Curso: Probabilidades y Estadística.

Clase 8: Variable aleatoria discretas y

continuas.
 Revisión actividad online
• ¿Cuáles fueron las principales dificultades al realizar el taller?
• Preguntas y comentarios.
 Estructura del curso

Clase 1: Estadística Descriptiva-Conceptos Básicos.

Clase 2: Estadística Descriptiva -Medidas de Tendencia Central.

Unidad 1: Estadística Descriptiva
Clase 3: Estadística Descriptiva-Medidas de Dispersión.

Clase 4: Estadística Bivariada.

Clase 5: Repaso Estadística Univariada y Bivariada.

Clase 6: Solemne.
Curso Unidad 2: Probabilidades Clase 7: Conceptos básicos de probabilidades.

Clase 8: Variable Aleatoria Discretas y Continuas.

Clase 9: Distribuciones Discretas.

Clase 10: Distribuciones Continuas.

Clase 11: Inferencia Estadística-Intervalos de Confianza.

Unidad 3: Inferencia Estadística
Clase 12: Inferencia Estadística-Hipótesis.

Clase 13: Solemne.

 Resultado de Aprendizaje de la Clase
• Conocer el concepto de variable aleatoria discreta y
continua, para construir funciones de probabilidad orientadas
a la ingeniería.
 ¿Por qué es importante este tema?

El estudio de las variables aleatorias es de mucha utilidad en el

contexto industrial, permiten modelar el comportamiento de un
cierto fenómeno que esté ocurriendo, esto con el fin de obtener
eficiencia en la toma de decisiones. En este sentido, una gestión
óptima se caracterizará por una utilización racional y sensible de
los recursos, tanto económicos como naturales, compatible con
la maximización de beneficios.
 Variable Aleatoria
Una variable aleatoria es una función que asigna un valor numérico
a cada suceso elemental del espacio muestral. También podemos
decir, aunque de forma menos formal, que una variable aleatoria es
una variable cuyo valor numérico está determinado por el resultado
de un experimento aleatorio.
Las variables aleatorias se representan con letras mayúsculas y sus
posibles valores con letras minúsculas.

Existen dos tipo de variables:

• Variable Aleatoria Discreta
• Variable Aleatoria Continua
 Variable Aleatoria Discreta
Una variable aleatoria “X” es discreta, si el número de valores
posibles de la variable es un número finito o infinito numerable.

Ejemplos:

• Número de trabajadores ausentes en un día dado, en una

empresa que cuenta con 30 trabajadores.
Valores posibles de la variable: 0, 1, 2, 3, ……., 30 (finito)

• Número de autos que circulan por una autopista en un

determinado momento.
Valores posibles de la variable: 0, 1, 2, 3, …….(infinito
numerable)
 Variable Aleatoria Discreta
Función de Probabilidad (función de Cuantía)
Una vez definida una variable aleatoria X, podemos definir
una función de probabilidad asociada a X, de la siguiente
forma:
f :   [0,1]
x  f ( x)  P( X  x)
La función de probabilidad debe cumplir:

(i ) f ( x)  0 x  
(ii )  f ( x)  1 (Suma sobre todos los posibles valores
que puede tomar la variable aleatoria).
x
 Función de Probabilidad
Ejemplo: Sea X la variable aleatoria que representa el número de
hijos de un grupo de 34 trabajadores
N° de hijos ni fi
0 10 0,29
1 11 0,32
2 8 0,24
3 0 0
4 2 0,06
5 1 0,03
6 2 0,06
Totales 34 1

La grafica de distribución de probabilidad, es la siguiente:

 Función de Probabilidad

Por lo tanto, la frecuencia relativa fi, representa la probabilidad

P(X=x) y la frecuencia relativa acumulada Fi, la probabilidad
acumulada P( X≤ x)
 Variable Aleatoria Discreta
Función de Distribución (acumulada)

Una vez definida una variable aleatoria X, podemos definir

una función de probabilidad acumulada de la siguiente
forma:
F :   [0,1]
x  F ( x)  P( X  x)
Ejemplo:

¿Cuál es la probabilidad de que un trabajador tenga a lo más un

hijo?

P(X ≤ 1) = P(X = 0) + P(X = 1) = 0,61 un 61%

¿Cuál es la probabilidad de que un trabajador tenga 3 o más hijos?

P(X ≥ 3) = 1 – P(X < 3) = 1 – 0,85 = 0,15 un 15%

La grafica de la distribución acumulada, es la siguiente:
 Media y Desviación Estándar
de una Distribución Discreta
La media de una variable aleatoria se conoce como el valor
esperado o esperanza. Es el valor de la variable aleatoria, que se
espera que ocurra en promedio, después de repetir una gran
cantidad de veces un experimento aleatorio.
𝑛

𝜇 = 𝐸 𝑥 = ෍ 𝑥𝑖 𝑃(𝑥𝑖 )
𝑖=1

Por otra parte la varianza para una distribución de probabilidad de

v. aleatoria discreta, está definida:
𝑛

𝜎 2 = ෍(𝑥𝑖 − 𝜇)2 𝑃(𝑥𝑖 )

𝑖=1
 Media y Desviación Estándar
de una Distribución Discreta
Ejemplo: Usando la misma tabla del ejemplo anterior. Determinar el
valor esperado, varianza y desviación estándar, del número de hijos
de los 34 trabajadores.
𝝁=
N° de hijos ni fi 0*0,29+1*0,32+2*0,24+3*0+4*0,06+5*0,03+6*0,06
0 10 0,29 =1,55
1 11 0,32
2 8 0,24
3 0 0 𝝈𝟐 = (0-1,55)2*0,29 + (1-1,55)2*0,32 +
4 2 0,06 (2-1,55)2*0,24 + (3-1,55)2*0 + (4-1,55)2*0,06 +
5 1 0,03 (5-1,55)2*0,03 + (6-1,55)2*0,06 = 2,7475
6 2 0,06
Totales 34 1
𝝈= 2,7475 = 1,66
 Variable Aleatoria Continua
Una variable aleatoria es continua si el número de valores posibles
de la variable es infinito no numerable.

Ejemplos:

• La distancia en kilómetros recorrida por un automóvil en una

semana. (0<x<?)

• El tiempo en minutos que un cliente tiene que esperar en una

ventanilla de un banco. (0<x<?)
 Variable Aleatoria Continua
Función de Probabilidad (función de Densidad)
Una vez definida una variable aleatoria X, podemos definir
una función de probabilidad asociada a X, de la siguiente
forma:
f :   [0,1]

x  f ( x)  P( X  x)   f ( x)dx

La función de densidad debe cumplir:
(i ) f ( x)  0 x  

(ii )  f ( x)dx  1

 Variable Aleatoria Continua
Ejemplo:
Los ingresos diarios que tienen las tiendas que comercializan útiles
escolares y de oficina en las galerías de un centro comercial en el
mes de marzo son una variable aleatoria, expresada en miles de
pesos, cuya función de densidad es la siguiente

Hallar el valor de K, para que sea una función de densidad

 Variable Aleatoria Continua
Función de Distribución (acumulada)

Una vez definida una variable aleatoria X, podemos definir

una función de probabilidad acumulada de la siguiente
forma:

F :   [0,1]
x0
x  F ( x)  P( X  x0 )   f ( x)dx

 Función de distribución acumulada
Ejemplo. La función de distribución asociada a la producción de una
máquina, en miles de unidades, es del tipo:
2 − 2𝑥, 𝑠𝑖 0 ≤ 𝑥 ≤ 1
𝑓 𝑥 =ቊ
0, 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

¿Cuál es la probabilidad de que la producción sea inferior a 500

unidades?

0,5 0,5
𝑃 𝑥 < 0,5 = න 𝑓 𝑥 𝑑𝑥 = න 2 − 2𝑥 𝑑𝑥 = 0,75
0 0
 Función de distribución acumulada
¿Y la de que sea superior a 250 unidades?

0,25
𝑃 𝑥 > 0,25 = 1 − 𝑃 𝑥 ≤ 0,25 = 1 − න 𝑓 𝑥 𝑑𝑥 = 0,5625
0
ESPERANZA V.A. CONTINUA

Esperanza matemática, es el valor promedio que la

variable tomará

+∞
𝜇=𝐸 𝑥 =න 𝑥𝑓 𝑥 𝑑𝑥
−∞

𝑓 𝑥 = 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑒𝑛𝑠𝑖𝑑𝑎𝑑
 Varianza de una Variable Aleatoria
Continua

 2  E ( X 2 )  ( E ( x)) 2
Donde la esperanza :


E( X )  x  f ( x ) dx
2 2


 Bibliografía
Bibliografía obligatoria:
• Cánavos, George. Probabilidad y Estadística. Mc. Graw Hill,
1999. México 2. Miller, Irwin. Estadística matemática con
aplicaciones. Prentice Hall, 2000. México.
Bibliografía Complementaria:
• Murray Spiegel: Estadística Mc Graw Hill. México, 2003.
• César Pérez López, Estadística - Problemas resueltos y
aplicaciones, Editorial Pearson Educación S.A. Madrid,
2003.
• Devore, Jay L. Probabilidad y Estadística para Ingeniería y
Ciencias. Editorial Thomson. México, 2005.
 Taller Práctico Colaborativo
Clase 8
Título: Variable aleatoria.

Resultado de Conocer el concepto de variable

Aprendizaje: aleatoria discreta y continua, para
construir funciones de probabilidad
orientadas a la Ingeniería.
Tiempo Total 40 minutos.
 Actividad online
Clase 8

Taller on line:
Ejercicios de variable aleatoria discreta y
continua.