Variable Aleatoria

Distribución de Probabilidad
 Ejemplo:
Variable aleatoria x=nº de caras al lanzar tres veces una moneda.
Posibles valores de x: 0, 1, 2 y 3
Lanzar 3 veces moneda:
E={CCC,CCX,CXC,XCC,XXC,XCX,CXX,XXX}
La variable aleatoria x:

• Toma valor 0 cuando ocurre el suceso {XXX} p0  P{x  0}  1 / 8  0,125

• Toma valor 1 cuando ocurre el suceso {XXC,XCX,CXX} p1  P{x  1}  3 / 8  0,375
• Toma valor 2 cuando {CCX,CXC,XCC} p2  P{x  2}  3 / 8  0,375
• Toma valor 3 cuando {CCC} p3  P{x  3}  1 / 8  0,125
La función de probabilidad es:
0.40

0.35

0.30

0.25

0.20

0.15

0.10
0 1 2 3
¿Cuál será la probabilidad de que salgan al menos dos caras?

P{x  2}  P{x  0}  P{x  1}  P{x  2}  0,125  0,375  0,375

 0,875
¿y la probabilidad de que el número de caras esté entre 1 y 2?

P{1  x  2}  P{x  1}  P{x  2}  0,375  0,375  0,75

Calcular la esperanza matemática, varianza y desviación típica de la
variable aleatoria que tiene como función de distribución :

La ley de probabilidad o función de densidad será :

X 2 4 6 8
P(xi) 0.2 0.35 0.3 0.15

Cálculo de momentos :
X 2 4 6 8
P(xi) 0.2 0.35 0.3 0.15 1
P . X 0.4 1.4 1.8 1.2 4.8
P . X² 0.8 5.6 10.8 9.6 26.8
Esperanza matemática :

Varianza y desviación típica :

V(X) = σ² = P . X² - E(X)² = 26.8 – 4.8² = 3.76

σ² = 3.76 = 1.93
Se lanza un par de dados. Se define la variable aleatoria X como la
suma de las puntuaciones obtenidas. Hallar la función de
probabilidad, la esperanza matemática , la varianza y la desviación
estándar.
x p i x·p i x 2· pi μ = E(X) = 7
2 1/36 2/36 4/36
σ² = 54.83 – 7² =5.83
3 2/36 6/36 18/36
4 3/36 12/36 48/36 σ= 5.83 = 2.415
5 4 /36 20/3 6 100/36
6 5/36 30/36 180/36
7 6/36 42/36 294/36
8 5/36 40/36 320/36
9 4 /36 36/36 324/36
10 3/36 30/36 300/36
11 2/36 22/36 242/36
12 1/36 12/36 144/36
7 54.83
La función de probabilidad de la variable aleatoria X viene dada por la tabla.

xi -2 -1 0 1 2
p(xi) 0.08 0.32 0.05 a 0.32
Hallar el valor de a, P(X = 1), P(X ≥ 1) y P(X ≤ −1).

Como
𝑖=1 𝑝𝑥(𝑥𝑖) = 1 ⇒ 0.08 + 0.32 + 0.05 + a + 0.32 = 1; a = 0.23
𝑛

P(X = 1) = p(x=1) = a = 0.23

P(X ≥ 1) = P(X = 1) + P(X = 2) = 0.23 + 0.32 = 0.55
P(X ≤ −1) = P(X = −2) + P(X = −1) = 0.08 + 0.32 = 0.4
Encuentre la media μ = E(X), la varianza σ² =var(X) y la desviación
estándar σ= σx de la distribución.

Xi 1 3 5 7
Pi 0.3 0.1 0.4 0.2

Aquí la distribución se presenta utilizando xi y p(x). Las siguientes

son las formulas análogas:
 Xi 1 3 5 7
Pi 0.3 0.1 0.4 0.2

P(x>3) = 0.1 + 0.4 + 0.2 = 0.7 0.45

0.4
0.35
P(x<3) = 0.1 + 0.3 = 0.4 0.3
0.25
P(1< x <3) = 0.3 + 0.1 = 0.4 0.2
0.15
0.1
P(1< x <3) = P(x=2) = 0.16 0.05
0
0 2 4 6 8
Supongamos la variable tipo histológico de un tumor, con los
valores 1, 2, 3, 4. Si la fdp fuera;
NOTA; El grado histológico del tumor es uno de los muchos factores que los
médicos tienen en cuenta cuando preparan un plan de tratamiento individual
x f(x) para un paciente de cáncer.

Por lo tanto esto, significaría que la probabilidad del

1 0.22
tipo 2 es 0.27, etc., y si es una fdp porque la suma
2 0.27 de las f(x) es 1.
Para variables continuas la probabilidad de que una
3 0.30
variable tome cualquier valor concreto es 0, por lo
4 0.21 tanto la fdp sólo permite calcular la probabilidad para
un intervalo del tipo (a<X<b), mediante el área bajo
la curva de la fdp.

Para las variables aleatorias de interés hay

tablas, y programas de ordenador, donde
buscar esos valores. Pero tratemos de entender
este concepto.
 x f(x) a) Calcular la E(xi), la
σ² y la σ.
1 0.22 b) Cual es la
probabilidad de que
2 0.27 el 2.2% de la
población en este
3 0.30 estudio, tenga una
baja posibilidad de
4 0.21 no tener cáncer.

a)
E(x) = (1) (0.22) + (2)(0.27) + (3)(0.3) + (4)(0.21) =
= 0.22 + 0.54 + 0.9 + 0.84 =2.5
σ² = ((1²)(0.22) + (2²)(0.27) + (3²)(0.3) +(4²)(0.21)) – 2.5² =
= (0.22 + 1.08 + 2.7 + 3.36) – 6.25 = 7.36 – 6.25 = 1.11
σ = 1.11 = 1.05
 b)
Dos veces σ es el valor que representaría el 2.2%
1.05 x 2 = 2.1
A el valor de la E(x) = 2.5, le restamos 2.1 = 0.4
0.35

0.3 x f(x)

0.25
1 0.22
0.2

0.15
2 0.27
E(x) = 2.5
0.1
3 0.30
0.05 X = 1.45
X = 0.4
4 0.21
0
0 1 2 3 4 5

b) la probabilidad de que el 2.2% de la población en estudio

tiene una baja probabilidad de no tener cáncer es cero.

Si tomamos una sola desviación típica la probabilidad de no se

tenga cáncer, representa un 15.8% de la población en estudio.
2.5 – 1.05 = 1.45
La probabilidad es de 0.24
En la extracción simultánea de tres bolas de una urna que contiene 6
bolas blancas y cuatro negras, observamos el número de bolas blancas
extraídas. De la variable aleatoria así definida, calcular : C  C (m, n)   m   m! n

 n  n!(m  n)!
m

a) ley de probabilidad
10! 10! X
10∗9∗8∗7∗6….∗10 6! 1 2 3
𝐶(10,3) = = = = = 6*5*4 = 120
3! 10−3 ! 3!∗7! P(x)3!7! 3!

a) Ley de probabilidad
X 0 1 2 3
P(x) 0.033 0.3 0.5 0.167

b) función de distribución
c) Esperanza matemática , varianza y desviación típica.

X P(xi) P.X P.X²

0 0.033 0 0
1 0.3 0.3 0.3
2 0.5 1 2
3 0.167 0.501 1.503
Totales 1 1.801 3.803
E(X) = 1.8
σ² = 3.8 - 1.8² = 0.56
σ = 0.74833148

d) mediana y moda de la distribución.

Sea X variable aleatoria cuya distribución de probabilidad
viene dada por;

Hallar P(X = 3); P(1 < X < 2.5) y P(X < 2.5).

Hallamos primero los valores de la fdp:

5
P(1< X < 2.5) = P(X=1) + P(X=2)=
8
11
P(X< 2.5)=P(X=0) + P(X=1) + P(X=2) = 16
Sea x una variable aleatoria que expresa el nº de personas que
habitan en una vivienda elegida al azar. La distribución de probabilidad
de x es la siguiente:

xi 1 2 3 4 5 6 7 8ó+
pi 0,230 0,322 0,177 0,155 0,067 0,024 0,015 0,010

a) Comprobar que es una distribución de probabilidad.

Todas las pi son mayores o iguales que cero y además se cumple
que: 8


i1
pi  0,23  0,322  0,177...0,010  1

b) Hallar la probabilidad de que el nº de personas que viven en un

hogar sea menor o igual que cuatro.
c) Calcular la probabilidad de que al menos dos personas vivan en una
vivienda.

d) Obtener el nº medio de personas que habitan en una vivienda.

E(X)
 Una compañía ha vendido 205 boletos para un avión de 200 asientos.
Sea x la variable aleatoria que expresa el nº de viajeros que va al
aeropuerto para viajar en el avión. Su distribución es:

xi 198 199 200 201 202 203 204 205

pi 0,05 0,09 0,15 0,20 0,23 0,17 0,09 0,02

a) Hallar la probabilidad de que todos los viajeros que van al aeropuerto

tengan asiento.

P{x  200}  P{x  198}  P{x  199}  P{x  200} 

 0,05  0,09  0,15  0,29

b) Obtener la probabilidad de que se quede sin asiento alguno de los

viajeros que va al aeropuerto.

P{x  200}  1  P{x  200}  1  0,29  0,71

c) Calcular el nº esperado de viajeros que acude al aeropuerto.

k
mx 
E(X) xp
i 1
i i  198  0,05  199  0,09  200  0,15  201  0,2 

 202  0,23  203  0,17  204  0,09  205  0,02 

 201,44

d) ¿Cuál es la probabilidad de que la primera persona de la lista de

espera tenga sitio en el vuelo?

P{x  199}  P{x  198}  P{x  199}  0,05  0,09  0,14

Encuentre la media µ = E(X), la varianza σ² =var(X) y la
desviación estándar σ= σx de la distribución.
Xi Pi XiPi Xi²Pi
1 0.3 0.3 0.3
3 0.1 0.3 0.9
5 0.4 2 10 E(X) = 4
7 0.2 1.4 9.8 σ² = 21 - 4² =21-16=5
1 4 21 σ = 2.236

σ² =

σ=
Calcular la E(X), σ² y σ de la siguiente distribución de probabilidad.

x pi x·pi x 2· pi
0 0.1 0 0
1 0.15 0.15 0.15
2 0.45 0.9 1.8
3 0.1 0.3 0.9
4 0.2 0.8 3.2
2.15 6.05

σ² =

σ=
E(X) = 2.15
σ² = 6.05 - 2.15² = 1.4275
σ = 1.19478031
Supóngase que la producción de un día de 850 piezas manufacturadas
contiene 50 piezas que no cumplen con los requerimientos del cliente.
Se seleccionan del lote dos piezas al azar y sin remplazo. Sea la
variable aleatoria X igual al número de piezas de la muestra que no
cumplen. ¿Cuál es la función de distribución acumulada de X?
La pregunta puede contestarse encontrando primero la función de
masa de probabilidad de X.

P(X1=0, X2=0)= P(X=0)=(800/850)(799/849)=0.886

P((X1=0, X2=1), (X1=1, X2=0))=P(X=1)=2(800/850)(50/849)=0.111
P(X1,2=2)=P(X=2)=(50/850)(49/849)=0.003

0.886 + 0.111 + 0.003 = 1

Por lo tanto,
F(0)=P(x ≤ 0 )=0.886
F(1)=P(x ≤ 1)=0.886+0,111=0,997
F(2)=P(x ≤ 2)=1
Hallar el valor esperado del número de artículos dañados que hay en
la muestra de tamaño 3 extraída de un lote que contiene 10 artículos
de los cuales, 4 son dañados.
Xi Pi P(X1=0, X2=0, X3=0)= P(X=0)=(6/10)(5/9)(4/8)= 120/720 = 1/6
0 1/6
P((X1=1, X2=0, X3=0), (X1=0, X2=1,X3=0), (X1=0, X2=0,X3=1))=
1 1/2
P(X=1)=((4/10)(6/9)(4/8))+((6/10)(4/9)(5/8))+((6/10)(5/9)(4/8)=
2 3/10 (120/720)+(120/720)+(120/720)=1/2 = 0.5
3 1/30
P((X1=1, X2=1, X3=0), (X1=1, X2=0,X3=1), (X1=0, X2=1,X3=1))=
P(X=2)=((4/10)(3/9)(6/8))+((5/10)(6/9)(3/8))+((6/10)(4/9)(3/8)=
(72/720)+(72/720)+(72/720)=3/10
P(X1,2,3=3)=P(X=3)=(4/10)(3/9)(2/8)=24/720=1/30

1/6 + 1/2 + 3/10 + 1/30= 1

Xi Pi XiPi Xi²Pi E(X) = 1.2

0 1/6 0 0 σ² = 2 – 1.2² =0.56
1 1/2 0.5 0.5 σ = 0.74
2 3/10 0.6 1.2
3 1/30 0.099 0.299
1 1.2 2
Sea X una variable aleatoria discreta cuya función de probabilidad es:

x p i 1.- Representar la función de distribución.

0 0.1
1 0.2
2 0.1
3 0.4
4 0.1
5 0.1

2.- Calcular las siguientes probabilidades:

p (X < 4.5) p (X < 4.5) = F (4.5) = 0.9

p (X ≥ 3) p (X ≥ 3) = 1 - p(X < 3) = 1 - 0.4 = 0.6

p (3 ≤ X < 4.5)

p (3 ≤ X < 4.5) = p (X < 4.5) - p(X < 3) = 0.9 - 0.4 = 0.5

3.- Calcular, la esperanza matemática, la varianza y la desviación
estándar de la función de probabilidad

x pi x·pi x 2· pi
0 0.1 0 0
1 0.2 0.2 0.2
2 0.1 0.2 0.4
3 0.4 1.2 3.6
4 0.1 0.4 1.6
5 0.1 0.5 2.5
2.5 8.3

E(X) = 2.5
σ² = 8.3 - 2.5² = 2.05
σ = 1.43
Sabiendo que p(X ≤ 2) = 0.7 y p(X ≥ 2) = 0.75.
Hallar: La esperanza matemática, la varianza y la desviación típica.

1- 0.1 + a = 0.75
-a = -0.9 + 0.75 = -0.15
a = 0.15
+ Así que;
0.1 + a + b = 0.7
0.1+ 0.15 + b = 0.7
b = 0.7 - 0.25 = 0.45
b = 0.45
0.1 + 0.15 + 0.45 + c + 0.2 =1
0.9 + c = 1
c = 1 - 0.9 = 0.1
c = 0.1
 x pi x·pi x 2· pi
0 0.1 0 0
1 0.15 0.15 0.15
2 0.45 0.9 1.8
3 0.1 0.3 0.9
4 0.2 0.8 3.2
2.15 6.05

σ² =

σ=
E(X) = 2.15
σ² = 6.05 - 2.15² =1.4275
σ = 1.19478031
-1 0 0 1

P(X<-1) P(X<1)

-1 0
0 1

P(X>-1) P(X>1)

0 1 3
-3 0 3

P(1<X<3) P(X<-3) y P(X>3)

En algunos casinos se realiza el siguiente juego: se elige uno de los
números 1, 2, 3, 4, 5, 6. A continuación se lanzan tres dados. Si el
número elegido aparece 1, 2, 3 veces, se recibe 1, 2, 3 veces lo
apostado, y se recupera este. Si no aparece el número elegido, se
pierde lo apostado. Sea X la variable aleatoria que proporciona la
ganancia. Obtener E(X).
Sea x la variable aleatoria que proporciona la ganancia.

x -1 1 2 3
P(x) 125/216 75/216 15/216 1/216
P(0) =(5/6.5/6.5/6) = 125/216
P(1) =(1/6.5/6.5/6) + (5/6.1/6.5/6)+ (5/6.5/6.1/6) = 75/216
P(2) =(1/6.1/6.5/6) + (1/6.5/6.1/6) +(5/6.1/6.1/6) = 15/216
P(3) = (1/6.1/6.1/6) = 1/216

E(X) = -1(125/216) +1(75/216)+2(15/216)+3(1/216)

E(X) = -0.7870
 Sea una variable aleatoria definida por su función de distribución:

1. Representar F(x) y calcular la función de probabilidad de esta variable.

2. Calcular E(X).
1.
p(-2.01) = p(x=-2.01) = F(0)= 0
p(−2) = P(x = −2) = F(−2) − F(0) = 0.4 − 0 = 0.4
p(0.5) = P(x = 0.5) = F(0.5) − F(-2) = 0.8 − 0.4 = 0.4
p(3) = P(x = 3) = F(3) − F(0.5) –F(-2)= 1 − 0,8 = 0,2
x -2.01 -2 0.5 3
P(x) 0 0.4 0.4 0.2 1
2. E[X] = -2.01 x 0−2 × 0,4 + 0,5 × 0,4 + 3 × 0,2 =
= 0 – 0.8 + 0.2 + 0.6 = 0