CAPITULO VI

VARIABLE ALEATORIA Y DISTRIBUCIONES DE PROBABILIDAD.

Definición.- Una variable aleatoria (v.a) X es cualquier función, que transforma cada
elemento del espacio muestral  , en un numero real.

X :
  X  

Al conjunto de posibles valores de X se le llama rango de X (Rx)

 Si Rx es finito o enumerable (rango discreto), entonces X es una v.a Discreta.
 Si Rx no es enumerable (rango continuo), entonces X es una v.a Continua.

Función de Probabilidad.- Si X es una v.a discreta, la función de probabilidad de X

viene dada por:

 
PX  x   P  X  x   P  / X    x , tal que  P ( x)  1
X
xRx

Función de densidad.- Si X es una v.a continua, la función de densidad de X es una

b 

aplicación f X :  0,  tal que P  a  X  b    f X ( x)dx ,tal que  f X ( x)dx  1

a 

Función de distribución.- La función de distribución de una v.a X esta dada por:

FX ( x)  P( X  x)  P(   / X ( )  x)

Propiedades.
 F es continua por la derecha y es creciente
 Si X es una v.a discreta , entonces P  a  X  b   F  b   F  a   P  X  a 

 Si X es una v.a continua , entonces P  a  X  b   F  b   F  a 

dF ( x)
 Si X es una v.a continua , entonces F ' ( x)   f ( x)
dx
 lim x FX ( x)  0 y lim x FX ( x)  1

Mtro. Gilbert Monzón Díaz 84

Definición.-
La esperanza o media de una variable aleatoria X, denotada por E ( X ) o  X se define

según sea la variable discreta o continua, mediante:

  x.P  X  x  , si X es discreta
 xRx
EX   
  x. f ( x)dx, si X es continua
 xRx
Propiedades.
 El valor esperado de una constante es dicha constante
 E  a  bX   a  bE  X 

Definición.- La varianza de una variable aleatoria X cuya media o esperanza es  X ,

se define como

V  X    X2  E  X   X   E  X  E  X    E  X   E 2  X 
2 2 2

Propiedades.
 La raíz cuadrada de la varianza se llama desviación estándar.

  X2  E  X    X2
2

 V  aX  b   a 2V ( X )

Desigualdad de Chebyshev.
Si X es una variable aleatoria, entonces para cualquier k   se cumple

P  X   X  k X   1 
1
k2

Ejercicio resuelto.

1. Sea X la variable aleatoria definida como la suma de los valores que aparecen al
lanzar dos dados.
a) Determine la distribución de probabilidad.
b) Calcule la probabilidad P(5<X<8)
c) La media y su varianza.

Mtro. Gilbert Monzón Díaz 85

 Solución.
a)
Resultados en
1 2 3 4 5 6
los dos dados
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12

X: Suma de los valores de los dos dados

Rx 2 3 4 5 6 7 8 9 10 11 12
P(X) 1/36 2/36 3/16 4/16 5/36 6/36 5/36 4/36 3/36 2/36 1/36

b) p(5  X  8)  p (6)  p(7)  5 / 36  6 / 36  11/ 36

c) Media
EX    x.P  X  x  , si X es discreta
xRx

 1   2  3  4  5   6   5   4  3  2  1 
E  X   2    3    4    5    6    7    8    9    10    11   12  
 36   36   36   36   36   36   36   36   36   36   36 
252
EX  
36
Varianza.

 X2  E  X   E 2  X 
2

1 2 3 4 5 6 5 4 3 2 1
E  X 2   22    32    42    52    62    7 2    82    92    102    112    122  
 36   36   36   36   36   36   36   36   36   36   36 

EX2 
1974
36
2
1974  252 
  EX  E X  
2
2
X
2
 
36  36 

Mtro. Gilbert Monzón Díaz 86

DISTRIBUCIONES IMPORTANTES.
Existen, como en el caso de la última variable ejemplificada, otras variables cuyas
funciones de probabilidad o densidad resultan ser modelos de mucha utilidad para una
serie de aplicaciones. Nosotros citaremos brevemente algunos de los modelos de
mayor importancia.

 DISTRIBUCIONES DISCRETAS.
Un experimento de Bernoulli, es un experimento aleatorio con solo dos posibles
resultados: Éxito y Fracaso. Sea p = P (Éxito).

 Distribución Binomial.
La distribución binomial aparece cuando se dan las condiciones siguientes:
-Tenemos un experimento aleatorio simple, con una situación dicotómica, es decir
Éxito y Fracaso.
- Repetimos este experimento simple n veces de manera independiente.

X = Número de Éxitos en n experimentos independientes de Bernoulli.

Función de Probabilidad:

C n p x 1  p n x , si x  0,1,2,...,n

PX  x    x
 0 , en otro caso.

Valor esperado:  X  np. Varianza:  X2  np 1  p .

Notación: X  B(n, p).

 Distribución de Pascal o Binomial Negativa. Notación: X  BN(r, p).

X = Número de ensayos (experimentos independientes de Bernoulli) hasta
conseguir el r-ésimo Éxito.
Función de Probabilidad:

C rx11 1  p xr p r , si x  r , r  1, r  2,...

PX  x   
 0 , en otro caso.
r r 1  p 
Valor esperado:  X  . Varianza:  X2  .
p p2

Mtro. Gilbert Monzón Díaz 87

 Nota: Si r = 1, X se dice que es una variable aleatoria con distribución
geométrica de parámetro p, y se le denota por X  G(p).

 Distribución Hipergeométrica. Notación: X  H(N, M, n).

Considérese una población de N elementos, M de los cuales son de un tipo A,
y supongamos se extraen sin reemplazo una muestra de n elementos de esta
población. Entonces:
X = Número de elementos de tipo A en la muestra.
Función de Probabilidad:
 C xM C nNxM
 , si x  0,1,2,...,n
PX  x    C nN

 0 , en otro caso.

M M  M  N  n 
Valor esperado:  X  n . Varianza:  X2  n 1   .
N N N  N  1 
Notas:

1. En PX se esta usando la convención que C ab  0, si a > b.

2. Si la elección de la muestra fuera con reemplazamiento, entonces X

 M
 B n, p  .
 N

 Distribución de Poisson.
La distribución de Poisson aparece en situaciones en las que se cuenta el
número de apariciones de un determinado suceso o bien en un intervalo de
tiempo dado (como el número de partículas emitidas en un segundo por un
material radioactivo, o el número de pacientes que llegan a un servicio en un
intervalo de tiempo dado) o bien en un recinto físico (como el número de fallos
en un metro de alambre de hierro producido.
X = Número de eventos en 0, t  .
Función de Probabilidad:

 x e 
 , si x  0,1,2,...
PX x    x!

 0 , en otro caso.

Mtro. Gilbert Monzón Díaz 88

 Valor esperado:  X  . Varianza:  X2   .

 DISTRIBUCIONES CONTINUAS.

 Distribución Uniforme. Notación: X  U a,b.

Esta distribución se da cuando la variable aleatoria X puede tomar
indistintamente cualquier valor en el intervalo a, b.
Función de densidad:

 1
 , si x  a, b
f X x    b  a
 0 , en otro caso.

Valor esperado:  X 
ab
. Varianza:  X 
2 b  a 2
.
2 12

 Distribución Normal. Notación: X  N(, 2).

Función de densidad:
1
 2  x  2

f X x  
1
e 2
2
Valor esperado:  X  . Varianza:  X2   2 .

Nota: Cuando  = 0 y 2 = 1, a X se le denota por Z y se le llama una variable

aleatoria con distribución normal estándar; vale decir, Z  N (0, 1). Toda v.a.
normal X  N (,2) puede convertirse con una v.a. normal estándar
(estandarizarse) a través de la transformación:
X 
Z


Mtro. Gilbert Monzón Díaz 89

 EJERCICIOS RESUELTOS

1.- Un auditor analiza 10 facturas, se sabe que por estudios anteriores que el 25% de
las facturas presentan algún tipo de error. Calcular la probabilidad de que:
a) Exactamente 4 facturas presenten error.
b) Ninguno de las facturas presente error.
c) Todos presenten error.
d) Por lo menos 8 presenten error.
e) A lo sumo 3 presenten error.
f) Calcular la Media y varianza

Solución
Consideremos los sucesos
A = La factura presenta error, P(A) = 0.25
A = La factura no presenta error, P ( A ) = 0.75
Se trata de una distribución Binomial de parámetros B (10, 0.25 )
Sea X la variable aleatoria que representa el número de facturas presenta error
a) P(Exactamente 4 facturas presenten errores) =
10 
PX  4   (0.25) 4 (0.75) 6  0.1460
4
10 
b ) P (Ninguno presenten errores) = PX  0   (0.25)0 (0.75)10  0.0563
0
10 
c) P(Todo presenten errores) = PX  10   (0.25)10 (0.75) 0  0
10 
d) P(Por lo menos 8 presenten error) =
PX  8  PX  8  PX  9  PX  10 

10  10 
  (0.25)8 (0.75) 2   (0.25)9 (0.75)  0  0.005
8 9
e) P( A lo sumo 3 presenten error ) = P
X  3  PX  0  PX  1  PX  2  PX  3 

10  10  10  10 

  (0.25)0 (0.75)10   (0.25)1 (0.75)9   (0.25) 2 (0.75)8   (0.25)3 (0.75)7  0.7759
0 1 2 3
f) Media y Varianza

Mtro. Gilbert Monzón Díaz 90

   np  10  (0.25)  2.5
 2  np(1  p)  10(0.25)(0.75)  1.875

2.- El treinta por ciento de los contadores utilizan software para realizar auditoria
financiera. Si se selecciona siete contadores, determinar la probabilidad de que.
a) Ninguno de los 7 utilizan software
b) Todos utilizan software
c) Al menos 2 utilizan software.
Solución
Consideremos los sucesos:
A = Utilizan software, P(A) = 0.3
A = No utilizan software, P ( A ) = 0.7
Por tanto se trata de una distribución Binomial de parámetros B (7, 0.3)
Sea X la variable aleatoria que representa el número de contadores que utilizan
software de contabilidad.
7
a) PX  0   (0.3)0 (0.7)7  0.0824
0
7
b) PX  7   (0.3)7 (0.7)0  0.0002
7
7 7
c) PX  2  1  PX  1  1  PX  0  PX  1  1   (0.3)0 (0.7)7   (0.3)1 (0.7)6  0.6705
0 1
3.- El peso medio de los trabajadores de una empresa es 60 kg y la desviación típica
es 6 kg. Suponiendo que los pesos están distribuidos normalmente.
a) Cual es la probabilidad de que un trabajador pese menos de 64k g?
b) Cual es la probabilidad de que un trabajador pese 57 kg o más?
c) Cual es la probabilidad de que un trabajador pese más de 63 Kg?
d) Cual es la probabilidad de que un trabajador pese entre 57 a 65 kg?
e) Cual es la probabilidad de que un trabajador pese menos de 50 Kg?
f) Cual es la probabilidad de que un trabajador pese entre 64 a 70 kg?
g) Si los trabajadores son 200, .Cuantos cabe esperar que pesen más de 57 kg y
menos de 64k g?
Solución.
X: Peso de los trabajadores.

Mtro. Gilbert Monzón Díaz 91

   60 (Media poblacional)
 6 (Desviación)
X  64   64  60
a) P( X  64)  P(  )  P( Z  )  P( Z  0.67)
  6

(0.67)

0 z=0.67
 0.5  (0.67)  0.5  0.24857=0.74857=74.857%

X  57   57  60
b) P( X  57)  P(  )  P( Z  )  P( Z  0.5)  (0.5)  0.5
  6

(0.5)

z= 0.5 0
 0.19146+0.5=0.69146=69.146%
X  63   63  60
c) P( X  63)  P(  )  P( Z  )  P( Z  0.5)  0.5   (0.5)
  6

(0.5)

0 z=0.5

 0.5  0.19146=0.30854=30.854%
57   X  65   57  60 65  60
d) P(57  X  65)  P(   )  P( Z )
   6 6

Mtro. Gilbert Monzón Díaz 92

 X 
 P(0.50   0.83)   (0.50)  (0.83)  0.19146+0.29373=0.48519=48.519%


(0.5) (0.83)

z= 0.50 0 z=0.83

X  50   50  60
e) P( X  50)  P(  )  P( Z  )  P( Z  0.167)
  6

(0.167)

z= 0.167 0
 0.5  (0.167)  0.5  0.0675=0.4325=43.25%
64   X  70   64  60 70  60
f) P(64  X  70)  P(   )  P( Z )
   6 6

X 
 P(0.67   1.67)  (1.67)  (0.67)  0.45254-0.24857=0.20397=20.397%


0 z=0.67 z=1.67
(0.67)
(1.67)

57   X  64   57  60 64  60
g) P(57  X  64)  P(   )  P( Z )
   6 6

X 
 P(0.5   0.67)  (0.5)  (0.67)  0.19146+0.24857=0.44003=44.003%


Mtro. Gilbert Monzón Díaz 93

Cabe esperar el 44.003% de los trabajadores, es decir 0.44003*200  88

EJERCICIOS PROPUESTOS
1.- La empresa de asuntos financieros Tax Service se especializa en las devoluciones
de importes de impuestos federales. Una reciente auditoría de las declaraciones
indicó que se cometió un error en el 10% de las que manifestó el año pasado.
Suponiendo que tal tasa continúe en este periodo anual y elabore 60 declaraciones.
¿Cuál es la probabilidad de que realice:
a) Más de 9 errores?
b) Por lo menos 9 errores?

2.- Los salarios de los trabajadores en cierta industria son en promedio $11,9 por hora
y la desviación estándar de $0,4. Si los salarios tienen una distribución normal.
¿Cuál es la probabilidad de que un trabajador seleccionado al azar:
a) Reciba salarios entre $10,9 y $11,9?
b) Reciba salarios inferiores a $11?
c) Reciba salarios superiores a $12,95?
d) ¿Cuál debe ser el salario menor que gana un trabajador que se encuentra entre
el 10% de los trabajadores que más ganan?
e) Si el dueño de la industria va a aumentarle el salario al 15% de los trabajadores
que menos ganan. ¿Cuál será el salario máximo que deberá ganar un trabajador
para ser beneficiado con el aumento?

3.- El volumen de acciones negociadas en la Bolsa es normal con una media de 646
millones de acciones y una desviación de 100 millones de acciones.
a) ¿Cuál es la probabilidad de que el volumen negociado sea menor de 400
millones?
b) ¿Cuál es la probabilidad de que el volumen negociado de acciones oscile entre
las 400 y las 600 acciones?
c) Si la Bolsa quiere emitir un boletín de prensa sobre el 5% de los días más activos
¿Qué volumen publicará la prensa?

Mtro. Gilbert Monzón Díaz 94

4.- Se toma una muestra de 12 trabajadores de una gran empresa para estudiar su
actitud frente a un cambio en el método de trabajo. Si el 60% de todos los trabajadores
de la empresa están a favor del cambio. ¿Cuál es la probabilidad de que menos de 5
de los miembros de la muestra estén a favor?

5.- La tasa real de desempleo es de 15%. Suponga que se seleccionan al azar 15

personas en posibilidad de trabajar.
a) ¿Cuál es la cantidad esperada de desempleados?
b) ¿Cuál es la varianza y la desviación estándar de los desempleados?
c) ¿Cuál es la probabilidad de que al menos 3 estén desempleados?
d) ¿Cuál es la probabilidad de que haya entre 3 y 5 desempleados?

6.- Se sabe que el 30% de los clientes de una tarjeta de crédito a nivel nacional dejan
en cero sus saldos para no incurrir en intereses morosos. En una muestra de 8
poseedores de esa tarjeta:
a) ¿Cuál es la probabilidad de que de 4 a 6 clientes paguen sus cuentas antes de
incurrir en el pago de intereses?
b) ¿Cuál es la probabilidad de que 3 clientes o menos paguen sus cuentas antes
de incurrir en pago de intereses?

7.- Sabiendo que la recaudación diaria de cierto comercio minorista se distribuye

normalmente con un monto promedio de $830 y un desvío estándar de $125:
a) ¿Cuál es la probabilidad de que mañana se recaude menos de $885?
b) ¿Cuál es la probabilidad de que mañana se recaude más de $600?
c) ¿En qué porcentaje de los días se recauda entre $700 y $800?
d) ¿En qué porcentaje de los días se recauda entre $900 y $1500?
e) ¿Cuál es el monto no superado en el 20% de los días?
f) ¿Cuál es el monto sólo superado en el 30% de los días?

8.-Las ventas mensuales de un producto tienen distribución normal. Se sabe que el

15% de los meses se venden menos de 1.500 unidades , mientras que el 7% de
los meses las ventas superan las 1800 unidades.
a) Definir la variable aleatoria e identificar sus parámetros.
b) ¿Cuál es la probabilidad de que las ventas mensuales sean de 1600 unidades?
Mtro. Gilbert Monzón Díaz 95
 c) ¿Cuál es la venta garantizada el 90% de los meses?

9.- La creciente recesión económica lleva a las empresas a modificar, entre otras
cosas, sus condiciones de pago. En cierta industria se determinó que en el último
año las cobranzas se realizaron a los 120 días fecha factura en promedio, con un
desvío típico de 20 días (sin considerar los incobrables y clientes en gestión judicial)
y que la variable “días de cobranza” se distribuye normalmente.
a) Si no varían las condiciones económicas ni comerciales para el año próximo
¿cree que es muy probable que en la industria estudiada lleguen a cobrar a más de
150 días?
b) ¿En cuántos días como máximo se espera cobrar el 85 % de las operaciones?
c) Si la última cobranza se efectivizó en un plazo inferior al promedio de días, ¿cuál
es la probabilidad de que la empresa haya cobrado después de los 100 días?

10.- El costo de un producto que se procesa en forma automática está formado por el
2
costo de los materiales del envase (0,07 m /unidad) y el costo del producto en sí
mismo (5 gramos/unidad), tomándose como unidad el envase de presentación.
Debido a ciertas fluctuaciones, dichos costos son variables aleatorias independientes
que pueden considerarse normalmente distribuidas:
2 2
- el costo de materiales (x) con media 180$/m y desvío estándar de 2$/m .
- el costo del producto (y) con media 20$/gramo, y desvío estándar de 1,5 $/gramo.
a) ¿Cuál es la probabilidad de que el costo del producto de una unidad supere los $
122?
b) ¿Cuál es la probabilidad de que el costo de un pack de 25 unidades supere los
2950$?

Mtro. Gilbert Monzón Díaz 96