UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.

Parámetros poblacionales. Distribuciones de probabilidad teórica.

Se debe aclarar para efecto de autoría del presente material, que este es un compendio entre
la guía elaborada por los profesores Alexander Pinto, Naile Pernalete, siendo esta recreada
por el (la) profesor(a) Milbet Rodríguez (2020).

PROBABILIDAD

Como señalábamos en el tema anterior si, tras la obtención de los datos, el investigador sólo está
interesado en resumirlos y presentarlos de forma adecuada, las técnicas de la estadística descriptiva son
más que suficientes. Si, en cambio, pretende obtener de esos datos conclusiones generales sobre una clase
amplia de individuos del mismo tipo de los que han sido estudiados, entonces las técnicas descriptivas
sólo son el comienzo del análisis. Para obtener conclusiones válidas y hacer predicciones correctas sobre
una población a partir de la observación de una parte de la misma necesitaremos los métodos de la
inferencia estadística. La herramienta básica de la inferencia estadística es el cálculo de probabilidades
que introducimos en este tema.
Debe tenerse presente que la inferencia estadística parte de la información proporcionada por los
datos de la muestra para tomar una decisión sobre toda la población. Puesto que no hemos estudiado toda
la población, nunca tendremos la certeza absoluta sobre si la decisión finalmente adoptada es o no
correcta; así pues, en un problema de inferencia estadística ni siquiera tiene sentido preguntarse sobre si
hemos cometido o no un error, y lo más que podemos preguntarnos es por la probabilidad de cometer un
error. La mayor parte de los métodos estadísticos que presentaremos a lo largo del libro han sido
diseñados con el objetivo de que la probabilidad de cometer un error sea lo más pequeña posible.
Tendremos también ocasión de comprobar que el cálculo de probabilidades, además de una
herramienta fundamental en la inferencia estadística, tiene sus propias aplicaciones en las ciencias de la
salud.

Probabilidad Frecuentista
Se entiende por probabilidad frecuentista a la frecuencia relativa de un evento esperada en el
largo plazo o luego de una secuencia de ensayos. Cuantas más veces se repita el experimento, al final las
posibilidades de que ocurra cada uno de los sucesos será regular.
Otra definición de probabilidad frecuencial, también conocida como probabilidad
frecuentista, refiere a que tan probable resulta un suceso si un experimento se repite muchas veces.

Prof. Milbet Rodríguez

UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.

Puede entenderse como el cociente entre la cantidad de casos favorables y la cantidad de casos posibles
cuando la cantidad de casos tiende al infinito.
Para calcular probabilidades se utiliza la siguiente fórmula: (Teorema de Laplace)

Probabilidad (P)= casos favorables / casos posibles.

El resultado se multiplica por 100 para expresarlo en porcentaje.

Veamos algunos ejemplos:
a) Calcular la probabilidad de que salga “cara” al lanzar una moneda:
 Casos favorables: 1 (que salga “cara”)
 Casos posibles: 2 (puede salir “cara” o “cruz”)
 Probabilidad= ½ x 100= 0,5 x 100= 50%
b) Calcular la probabilidad de que salga “3” al lanzar un dado:
 Casos favorables: 1 (que salga “3”)
 Casos posibles: 6 (puede salir “1, 2, 3, 4, 5, 6”)
 Probabilidad=(1/6) x 100= 16,6%
c) Calcular la probabilidad de que salga “una casilla roja” al girar la flecha de la ruleta:
 Casos favorables: 16 (cualquiera de las 16 casillas rojas de la ruleta)
 Casos posibles: 20 (la ruleta tiene 20 casillas)
 Probabilidad: (16/20) x 100= 80%
d) Calcular la probabilidad de que salga “una casilla amarilla” al girar la flecha de la ruleta:
 Casos favorables: 4 (cualquiera de las 16 casillas rojas de la ruleta)

 Casos posibles: 20 (la ruleta tiene 20 casillas)

 Probabilidad: (4/20) x 100= 20%
e) Calcular la probabilidad de que salga “una amarilla” al sacar una canica de una bolsa con 10
canicas:

 Casos favorables: 2 (hay dos canicas amarillas en la bolsa)

 Casos posibles: 10 (hay un total de 10 canicas)

Prof. Milbet Rodríguez

UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.
 Probabilidad: (2/10) x 100= 20%
f) Un juego de cartas españolas que tiene 40 cartas, la probabilidad de seleccionar:
a) Un tres de basto es 1/40, es decir, P(a)= 1/40 = 0,025 x 100= 2,5%
b) Una carta con cualquier figura es P(b) = 40/40= 1
c) Cualquier “as” es P(c)= 4/40 = 0,1
d) Una carta con cualquier figura de oro o espada es P(d)=20/40= 0,5
g) Lanzar una moneda cien veces y que salga cara:
En 100 lanzamientos, la frecuencia esperada de caras es igual a la frecuencia de sellos, entonces,
la frecuencia esperada de caras es exactamente a la mitad (50) del número total de lanzamientos
de la moneda. Por lo tanto, la Probabilidad es
P(A)= 50/100 = 0,5
h) Lanzar un dado 600 veces y obtener “2” es:
P(A)= 100/600=0,1666666

Definición de probabilidad enfocada a través de la Teoría Clásica

Se considera que cada resultado de un experimento tiene la misma probabilidad de aparecer que
cualquier otro y por lo tanto, se le puede asignar la misma probabilidad de ocurrencia (equiprobabilidad).
Se considera la probabilidad de una forma "a priori". Se requiere dividir el número de resultados
deseables entre el número de resultados posibles bajo la condición de que todos los resultados del
experimento sean igualmente probables.

Nº. de resultados favorables al suceso A

P(A) = -----------------------------------------------------------------
Nº. total de sucesos (Favorables + No favorables)

Características de las Probabilidades

a. La probabilidad siempre es un número entre 0 y 1, ambos inclusive.
Ejm: Lanzar un dado y que salga en la cara superior cualquier número, su P (B)= 1 (ya que todos
los sucesos favorecen un resultado). Por tanto para cualquier suceso dado, digamos “B”, 0 ≤ P
(B) ≤ 1

Prof. Milbet Rodríguez

UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.

b. Si la ocurrencia de un suceso es cierta, su probabilidad es 1; si es cierta la no ocurrencia del

mismo, la probabilidad es 0.
Ejm: La probabilidad de que salga un cinco en la cara superior, al lanzar un dado es 1/6, pero la
probabilidad de que aparezca un 7 es un cero, (puesto que no existe en el dado ninguna cara con
7 punticos), NO hay sucesos posibles que favorezcan este resultado.

En la naturaleza existen otros fenómenos en los que no se puede predecir el resultado final, incluso
cuando se hace todo lo posible para que las condiciones en que se realiza el experimento sean las mismas,
como puede ocurrir en el lanzamiento al aire de una moneda, o en la curación de un enfermo tras la
aplicación de un cierto tratamiento. Son los llamados fenómenos aleatorios. A pesar de lo dicho, los
fenómenos deterministas tienen también una componente aleatoria debida a la imprecisión de los
aparatos de medida utilizados en la experiencia.

Selección aleatoria: Significa que los sujetos de la población blanca deben ser
escogidos al azar, es decir, todos los individuos o elementos de la población blanca
tienen que tener la misma probabilidad de ser seleccionados en la muestra. Eso
significa, que todas las personas u objetos de la población deben tener una
probabilidad mayor a cero y menor a uno de estar presente en la muestra. El método
de selección de la muestra se llama diseño muestral. Existen diferentes tipos de diseño
muestral, si es aleatorio se le llama probabilístico, si no es aleatorio, es no
probabilístico.
Según Pinto y Pernalete (s/a), Selección Aleatoria: Un objeto se selecciona
aleatoriamente de una colección o población, si en dicha selección cada objeto tiene
la misma probabilidad o posibilidad de ser elegido. Esta selección puede ser:
a. Con reemplazo o reposición, cuando cada elemento se extrae y es devuelto a la
población, antes de seleccionar otro objeto. Ej. La lotería.
b. Sin reemplazo o reposición, cuando cada elemento se extrae de la población y no
es devuelto antes de seleccionar otro objeto. Ej. El bingo.

Para ello, se debe tomar en cuenta las siguientes definiciones:

Espacio Muestral:
Según Valera (1996) “es el conjunto formado por todos los resultados posibles de un experimento.
A este conjunto lo designaremos por E” (p.195).

Prof. Milbet Rodríguez

UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.
Otro autor García (2011) es el conjunto de todos los resultados posibles de un fenómeno aleatorio
se llama espacio muestral o espacio de las observaciones, y se denotará por Ω. Cada elemento de Ω se
llamará suceso elemental.
Ejemplo 1: En el experimento lanzar un dado y observar el número que sale la cara superior, nuestro
espacio muestral es E= {1, 2, 3, 4, 5,6}

Ejemplo 2: Sea el experimento lanzar simultáneamente dos monedas, entonces el espacio muestral es:
los cuatros posibles resultados de este experimento.

Estos resultados podemos obtenerlos mediante dos procedimientos:

A) A través de un producto cartesiano, tomando cada resultado (elemento) de la primera moneda y
combinándolo con todos los resultados (elementos) de la otra moneda. Veamos

PRIMERA SEGUNDA
MONEDA MONEDA
C S
C CC CS
S SC SS

Luego el producto cartesiano de estas dos monedas, constituye el espacio muestral, es decir,
E= {CC, CS, SC, SS}
B) A través de un diagrama de árbol el cual lo definimos como un gráfico o dibujo que nos ayuda a
construir el espacio muestral y nos presenta en un número finito todos los resultados posibles del
experimento. Veamos:

1º 2da (MONEDA)

C
C
S
C
S
S

Prof. Milbet Rodríguez

UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.
Combine ahora, en este orden el primer resultado de la primera moneda con los dos resultados de la
segunda moneda, luego el segundo resultado de la primera moneda con los dos resultados de la segunda
moneda y nos queda el espacio muestral
Ω= {CC, CS, SC, SS}

Ejemplo 3: Dos estudiantes A y B participan en u n torneo de ajedrez de 5 juegos. El primero que gane
dos juegos consecutivos o complete 3 ganados, gana el torneo. Construyamos su espacio muestral.
(Puede hacerlo con cualquiera de los dos procedimientos).

1er 2do 3er 4to 5to (juego)

A B A B A B A B

A AA ABB ABAA ABABA ABABB

(nos detenemos) (nos detenemos) (nos detenemos)

A B A B A B A B

B BB BAA BABB BABAA BABAB

(nos detenemos) (nos detenemos) (nos detenemos)

Luego, E= {AA, ABB, ABAA, ABABA, ABABB, BB, BAA, BABB, BABAA, BABAB}

Suceso o Evento

Es un subconjunto del espacio muestral.

Ejemplo: Sea el experimento aleatorio que consiste en lanzar un dado y observar el número que sale en
la cara superior, entonces su espacio muestral es E= {1, 2, 3, 4, 5, 6}. Cualquier subconjunto de E es un
suceso o evento.

Podemos definir entre ellos los siguientes sucesos

B= {Sale un número mayor que 3} = {4, 5,6}

D= {un numero par} = {2, 4,6}

Prof. Milbet Rodríguez
UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.
H= {sale un número impar, menor que 5} = {1, 3}

Suceso Elemental

Es aquel suceso o evento constituido por un solo resultado del experimento. En el ejemplo
anterior definamos un suceso elemental.

T= {sale el número 4}= {4}

Suceso Compuesto

Son aquellos que se forman a partir de dos o más sucesos simples, tomando en cuenta las
operaciones entre conjunto (unión, intersección, complemento).

Ejemplo:

Sea el experimento lanzar un dado y observar el número que sale en la cara superior, es decir, E= {1, 2,
3, 4, 5,6}. Sean algunos sucesos (simples) de E:

A= {Sale un número par}= {2, 4, 6}

B= {Sale un número impar} = {1, 3, 5}

C= {Sale un número menor que 5} = {1, 2, 3, 4}

Sucesos Compuestos:

1. Que salga un número impar o un número menor que 5

B  C = {1, 3, 5, 2, 4}
2. Que salga un número par o un número menor que 5
A  C= {2, 4, 6, 1, 3}
3. No sale un número par
A’ = {1, 3, 5}. El apostrofe (‘) se lee complemento

Prof. Milbet Rodríguez

UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.

Tipos de Eventos o Sucesos

Regla de la Adición

Eventos Mutuamente Excluyentes o Sucesos Mutuamente Excluyentes

Sean A y B dos sucesos cualesquiera, si ellos no ocurren simultáneamente o su intersección es

vacía, entonces son mutuamente excluyentes. Se dice que dos eventos, A y B, son mutuamente
excluyentes, si A y B no tienen puntos muestrales en común. Así los eventos simples o elementales no
pueden aparecer simultáneamente.

P(A U B) = P(A) + P (B)

Ejemplo:
Si se lanza un dado al aire, ¿Cuál es la probabilidad de en su cara superior aparezca el 2 ó el 4?
Evento A = aparezca el número 2 ---> P(A) = 1/6
Evento B = aparezca el número 4 ---> P(B) = 1/6

P(A U B) = 1/6 + 1/6 = 2/6 = 1/3 = 0,333

Si se extrae aleatoriamente una carta de un juego de barajas españolas. ¿Cuál es la probabilidad

de que la carta sea de oros o sea de bastos?

Evento A = la carta sea de oros ---> P(A) = 10/40

Evento B = la carta sea de bastos ---> P(B) = 10/40

P(A U B) = 10/40 + 10/40 = 20/40 = 2/4 = 1/2 = 0,50

¿Cuál es la probabilidad de que sea un 2 o una figura?

¿Cuál es la probabilidad de extraer una bola roja o negra, si en una caja existen 3 bolas rojas, 4 negras y
3 verdes?
¿Cuál es la probabilidad de extraer una roja o una verde?

Eventos Solapados

Se dice que dos eventos, A y B, son solapados o unidos, si tienen puntos muestrales en común.
Los puntos muestrales pertenecen tanto a A como a B, forman un subconjunto que se llama intersección
A y B, representada por A B.

Para eventos solapados, la cantidad P(A) + P(B), incluye dos veces la probabilidad de los puntos
muestrales en el conjunto intersección, por lo tanto se debe sustraer a la P(A U B) la P(A  B).

P(A U B) = P(A) + P(B) - P(A  B)

Ejemplos

Prof. Milbet Rodríguez

UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.
Si se extrae aleatoriamente una carta de un juego de barajas españolas ¿Cuál es la probabilidad
de aparición de una copa o de un as?
Evento A = sea una carta de copas ---> P(A) = 10/40
Evento B = la carta sea un as ---> P(B) = 4/40
Evento A  B = la carta sea copa y as ---> P(A  B) = 1/40

P(A U B) = 10/40 + 4/40 - 1/40 = 14/40 - 1/40 = 13/40 = 0,325

Si se lanza un dado ¿cuál es la probabilidad de que en la cara superior salga un número impar
o un número divisible por 3?
Evento A = salga un número impar  P(A) = 3/6
Evento B = salga un número divisible por 3  P(B) = 2/6
Evento A  B = salga número impar y divisible por 3  P(A  B) = 1/6
P(A U B) = 3/6 + 2/6 – 1/6 = 4/6 = 0,67

Evento Complementario

Se dice que dos eventos A y Ac, son complementarios si el segundo es un subconjunto que
contiene todos los eventos elementales del espacio muestral que no están en el primero, es decir, los
sucesos complementarios son mutuamente excluyentes, su unión es el espacio muestral (S) y su
intersección es el conjunto vacío ().
P(Ac ) = 1 - P(A)

Ejemplo
Sea el lanzamiento de un dado. ¿Cuál es la probabilidad que el lado superior no sea un número
divisible por 3?
Evento A = número divisible por 3 ---> P(A) = 2/6
P(Ac ) = 1 - 2/6 = 4/6 = 0,666
Sea el lanzamiento de dos dados ¿cuál es la probabilidad de que los lados superiores de los
dados no sumen 5?
Evento A = los lados sumen 5 ---> P(A) = 4/36
P(Ac ) = 1 - 4/36 = 32/36 = 0,888

Regla de la Multiplicación

Eventos Independientes

Se dice que dos eventos A y B, son independientes si la ocurrencia de uno no influye en la

ocurrencia del otro; es decir, que el resultado de uno no influye en el resultado del otro.
P(A  B  C  D) = P(A) . P(B) . P(C) . P(D)

Ejemplo
Sea el lanzamiento de cuatro monedas ¿cuál es la probabilidad de las cuatro monedas caigan
cara?

P(A  B  C  D) = 1/2. 1/2. 1/2 .1/2 = 1/16 = 0,0625

Prof. Milbet Rodríguez

UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.
En una sección de Estadística, 10 alumnos son del Estado Lara y los 20 restantes del Estado
Carabobo. Si se selecciona aleatoriamente dos alumnos ¿cuál es la probabilidad de que:
a. ambos sean de Lara
b. ambos sean de Carabobo
c. el primero sea de Lara y el segundo de Carabobo.

a. Evento A = uno sea de Lara ---> P(A) = 10/30

Evento B = otro sea de Lara ---> P(B) = 10/30
P(A  B) = P(A). P(B) = 10/30 . 10/30 = 100/900 = 0,111

b. Evento A = uno sea de Carabobo ---> P(A) = 20/30

Evento B = otro sea de Carabobo ---> P(B) = 20/30
P(A  B) = 20/30. 20/30 = 400/900 = 0,444

c. Evento A = el primero sea de Lara ---> P(A) = 10/30

Evento B = el segundo sea de Carabobo ---> P(B) = 20/30
P(A  B) = 10/30. 20/30 = 200/900 = 0,222

Probabilidad Condicional
Se denomina probabilidad condicional del evento A, a la probabilidad de que ocurra A, dado
que el evento B ha ocurrido. Se representa por P(A/B), y se lee "probabilidad del evento A dado B", y
se determina a través de la siguiente expresión.
P(A  B)
P(A/B) = --------------
P(B)

Ejemplos:

En un instituto educacional existe una matrícula de 390 alumnos, distribuidos en la siguiente

forma: 7º grado, 100 varones y 80 hembras; 8º grado, 70 varones y 50 hembras; 9º grado, 50 varones
y 40 hembras ¿Cuál es la probabilidad de que al seleccionar a una persona de ese grupo, sea una
alumna dado que la persona seleccionada es del 8º grado?
Evento A = sea una alumna
Evento B = sea del 8º grado
Evento A ∩ B = sea alumna del 8º grado

P(A  B) 50/390 19500

P(A/B) = ----------- = -------------- = ------------ = 0,416
P(B) 120/390 46800

¿Cuál es la probabilidad de que al seleccionar en forma aleatoria una persona de ese grupo,
sea alumno, dado que la persona seleccionada sea del 9º grado?
Evento A = sea alumno
Evento B = sea del 9º grado
Evento A ∩ B = sea alumno del 9º grado
Reduciendo el espacio muestral

P(A  B) 50
P(A/B) = ---------- = -------- = 0,555
P(B) 90
Prof. Milbet Rodríguez
UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.

Eventos Dependientes

Se dice que dos o más eventos son dependientes cuando el conocimiento de la ocurrencia de
uno de ellos altera la probabilidad de ocurrencia del o de los otros. Si A y B, son eventos dependientes,
se tendrá

P(A  B) = P(A) . P(B/A)

Ejemplos
Una caja contiene cuatro tarjetas blancas y seis azules. Si se seleccionan aleatoriamente y
sin reemplazo dos tarjetas. ¿Cuál es la probabilidad de que la primera selección sea una tarjeta
blanca y la segunda sea una azul?
Evento A = tarjeta blanca ---> P(A) = 4/10
Evento B/A = tarjeta azul siendo la primera blanca--->P(B/A)= 6/9

P(A  B) = P(A). P(B/A) = 4/10 . 6/9 = 24/90 = 0,2666

¿Cuál es la probabilidad de que las dos sean blancas?

P(A  B) = P(A) . P(B/A) = 4/10 . 3/9 = 12/90 = 0,1333

En un conjunto de 50 libros, 10 son defectuosos. Dos libros son seleccionados aleatoriamente

y sin reemplazo ¿Cuál es la probabilidad de que ambos libros sean defectuosos?
P(A  B) = 10/50 . 9/49 = 90/2450 = 0,0367

Prof. Milbet Rodríguez

UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.
Variable Aleatoria
Es toda función numérica que permite asignar un número real y solo uno, a todos y cada uno
de los eventos elementales de un espacio muestral.
X(S) = {x1, xn, ... xn}

Variable Aleatoria Discreta

Es aquella variable que puede asumir un número finito de valores, es decir, la cantidad de
valores que puede asumir es contable.

Variable Aleatoria Continua

Es aquella variable que puede asumir cualquier número real en un intervalo o unión de
intervalos. Ej: talla, peso.

Para denominar las variables aleatorias se utilizaran letras mayúsculas: X, Y, Z, y los valores
que pueda asumir la variable con letras minúsculas x1, x2, y1,.

Como los valores que puede asumir son integrantes de un espacio muestral, poseerán su
probabilidad, de allí que el conjunto de pares ordenados formados por los valores de x y su probabilidad,
se le denomina función de probabilidad o distribución de probabilidad para variables aleatorias
discretas.

Valores de "X" (xi) i = 1, 2, ... n x1 x2 x3 ... xn

Probabilidad P(X = xi) = f(xi) f(x1) f(x2) f(x3) ... f(xn)

f(xi) = P(X = xi)

La función de probabilidad o distribución de probabilidades es el conjunto de los pares

ordenados, formados por los valores de X y su probabilidad.

Ejemplo
Obtener la función de probabilidad para "el número de caras" que se obtendrían en el
lanzamiento simultáneo de 3 monedas.

(1) (2) (3)

C CCC (3) X Nº de caras f(xi)
C x1 = 0 -----> 1/8
S CCS (2) x2 = 1 -----> 3/8
C x3 = 2 -----> 3/8
C CSC (2) x4 = 3 -----> 1/8
S
S CSS (1)

C SCC (2)
C
S SCS (1)
S
C SSC (1)

Prof. Milbet Rodríguez

UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.
S
S SSS (0)

La función de probabilidad de [xi, f(xi)] donde f(xi) se designa para la probabilidad de que la
variable aleatoria X, asuma el valor x, es decir f(xi) = P(X = xi).

Ejemplo:
f(0) = P(X = 0) = 1/8 f(2) = P(X = 2) = 3/8

Ejercicios
Determine: a) f(X  3); b) f(1  X  3); c) f(0 < X < 1)

Representación Gráfica de la función de probabilidad

X = Nº de caras f(xi)
0 1/8
1 3/8
2 3/8
3 1/8

Realice la gráfica

Función de Distribución Acumulada

F ( x)  P( X  xi )   f ( xi )
xi  x

X (xi) f(xi) = P(X = xi) F(x) = P(X  xi)

3 1/8 8/8

2 3/8 7/8

1 3/8 4/8

0 1/8 1/8

F(0) = P(X  0) = f(0) = 1/8

F(2) = P(X  2) = f(0) + f(1) + f(2) = 1/8 + 3/8 + 3/8 = 7/8

Realice la gráfica de la distribución acumulada.

Esperanza Matemática

Tan igual que una distribución de frecuencias, con sus dos características importantes: su
tendencia central y su variabilidad, ellas también lo son de una variable aleatoria.

Prof. Milbet Rodríguez

UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de
variable aleatoria. Parámetros poblacionales. Distribuciones de probabilidad teórica.

La esperanza matemática, es una medida de tendencia central de una variable

aleatoria. La esperanza matemática se denomina también "valor esperado" o "media" de
una variable aleatoria.

La esperanza matemática de una variable aleatoria es la suma de los productos que

se obtienen multiplicando todos los valores de la variable aleatoria por sus correspondientes
probabilidades.

n
E ( X )   x   Xi * f ( Xi )
i 1

Ejemplo
Si se lanzan tres monedas ¿Cuál es la esperanza matemática del número de caras?

X = Nº de caras f(xi) xi . f(xi)

0 1/8 0
1 3/8 3/8
2 3/8 6/8
3 1/8 3/8
----------
 xi . f(xi) = 12/8 = 1,5

Conclusión: 1,5 es el número de caras esperadas como promedio en los lanzamientos de

las tres monedas.

Ejercicio
En cierto curso de inglés hay 20 alumnos aprobados y 10 reprobados. Si se
selecciona aleatoriamente dos alumnos, sin reposición, ¿cuál es el número esperado de
alumnos aprobados en la muestra?
A AA (2) P(AA) = 20/30 . 19/29 = 38/87
A P(AR) = 20/30 . 10/29 = 20/87
R AR (1) P(RA) = 10/30 . 20/29 = 20/87
P(RR) = 10/30 . 9/29 = 9/87
A RA (1)
R
R RR (0)

X = Nº aprobados f(xi) xi . f(xi)

2 38/87 76/87
1 40/87 40/87
0 9/87 0
-------------
xi . f(xi) = 116/87 = 1,33

Prof. Milbet Rodríguez

UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de
variable aleatoria. Parámetros poblacionales. Distribuciones de probabilidad teórica.

x = 1,33. Al seleccionar aleatoriamente dos alumnos, una y otra vez sin reemplazo,
el promedio de alumnos aprobados es aproximadamente 1,33 en la muestra.

Varianza
Si X es una variable aleatoria, con esperanza E(X) = x, la varianza de "X", que se
representa por V(X) =  2, se define como:

 
V ( X )   2   X i2 * f ( X i ) *  i2
 

Ejemplo:
En el lanzamiento de las tres monedas, determine la varianza de la variable aleatoria
definida como "el número de caras obtenidas".

X f(xi) xi * f(xi) X2 xi 2 * f(xi)

0 1/8 0 0 0
1 3/8 3/8 1 3/8
2 3/8 6/8 4 12/8
3 1/8 3/8 9 9/8
---------- -----------
xi. f(xi) = 12/8 = 1,5 xi 2. f(xi) = 24/8 = 3

 
V ( X )   2   X i2 * f ( X i ) *  i2 = 3 - (1,5)2 = 3 -2,25 = 0,75
 

Determine la varianza para la variable aleatoria definida como "el número de

alumnos aprobados en la muestra"

X f(xi) xi . f(xi) X2 xi . f(xi)

2 38/87 76/87 4 152/87
1 40/87 40/87 1 40/87
0 9/87 0 0 0
------------- --------------
xi . f(xi) = 116/87 = 1,33 xi . f(xi) = 192/87 = 2,21

V(X) = 2,21 - (1,33)2 = 2,21 - 1,77 = 0,44

Prof. Milbet Rodríguez