Resumen de Variable Aleatoria

Probabilidad y Estadı́stica.

12 de abril de 2022

1. Variable Aleatoria
En este nuevo contexto probabilı́stico se pueden caracterizar todas las medidas estadı́sticas descritas
en el capı́tulo de Estadı́stica Descriptiva, ya sea, de tendencia central, posición, dispersión y correlación.

Definición: Una variable aleatoria es una aplicación definida por:

X:Ω→R

donde Ω es el espacio muestral asociado a un experimento aleatorio E.

La clasificación de la variable aleatoria X se caracteriza por su recorrido.

Si RecX = {x1 , x2 , ..., xn } se dice que la variable aleatoria es discreta finita.

Si RecX = {x1 , x2 , ..., xn , ...} se dice que la variable aleatoria es discreta infinita numerable.

Si RecX = R o algún intervalo de R se dice que la variable aleatoria es continua.

La extensión de la frecuencia relativa fi definida en estadı́stica descriptiva se generaliza de la siguiente

forma:

Definición: Sea X una v.a discreta. Una función de densidad de probabilidades o de cuantı́a es aquella
que satisface:

p(x) ≥ 0, ∀x ∈ RecX
P R∞
p(xi ) = 1 si X es discreta o f (x)dx = 1 si X es continua
x∈RecX −∞

En éste contexto se tiene:

Densidad de probabilidad: p(x) = P (X = x)

n
P
Condición de normalización: p(xi ) ≥ 0 y p(xi ) = 1
i=1
n
P
Esperanza de la variable aleatoria X: E(X) = µ = xi p(xi )
i=1

Esperanza de los cuadrados de la variable aleatoria X:

n
E(X 2 ) = x2i p(xi )
P
i=1

Varianza de la variable aleatoria X: V ar(X) = E(X 2 ) − (E(X))2

1
 p
Desviación Estándar de la variable aleatoria X: σX = V ar(X)
σX
Coeficiente de Variación de la variable aleatoria X: CVX = µ ∗ 100 %

En el caso de variables aleatorias continuas, el cálculo de probabilidades se realiza de la siguiente

manera:
Ra
a) P (X < a) = f (x)dx
−∞

R∞
b) P (X > a) = f (x)dx
a

Rb
c) P (a < X < b) = f (x)dx
a

Para este tipo de variables aleatorias (continuas) las probabilidades puntuales son cero, es decir,
P (X = a) = 0. Además, se tiene lo siguiente:
R∞
Esperanza de la variable aleatoria X: E(X) = µ = xf (x)dx
−∞

Esperanza de los cuadrados de la variable aleatoria X:

R∞ 2
E(X 2 ) = x f (x)dx
−∞

Varianza de la variable aleatoria X: V ar(X) = E(X 2 ) − (E(X))2

p
Desviación Estándar de la variable aleatoria X: σX = V ar(X)
σX
Coeficiente de Variación de la variable aleatoria X: CVX = µ ∗ 100 %

1.1. Ejemplos
1. Considere la siguiente función de densidad:

c(x2 + 6x + 5), x = 0, 2, 3, 5, 6

f (x) =
0, en otro caso

a) Normalice y determine la función de densidad.

b) Determine P (2 < X ≤ 5).
c) Determine el valor esperado de la variable aleatoria X.

Solución:

a) Para obtener la función de densidad se aplica la condición de normalización, esto es,

c(02 + 6 ∗ 0 + 5) + c(22 + 6 ∗ 2 + 5) + c(32 + 6 ∗ 3 + 5) + c(52 + 6 ∗ 5 + 5) + c(62 + 6 ∗ 6 + 5) = 1

1
por lo que: c = 195 = 0,005.
Luego, la densidad es:
1 2

f (x) = 195 (x + 6x + 5), x = 0, 2, 3, 5, 6
0, en otro caso

2
 1 1
b) P (2 < X ≤ 5) = P (X = 3)+P (X = 5) = f (3)+f (5) = 195 (32 +6∗3+5)+ 195 (52 +6∗5+5) =
1 92
195 (32 + 60) = 195 = 0,47.
n
P 900
c) E(X) = xi f (xi ) = 0 ∗ f (0) + 2 ∗ f (2) + 3 ∗ f (3) + 5 ∗ f (5) + 6 ∗ f (6) = 195 = 4,62.
i=1

2. Considere la siguiente función de densidad:

ce−2x , x > 0

f (x) =
0, en otro caso

a) Normalice y determine la función de densidad.

b) Determine P (0 < X ≤ 3).
c) Determine el valor esperado de la variable aleatoria X.

Solución:

a) Aplicando la condición de normalización,

Z∞ Z0 Z∞
f (x)dx = f (x)dx + f (x)dx
−∞ −∞ 0
| {z }
0
Z∞
= ce−2x dx = 1
0

Por lo que, c = 2, es decir, la función de densidad es:

2e−2x , x > 0

f (x) =
0, en otro caso

R3
b) P (0 < X ≤ 3) = 2e−2x dx = −(e−6 − 1) = 0,9975
0
c)
Z∞
E(X) = xf (x)dx
0
Z∞
= x2e−2x dx
0
1
=
2

3
2. Algunos Modelos discretos
2.1. Modelo Bernoulli
Se dispone de un experimento aleatorio dicotómico, por ejemplo, lanzar una moneda correcta en que
se tiene éxito y fracaso.

Denotemos la probabilidad de éxito por p y fracaso por q, entonces p + q = 1. Se define la v.a por

1, en otro caso
X=
0, en otro caso

La función de densidad o de cuantı́a es:


p, x = 1
P (X = x)
q, x = 0

Entonces se dice que la v.a tiene distribución de Bernoulli de parámetro p.

Ejemplo: Se lanza una moneda correcta ¿Cuál es la probabilidad de obtener cara?
Si se define E: Sale cara y F : Sale sello, tenemos: P (E) = p = 0,5, por lo que P (F ) = q = 0,5,

E(X) = p, V ar(X) = pq. (⋆ Ejercicio)

2.2. Modelo Binomial

Dado un experimento compuesto de n repeticiones independientes de un experimento de Bernoulli en
condiciones idénticas.

Sea X la v.a que caracteriza el número de éxitos en los n ensayos del experimento de Bernoulli.

n


Existen x maneras de ubicar los x éxitos entre los n ensayos y todos son igualmente probables.

Notación: X ∼ Bin(n, p).

La función de densidad, su Esperanza y su varianza están dadas por:

 
n
f (x) = · px · q n−x , E(X) = np, V ar(X) = npq.
x
(⋆ Ejercicio)

La distribución binomial es muy útil en la solución de problemas de extracción con reposición.

Ejemplo: Una moneda se lanza 5 veces ¿Cuál es la probabilidad de obtener a lo más dos caras?

RecX = {0, 1, 2, 3, 4, 5},

X: Número de caras.

5
· 0,5x · 0,55−x .


P (X = x) = f (x) = x

2
P
P (X ≤ 2) = f (x) = 0,5
x=0

4
2.3. Modelo Hipergeométrico
Notación: X ∼ H(n, N1 , N )

Sea N el número de elementos de un conjunto que está dividido en dos subpoblaciones de tamaños
N1 , N2 respectivamente.

Los N1 elementos poseen un atributo de interés y los que no lo tienen son N2 . Se toma una muestra de
tamaño n sin reposición. ¿Cuál es la probabilidad de que en ella aparezcan x elementos con el atributo?

La función de densidad, su Esperanza y Varianza están dadas por:

N1

N2

x · n−x N1
f (x) = N

, N = N1 + N2 , E(X) = n · ,
n
N
N1 N2 (N − n)
V ar(X) = n · · .
N N N −1
(⋆ Ejercicio)

Ejemplo: De un naipe español se extraen 6 cartas todas de una vez y sin reposición.
Determine la probabilidad de extraer por lo menos dos cartas tipo copa.

N = 40, N1 = 10, N2 = 30, n = 6

Sea X=Número de cartas tipo copa que se obtienen en la muestra de 6 cartas extraı́das.

P (X ≥ 2) = 1 − P (X ≤ 1) = 1 − (P (X = 0) + P (X = 1))

La función de densidad, en éste ejemplo es:

10 30



x · 6−x
f (x) = 40

, x = 0, 1, 2, 3, 4, 5, 6
6

2.4. Modelo Pascal

Notación: X ∼ P ascal(r, p)

X es el número de intentos hasta que salgan los r éxitos requeridos.

Entonces, RecX = {r, r + 1, r + 2, ...}

La función de densidad, su Esperanza y su Varianza están dadas por:

 
x−1 r
f (x) = · pr · q x−r , x = r, r + 1, ... E(X) = ,
r−1 p
rq
V ar(X) = .
p2
(⋆ Ejercicio)

5
 Ejemplo: De un naipe español se extraen cartas de una en una con reposición. Determine la pro-
babilidad de que se requieran al menos 4 extracciones para obtener dos cartas tipo oro.

x−1
· 0,252 · 0,75x−2 .


r = 2, p = 1/4, q = 3/4, f (x) = 1

Sea X=Número de extracciones requeridas para obtener las dos cartas tipo oro.

P (X ≥ 4) = 1 − (P (X = 2) + P (X = 3)) = 1 − (0,252 + 2 ∗ 0,252 + 0,75) = 0,84375

2.5. Modelo Poisson

Notación: X ∼ P oisson(λ)

X representa el número de eventos independientes que ocurren a una velocidad constante en un tiem-
po dado t, con una frecuencia temporal α, es decir, el número de eventos que ocurren por unidad de
tiempo t.

La función de densidad, su Esperanza y su Varianza están dadas por:

e−λ · λx
f (x) = , E(X) = V ar(X) = λ.
x!
(⋆ Ejercicio)

Ejemplo: En una central telefónica se reciben 900 llamadas por dı́a. Asuma que el número de
llamadas sigue distribución de Poisson.

Determine la probabilidad de que lleguen por lo menos dos llamadas en 7 minutos.

Sea X=número de llamadas en 7 minutos.

α = 900 por dı́a = 37,5 por hora = 0,625 por minuto, t = 7, λ = αt = 0,625 ∗ 7 = 4,375.

La función de densidad está dada por:

e−4,375 · 4,375x
f (x) = , x = 0, 1, ...
x!

P (X ≥ 2) = 1 − (P (X = 0) + P (X = 1)) = 1 − (e−4,375 + e−4,375 4,375) = 0,932339.

3. Algunos Modelos continuos

3.1. Modelo Normal
Notación: X ∼ N (µ, σ 2 )
La función de densidad, su valor esperado y su varianza son respectivamente:

1 (x−µ)2
f (x) = √ e− 2σ2 , E(X) = µ, V ar(X) = σ 2
2πσ
X−µ
Si se usa la siguiente transformación: Z = σ , entonces, E(Z) = 0 y V ar(Z) = 1. Este proceso se
conoce como estandarización.

6
 En este caso, la función de densidad es:
1 x2
f (z) = √ e− 2
2π
y las probabilidades se pueden encontrar en una tabla de aproximación.

Ejemplo:

Si X ∼ N (30, 6). Determinar la probabilidad P (28 < X < 31,5)

Usando la estandarización se tiene:

P (28 < X < 31,5) = P (X < 31,5) − P (X < 28)

 
X − 30 31,5 − 30
= P √ < √
6 6
= P (Z < 0,6123) − P (Z < 0,8164)
= 0,7291 − 0,2061
= 0,523

3.2. Modelo Chi-cuadrado

Notación: X ∼ χ2 (n).
La función de densidad es:
1 n x
f (x) = n

x 2 −1 e− 2 , x ≥ 0.
2n/2 Γ 2
R∞
El número n son los grados de libertad y Γ(α) = xα−1 e−x dx es la función Gamma.
0
Para esta distribución, la E(X) = n y V ar(X) = 2n.

Ejemplo: Considere X ∼ χ2 (10). Calcular P (2,558 < X < 4,865)

P (2,558 < X < 4,865) = P (X < 4,865) − P (X < 2,558)

= 0,1 − 0,01
= 0,09

3.3. Modelo t-student

Notación: X ∼ t(n)

La función de densidad es:

1 Γ n+1


n+1
f (x) = √ 2

n (1 + x2 /n)− 2 , x∈R
nπ Γ 2
n
Para esta distribución, la E(X) = 0 y V ar(X) = n−2 , n > 2.

Ejemplo: Considere X ∼ t(20). Calcular P (1,3253 < X < 2,086)

P (1,3253 < X < 2,086) = P (X < 2,086) − P (X < 1,3253)

= 0,975 − 0,9
= 0,075

7
3.4. Modelo F Fischer-Snedeccor
Notación: X ∼ F (n, m)

La función de densidad es:

Γ n+m

 n
n 2 n 1
f (x) = n
2

m · · x 2 −1 · , x ∈ [0, ∞)
Γ 2 Γ( 2 ) m nx 0,5(n+m)


1+ m

m 2m(n+m−2)
Para esta distribución, la E(X) = m−2 m > 2 y V ar(X) = n(m−2)2 (m−4)
, m > 4.

Ejemplo: Suponga que X ∼ F (3, 4). Calcular P (4,1908 < X < 16,694).

P (4,1908 < X < 16,694) = P (X < 16,694) − P (X < 4,1908)

= 0,99 − 0,9
= 0,09

8
4. Ejercicios Resueltos o con solución
1. Sea X=tiempo (en 10−1 semanas) del envı́o de un producto defectuoso hasta que el cliente
regresa el producto. Suponga que el tiempo mı́nimo de devolución es γ = 3, 5 y que el exceso
Y = X − 3, 5 sobre el mı́nimo tiene un distribución Weibull con parámetros α = 2 y β = 1, 5.
¿Cuáles son el tiempo esperado y la varianza para X?
Solución:

2. Cuando se prueban tarjetas de circuitos empleadas en la manufactura de reproductores de discos

compactos, a la larga el porcentaje de partes defectuosas es de 5 %. Sea X=número de tarjetas
defectuosas en una muestra seleccionada al azar de tamaño 25.

a) Determine P (X ≤ 2)
b) Determine P (X ≥ 5)
c) Determine P (1 ≤ X ≤ 5)
d) ¿Cuál es la probabilidad de que ninguna de las 25 tarjetas esté defectuosa?
e) Calcule el valor esperado y desviación estándar de X.

Respuestas:

a) 0.873 b)0.007 c) 0.716 d)0.277 e) E(X)=1.26 y σ 2 (X) = 1,0897.

3. El dispositivo automático de apertura de un paracaı́das militar de carga se ha diseñado para

abrirse cuando este se encuentre a 250 metros de altura. Suponga que la altitud de apertura en
realidad tiene una distribución Normal con una media de 250 metros y desviación estándar de
30 metros. Habrá daño al equipo si el paracaı́das se abre a una altitud de menos de 220 metros,
¿Cuál es la probabilidad de que haya daño a la carga en tres de los cinco paracaı́das lanzadas
independientemente?

Solución:
Sea X=altura en la cual se abre el paracaı́das e Y=Número de paracaı́das dañados (Rec(X)={0,1,2,3,4,5}).
X ∼ N (250, 302 )
P (X < 220) = P (Z < 1) = 0,8413
P (Y = 3) = 53 0,84133 (1 − 0,8413)2 = 0,14997, por lo tanto la probabilidad que haya daño a

la carga en tres de los cinco paracaı́das es aproximadamente un 15 %.

9
5. Ejercicios Propuestos
1. En el departamento de control de un laboratorio de medicamentos se examina cuidadosamente
cierto tipo de remedios en pastillas indistinguibles unas de otras que se encuentran en una caja
de chequeo. Se sabe que hay 4 tipo X, 10 tipo Y y 6 tipo Z que caracterizan a tres remedios
distintos.

a) El especialista saca tres de ellas y las deja en el microscopio para su análisis. Determine la
probabilidad de que en el análisis haya a lo más 2 pastillas del tipo Y.
b) Suponga que el investigador observa 6 pastillas de una en una y las devuelve a la caja de
chequeo. Determine la probabilidad de que por lo menos revise 2 del tipo X.
c) Suponga que el investigador analiza cada pastilla de una en una y en cada inspección las
devuelve a la caja de chequeo. Determine la probabilidad de que la primera pastilla Z salga
en la séptima inspección.
d ) Si el investigador puede revisar aproximadamente en forma constante 15 pastillas en 2
horas. Determine el valor esperado para el número de pastillas revisadas de cualquier tipo
en 24 minutos y su varianza.

2. Considere la función
( 2
k (3x3x+2
+x+1)
, x = 0, 1, 2, 3, 4
f (x) =
0, en otro caso

a) Encuentre k
b) Calcule P (X > 1)
c) Calcule E(X)

3. Considere la función

k(x3 + 3), x ∈ [0, 3]


f (x) =
0, en otro caso

a) Encuentre k
b) Calcule P (1 ≤ X < 1,5)
c) Calcule V ar(X)

4. La probabilidad de que el lanzamiento de un cohete sea exitoso es de 0.9. Suponga que se disparan
cohetes hasta que hayan ocurrido tres lanzamientos exitosos.

a) Determine la probabilidad de que se necesiten exactamente 6 lanzamientos. ¿Y menos de 6

lanzamientos?
b) Suponga que en total hay 12 lanzamientos de los cuales 10 son exitosos pero solo se pueden
observar cuatro. ¿Cuál es la probabilidad que por lo menos tres lanzamientos observados
sean exitosos?

5. Por una plaza de peaje pasan 120 vehı́culos por hora. Determine la probabilidad de que:

a) Ningún vehı́culo pase por la plaza en un lapso de 25 segundos.

b) Pasen al menos 2 vehı́culos en 10 minutos.

10
6. Suponga que X ∼ N (20, 2) e Y ∼ (25, 2,5)

a) Determine qué variable es más homogénea.

b) Calcule P (18,2 < X < 24,3).

7. Considere la función

k(2x2 + x + 2), x ∈ [0, 1]


f (x) =
0, en otro caso

a) Calcule la esperanza de X.
b) Calcule el coeficiente de variación de X.
c) Determine el percentil 72 e interprete el resultado.

8. Suponga que, por orden de sus superiores, usted debe enviar 6 cartas selladas, importantes y
urgentes. Ya tiene listos los sobres con los datos de los destinatarios, pero ya selló los 6 escritos,
y no los puede correlacionar. Por el apuro, y porque nunca le gustó mucho su trabajo, decide
guardar cada escrito en un sobre al azar. Total, dada su reflexión rápida la probabilidad p de
que ninguna carta llegue a su destinatario debe ser muy baja.
Determine la probabilidad p, realice el procedimiento primero con 3 cartas, luego con 4 cartas y
finalmente con las 6 cartas para obtener p y 1/p, ¿qué número da 1/p? y si fueran 10 cartas?

11