,
( )= = , , , , ,
Página 5
Distribuciones de Probabilidad Variables Aleatorias Discretas
( )=∑ ( )
La fórmula anterior muestra que para calcular el valor esperado de una variable
aleatoria discreta se debe multiplicar cada valor de la variable por su probabilidad
correspondiente ( ), y después se suman los productos que resultan. Utilizando el ejemplo
de la venta de automóviles de DiCarlo Motors, en la tabla siguiente se muestra el cálculo del
valor esperado para el número de vehículos vendidos durante un día. La suma de las entradas
de la columna ∗ ( ) muestra que el valor esperado es 1.50 unidades por día. Por
consiguiente, aunque se sabe que en un día cualquiera las ventas pueden ser de 0, 1, 2, 3, 4
o 5 automóviles, DiCarlo anticipa que con el tiempo se venderá un promedio diario de 1.50.
Suponiendo que un mes tiene 30 días de operación, se usa el valor esperado de 1.50 para
pronosticar el promedio de ventas mensuales de 30(1.50) = 45 vehículos.
Varianza
Aun cuando el valor esperado proporciona el valor medio de la variable aleatoria, a
menudo necesitamos una medida de variabilidad o dispersión. Así como la varianza se usó
para resumir la variabilidad en los datos, ahora la varianza se usa para resumir la variabilidad
Página 6
Distribuciones de Probabilidad Variables Aleatorias Discretas
( )= ( − ( )) ( )
Página 7
Distribuciones de Probabilidad Variables Aleatorias Discretas
Si están presentes las propiedades 2, 3 y 4, se dice que los ensayos son generados por
un proceso de Bernoulli. Si, además, la propiedad 1 está presente, se dice que tenemos un
experimento binomial.
La siguiente figura representa una secuencia posible de éxitos y fracasos para un
experimento binomial que consta de ocho ensayos.
Secuencia posible de éxitos y fracasos para un experimento binomial de ocho ensayos
Página 8
Distribuciones de Probabilidad Variables Aleatorias Discretas
asumir los valores 0, 1, 2, 3..., n. Debido a que el número de valores es finito, x es una
variable aleatoria discreta. La distribución de probabilidad asociada con esta variable se
llama distribución de probabilidad binomial. Por ejemplo, considere el experimento de
lanzar una moneda cinco veces y en cada lanzamiento observe si la moneda cae con cara o
cruz en el lado superior. Suponga que queremos contar el número de caras que aparecen
durante los cinco lanzamientos.
¿Este ejemplo muestra las propiedades de un experimento binomial? ¿Cuál es la
variable aleatoria de interés? Observe que:
1. El experimento consta de cinco ensayos idénticos; cada uno consiste en el lanzamiento de
una moneda.
2. En cada ensayo hay dos resultados posibles: cara o cruz. Se puede designar cara como un
éxito y cruz como un fracaso.
3. La probabilidad de obtener cara y la probabilidad de obtener cruz son iguales para cada
ensayo, con p = 0.5 y 1 - p = 0.5.
4. Los ensayos o lanzamientos son independientes debido a que el resultado de cualquier
ensayo no se ve afectado por lo que ocurre con otros ensayos o lanzamientos.
Por tanto, las propiedades de un experimento binomial se satisfacen. La variable
aleatoria que interesa es x = número de caras que ocurren en cinco ensayos. En este caso, x
puede tomar los valores 0, 1, 2, 3, 4 o 5.
En otro ejemplo, considere a una vendedora de seguros que visita a 10 familias
seleccionadas al azar. El resultado asociado con cada visita se clasifica como un éxito si la
familia compra un seguro y un fracaso si no lo compra. A partir de su experiencia, la
vendedora sabe que la probabilidad de que una familia seleccionada al azar compre un seguro
es de 0.10. Al revisar las propiedades de un experimento binomial se observa que:
1. El experimento consta de 10 ensayos idénticos; cada uno consiste en visitar a una familia.
2. En cada ensayo hay dos resultados posibles: la familia compra el seguro (éxito) o no lo
compra (fracaso).
3. Se asume que las probabilidades de que haya una compra o no la haya son iguales para
cada visita, con p = 0.10 y 1 - p = 0.90.
4. Los ensayos son independientes, porque las familias se eligen al azar.
Como estos cuatro supuestos se cumplen, este ejemplo es un experimento binomial.
La variable aleatoria de interés es el número de ventas obtenidas al hacer contacto con las
Página 9
Distribuciones de Probabilidad Variables Aleatorias Discretas
( )= (1 − )( )
donde
= número de éxitos
= probabilidad de un éxito en un ensayo
= número de ensayos
( ) = probabilidad de éxitos en ensayos
!
=
! ( − )!
! = (1)(2) … ( − 2)( − 1)
0! = 1
Considere las decisiones de compra de tres clientes que entran en una tienda de ropa.
Con base en su experiencia, el gerente de la tienda estima que la probabilidad de que un
cliente cualquiera haga una compra es de 0.30. ¿Cuál es la probabilidad de que dos de los
tres clientes realicen una compra?
Al revisar los cuatro requerimientos para un experimento binomial, observamos que:
1. El experimento se describe como una secuencia de tres ensayos idénticos, uno para cada
uno de los tres clientes que entran en la tienda.
Página 10
Distribuciones de Probabilidad Variables Aleatorias Discretas
2. Para cada ensayo hay dos resultados posibles: el cliente efectúa una compra (éxito) o el
cliente no efectúa una compra (fracaso).
3. Se asume que la probabilidad de que el cliente realice una compra (0.30) o no la realice
(0.70) es la misma para todos los clientes.
4. La decisión de compra de cada sujeto es independiente de las decisiones que tomen los
otros clientes.
Por lo tanto, están presentes las propiedades de un experimento binomial, entonces, =2
éxitos en = 3 ensayos y = . . La probabilidad de que dos de los tres clientes realicen
( )=
( )= ( − )
Página 11
Distribuciones de Probabilidad Variables Aleatorias Discretas
( )=
!
Donde
( ) = probabilidad de x ocurrencias en un intervalo.
μ = valor esperado o número medio de ocurrencias en un intervalo.
e = 2.71828
Página 12
Distribuciones de Probabilidad Variables Aleatorias Discretas
( )=
!
La probabilidad de una llegada en un periodo de 3 minutos se calcula como sigue:
Página 13
Distribuciones de Probabilidad Variables Aleatorias Discretas
−
( )= −
Donde
= número de éxitos
= número de ensayos
( ) = probabilidad de x éxitos en n ensayos
= número de elementos en la población
= número de elementos en la población etiquetados como éxitos
Página 14
Distribuciones de Probabilidad Variables Aleatorias Discretas
Para ilustrar los cálculos que implica el uso de la formula, considere la siguiente
aplicación de control de calidad. Los fusibles eléctricos producidos por Ontario Electric se
empacan en cajas de 12 unidades cada una. Suponga que un inspector selecciona al azar tres
de los 12 fusibles de una caja para probarlos. Si ésta contiene exactamente cinco fusibles
averiados, ¿cuál es la probabilidad de que el inspector encuentre exactamente un fusible
defectuoso en los tres que seleccionó? En esta aplicación n = 3 y N = 12. Con r = 5 fusibles
defectuosos en la caja, la probabilidad de encontrar x = 1 fusible defectuoso es
5 12 − 5 5 7
( = 1) = 1 3 − 1 = 1 2 = 5 ∗ 21 = 0.4773
12 12 220
3 3
Ahora suponga que quiere conocer la probabilidad de encontrar por lo menos 1
fusible defectuoso. La manera más fácil de responder esta pregunta consiste en calcular
primero la probabilidad de que el inspector no encuentre un fusible en mal estado. La
probabilidad de x = 0 es
5 12 − 5 5 7
( = 0) = 0 3 − 0 = 0 3 = 1 ∗ 35 = 0.1591
12 12 220
3 3
( )= =
−
( )= = 1−
−1
En el ejemplo anterior, n = 3, r = 5 y N = 12. Por tanto, la media y la varianza para
el número de fusibles defectuosos son
5
( )= = =3 = 1,25
12
( )= = 1− =3 1− =0,60
Página 15