UNIVERSIDAD AUTÓNOMA DE CAMPECHE

FACULTAD DE INGENIERÍA

TRABAJO:
INVESTIGACIÓN DISTRIBUCIONES

PRESENTA:
EDUARDO DANIEL UC UICAB

DOCENTE:
ISABEL AVILA ORTEGA

UNIDAD DE APRENDIZAJE:
PROBABILIDAD Y ESTADÍSTICA

CAMPUS V

San francisco de Campeche, Cam a 24 de febrero del 2022

Contenido
VARIABLES ALEATORIAS.............................................3
Variable aleatoria discreta.................................................3
EJEMPLOS 1....................................................................3
EJEMPLO 2.......................................................................4
Función generadora de momentos.............................5
Media...............................................................................5
Moda................................................................................5
Varianza..........................................................................6
Variable aleatoria Continua.............................................6
EJEMPLO 1......................................................................7
EJEMPLO 2......................................................................7
FUNCIÓN ENERADA POR MOMENTOS.............................8
Media...............................................................................8
Moda................................................................................8
Varianza..........................................................................8
Conclusión...........................................................................9
Bibliografía...........................................................................9

Probabilidad y Estadística; PERIODO 21-2

VARIABLES ALEATORIAS

Supóngase que a cada punto de un espacio muestral asignamos un número. Así

definimos una función en el espacio muestral. Esa función se llama variable
aleatoria (o estocástica) o más precisamente función aleatoria (función
estocástica). Comúnmente se denota por una letra mayúscula como X o Y. En
general una variable aleatoria tiene algún significado físico, geométrico u otro.
Una variable aleatoria que toma un número finito o infinito contable de valores se
denomina variable aleatoria discreta mientras que una que toma un número
infinito no contable de valores se llama variable aleatoria no discreta o
continua.

Variable aleatoria discreta

Cómo sabemos, una variable aleatoria es una función matemática. Como toda
función matemática, para que se arroje resultados debemos tener números sobre
los que calcularla. Para saber si una función de distribución es discreta debemos
prestar atención al tipo de números están definidos sobre la distribución. En esta
definición técnica, hemos indicado que la variable aleatoria se considera discreta
si la función de distribución asociada a ella es también discreta. Hasta el
momento, esta lo podemos contemplar como un concepto de manera intuitiva. Sin
embargo, se hace necesario explicar el concepto de forma matemáticamente
precisa. La función de distribución de una variable aleatoria discreta se define
como:
F ( x)=P [ X ≤ x ]
Es decir, dada una variable aleatoria que llamamos X, su función de distribución
se define como la fórmula anterior, La cual indica la probabilidad de que un valor
determinado sea menor o igual que X.

Probabilidad y Estadística; PERIODO 21-2

 EJEMPLOS 1.
Se venden 500 billetes para una rifa a 1 euro cada uno. SI el único
premio del sorteo es de 1800 euros, calcular el resultado que debe esperar una
persona que compra 3 billetes
Resolución.
Consideremos la variable aleatoria discreta
ξ = ‘cantidad de dinero obtenido en el juego’
los posibles valores de ξ son dos:
 Si se gana la rifa, se obtiene un beneficio de 1800-3= 1777 euros.
Por la Ley de Laplace, la probabilidad de que ocurra este hecho es
3
de .
5000
 Si no se gana la rifa, resulta una pérdida de 3 euros. Nuevamente
4997
por la Ley de Laplace, la probabilidad de que ocurra es de .
5000
Por lo tanto, la distribución de probabilidad para la variable aleatoria ξ será:

ξ = xi 1777 -3
P(ξ = x i) 3 4997
5000 5000

El resultado que debe esperar una persona que compra 3 billetes es:
1777∗3 −9660 48 3
EE [ ξ ]= = = =−1.932,
5000 5000 250
Lo que interpretamos como que en promedio, cabe esperar una pérdida de
1.93 euros.

EJEMPLO 2.

Una variable aleatoria discreta toma todos los valores enteros entre o y 4 con la
siguiente función de densidad.

Probabilidad y Estadística; PERIODO 21-2

 X 0 1 2 3 4
F(x) 0.3 0.25 0.25 0.1 0.1

Calcular su esperanza y varianza.

Resolución
La esperanza matemática de la variable X viene dada por:
4
i=
0 4
E[X ] = ∑ x i· f ( x i) = (0 · 0.3)+ (1 · 0.25)+ (2 · 0.25)+ (3 · 0.1)+ (4 ·
i=0
0.1) = 1.45.
La varianza viene dada por Var [ X ] =E [ X 2 ]−(E [ X ] ) . Calculamos la
2

esperanza de la variable X 2 .

❑ 4

E [ X ] = ∑ x i · f (x i )= ∑ x i · f ( x i)= (02 · 0.3)+ (12 · 0.25)+ (22 · 0.25)+ (32

2 2 2 2

i=0 i=0

· 0.1)+ (42 · 0.1) = 3.75.

Por tanto,

Probabilidad y Estadística; PERIODO 21-2

 Var [ X ] =3.75−¿ 1.452=1.6475

Función generadora de momentos.

Media.

Cuando trabajamos con una variable aleatoria discreta, la media o

valor esperado se calcula mediante la siguiente fórmula:

❑
μ= E ( X )=x 1∗f ( x1 ) + x 2∗f ( x 2 ) +…+ x n∗f ( x n )=∑ x∗f (x )
❑

Como verás, la medida μ de una variable discreta X se encuentra al

multiplicar cada posible valor de X por su propia probabilidad y
luego sumar todos los productos. El valor esperado o media no
tiene que ser un valor que la variable aleatoria pueda asumir.

Moda.

La moda es el valor de la variable que tenga mayor frecuencia

absoluta, la que más se repite, es la única medida de centralización
que tiene sentido estudiar en una variable cualitativa, pues no
precisa la realización de ningún cálculo. Por su propia definición, la
moda no es única, pues puede haber dos o más valores de la
variable que tenga la misma frecuencia siendo esta máxima. En
cuyo caso tendremos una distribución bimodal o polimodal
según .el caso
La expresión de la moda, la podemos definir como:

Probabilidad y Estadística; PERIODO 21-2

 ni +1
Mo=Li−1+ ∗a
n i+1 ni−1 1

Varianza.
La varianza, σ 2 o V(X), es un promedio ponderado de las
desviaciones al cuadrado de una variable aleatoria de su media.
Los pesos son las probabilidades. La varianza σ 2 o V(X) se calcula
con la siguiente fórmula:

σ = V(X) = ∑ (x−μ) ∗f ( x)
2 2

Pero es más fácil y rápido usar esta Fórmula, equivalente a la

anterior:
σ = V(X) = [ ∑ x ∗f (x ) ]−μ
2 2 2

Debemos recordar que la varianza es una medida de variabilidad o

dispersión.

Variable aleatoria Continua

Técnicamente , la variable aleatoria es continua, siempre y cuando

la función de distribución que se encuentra asociada a ella sea
continua. La característica que hace que sea continua es,
precisamente, que, dentro del intervalo de resultados, esta puede
tomar cualquier valor.
La función de distribución de una variable aleatoria continua, la
distribución de probabilidad es la integral de la función de densidad:

F ( x)=P [ X ≤ x ] , ∀ x ∈ R
Es decir, dada una variable aleatoria que llamaos X, su función de
distribución se define como la fórmula anterior. La cual indica la
probabilidad de que un valor determinado sea menor o igual que X.

Probabilidad y Estadística; PERIODO 21-2

 EJEMPLO 1.

Si realizamos el experimento de ir a mi granja y estudiamos las

características de las vaquitas, podemos definir la variable aleatoria
continua:

B = peso de una vaca en la granja de Jorge (en kilogramos).

Alguna vaquita puede pesar 425,1872 kg; otra puede pesar
612,5874541 kg, otra puede pesar 545,897512121kg. Si tomamos
más vacas, podríamos tener más valores y nunca terminaríamos.
Se conoce que el becerro más pequeño tiene un peso de 30 kg, y
la vaca más grande tiene un peso de 1000 kg.

R B :30 ≤ b ≤1000
Y así, tendríamos un número incontable de valores para el rango
de esta variable. El rango de esta variable puede ser cualquier
valor dentro del intervalo que va desde 30 kg hasta 1000 kg.
Por ello, se trata de una variable aleatoria continua.

EJEMPLO 2.

Un cliente puede ser atendido en 24123 s; otro cliente en 72, 32142

s; otro en 51, 123123 s. Si seguimos tomando más clientes,
tendríamos más valores. Se conoce además que el tiempo mínimo
de atención en ventanilla es de 1 s y el tiempo máximo es de 240 s.

D= tiempo de atención en ventanilla (en s)

.
R D :1≤ d ≤240

Y así, tendríamos un número incontable de valores para el rango

de esta variable. El rango de esta variable puede ser cualquier
valor dentro del intervalo que va desde 1s hasta 240s. por ello, se
trata de una variable aleatoria continua.

Probabilidad y Estadística; PERIODO 21-2

 FUNCIÓN ENERADA POR MOMENTOS
Media.

La media, llamada también valor esperado o esperanza, se denota

con μ o E( X) y su fórmula es:
∞
μ= E ( X )= ∫ x∗f ( x)dx
−∞

Moda.
Para estas variables, la moda es aquel valor con mayor densidad
de probabilidad asociado y debemos tener presente que “densidad
de probabilidad” no es lo mismo que “probabilidad”. Para calcular
la moda muestral en tales casos, sería necesario estimar esta
función de densidad de probabilidad en base a la muestra y
determinar el punto para el cual esta densidad se hace máxima.

Varianza.

Medida del cuadrado de la distancia promedio entre la media y

cada elemento de la población
Sea X una variable aleatoria continua con distribución de
probabilidad f(x) y media μ. La varianza de X es calculada por
medio de :

∞ ∞
σ =E [( X−μ) ]=∫ ( x−μ ) f ( x ) dx= ∫ x f ¿ ¿
2 2 2 2

−∞ −∞

Conclusión
Una variable aleatoria es una función que asigna un valor numérico, al resultado
de un experimento aleatorio. Una variable aleatoria puede ser discreta o
continua. Las variables aleatorias discretas son aquellas que presentan un
número contable de valores; por ejemplo, el número de personas que viven en

Probabilidad y Estadística; PERIODO 21-2

 una
casa (pueden ser 3, 5 o 9). Las variables aleatorias continuas
son aquellas que presentan un número incontable de valores; por ejemplo, el
peso de las vacas en una granja (una vaca puede pesar 632,12 kg, otra puede
pesar 583, 12312 kg otro 253,12012 kg, otro 198,0876 kg y nunca terminaríamos
de enumerar todos los posibles valores).
En general, las variables aleatorias discretas representan datos que provienen
del conteo del número de elementos, mientras que, las variables aleatorias
continuas representan datos que provienen de mediciones, por ejemplo, tiempo,
peso, longitud, etc.

Bibliografía
SPIEGEL MURRAY R. Probabilidad y Estadística. Editorial Mc Graw Hill. Serie Schaum. 2007.

MONTGOMERY DOUGLAS. Probabilidad y Estadística aplicadas a la Ingeniería. Editorial Limusa

Wiley. México, 2009.

https://matemovil.com/media-o-valor-esperado-varianza-y-desviacion-estandar-de-una-variable-
aleatoria-continua/

https://thales.cica.es/rd/Recursos/rd97/UnidadesDidacticas/53-1-u-punt151.html#seccion31

https://matemovil.com/variable-aleatoria-discreta-y-continua/

Probabilidad y Estadística; PERIODO 21-2