10/05/2022

VARIABLES ALEATORIAS

Capítulo VI

CAPITULO VI
6.1 DEFINICIÓN Y TIPOS DE VARIABLES
Son aquellas variables que presentan un valor como resultado de un
experimento aleatorio y que están sujetos a una probabilidad de
ocurrencia.

En este capitulo trataremos los conceptos de variable aleatoria,

distribuciones de probabilidad y los procedimientos para calcular la media
y la desviación estándar de estas variables, combinando los conceptos de
los Capítulos 2 y 5 ya vistos anteriormente.

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 2

1
 10/05/2022

CAPITULO VI

ESTADÍSTICA, Décima edición, Mario F. Triola

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 3

CAPITULO VI
Una variable aleatoria, Es aquella (representada por x) que tiene un valor
numérico determinado por el azar como resultado de un experimento.

Ejemplo: Numero de estudiantes que faltaron hoy a la clases.

X = { Número estudiantes que faltaron a clases } = { 0,1,2,3,……. }
X = { Numero de accidentes de transito en transporte público }

Variable Aleatoria Discreta, es aquella que tiene un número finito de

valores o susceptible de contarse.
Variable Aleatoria Continua, tienen un número infinito de valores en una
escala, de tal manera que no hay huecos ni interrupciones.

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 4

2
 10/05/2022

CAPITULO VI
6.2 FUNCIÓN O LEY DE PROBABILIDAD, FUNCIÓN DE DISTRIBUCIÓN DE
UNA VARIABLES ALEATORIA DISCRETA Y SUS PROPIEDADES
Establece la probabilidad para cada valor de la variable aleatoria, es decir
se construye como una tabla de frecuencias que presenta a los valores de
la variable aleatoria discreta y sus probabilidades de ocurrencia, de forma
que cumplan con los siguientes propiedades:

෍ P(Xi ) = 1 , donde x asume todos los valores

posibles. (Es decir, la suma de
todas las probabilidades debe ser 1).
0 ≤ P(Xi ) ≤ 1 , para cada valor individual de x. (Es
decir, cada valor de probabilidad debe
ubicarse entre 0 y 1, inclusive).
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 5

CAPITULO VI
Ejemplo: para el caso del lanzamiento de dos dados, cual es la Distribución
de Probabilidad para la suma de sus resultados.
X P(X)
2 1/36
Solución: Espacio Muestral: 3 2/36
Ω = { 1,1 1,2 1,3 1,4 1,5 1,6 4 3/36
2,1 2,2 2,3 2,4 2,5 2,6 5 4/36
3,1 3,2 3,3 3,4 3,5 3,6 6 5/36
4,1 4,2 4,3 4,4 4,5 4,6 7 6/36
5,1 5,2 5,3 5,4 5,5 5,6 8 5/36
6,1 6,2 6,3 6,4 6,5 6,6} 9 4/36
10 3/36

X={ La suma de los dos dados }= { 2,3,4,5,6,7,8,9,10,11,12 } 11 2/36

12 1/36

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 6

3
 10/05/2022

CAPITULO VI

Se puede observar en el
histograma de probabilidades,
que la variables aleatoria (la
suma de los resultados de los
dos dados), tiene su mayor
valor cuando X = 7, o es más
probable observar una suma
igual a 7.

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 7

CAPITULO VI
Función densidad de Probabilidad, llamaremos a f(x), Función de
Densidad, de una variable discreta aquella expresión matemática que nos
permite determinar, cómo se distribuye una variable aleatoria numérica
en una población. Esta función discreta, automáticamente provee las
probabilidades de que una variable aleatoria asumirá cualquier valor dado
dentro del espacio muestral definido. Debe satisfacer dos condiciones:

1. f(x) ≥ 0, todos los valores de la función son positivos.

2. ∑ f(x) = 1, la suma de los resultados de la función es igual a 1.

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 8

4
 10/05/2022

CAPITULO VI
Ejemplo: Para el caso del lanzamiento de dos dados, comprobar que es
Función de Densidad de Probabilidad:
X P(X)
2 1/36
6− x−7 3 2/36
f(x) = para x = 2, 3, 4, . . . , 12 4 3/36
36
5 4/36

Solución: Si reemplazamos los valores de la variable 6 5/36

7 6/36
aleatoria discreta en la función de densidad, 8 5/36
obtenemos la siguiente distribución de probabilidad: 9 4/36
10 3/36
11 2/36
12 1/36

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 9

CAPITULO VI
Ejercicio: Comprobar si son funciones de densidad de probabilidad:

X−2
1. f(x) = para X = 1, 2, 3, 4, 5;
5 X P(X)
X 2
0 0,32768
2. f(x) = para X = 0, 1, 2, 3, 4;
30 x 1 0,4096
5 1 4 5−x 2 0,2048
3. f(x) = para X = 0, 1, 2, 3, 4, 5;
x 5 5 3 0,0512
x
1 4 0,0064
4. f(x) = k para X = 0, 1, 2, 3, . . . . . . . ;
5 5 0,00032

x 5−x 0 5−0
5 1 4 1 4
Ejemplo: f(x = 0) = = (5C0) = 0,32768
x 5 5 5 5

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 10

5
 10/05/2022

CAPITULO VI
6.3 FUNCIÓN DE DENSIDAD DE PROBABILIDAD, FUNCIÓN DE
DISTRIBUCIÓN DE UNA VARIABLE ALEATORIA CONTINUA Y SUS
PROPIEDADES

A diferencia de una variable aleatoria discreta, una variable aleatoria

continua puede adoptar cualquier valor fraccionario dentro de un rango
definido de valores (a y b), y dado que existe un número infinito de
medidas también lo serán las probabilidades. Por lo tanto se debe integrar
la función de densidad para calcular la probabilidad de que la variable
aleatoria asumirá un valor dentro del intervalo.

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 11

CAPITULO VI
Por lo que: P(a ≤ X ≤ b) = , para cualquier valor entre a y b.

Probabilidad = Área bajo la curva Función Densidad

x
f(x) න f(x). dx
P(X < x)=
a

x
a b
X

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 12

6
 10/05/2022

CAPITULO VI
Una función f(x), puede servir como una función de densidad de
probabilidad de una variable aleatoria continua “X”, si sus valores
satisfacen las condiciones siguientes:

1. f(x) ≥ 0 para − ∞ < X < ∞

f(x)
∞

2. න f(x) . dx = 1
−∞

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 13

CAPITULO VI
Ejemplo: El número de minutos que un vuelo entre dos ciudades se
adelanta o atrasa es una variable aleatoria cuya densidad de probabilidad
está dada por: 1
(36 − x 2 ) para, −6 < x < 6
f(x) = ቐ288
0 para cualquier otra parte
Donde los valores negativos indican que el vuelo llega adelantado y los
positivos que llegan con retraso. Encuentre las probabilidades que uno de
estos vuelos llegará:
a) Al menos 2 minutos adelantado.
b) Al menos 1 minuto retrasado.
c) Cualquier tiempo entre 1 y 3 minutos adelantado.
d) Exactamente 5 minutos retrasado .
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 14

7
 10/05/2022

CAPITULO VI
Solución: La variable aleatoria
continua, puede presentan
valores negativos o positivos:

−2
1
a) P(-6 < x < -2 ) = න (36 − x 2 ) . dx = 25,93%
−6 288

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 15

CAPITULO VI
b) Al menos 1 minuto retrasado.
6
1
P( 1 < x < 6) = න (36 − x 2 ) . dx = 37,62%
1 288

c) Cualquier tiempo entre 1 y 3 minutos adelantado.

−1
1
P( -3 < x < -1) = න (36 − x 2 ) . dx = 21,99% = 22%
−3 288

d) Exactamente 5 minutos retrasado .

5
1
P( x = 5) = න (36 − x 2 ) . dx = 0%
5 288

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 16

8
 10/05/2022

CAPITULO VI
Ejercicio Propuesto: El desgaste (en miles de kilómetros) que los dueños
de automóviles tienen con cierta clase de neumáticos es una variable
aleatoria cuya densidad de probabilidad está dada por:
1 −𝑥
𝑒 30 para, x > 0
𝑓(𝑥) = ቐ30
0 para, x ≤ 0

Encuentre la probabilidad que una de estos neumáticos durará:

a) Cuando mucho 18.000 kilómetros.
b) Cualquier valor entre 27.000 y 36.000 kilómetros.
c) Al menos 48.000 kilómetros.

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 17

CAPITULO VI
6.4 ESPERANZA MATEMÁTICA Y VARIANZA, PROPIEDADES
Para el caso de las Variables Aleatorias Discretas:
La esperanza matemática de una variable aleatoria X, es el número que
expresa el valor medio del fenómeno que representa dicha variable.

Mientras que en estadística descriptiva, se denomina media al valor

promedio de un suceso que ha ocurrido. En distribuciones discretas con la
su probabilidad en cada suceso, la media aritmética es igual que la
esperanza matemática. Esto de expresa como:

E(x) = ෍ x. p(x), valor esperado de la V. A. D.

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 18

9
 10/05/2022

CAPITULO VI
Las propiedades de la Esperanza Matemática se expresa como:
- E[C] = C; donde C es una constante
- E[CX] = C.E[X]; siendo C una constante y X una Variable Aleatoria
- E[X + C] = E[X] + C; siendo C una constante y X una Variable Aleatoria
- E[X + Y] = E[X] + E[Y] ; donde X y Y son Variable Aleatoria

Las medidas descriptivas se calculas como:

μ(x) = ෍ x . P(x) : media de una distribución de probabilidad.

σ2 (x) = ෍(x − μ)2 . P(x) : varianza de una distribución de probabilidad.

σ(x) = ෍(x − μ)2 . P(x) : desviación estándar de una distribución de

probabilidad.
Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 19

CAPITULO VI
Ejemplo: Se tiene una caja con 2 bolillos negros, 3 blancas y 4 rojas. Se
extrae sucesivamente una bola sin reposición hasta que salga una roja.
Hallar la distribución de probabilidad del numero de extracciones a
realizar y la función de distribución (función de probabilidad acumulada)
correspondiente, además de las media y varianza de la variable aleatoria
discreta.

Solución:
X={Intentos hasta obtener un bolillo rojo}= { 1, 2, 3, 4, 5, 6 }

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 20

10
 10/05/2022

CAPITULO VI
De acuerdo con el Espacio Muestral, tendríamos las siguientes opciones:

Ω = { R; N y R; B y R; N y N y R; N y B y R; B y B y R; B y N y R;

B y B y B y R; B y N y N y R; N y B y N y R; N y N y B y R; B y B

y N y R; B y N y B y R; N y B y B y R; N y B y B y N y R; ………...N y N y B y B

y B y R; N y B y N y B y B y R; N y B y B y N y B y R; N y B y B y B y N y

R; B y B y B y N y N y R; …..}

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 21

CAPITULO VI
Las probabilidades serian:
P( 1 intento = 1) = 4 / 9 = 44,4 %
P ( 2 intentos = 2) = 2/9 * 4 / 8 + 3 / 9 * 4 / 8 = 5 / 18 = 27,8 %
P ( 3 intentos = 3) = 2 / 9 * 1 / 8 * 4 / 7 + 2 / 9 * 3 / 8 * 4 / 7 + 3 / 9 * 2 / 8 *
4 / 7 + 3 / 9 * 2 / 8 * 4 / 7 = 10 / 63 = 15,9 %
P ( 4 intentos = 4) = 3 / 9 * 2 / 8 * 1 / 7 * 4 / 6 + 3 / 9 * 2 / 8 * 1 / 7 * 4 / 6 +
2 /9 * 3 / 8 * 1 / 7 * 4 / 6 + 2 / 9 * 1 / 8 * 3 / 7 * 4 / 6 + 3 / 9 * 2 / 8 * 2 / 7 *
4/6 + 3 / 9 * 2 / 8 * 2 / 7 * 4 / 6 + 2 / 9 * 3 / 8 * 2 / 7 * 4 / 6 = 5 / 63 = 7,9%

P ( 5 intentos = 5) = 3 / 9 * 2 / 8 * 1 / 7 * 2/6 * 4 / 5 + …... = 2 / 63 = 3,2%

P ( 6 intentos = 6) = 3/9 * 2/8 * 1/ 7 * 2/6 * 1/5 * 4/4 + …..= 1 / 126 = 0,8%

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 22

11
 10/05/2022

CAPITULO VI
La distribución de probabilidad queda como:
Intenciones 1 2 3 4 5 6
P(X) = f(x) 4/9 5 / 18 10 / 63 5 / 63 2 / 63 1 / 126

La función de distribución queda como:

Intenciones 1 ≤2 ≤3 ≤4 ≤5 ≤6
F(X) 4/9 13 / 18 111 / 126 121 / 126 125 / 126 1

Ejercicio: Realizar los dos histogramas de probabilidad.

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 23

CAPITULO VI
La media de la distribución será:
4 5 10 5 2 1
μ(x) = ෍ x . P(x) = (1. + 2. + 3. + 4. + 5. + 6. ) = 2 intentos
9 18 63 63 63 126

La varianza queda como:

6 4 5 10
𝜎 2 (x) = ෍ (X i − 𝜇)2 . P(X i ) = ((1 − 2)2 . + (2 − 2)2 . + (3 − 2)2 . +
𝑖=1 9 18 63
5 2 1
(4 − 2)2 . + (5 − 2)2 . + (6 − 2)2 . ) = 1,333 intentos 2
63 63 126
por lo que, σ = 1,15 = 1 intentos

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 24

12
 10/05/2022

CAPITULO VI
Interpretación:
De acuerdo con los resultados, podemos concluir que el numero de
intensiones esperado para lograr escoger un bolillo de color rojo es de dos
intentos (media), con una variación de una intención, por lo que, dadas las
condiciones del experimento, lo más probable de escoger un bolillo rojo es
entre 1 a 3 intenciones (µ ± σ = 2 ± 1), sin hacer la reposición.

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 25

CAPITULO VI
Para el caso de las Variables Aleatorias Continuas:
Para el caso de una variable aleatoria continua, se calcula la media,
varianza y desviación estándar, de acuerdo con las siguientes expresiones:
∞

μ (x) = න x . f(x) . dx , : media de una distribución de probabilidad.

−∞
∞

σ2 (x) = න (x − μ)2 . f(x) . dx ,

: varianza de una distribución de probabilidad.
−∞

σ (x) = න (x − μ)2 . f(x) . dx , : desviación estándar de la distribución.

−∞

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 26

13
 10/05/2022

CAPITULO VI
Ejemplo: La duración de un alimento enlatado perecedero es una variable
aleatoria cuya función de densidad de probabilidad es:
20000
para, x > 0
𝑓(𝑥) = ൞ (𝑥 + 100)3
0 en cualquier otra parte

Encuentre las probabilidades que el alimento tendrá una duración de:

a) Al menos 200 horas.
b) Cuando mucho 100 horas.
c) Cualquier tiempo entre 80 y 120 horas.
d) Cual es el tiempo esperado de duración del alimento y su variación.

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 27

CAPITULO VI
Solución: De acuerdo con las preguntas del ejemplo:

a) Al menos 200 horas.

100000
P( x > 200) = න 20000
. dx = 11,1 %
200 (x + 100)3
b) Cuando mucho 100 horas.
100
P( x < 100) = න 20000
. dx = 75 %
0 (x + 100)3
c) Cualquier tiempo entre 80 y 120 horas.

P( 80 < x < 120) = න120 20000

. dx = 10,2 %
80 (x + 100)3

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 28

14
 10/05/2022

CAPITULO VI
d) Cual es el tiempo esperado de duración del alimento y su variación.
100000
20000
μ(x) = න x. . dx = 99,8 ≅ 100 hrs
0 (x + 100)3

100000
20000
𝜎 2 (𝑥) = න (x − 99,8)2 . . dx = 98254 hrs 2
0 (x + 100)3

𝜎 = 313,5 hrs

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 29

CAPITULO VI
Las propiedades de la Esperanza Matemática en el caso de la Variable
Aleatoria Continua se expresa como:

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 30

15
 10/05/2022

CAPITULO VI
6.5 DISTRIBUCIONES MIXTAS
Las distribuciones que aparecen en problemas prácticos son de tipo
discreto o continuo que dan lugar a diferentes tipos de variables aleatorias.
Ahora destacamos las denominadas variables mixtas que se consideran una
mezcla de variables discretas y continuas.

Una variable aleatoria X : (Ω,A,P) −> (R,B,P) es mixta si existe un conjunto

numerable y una función no negativa e integrable tal que:
𝑥
𝐹𝑥 𝑥 = ෍ 𝑃 𝑋 = 𝑥 + න 𝑓 𝑥 . 𝑑𝑥
−∞

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 31

CAPITULO VI
Ejemplo: Dada la función de densidad.
2−(x+2) ; para x = 0,1,2,3, … . .
1
1 − x ; para 0 < x < 1
f x = 2
3
(1 − x)2 ; para 1 < x < 2
4
0; en otros casos

a) Verificar que cumplen las condiciones de una función de probabilidad de

una variable aleatoria X.
b) Hallar la probabilidad de que X tome valores entre 0,5 y 2 inclusive.

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 32

16
 10/05/2022

CAPITULO VI
a) Para ser función de probabilidad debe cumplir:
∞ 1 2
1 3
෍ 2−(x+2) + න 1 − x . 𝑑𝑥 + න (1 − x)2 = 1
2 4
𝑥=0 0 1
∞
1 1
2−2 ෍ 2−𝑥 + + = 1
4 4
𝑥=0

1 1 1
+ + =1
2 4 4

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 33

CAPITULO VI
b) Ya que cumple con las condiciones, la probabilidad es:
2 1 2
1 3
𝑝 0,5 < 𝑥 < 2 = ෍ 2−(x+2) + න 1 − x . 𝑑𝑥 + න (1 − x)2
2 4
𝑥=1 0,5 1

1 1 1 1 1
+ + + = = 50%
23 24 16 4 2

Ing. Wilson TRUJILLO ARANIBAR, FCyT-UMSS 34

17