 Estadística Inferencial

Modelos de probabilidad para variables

aleatorias discretas

Bibliografía recomendada: Cordova, Manuel. 2003. Estadística:

Descriptiva e Inferencial. Ed. Moshera S.R.L. 5ta edición. Pp 202 -
278

2023-1
 Variable aleatoria, variable estocástica, variable de
probabilidad, variante

Una variable aleatoria X es una función numérica que

asocia a cada suceso del espacio muestral E de un
experimento aleatorio un valor numérico real.

X :E →
Las v. a. se pueden clasificar en:
DISCRETAS, cuyo rango es un conjunto
finito o infinito numerable de valores.
Provienen de contar, solamente pueden ser
representados con números enteros.
CONTINUAS, cuyo rango es un conjunto
finito no numerable de valores. Provienen de
medir, se pueden representar con números
enteros o fraccionarios. Entre dos valores
siempre existe un numero intermedio.
 Ejemplo de variable aleatoria discreta:
Número de caras al lanzar tres
monedas (fenómeno aleatorio).
Elementos del
+++ ++C +C+ C++ CC+ C+C +CC CCC
espacio muestral
sucesos o
eventos
Ley de
correspondencia
Números reales
(# de caras)
0 1 2 3 caras
Establecer una variable aleatoria para un experimento
aleatorio no es más que una forma de asignar de "manera
natural" números a los eventos. Tienen un número fijo de
valores.
 Variable Aleatoria Discreta
Aun si el espacio muestral es infinito numerable,
también podemos definir una variable aleatoria discreta y
una función de probabilidad.

Ejemplo: Sea X = Número de lanzamientos de una

moneda antes de que aparezca una cara.
Entonces:

P(X = 1) = P(C) = 1/2

P(X = 2) = P(+C) = 1/2 * 1/2 = 1/4
P(X = 3) = P(++C) = 1/2 * 1/2 * 1/2 = 1/8
...
y en general P(X = n) = (1/2)n, n = 1; 2, … n
Experimento II: Se lanzan dos veces un dado clásico y
definimos la variable aleatoria X como la diferencia de
puntos entre la primera y la segunda tirada.

Se pide:

-Determina el espacio muestral

-Determina la función de probabilidad
-Determina la función de distribución
-Grafica ambas funciones
 VALOR ESPERADO (ESPERANZA
MATEMÁTICA)

La media de una v. a. X o media de la distribución de

probabilidad de X se denota por x. A esta media
también se le denomina Valor Esperado de X o
Esperanza Matemática de X, E(X).
 VALOR ESPERADO (ESPERANZA MATEMÁTICA)

La media de una v. a. discreta X con función masa de

probabilidad f(x) es la expresión:

 = E(X) =  xi f(xi)

La media de una v. a. continua X con función de densidad

f(x) es la expresión:
+
 = E(X) =
 −
x f(x) dx
Ejemplo 1.
La demanda anual en miles de unidades de cierto
artículo de la empresa Somos Lorna SAC es una v. a.
continua X cuya función de densidad es:
f(x) = 2x/3 1< = x < = 2
Hallar E(X)
+
E(X) =  −
x * 2x/3 * dx = 2x3/9 = 14/9 miles de
unidades, es decir la demanda promedio esperada en
los próximos años es:
1000 (14/9) = 1556 unidades anuales
Ejemplo2.

Calcular la media de la distribución de probabilidad

de la v. a. X que se define como el número de caras
cuando se lanzan 4 monedas. Solución:

x = 0 1 2 3 4
f(x) = 1/16 4/16 6/16 4/16 1/16
Cálculo de la E(X):

E(X) = 0*(1/16) + 1*(4/16) + 2*(6/16) +

+ 3*(4/16) + 4*(1/16)
E(X) = 2
Interpretación: ______________________________
VARIANZA Y DESVIACIÓN ESTÁNDAR DE UNA V. A.

La varianza de una v. a. X se denota por σ2x, Var(X).

Es la diferencia entre el valor esperado de la v. a. al
cuadrado y la esperanza o valor esperado al cuadrado
de la misma variable. La desviación estándar σx, es
la raíz cuadrada de la varianza.
V(X) = E(X2) - [E(X)]2 = ∑x2ip(xi) - µ2
Entonces, del ejemplo 2 (número de caras cuando se
lanzan 4 monedas) la varianza es:

V(X) = 5,00 - (2)2 = 1,00

Ejercicio 1
La empresa La Fuerza de la Sazón está interesada en
seleccionar una máquina para atender la demanda de
artefactos electrodomésticos con etiquetas de eficiencia
energética A , al menor costo posible. Existen dos
alternativas a considerar. Una consiste en adquirir la
máquina A, cuyo funcionamiento implicaría un costo fijo
anual de S/2400 más S/20 la unidad producida; y la
otra alternativa es comprar la máquina B, con un costo
fijo de S/1500 anuales y S/25 la unidad de producto.
Las ventas anuales proyectadas tendrían uno de los
siguientes escenarios: 80; 120 ó 160 unidades; con una
probabilidad de ocurrencia de 35%, 50% y 15%,
respectivamente. Con la información proporcionada
determina la máquina más conveniente.
Nota: A los artefactos electrodomésticos se les agrega la
etiqueta de eficiencia energética (Códigos A hasta G) y
colores, los cuales permiten ahorrar energía durante su vida
útil y de paso contribuyen con el cuidado del medio
ambiente.
Juegos de azar
A un juego de azar podemos asignarle una variable aleatoria X,
cuyos valores son las ganancias correspondientes a los
posibles resultados. La esperanza matemática de la variable
aleatoria X representa el beneficio medio o ganancia media
que se obtiene en cada jugada cuando se juega un número
elevado de veces.
Si la esperanza matemática es 0 se dice que el juego es justo.
Si es mayor que 0 se dice que el juego es favorable al jugador.
Si es menor que 0 se dice que perjudica al jugador y no es
favorable.

Ejemplo. Sea el juego que consiste en sacar una bola de una

urna que contiene 7 bolas rojas y 3 bolas negras. Ganamos
S/50 si la bola extraída es roja (R) y pagamos S/150 en el caso
de que sea negra (N). ¿Qué podemos esperar si jugamos
muchas veces?
Ejemplo...
Espacio muestral E = {R, N}. Consideramos las ganancias
como positivas y las pérdidas negativas:
Variable aleatoria X Función de probabilidad
R 50 0,7

N -150 0,3

 = 50  0,7 + (−150)  0,3 = −10

Pérdida promedio
 Varianza y desviación típica
σ 2 =  ( x j − μ)2 p( x j ) (Distribución discreta)
j

σ 2 =  ( x − μ) 2 p( x)dx (Distribución continua)
−

La desviación típica o estándar es el valor positivo de la raíz

cuadrada de 2 . Ambas miden la dispersión de la distribución.

La varianza siempre es 2 > 0, excepto para una distribución

con p(x) = 1 en un punto y p(x) = 0 en el resto (una distribución
delta de Dirac), en cuyo caso 2 = 0.
 Distribución de probabilidad binomial
P(x~(n,p)); b(x;n;p); P(X=r|n,p)
La distribución binomial aparece cuando estamos
interesados en el número de veces (x) que un suceso
A ocurra (éxitos) en n intentos independientes.
Experimento: N° de caras obtenidas en n lanzamientos de
una moneda.

Si A tiene una probabilidad de éxito p en un

intento, entonces (1- p) es la probabilidad de que A
no ocurra (probabilidad de fracaso = q).
Ejemplo binomial. Experimento aleatorio, n = 3 lanzamientos de una
moneda. Probabilidad de éxito en cada lanzamiento (S) = p = .
Probabilidad de fracaso en cada lanzamiento (F) = 1- p = q.
S = Atributo (suceso) se obtiene cara, F = Atributo (evento) se obtiene cruz.

3 p 2 (1 − p )

3 p(1 − p) 2
Formula de la Distribución de Probabilidad Binomial
Supongamos que el experimento consta de n intentos y definamos la v. a.
X = Número de veces que ocurre A.
En nuestro ejemplo de la diapositiva anterior:
X = Número de veces que sale cara en los n intentos.
Entonces X puede tomar los valores: 0, 1, 2, ... n.

Si consideramos uno de estos valores, por ejemplo, en x de los n intentos

ocurre el suceso A y en (n – x) no ocurre A. Entonces la probabilidad de
cada posible combinación es pxqn-x y existen n idénticas
 
combinaciones.  x
La función de probabilidad P(X = x) será la distribución de p. binomial:

n x n− x n!
B(n, p) = p( x) =   p (1 − p) = p x (1 − p) n − x
 x x!(n − x)!
En Excel: DISTR.BINOM.N(núm_éxito;ensayos;prob_éxito;acumulado)
Ejemplo 1.
En la Clínica «Romero y su Nieta» una décima parte de sus pacientes tiene
grupo sanguíneo «AB-»
a) ¿Qué modelo de distribución de probabilidad aplicarías?
b) ¿Cuál es la probabilidad de que, entre 100 pacientes escogidos al azar,
exactamente ocho de ellos pertenezcan a este grupo sanguíneo?

 n x
p(x) =   p ( 1 − p) n− x

 x
p = 0,10; n = 100; x=8
 100 
p( 8 ) =   ( 0,1 ) ( 1 - 0,1 )
8 92

 8 
R. 11,42 %

Tarea redacta la Interpretación del resultado

c) Y si la pregunta anterior fuera ocho como máximo ¿cuál es la
probabilidad?
d) Y si la pregunta anterior fuera ocho como mínimo ¿cuál es la
probabilidad?
e) Y si la pregunta anterior fuera tres como mínimo y ocho como máximo
¿cuál es la probabilidad?

 n x 8
p(x  8 ) =    p ( 1 − p) n− x

x=0  x 

8
 100 
=   (0.1) ( 0.9 )
x 100 − x

x=0  x 

En Excel:
DISTR.BINOM.SERIE(ensayos;prob_éxito;núm_éxitos;[núm_éxitos2])
Enlace para resolver ejercicios de Binomial

Distribucion binomial. Ejercicio resuelto 2 - Bing video

 Ejemplo 2. Calcula la probabilidad de obtener al menos dos
veces “6” al lanzar un dado cuatro veces.
𝑛 𝑥 𝑛−𝑥
𝑃(𝑥) = 𝑝 𝑞 (𝑥 = 0,1, . . . . 𝑛)
𝑥

p = 1/6, q = 5/6, n = 4
Al menos dos “6”, implica x = 2; 3 y 4.
= P(2) + P(3) + P(4)

 4  1   5   4  1   5   4  1 
2 2 3 4

=      +      +   

 2  6   6   3  6   6   4  6 
1 171
= 4 (6 * 25 + 4 * 5 + 1) = = 0,132 = 13,2%
6 1296
Tarea redacta la Interpretación del resultado
 Características de la distribución binomial

Caso 1:
Media:
 = E(X) = n p P(X) n = 5 p = 0.1
0.6
1= 5 * 0,1 = 0,50 (Caso 1) 0.4
0.2
0.0 X
2= 5 * 0,5 = 0,25 (Caso 2)
0 1 2 3 4 5
Caso 2:
Desviación estándar:
P(X) n = 5 p = 0.5
 = np(1 − p) .6
.4
 1 = 5 * 0,1 * (1 − 0,1) = 0,67 .2
0 X
 2 = 5 * 0,5 * (1 − 0,5) = 1,1 0 1 2 3 4 5
Ejercicios.
1) La compañía de seguros Arroz con Mango garantiza el pago de las pólizas de
seguros individuales contra retrasos aéreos de más de doce horas. Una encuesta ha
permitido estimar a lo largo de un año que cada persona tiene una probabilidad de
uno cada mil de ser víctima de un retraso aéreo que esté cubierto por este tipo de
póliza y que la compañía aseguradora podrá vender una media de cuatro mil pólizas
al año. Halla las siguientes probabilidades:
a) Que el número de retrasos cubiertos por la póliza no pase de cuatro por año.
b) Que el número de retrasos sea superior a dos por año.
c) Que ocurran doce retrasos por año.
R. (a) 62,88%; (b) 76,2%; (c) 0,0637%

2) Supón que la probabilidad de tener una unidad defectuosa en una línea de

ensamblaje de las plumas (flechas) de las grúas pórtico es de 5%. Si el conjunto de
unidades terminadas constituye un conjunto de ensayos independientes, contesta:
a) ¿cuál es la probabilidad de que entre diez unidades dos se encuentren
defectuosas?
b) ¿y de que a lo sumo dos se encuentren defectuosas?
c) ¿cuál es la probabilidad de que por lo menos una se encuentre defectuosa?

R. 7,46%; 98,84% y 40,13% respectivamente

 Distribución de probabilidad de Poisson
X~p(λ); X~p(µ)
Un proceso poissoniano es aquél compuesto por eventos
discretos que son independientes en el espacio y/o en el
tiempo.
λ (lamda) es un parámetro positivo y real que representa el
número de veces que se espera que ocurra el fenómeno durante
un intervalo dado; otros autores la denominan «µ».

En este tipo de experimentos los éxitos buscados son expresados

por unidad de distancia, de área, de volumen, de tiempo, por
pieza, etc.
Ejemplos de λ:
- Número promedio de defectos por m2 de una tela sintética
- Cantidad de aviones que aterrizan en un aeropuerto por día.
- Número de bacterias por cm3 de cultivo
- Periodicidad de llamadas telefónicas a un conmutador por
hora.
- Número medio de llegadas de embarcaciones a un puerto por
Distribución de p Poisson…
Un proceso de Poisson es estacionario, la media (λ) del
proceso siempre es proporcional a la magnitud del conjunto
de tiempo o de espacio. Por tanto, si la media de que se
disponga corresponde a un determinado periodo, para otro
periodo que se requiera puede determinarse la media.
.
Por ejemplo, si el suceso estudiado tiene lugar en promedio
4 veces por minuto y estamos interesados en la probabilidad
de que ocurra x veces dentro de un intervalo de 10 minutos,
usaremos un modelo de distribución de Poisson con λ = 10*4
= 40 veces cada 10 minutos.

𝑒 −𝜆 𝜆𝑥 𝑒 −𝜇 𝜇 𝑥
𝑝(𝑥) = = , 𝑥 = 0; 1; 2; . . . 𝜆>0
𝑥! 𝑥!

Donde:
e = 2,718281…
 Características de la distribución de Poisson

Nota: el máximo de la distribución

Media se encuentra en x  

E (X) =  = 
P(X)  = 0.5
.6
.4
Varianza .2
2 =  0 X
0 1 2 3 4 5
Desviación estándar
 =  P(X) =6
.6
Media y varianza Coinciden numérica- .4
mente aunque por supuesto μ está .2
expresada en unidades lineales y σ2 en 0 X
unidades cuadráticas. 0 2 4 6 8 10
Ejemplo 1. La señal promedio recibida en un telescopio de una
fuente celeste es de 10 fotones por minuto. (a) Calcula la
probabilidad de recibir 7 fotones en un minuto determinado.
Una distribución de Poisson con μ = 10:
μ x −μ
p( x ) = e ( x = 0;1,...)
x!
P(X = 7) = 107 e−10 / 7! = 0,09 es decir 9%
Parece muy baja. Comparemos con el valor de máxima
probabilidad que ocurrirá para x = 10:
μ = 10 P(X = 10) = 1010 x e−10 / 10! = 0,125 (12,5%)
Las probabilidades poissonianas para un número de eventos
dado, son siempre pequeñas, incluso en el máximo de la
distribución de probabilidad.
(b) ¿Cuál es la probabilidad de recibir 7 fotones en un
segundo dado? R. 5,99 * 10-8 %
(c) ¿Cuál es la probabilidad de recibir 7 fotones en una hora
establecida?
Distribución de Poisson | Ejercicios resueltos | Intro - Bing video
Ejemplo 2. Si en promedio, entran dos coches por minuto en un
taller, ¿cuál es la probabilidad de que durante un minuto entren
cuatro o más coches? Solución:
μ x −μ
p( x) = e ( x = 0; 1;...)
x!

El suceso complementario “entran 3 coches o menos” tiene

probabilidad:

−2 20
P( A )  p(0) + p(1) + p(2) + p(3) = e ( + +
c
0!
21
1!
22
2! + ) = 0,857
23
3!

y la respuesta para cuatro o más coches es 1 – 0,857 = 14,3%

Ejercicios.
1) La empresa electrónica Elba Lazo observa que el número
de componentes que fallan antes de cumplir 100 horas de
funcionamiento es una variable aleatoria de Poisson. Si el
número promedio de estos fallos es ocho, responde:
a) ¿cuál es la probabilidad de que falle un componente en
25 horas?
b) ¿y de que fallen no más de dos componentes en 50
horas?
c) ¿cuál es la probabilidad de que fallen más de diez en 125
horas?
R. 27,067%; 23,81% y 41,696% respectivamente.
2) Sabemos que el número de goles que se meten en un
partido de fútbol de la Premier League Interfacultades
UNMSM sigue una distribución de parámetro λ=2. ¿Cuál es
la probabilidad de que el próximo partido, entre la Facu y la
FIS se marquen en total 8 goles? R.
x = 8 λ = 2 P(x=8) = ≈ 0,00086 = 0,0%86%
3) El promedio de automóviles que usan una autopista un fin de semana
es de 4,5 por minuto. Cuál es la probabilidad de que usen la autopista:
a) Exactamente seis autos en un minuto.
b) A lo más dos automóviles en un tercio de minuto.
c) Por lo menos tres automóviles en el transcurso de los siguientes
30 segundos.

4) Se estima que el número promedio de comercios por manzana en

San Juan de Zafarrancho es de 5. Halla la probabilidad de que se
tengan tres comercios:
a) En una manzana.
b) En tres cuartos de manzana.

5) En el Torneo de Clausura 2020, hasta la fecha 16, Universitario en

promedio, anotó 1,69 goles por cada 90 minutos. De acuerdo con
esto:
a. ¿Cuál es la probabilidad de que la U anote dos goles en los
próximos 90 minutos?
b. ¿Cuál es la probabilidad de que la U anote cuando mucho un gol
durante el primer tiempo?
Propiedad reproductiva de las distribuciones de
probabilidad

Algunas distribuciones de probabilidad tienen la

propiedad siguiente:
Si dos o más variables aleatorias que tienen
una distribución de probabilidad del mismo tipo
se suman, la v. a. resultante tiene una distribu-
ción del mismo tipo que los sumandos.
(Teorema de Fourier).
Las distribuciones: Binomial (respecto a n),
Poisson (respecto a λ) y Normal (respecto a µ y
σ) son distribuciones reproductivas.
Ejemplo.
Si X1, X2, … , Xn son v.a. independientes de
Poisson con parámetros λ1, λ2, … λn, entonces:
n
Y =  Xi
i =1

Es una v.a. de Poisson con parámetro λy:

n
 y =  i
i =1
Ejemplo. El número medio de llamadas por segundo a la central telefónica
de la empresa Me Llega al Twitter es 7. Si existen 5 centrales de este tipo
¿cuál es la probabilidad de que en un segundo se reciban más de
40 llamadas?

P(X > 40) con µ = 35

Ejercicio.
En la fábrica Alan Brito SAC el número de accidentes
laborales por semana sigue un proceso de Poisson con
parámetro µ = 2. Determina:
a) La p. de que haya cuatro accidentes en el transcurso
de una semanas
b) La p. de que haya cuatro accidentes en el transcurso
de tres semanas. R. 13,39%
Tip. ¿Se aplica propiedad reproductiva o propiedad
estacionaria?
c) La p. que haya dos accidentes en una semana, y
otros dos accidentes en la semana siguiente. R. 7,33%
Tip. Probma tipo.
d) Es lunes, y ya ha habido un accidente. La p. que en
aquella semana no haya más de tres accidentes. R.
83,48%

𝑃 𝑋 =1 +𝑃 𝑋 =2 +𝑃 𝑋 =3
𝑃(𝑋 ≤ 3 ∣ 𝑋 ≥ 1) =
Propiedad reproductiva de la binomial. La suma de v. a. binomiales,
cada una con el mismo parámetro p, es una binomial de parámetro p.

Ejemplo.

En el Hospital Romeo la probabilidad de curar un enfermo sin secuelas es 0,90. Esta

probabilidad es análoga en el Hospital Julieta. Si llegan en un día 20 enfermos al primer
hospital y 30 al segundo ¿cuál es la probabilidad de curar, sin ningún tipo de secuela,
a más de 46 pacientes?

Observa que se ha introducido una nueva v.a. en el experimento aleatorio. La v.a. Y

que es la suma de dos v. a. X.
Nos piden:

P(Y > 46) = P(X = 47) + P(X = 48) + P(X = 49) + P(X = 50) = 25%

Explicación: La v. a. Y sigue el modelo Binomial. Como n > 30 se puede resolver por el

modelo Normal.