VARIABLES ALEATORIAS Y DISTRIBUCIONES DE

PROBABILIDAD
En el tema de estadística descriptiva se revisaron las técnicas necesarias para la realización
de un análisis descriptivo de las variables recogidas en una muestra. El presente tema se
centra en describir algunos modelos teóricos de probabilidad que permiten caracterizar la
distribución poblacional de determinadas variables y que, a su vez, son aplicables a
múltiples situaciones prácticas.
Cuando se realiza un estudio o un experimento aleatorio, es frecuente asignar a los
resultados del mismo una cantidad numérica. A la función que asocia un número real a cada
resultado de un experimento se le denomina variable aleatoria. Aunque el concepto de
variable se ha introducido con anterioridad, una definición más formal de variable aleatoria
es, por tanto, la de una función definida sobre el espacio muestral Ω que asigna a cada
posible resultado de un experimento un valor numérico. Aunque en general pueden
definirse múltiples variables aleatorias para un mismo experimento, es aconsejable
seleccionar en cada caso aquellas variables que recojan las características fundamentales
del experimento. Las variables aleatorias suelen denotarse por letras mayúsculas del final
del alfabeto, tales como X, Y o Z, mientras que los valores que pueden tomar se
representan por sus correspondientes letras minúsculas, x, y o z.
Como las variables aleatorias son funciones definidas sobre el espacio muestral, sus
posibles valores tendrán asociada una probabilidad, que corresponderá a la probabilidad del
suceso constituido por aquellos resultados del experimento que toman dichos valores. Los
diferentes valores de una variable aleatoria y las probabilidades asociadas constituyen la
distribución de probabilidad de la variable.
En general, se distinguen dos grandes grupos de variables aleatorias:
 Variables aleatorias discretas son aquellas que tan sólo puede tomar un número
discreto (finito o infinito) de valores. Cada uno de estos valores lleva asociada una
probabilidad positiva, mientras que la probabilidad de los restantes valores es 0.
 Variables aleatorias continuas son aquellas que pueden tomar cualquier valor dentro
de un intervalo. En este caso, la probabilidad de obtener un valor concreto es 0, por
lo que las probabilidades se asignan a intervalos de valores.
A continuación, se describen las principales características de las variables aleatorias
discretas y continuas, así como algunas distribuciones teóricas de probabilidad que serán
aplicables a muchas de las variables aleatorias utilizadas en la práctica.
DISTRIBUCIONES DE PROBABILIDAD DISCRETAS
Las variables aleatorias discretas toman un número discreto de valores con probabilidad no
nula y, en consecuencia, estarán completamente caracterizadas si se conoce la probabilidad
asociada a cada uno de estos valores.
La función que asigna a cada posible valor xi, i = 1, 2, ..., de la variable discreta X su
probabilidad P(X = xi) se conoce como función de masa de probabilidad.
Esta función debe cumplir las siguientes propiedades: la probabilidad de cada valor ha de
estar entre 0 y 1, 0 < P(X = xi) ≤ 1, y la suma de las probabilidades para todos los valores
debe ser igual a 1, ∑ P( X=xi)=1.
I≥1

Una vez conocida la función de masa de probabilidad, la probabilidad de que una variable
aleatoria discreta X esté comprendida en cualquier subconjunto A se calcula como la suma
de las probabilidades de aquellos valores xi incluidos dentro de ese subconjunto,

En particular, la función de distribución F(x) de una variable aleatoria X se define como la

probabilidad de observar un valor menor o igual a x.

La función de distribución de una variable discreta será una función escalonada creciente
con saltos en los valores xi con probabilidad no nula.
En el primer tema de estadística descriptiva, se definieron la media y la varianza muestral
como medidas de tendencia central y dispersión de una variable en una muestra. A
continuación, se definen medidas análogas para la distribución poblacional de una variable
aleatoria. La esperanza o media poblacional de una variable aleatoria discreta X, denotada
por μ o E(X), se define como la suma de los productos de cada valor xi por su probabilidad
P(X = xi),

La esperanza es la media de los valores xi ponderados por su probabilidad y representa así

el valor promedio de la variable aleatoria. Notar que la media muestral se puede calcular de
forma similar, multiplicando cada valor observado de la variable por su frecuencia relativa.
La varianza poblacional de una variable aleatoria discreta X, abreviada por σ² o var(X),
se define como la esperanza del cuadrado de la desviación de la variable respecto de su
media,

Así, la varianza resulta ser la media ponderada del cuadrado de las desviaciones en los
valores xi. La raíz cuadrada de la varianza es la desviación típica poblacional σ, que
representa la dispersión de la variable aleatoria respecto de su media poblacional.
Tomado del Libro “Bioestadística” de Roberto Pastor-Barriuso. Centro Nacional de
Epidemiología Instituto de Salud Carlos III Monforte de Lemos, 5. MADRID (ESPAÑA)
Ejemplo 1: Un experimento consiste en observar el número de pacientes supervivientes a
los 6 meses de 4 pacientes con cáncer sometidos a tratamiento.
El espacio muestral será Ω = {0, 1, 2, 3, 4}.
Consideremos la variable aleatoria X: número de pacientes supervivientes. Los valores que
tomaría serían X = 0, 1, 2, 3 ó 4 en función del número de pacientes que hayan sobrevivido
a los 6 meses.
Supongamos que por estudios previos se estima que, después de 6 meses de tratamiento en
4 pacientes con cáncer, la probabilidad de que sobrevivan 0, 1, 2, 3 ó 4 pacientes viene
determinada por: Tabla
Número de
0 1 2 3 4
supervivientes xi
P(X= xi) 0,1296 0,3456 0,3456 0,1536 0,0256

1) Verifique que la tabla dada corresponde a una función de probabilidad (o función de

masa de probabilidad)
2) Use la tabla anterior para calcular las siguientes probabilidades:
a) P(X<3)
b) P(X>1)
c) P(1<X<4)
3) Construya la tabla de la función de distribución acumulada (o función de
distribución)
4) Use la tabla de la función de distribución acumulada para calcular las siguientes
probabilidades:
a) P(X<3)
b) P(X>1)
c) P(1<X<4)
5) Calcule el valor esperado del número de supervivientes a los 6 meses de 4 pacientes
con cáncer sometidos a tratamiento (media poblacional)
6) Calcule la varianza poblacional y la desviación típica (o estándar) poblacional
7) Establezca una conclusión con respecto al experimento usando la media poblacional
y la desviación estándar poblacional.
 Programa de Biología
Curso de Bioestadística I
Taller # 1 – Primera Parte (segundo corte)
Realice los siguientes ejercicios en su cuadernillo de trabajo. Es necesario que los realice a
mano para garantizar un aprendizaje efectivo.
1. La siguiente tabla muestra la función de masa de probabilidad o densidad para la
variable aleatoria X: número de personas por día que solicitan un tratamiento
innecesario en el servicio de urgencias de un pequeño hospital.
x 0 1 2 3 4 5
P(X=x) 0,01 0,1 0,3 0,4 0,1

a) Complete la información de la tabla con base en las condiciones para que

corresponda a una función de probabilidad.
b) Calcule e interprete las siguientes probabilidades en el contexto del problema:
 P(X<4)
 P(X>2)
 P(1<X<5)
c) Construya la tabla de función de distribución acumulada correspondiente
d) Calcule e interprete las siguientes probabilidades
 P(X<3)
 P(X>1)
 P(0<X<3)
e) Calcule el valor esperado (o media poblacional), la varianza y la desviación estándar,
a partir de los parámetros establezca una conclusión en el contexto del problema.

2. La siguiente tabla muestra la densidad para la variable aleatoria X: número de aleteos

por segundo de una especie de polillas grandes mientras vuelan.
x 6 7 8 9 10
P(X=x) 0,05 0,1 0,6 0,15

a) Complete la información de la tabla con base en las condiciones para que

corresponda a una función de probabilidad.
b) Calcule e interprete las siguientes probabilidades en el contexto del problema:
  P(X≤8)
 P(X≥7)
 P(6≤X<9)
 P(7<X≤10)
c) Calcule el valor esperado y la desviación estándar poblacional, y redacte una
conclusión apropiada al contexto del problema.

3. La siguiente tabla nos muestra la densidad para la variable aleatoria X: número de

hembras adultas en un grupo de monos aulladores.
x 1 2 3 4 5
P(X= x) 0,1 0,15 0,5 0,15 0,1

a) Construya la tabla de función de distribución acumulada correspondiente

b) Calcule e interprete las siguientes probabilidades a partir de la Tabla de función de
distribución acumulada:
 P(X<4)
 P(X>3)
 P(2<X<5)
c) Calcule el valor esperado y la desviación estándar poblacional, y redacte una
conclusión apropiada al contexto del problema.

4. Los injertos, unión del tronco de una planta con el trozo o la raíz de otra, se utilizan
comercialmente con gran frecuencia para hacer el tronco de una variedad que produce
fruta fina, sobre el sistema radical de una variedad más robusta. La mayor parte de las
naranjas dulces de Florida crece en árboles injertados a la raíz de una variedad de
naranja ácida. Se lleva a cabo un experimento con cinco injertos de este tipo. La
densidad de X: número de injertos que fracasan, viene dada por:
x 0 1 2 3 4 5
P(X= x) 0,7 0,2 0,05 0,03 0,01 0,01

a) Construya la tabla de función de distribución acumulada correspondiente

b) Calcule e interprete las siguientes probabilidades a partir de la Tabla de función de
distribución acumulada:
 La probabilidad de que fracasen al máximo cuatro injertos P(X≤4)
 La probabilidad de que fracasen mínimo tres injertos P(X≥3)
 La probabilidad de que fracasen más de uno, pero menos de 5 injertos
P(1<X<5)
c) Calcule el valor esperado y la desviación estándar poblacional, y redacte una
conclusión apropiada al contexto del problema.
Observaciones:
Recomiendo trabajar los ejercicios dentro de los tiempos de desarrollo de las
temáticas para una mejor comprensión de los temas.
Realícelos para ir preparándose para próximos parciales.
Organice un equipo de trabajo de 2 o 3 integrantes para resolver el taller y entregarlo
oportunamente en la fecha acordada con el docente.

Material organizado por: Albeiro López Cervantes.