VARIABLES ALEATORIAS

Los eventos de mayor interés para un científico, ingeniero o empresario son los eventos
relacionados con números. Por ejemplo, un ingeniero está interesado en el evento de que
dos de dos artículos producidos sean defectuosos, que la temperatura de un proceso sea
menor que 70oC, el empresario se interesa en el evento de que las ventas del próximo año
alcancen la cifra de $5,000,000

Una variable aleatoria (v.a) es una función que asocia con cada elemento del espacio
muestral un número real. Si el ingeniero elige dos artículos, una variable aleatoria (X) es el
número de artículos defectuosos y los valores que puede tomar son 0, 1 y 2.

Una variable aleatoria es discreta si solamente puede tomar un conjunto numerable de

valores y es continua cuando toma valores en un intervalo de números reales. Ejemplo de
una v.a. discreta es el número de artículos defectuosos, ya que los valores que puede tomar
son 0,1 y 2; y un ejemplo de v.a. contínua es la temperatura en oC, ya que toma cualquier
valor entre -  y  .

La distribución de probabilidad de una variable aleatoria discreta X es una representación

por una fórmula, una tabla o una gráfica que indique las probabilidades p(X=x)
correspondientes a cada uno de los valores x.

Ejemplo 1.

Si se lleva a cabo un experimento que consiste en lanzar un dado una sola vez y si la v.a. X
denota el número que aparece en la cara superior del dado entonces la distribución de
probabilidad es:

X p(X=x)

1 1/6

2 1/6

3 1/6

4 1/6

5 1/6

6 1/6

De la distribución de probabilidades se pueden obtener otras probabilidades.

¿Cuál es la probabilidad de obtener 2 ó 3?

This study source was downloaded by 100000786370970 from CourseHero.com on 10-03-2022 22:26:40 GMT -05:00 1

https://www.coursehero.com/file/41672705/PYE4doc/
 P(2 ó 3)= P(X=2 o X=3) = P(2) + P(3) = 1/6 + 1/6 = 2/6 = 1/3

¿Cuál es la probabilidad de obtener 3 ó menos?

P(1 ó 2 ó 3) = P(X=1 o X=2 o X=3) = P(1)+P(2)+P(3) = 1/6 + 1/6 + 1/6 = 3/6 = 1/2

¿Cuál es la probabilidad de obtener un número par?

P(2 ó 4 ó 6) = P(X=2 o X=4 o X=6) = P(2)+P(4)+P(6) = 1/6 + 1/6 + 1/6 = 3/6 = 1/2

Note que la anterior distribución de probabilidad puede darse mediante la siguiente ecuación:

P(X = xi) = 1/6 para xi = 1,2,3,4,5,6

La ecuación anterior es función de x por lo que podemos escribir:

fX(x) = p(X =xi) = 1/6 para xi = 1,2,3,4,5,6

A la función fX(x) que asocia con cada elemento del rango una probabilidad se le llama
función de probabilidad y satisface lo siguiente:

1. fX(x)  0
2. fX(x) = P(X=x)

3. f X (x ) 1

Ejemplo 2:

Si se lleva a cabo un experimento que consiste en lanzar dos dados una sola vez y la
variable X es la suma de los valores obtenidos entonces la distribución de probabilidad es:

X Resultados posibles p(x)

2 (1,1) 1/36

3 (1,2),(2,1) 2/36

4 (1,3),(3,1),(2,2) 3/36

5 (1,4),(4,1),(3,2),(2,3) 4/36

6 (1,5),(5,1),(2,4),(4,2),(3,3) 5/36

7 (1,6),(6,1),(2,5),(5,2),(3,4),(4,3) 6/36

This study source was downloaded by 100000786370970 from CourseHero.com on 10-03-2022 22:26:40 GMT -05:00 2

https://www.coursehero.com/file/41672705/PYE4doc/
 8 (2,6),(6,2),(3,5),(5,3),(4,4) 5/36

9 (3,6),(6,3),(4,5),(5,4) 4/36

10 (4,6),(6,4),(5,5) 3/36

11 (5,6),(6,5) 2/36

12 (6,6) 1/36

De esta tabla se pueden obtener otras probabilidades mediante la suma de probabilidades

¿Cuál es la probabilidad de obtener una suma de 4 o menos?

P(2 ó 3 ó 4) = P(X=2 o X=3 o X=4) = P(2)+P(3)+P(4) = 1/36 + 2/36 + 3/36 = 6/36 = 1/6

¿Cuál es la probabilidad de obtener por lo menos 11?

P(11 ó 12) = P(X=11 o X=12) = P(11)+P(12) = 2/36 + 1/36 = 3/36 = 1/12

Media o Valor esperado

El símbolo que se utiliza para representar al promedio de una v.a. discreta es la letra griega  X . Se
obtiene multiplicando cada valor de la variable por su probabilidad y sumando todo eso.

E ( X )   x  x i p ( xi )

Ejemplo 1.

El valor esperado de lanzar el dado una vez es el promedio que se obtendría si se lanzara el dado
muchas veces.

E ( X )   x  (1)(1/6) + (2)(1/6) + (3)(1/6) + (4)(1/6)+ (5)(1/6) +(6)(1/6) = 21/6 = 3.5

2. Varianza y desviación estándar

La varianza de una variable aleatoria discreta:

 2  ( x i   ) 2 p ( x i )

La desviación estándar es la raíz cuadrada positiva de la varianza

This study source was downloaded by 100000786370970 from CourseHero.com on 10-03-2022 22:26:40 GMT -05:00 3

https://www.coursehero.com/file/41672705/PYE4doc/
 Distribuciones de variables aleatorias discretas:

Distribución Binomial

Las distribución binomial parte de la distribución de Bernouilli. La distribución de Bernoulli se aplica

cuando se realiza una sola vez un experimento que tiene únicamente dos posibles resultados (éxito
o fracaso), por lo que la variable sólo puede tomar dos valores.

La distribución binomial se aplica cuando se realizan un número"n" de veces el

experimento de Bernoulli, siendo cada ensayo independiente del anterior y
manteniendo una probabilidad de éxito “p” constante. La variable puede tomar
valores cero y n.

La distribución de probabilidad de este tipo de distribución sigue el siguiente modelo:

 n  x n x
fX x)( P(X x)  p (1 p) x 0,12,. ,n
 x
¿Alguien entiende esta fórmula? Vamos a tratar de explicarla con un ejemplo:

Ejemplo 1.

¿Cuál es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces?

" x " es el número de aciertos. En este ejemplo " x " igual a 6

" n" es el número de ensayos. En nuestro ejemplo son 10

" p " es la probabilidad de éxito, es decir, que salga "cara" al lanzar la moneda. Por lo
tanto p = 0,5

La fórmula quedaría:

 1 0  6 10  6
fX(6) P(X 6)  0.5 (1 0.5)
6 
Luego,

P (x = 6) = 0.205

Es decir, se tiene una probabilidad del 20.5% de obtener 6 caras al lanzar 10 veces una moneda.

This study source was downloaded by 100000786370970 from CourseHero.com on 10-03-2022 22:26:40 GMT -05:00 4

https://www.coursehero.com/file/41672705/PYE4doc/
 Ejemplo 2.

¿Cuál es la probabilidad de obtener cuatro veces el número 3 al lanzar un dado ocho veces?

" x " (número de aciertos) toma el valor 4

" n" toma el valor 8

" p " (probabilidad de que salga un 3 al tirar el dado) es 1 / 6 (= 0.1666)

La fórmula queda:

8 4 48
fX(4) (XP 4) 0.16 6 (1 0.16 6) x 0,12,. ,n
 4
Luego,

P (x = 4) = 0.026

Es decir, se tiene una probabilidad del 2.6% de obtener cuatro veces el números 3 al tirar un dado 8
veces.

Distribución Poisson

Las distribución de Poisson parte de la distribución binomial:

Cuando en una distribución binomial se realiza el experimento un número "n" muy elevado
de veces y la probabilidad de éxito "p" en cada ensayo es reducida, entonces se aplica el
modelo de distribución de Poisson:

Se tiene que cumplir que:

" p " < 0.10

" p * n " < 10

La distribución de Poisson sigue el siguiente modelo:

x
fX ( x)  P ( X  x) e   x 1,2,3,...
x!
Vamos a explicarla:

El número "e" es 2,71828

"  " = n * p (es decir, el número de veces " n " que se realiza el experimento
multiplicado por la probabilidad " p " de éxito en cada ensayo)

This study source was downloaded by 100000786370970 from CourseHero.com on 10-03-2022 22:26:40 GMT -05:00 5

https://www.coursehero.com/file/41672705/PYE4doc/
 " x " es el número de éxito cuya probabilidad se está calculando

Ejemplo 1.

La probabilidad de tener un accidente de tráfico es de 0,02 cada vez que se viaja, si

se realizan 300 viajes, ¿cual es la probabilidad de tener 3 accidentes?

Como la probabilidad " p " es menor que 0,1, y el producto " n * p " es menor que 10,
entonces aplicamos el modelo de distribución de Poisson.

Luego,

P (x = 3) = 0.0892

Por lo tanto, la probabilidad de tener 3 accidentes de tráfico en 300 viajes es del 8.9%

Ejemplo 2.

La probabilidad de que un niño nazca pelirrojo es de 0.012. ¿Cuál es la probabilidad

de que entre 800 recién nacidos haya 5 pelirrojos?

Luego,

P (x = 5) = 4.602 %

Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recien nacidos es del
4.6%.

ASIGNACIONES

VALOR ESPERADO

1.-Suponga que y representa el número de fallas mecánicas diarias que ocurren en una planta
procesadora de alimentos. Suponga además, que la distribución de probabilidad de x es la
siguiente:

x 0 1 2 3

p(x) .35 .35 .25 .05

Encuentre el valor esperado de x. Construya una gráfica de la distribución de probabilidad e

identifique a u..R: E(y) = 1.0

This study source was downloaded by 100000786370970 from CourseHero.com on 10-03-2022 22:26:40 GMT -05:00 6

https://www.coursehero.com/file/41672705/PYE4doc/
 μ=0(.35)+1(.35)+2(.25)+3(.05)=1

2.-Una compañía fabrica paquetes de clips. El numero de clips por paquete varia, como se indica en
la tabla adjunta.

Número de Clips 47 48 49 50 51 52 53
Proporción de paquetes 0.04 0.13 0.21 0.29 0.20 0.10 0.03

a. ¿Cuál es la probabilidad de que un paquete elegido aleatoriamente contenga entre 49 y 51 clip

(ambos inclusive)? .21+.29+.20=.7
b. Calcular la media y varianza del número de clips μ=49.9 varianza=1.396

3.- Una fábrica embarca su producto en dos camiones de carga con dimensiones de 8 x 10 x 30 y
8 x 10 x 40 respectivamente. El 30% de sus embarques se hacen en el camión de 30 pies y el 70%
se hacen en el camión de 40 pies. Encuentre la media por camión del volumen embarcado (se
supone que los camiones siempre van llenos).

2400x.3+3200x.7=2960

DISTRIBUCION BINOMIAL

1.- Un complejo sistema electrónico esta construido con cierto número de componentes de apoyo
en sus subsistemas. Un subsistema contiene cuatro componentes idénticos, cada uno con una
probabilidad de 0.2 de fallar en menos de 1000 horas. El subsistema funciona si dos componentes
cualesquiera de los cuatro trabajan en forma adecuada. Se supone que los componentes operan
independientemente.

a) Encuentre la probabilidad de que exactamente dos de cuatro componentes resistan mas de 1,000
horas.

N=4 P(X=2)=4C2(.2)2

X=2 =.1536

P=.2

b) Encuentre la probabilidad de que el subsistema funcione por mas de 1,000 horas

P(x=2)+P(x=3)+P(x=4)=.9728

R: a) 0.1536 b) 0.9728

2.- La probabilidad de que un enfermo se recupere de un padecimiento gástrico es 0.8. Supóngase

que 20 personas han contraído tal afección. ¿Cuál es la probabilidad de que:

a) Sobrevivan 14?

.10909

b) Al menos 10 sobrevivan?

.00203+.007386+.0221+.0545+.1090+.17455+.2181+.20576+.1369+.05764+.01152=.999

This study source was downloaded by 100000786370970 from CourseHero.com on 10-03-2022 22:26:40 GMT -05:00 7

https://www.coursehero.com/file/41672705/PYE4doc/
 c) Al menos 14 pero no mas de 18 sobrevivan?

.1090+.07455+.2181+.20576+.1369=.8443

d) A lo mas 16 sobrevivan?

8.3x10-3+3.1x10-11+7.6x10-10+1.3x10-8+1.66x10-7+1.66x10-6+1.3x10-5+8.6x10-5+4.6x10-4=5.6x10-
4
+5.8706=.588

R: a) 0.109 b) 0.999 c) 0.844 d) 0.589

DISTRIBUCIÓN POISSON

1.- Una planta procesadora y enlatadora de alimentos tiene 20 máquinas enlatadoras automáticas
en operación constante. La probabilidad de que la máquina se descomponga en un determinado día
es 0.05, encuentre la probabilidad de que en un día determinado fallen dos máquinas enlatadoras?
R: 0.184.

N=20 λ=.05x20=1

X=2 e-112/2!=.183

P=.05

2.- Un fabricante de podadoras de césped adquiere del proveedor motores de dos tiempos de 1
caballo de fuerza, en lotes de 1000. En cada podadora se instala uno de estos motores. La
experiencia indica que la probabilidad de que un motor este defectuoso es 0.001. En un envío de
1000 motores, a) ¿cuál es la probabilidad de que ninguno este defectuoso? b)¿ uno?, c)¿dos? d)
¿tres? e) ¿cuatro?

N=1000 a) x=0 λ=.001x1000=1 P(x=0) e-110/0=.3678

P=.001 b)P(x=1)= e-111/1=.367 c) P(x=2)= e-112/2!=.1839

d)P(x=3)= e-113/3!=.613 P(x=4)= e-114/4!=.01532

R: a) 0.368, b) 0.368 c)0.184 d)0.061 e) 0.015

3.- En un almacén en particular los clientes llegan al mostrador de caja, conforme una distribución
de Poisson con un promedio de siete por hora. En una hora dada, ¿cuál es la probabilidad de que:

a) lleguen no mas de tres clientes? R: 0.0818

(e-7x71)/1!=.00638 + (e-7x72)/2!=.022 + (e-7x73)/3!=.0521=.0805

This study source was downloaded by 100000786370970 from CourseHero.com on 10-03-2022 22:26:40 GMT -05:00 8

https://www.coursehero.com/file/41672705/PYE4doc/
Powered by TCPDF (www.tcpdf.org)