MATEMÁTICA OPCIÓN MEDICINA .- Prof.

Natalia Berretta 1
Estadística, Probabilidad y Distribuciones de probabilidad

VARIABLES ALEATORIAS
Consideremos el experimento aleatorio consistente en lanzar dos monedas (denominaremos con C al suceso
“sale cara” y con S al suceso “sale seca”).

El espacio muestral de éste experimento es E={(C,C) , (C,S), (S, C), (S,S)}

AL observar el número de caras obtenidas podemos asignarle a cada suceso un valor numérico:

(C,C) → 2 Observa que pueden asociarse diferentes variables aleatorias a

(C,S) un mismo experimento. Así, por ejemplo, al lanzar dos
→ 1 monedas podemos considerar, además, la variable que hace
corresponder a cada resultado el número de cruces obtenidas,
(S,C)
la que asigna a cada resultado el valor 1 si contiene alguna
(S,S) → 0 cruz o el valor 1 si no contiene ninguna.

Esta asignación define una función del espacio muestral en números reales.

Las funciones definidas de ésta forma se llaman variables aleatorias y suelen representarse mediante una
letra mayúscula, por ejemplo X.

Definición:

Una v.a. X es una función que

asigna un número real a cada
resultado posible de un
experimento aleatorio.

X: Ω→R

De ésta manera a cada suceso de Ω le corresponde un número real.

El dominio de la función estará compuesto por los sucesos de Ω; el recorrido por números reales.

SEGÚN SEAN LOS VALORES DEL RECORRIDO DE ESTA FUNCIÓN PODEMOS CLASIFICAR LAS VARIABLES ALEATORIAS EN:

 DISCRETAS: Cuando el recorrido toma valores aislados. Toma sólo un número finito o contable de valores.
 CONTINUAS: Cuando el recorrido puede tomar al menos teóricamente cualquier valor de un intervalo de la recta
real.
 MATEMÁTICA OPCIÓN MEDICINA .- Prof. Natalia Berretta 2
Estadística, Probabilidad y Distribuciones de probabilidad

VARIABLES ALEATORIAS DISCRETAS

Ejemplos:

Juan lanza en varias ocasiones tres monedas al aire y se dedica a anotar cuantas caras va obteniendo.
O sea, en este caso tenemos el experimento aleatorio “lanzar tres monedas al aire”
y la variable aleatoria X = “cantidad de caras que se obtienen”.
Entonces el espacio muestral y los valores que toma la variable se vería de la siguiente forma:

Por lo tanto, podemos decir que la variable aleatoria toma los valores 0, 1, 2, 3.

A estos cuatro valores se les denomina recorrido de la variable aleatoria: Rec(X)= {0, 1, 2, 3}

y a los elementos del espacio muestral se les denomina dominio de la variable aleatoria.

Dom (X)= {(CCC), (CCS), (CSC), (SCC), (SSC), (SCS), (CSS), (SSS)}
Material tomado de www//educarchile.cl

DISTRIBUCIONES DE PROBABILIDAD
¿Para qué me puede servir conocer cómo se distribuyen las probabilidades de una determinada Variable Aleatoria
discreta?
Es importante para conocer las probabilidades asociadas a cada valor, así como para poder estimar probabilidades
acumuladas. En este sentido es imprescindible, conocer la definición y características de Función de Probabilidad y
Función de Distribución.
 MATEMÁTICA OPCIÓN MEDICINA .- Prof. Natalia Berretta 3
Estadística, Probabilidad y Distribuciones de probabilidad

FUNCIÓN DE PROBABILIDAD DE UNA V. A. DISCRETA

Sea una V.A. discreta X, que toma los valores x1, x2, ..., xn para la cual se conocen las probabilidades de que la variable
X tome dichos valores.
Su función de probabilidad no es más que la asignación a cada valor de la variable de la probabilidad que le
corresponde. Es decir:
f(xi)= P(X=xi)
Ecuación 1. Función de Probabilidad

Es una idealización de la correspondiente distribución de frecuencias ya que en realidad se está estimando las
frecuencias absolutas fi y relativas hi de forma experimental o empírica.

También se llama función de cuantía o masa.

Considera de nuevo la Experimento aleatorio: Se arrojan dos monedas

variable aleatoria X, que
asigna a cada resultado del
lanzamiento de dos
monedas el número de
caras obtenidas.
Variable aleatoria: X = “se cuenta el número de caras obtenidas”
Dom (X) = {(C; C); (C; S); (S; C); (S, S)}
Rec (X)= {0, 1, 2}

(C,C) → 2
(C,S)
→ 1
(S,C)
(S,S) → 0

¿Cuál es la probabilidad de que esta variable tome el valor 0?

Esta variable toma el valor 0 cuando en el lanzamiento de las dos monedas se obtienen dos cruces. Por lo
tanto, la probabilidad de que X tome el valor 0 es la probabilidad de conseguir dos cruces en el
lanzamiento de dos monedas lo anotaremos

P (X = 0) = P ({(S, S)}) = 1 /4

De la misma manera, se tiene:

P (X = 1) = P ({(C, S), (S, C)}) = 1/ 2

P (X = 2) = P ({C, C)}) = 1 /4

Así pues, podemos asignar

a cada valor x del recorrido de la variable aleatoria X

la probabilidad de que X tome dicho valor.

 MATEMÁTICA OPCIÓN MEDICINA .- Prof. Natalia Berretta 4
Estadística, Probabilidad y Distribuciones de probabilidad

De forma general, la función f asigna a cada número real x la probabilidad de que la variable aleatoria X
tome ese valor. Esta función cumple lo siguiente:

1
𝑠𝑖 𝑥 = 0 ∨ 𝑥 = 2
4
Así, en el ejemplo que analizamos: 𝑓: 𝑓(𝑥) = {1 𝑠𝑖 𝑥 = 1
2
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

(Si x no es un valor del recorrido de la variable, f (x) = P (X = x) = 0)

La función de probabilidad o distribución de la v.a. X y se puede expresar también mediante una tabla de
valores o una gráfica (histograma).

x 0 1 2
P(X=x) 1/4 1/2 1/4

El objetivo de los siguientes ejercicios tomados de Khan Academy es

Para ello, analizaremos cada situación escribiendo

 “qué mide” la va X.
 El recorrido de la variable aleatoria.
 Qué probabilidad de ocurrir tiene cada uno de los valores del recorrido.
 Reuniremos la información obtenida en una tabla y en un gráfico de barras.
 Contestaremos la pregunta.
 MATEMÁTICA OPCIÓN MEDICINA .- Prof. Natalia Berretta 5
Estadística, Probabilidad y Distribuciones de probabilidad

Ejercicio 1:
 MATEMÁTICA OPCIÓN MEDICINA .- Prof. Natalia Berretta 6
Estadística, Probabilidad y Distribuciones de probabilidad

Ejercicio 2:
 MATEMÁTICA OPCIÓN MEDICINA .- Prof. Natalia Berretta 7
Estadística, Probabilidad y Distribuciones de probabilidad

IMPORTANTE:

Características de la función de probabilidad:

• A CADA VALOR xI DE LA VA LE HACEMOS CORRESPONDER UNA PROBABILIDAD ESPERADA TEÓRICA pI

• LA SUMA DE TODAS LAS PROBABILIDADES ESPERADAS ES UNO.

Ejercicios tomados de la sección de Khan Academy:

Ejercicio 1:

Ejercicio 2:
 MATEMÁTICA OPCIÓN MEDICINA .- Prof. Natalia Berretta 8
Estadística, Probabilidad y Distribuciones de probabilidad

MEDIA Y VARIANZA DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA:

La media de una distribución es un valor central que nos indica la cantidad que correspondería a cada individuo en
una repartición igualitaria.

La media de una distribución de probabilidad de una variable aleatoria discreta X se denota con la letra griega
𝜇 (𝑚𝑢)

𝑠𝑖𝑒𝑛𝑑𝑜 𝜇 = ∑ 𝑥𝑖 𝑝𝑖 = 𝑥1 𝑝1 + 𝑥2 𝑝2 + … . + 𝑥𝑖 𝑝𝑖

Es frecuente llamar a la media μ de una variable aleatoria valor esperado o esperanza matemática de dicha variable.

Ejercicio extraído de la sección de Khan Academy

VARIANZA y DESVIACIÓN TÍPICA:

Para estimar la dispersión de los valores de la variable aleatoria respecto a la media se utilizan la varianza y la
desviación típica.

La varianza se calcula 𝑉(𝑋) = ∑(𝑥𝑖 − 𝜇)2 𝑝𝑖

Su raíz cuadrada recibe el nombre de desviación típica, la denotamos por σ (sigma), tiene la ventaja sobre la varianza
de estar expresada en las mismas unidades que la variable X y no por los cuadrados siendo por ello más
representativa.

La desviación típica se calcula: 𝜎 = √𝑉(𝑋)

Calcula la varianza y la desviación típica para la variable aleatoria del ejercicio anterior.