Variable aleatoria

Sea Ω un espacio muestral. Una variable aleatoria es una función 𝑋 que transforma cada
resultado w del espacio muestral en un número real 𝑋(𝑤).

El rango de la variable aleatoria X es el conjunto RX de todos sus posibles valores.

Clasificación de variables aleatorias

Una variable es discreta si su rango es un conjunto finito o infinito numerable.

Por ejemplo: número de circuitos electrónicos producidos por una empresa que cumplen con
las especificaciones técnicas, número de llamadas que recibe una central telefónica.

Una variable es continua si su rango es un conjunto infinito no numerable.

Por ejemplo: resistencia a la ruptura de un material plástico (onzas por pulgada cuadrada),
resistencia transversal de los ladrillos fabricados por una empresa (MN/m2).

Variable aleatoria discreta

Sea 𝑋 una variable aleatoria discreta. La función de probabilidad de una variable aleatoria
discreta representa la probabilidad de que la variable aleatoria tome un valor genérico igual a x
y se denotará de la siguiente manera:

𝑓(𝑥) = 𝑃(𝑋 = 𝑥)

La función de probabilidad de 𝑋 debe cumplir las siguientes condiciones:

𝑓(𝑥) ≥ 0

∑ 𝑓(𝑥) = 1
𝑅𝑎𝑛𝑔𝑜 𝑋
Distribución binomial

El experimento consiste en 𝑛 pruebas idénticas de Bernoulli. Cada prueba tiene únicamente

dos resultados: éxito o fracaso. 𝑃(é𝑥𝑖𝑡𝑜) = 𝑝 y 𝑃(𝑓𝑟𝑎𝑐𝑎𝑠𝑜) = 1 − 𝑝 se mantiene constante a
lo largo de todas las pruebas.

Las pruebas son independientes.

La probabilidad del evento considerado como éxito es constante en cada prueba y se denota por
𝑝.

La variable aleatoria binomial se define como:

𝑋: = número de éxitos que ocurren en los 𝑛 ensayos o pruebas

La función de probabilidad de 𝑋 es:

𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = 𝐶𝑥𝑛𝑝𝑥(1 − 𝑝)𝑛−𝑥, 𝑥 = 0,1, 2, . . . , 𝑛

donde:

𝑛: = número de ensayos o pruebas

𝑝: = probabilidad de éxito en cada ensayo
1 – 𝑝: = probabilidad de fracaso

Notación
Si la variable aleatoria 𝑋 sigue una distribución binomial con parámetros 𝑛 y 𝑝 se denota
𝑋~𝐵(𝑛, 𝑝).

Media
 = 𝐸(𝑋) = 𝑛𝑝

Varianza
2 = 𝑉(𝑋) = 𝑛𝑝(1 − 𝑝)

Para el cálculo de probabilidades de una distribución binomial en Excel se usa la función:

=DISTR.BINOM.N(𝑥; 𝑛 = número de repeticiones; 𝑝 = probabilidad de éxito; acumulado = 1).
Distribución Poisson

El experimento consiste en realizar el conteo del número X de veces que ocurre un evento en
particular durante una unidad de tiempo, área, volumen, peso, distancia o cualquier otra
unidad de medida dada.

La probabilidad de que un evento ocurra en una unidad dada de tiempo, área, etc.; es la misma
para todas las unidades.

El número de eventos que ocurren en una unidad de tiempo, área, volumen es independiente
del número de los que ocurren en otras unidades.

La variable aleatoria Poisson se define como:

𝑋: = número de veces que ocurre un evento durante un intervalo definido

La función de probabilidad 𝑓(𝑥) de 𝑋 es:

𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = 𝑒−𝜆𝜆𝑥

𝑥 = 0, 1, 2, 3, …
𝑥!

donde:

𝑒: = base del sistema de logaritmos neperianos

: = razón promedio de ocurrencia
𝑡: = periodo de evaluación

Notación
La variable aleatoria X sigue una distribución Poisson con parámetro 𝜇 y se denota por 𝑋~𝑃(𝜇),
donde 𝜇 = 𝑡

Media
𝜇 = 𝐸(𝑋) = 𝜆

Varianza
𝜎2 = 𝑉(𝑋) = 𝜆

Para el cálculo de probabilidades de una distribución Poisson en Excel se usa la función:

=POISSON.DIST(x; media = lambda; acumulado = 0).
Variables aleatorias continuas
Función de densidad de una variable continua

Se denomina función de densidad 𝑓(𝑥) de una variable aleatoria continua X a la función f(x)
integrable que satisface:

Condición 1
𝑓(𝑥) ≥ 0

Condición 2
+∞

∫ 𝑓(𝑥)𝑑𝑥 = 1
−∞

Cálculo de una probabilidad usando la función de densidad

𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = ∫ 𝑓(𝑥)𝑑𝑥
𝑎
Para variables continuas se cumple:

𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝑃(𝑎 < 𝑋 ≤ 𝑏) = 𝑃(𝑎 ≤ 𝑋 < 𝑏) = 𝑃(𝑎 < 𝑋 < 𝑏)

Función de distribución acumulada

La función de distribución acumulativa 𝐹(𝑥) para una variable aleatoria continua 𝑋 se define:
𝑥
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∫ 𝑓(𝑡)𝑑𝑡
−∞

Si 𝐹(𝑥) es la función de distribución acumulativa para una variable aleatoria continua 𝑋,

entonces la función de densidad 𝑓(𝑥) para 𝑋 es:

𝑑𝐹(𝑥)
𝑓(𝑥) =
𝑑𝑥

Para la siguiente probabilidad se cumple que:

𝑃(𝑎 < 𝑋 ≤ 𝑏) = 𝐹(𝑏) − 𝐹(𝑎)

En general, para variables cuantitativas continuas se cumple:

𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝑃(𝑎 < 𝑋 ≤ 𝑏) = 𝑃(𝑎 ≤ 𝑋 < 𝑏) = 𝑃(𝑎 < 𝑋 < 𝑏)

Principales distribuciones de variables aleatorias continuas

Distribución exponencial

Función de densidad

Una variable aleatoria 𝑋 es exponencial con parámetro 𝛽 > 0, si su función de densidad es:

1 𝑥
−𝛽
𝑓(𝑥) = {𝛽 𝑒 𝑥≥0
0 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Notación

Si 𝑋 sigue una distribución exponencial con parámetro 𝛽 se denota por 𝑋 ~ 𝐸𝑥𝑝 ().

Media
𝜇 = 𝐸(𝑋) = 𝛽

Varianza
𝜎2 = 𝑉(𝑋) = 𝛽2

Función de distribución acumulada

La definición de la función de distribución acumulada es:

 𝑥
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∫ 𝑓(𝑥) 𝑑𝑥
−∞

Como el rango de 𝑋 es de 0 a +∞.

𝑥 𝑥 𝑥
𝐹(𝑥) = ∫ 1 −𝛽
𝑑𝑥 = 1 − 𝑒
−𝛽

𝑒
𝛽
0 𝑥
−
𝐹 𝑥) = 1 − 𝑒 𝛽
(

Características

 La variable puede tomar valores de 0 a +, no toma valores negativos.

 La gráfica es descendente con sesgo a la derecha.

 Existe una curva para cada valor de .

 La distribución exponencial se usa para describir la vida útil de un dispositivo o tiempo de

funcionamiento hasta que falle y  es el promedio de la vida útil (vida media) del
dispositivo.

Distribución normal

Esta distribución se aproxima a las distribuciones de frecuencias observadas de muchas

medidas naturales y físicas, como es el caso de pesos, alturas, ventas, vida útil de producción,
coeficiente intelectual, etc.

La curva normal tiene forma de campana y es simétrica con respecto a su media

La media, la mediana y la moda son iguales y se encuentran en x =  y la desviación estándar es
.

Función de densidad

La variable aleatoria X es normal si su función de densidad se define de la siguiente manera:

1 1 𝑥−𝜇 2
𝑓(𝑥) = − ( )
𝑒 2 𝜎 −∞<𝑥 <∞
√2𝜋
𝜎

Notación
Si la variable aleatoria tiene distribución normal con parámetros 𝜇 y 𝜎2 se denota:
 𝑋 ~ 𝑁(, 2).

𝑋: = variable aleatoria de interés

𝜇 ≔ media de la distribución
𝜎 ≔ desviación estándar de la distribución

Media
𝐸(𝑋) = 

Varianza
𝑉(𝑋) = 2