1

MÓDULO

PROBABILIDADES

PRESENTACIÓN
 2

El presente módulo de probabilidades es un material de enseñanza aprendizaje para el desarrollo

del Área o asignatura de Probabilidad para estudiantes de Formación Inicial Docente. Contiene las
definiciones, propiedades y aplicaciones de los temas básicos de probabilidades.

El contenido del Módulo corresponde a la secuencia y organización del silabo distribuidos en 18

semanas, las cuales serán desarrolladas con la orientación del formador. La presentación de los
contenidos está organizado considerando la secuencialidad y jerarquización de los conceptos, que
es un criterio importante para el desarrollo de una asignatura de matemática. También mediante el
material se promueve el aprendizaje autónomo a través de la indagación, metacognición,
autoevaluación y la retroalimentación.

Se espera el modulo sea de utilidad para los estudiantes y elector, está sujeto a críticas y
sugerencias que servirán para mejorar el presente documento.

El Autor

INDICE
 3

PRESENTACIÓN

1. Experimento y experimento aleatorio. …………………………………………………………………5

2. Espacio muestral y evento……………………………………………………………………………….6

3. Operaciones con eventos ……………………………………………………………………………….7

4. Probabilidad de un evento………………………………………………………………………………8

5. Probabilidad condicional……………………………………………………………………………….11

5.1. Definición de probabilidad condicional…………………………………………………………11

5.2. Eventos independiente…………………………………………………………………………..12

6. Teorema de las probabilidades totales ……………………………………………………………..13

7. Teorema de Bayes ……………………………………………………………………………………15

8. Variable aleatoria………………………………………………………………………………………16
8.1. Variables aleatorias discretas y continuas…………………………………………………….16

8.2. Función de probabilidad…………………………………………………………………………17

8.2.1. Función de probabilidad de una variable discreta…………………………………….17

8.2.2. Esperanza matemática de una variable aleatoria discreta…………………………..18

8.2.3.Varianza de una variable aleatoria discreta……………………………………………18

8.2.4. Función de densidad de probabilidad de una variable aleatoria continua…………19

8.2.5. Esperanza y varianza de una variable aleatoria continúa…………………………….20

REFERENCIAS BIBLIOGRAFICAS

JUEGOS DEL AZAR, PROBABILIDADES Y ESTADISTICA

 4

Algunos juegos del Azar:

Lanzar dados honestos y monedas

¿Qué son los juegos de azar, porque se relacionan con la probabilidad y la estadística?

Los juegos de azar no todo es simple suerte puesto que se requiere de habilidades matemáticas,
datos agrupados y una buena memoria.

Ganar en un juego de azar no radica solamente en la habilidad que tiene el jugador, también
interviene la destreza para calcular, las posibilidades tanto favorables como desfavorables que se
derivan del propio juego, de las acciones que se van realizando en el tiempo que se juega pero, si
todo fuera matemáticas aplicadas no se llamarían juegos de azar puesto que aún el matemático o
jugador más experto puede fallar, este es el componente imprescindible llamado suerte o azar que
puede arrebatar la victoria ( TIS, 2013)

La historia de los juegos de azar a lo largo de la humanidad no se puede abarcar en unos cuantos
párrafos con tantas modificaciones que estos han recibido a través de las diferentes generaciones
que se han fascinado con ellos es casi imposible deducir con exactitud el origen o comienzo de
ellos, desde los griegos se a tenido registro de ellos es por eso que nos hace pensar que la
humanidad, los juegos de azar la probabilidad y la estadística se han desarrollado al mismo tiempo.

En la actualidad, es muy probablemente que cualquiera de nuestros lectores no hayan tenido

mucha suerte con los juegos de azar, si miramos un poco los datos estadísticos proporcionados
por Manuel Febrero, catedrático de Estadística de la Universidad de Santiago de Compostela hay
más de un 83 por ciento de posibilidades de que no te haya tocado ni un solo premio, un 15 por
ciento de que te haya tocado cualquier tipo de premio, reintegro incluido, y tan sólo un 5,6 por
ciento de que hayas ganado algo de dinero en estos juegos entonces es imprescindible
preguntarnos ¿ por qué jugamos entonces y ?. Tal vez por la adrenalina y emoción que se siente al
estar dentro de un juego de azar.

La historia de la probabilidad comenzó cuando dos matemáticos Pierre Fermat y Blais Pascal
trataban de explicar algunos problemas relacionados con los juegos de azar pero la probabilidad en
 5

si se les atribuye a los matemáticos Jakob Bernoulli y Siméon Denis Poisson con el libro las leyes
de los grandes números (BJV, 2015).

Durante el siglo XVIII la probabilidad tuvo un notable desarrollo debido a la popularidad que
ganaron los juegos de azar durante el renacimiento. Se desarrollaron los primeros teoremas
distribución binominal (teorema de Jakob Bernoulli) teorema central de limite y teoría de errores
estas teorías fueron recopiladas por Pierre Laplace y publicadas en 1812 en su libro teoría analítica
de la probabilidad donde se exponen un análisis matemático sobre los juegos de azar. Además, de
dar una fórmula que puede ser aplicada a cualquiera de tales probabilidades teóricas, siempre y
cuando el espacio muestral S sea finito y los resultados sean igualmente probables, es decir, sean
equiprobables.

PROBABILIDADES

Las Probabilidades pertenecen a la rama de la matemática que estudia ciertos experimentos

llamados aleatorios, o sea regidos por el azar, en que se conocen todos los resultados posibles,
pero no es posible tener certeza de cuál será en particular el resultado del experimento. Por
ejemplo, experimentos aleatorios cotidianos son el lanzamiento de una moneda, el lanzamiento de
un dado, extracción de una carta de una baraja de naipes.

1. Experimento y experimento aleatorio.

1.1. Definición. Un experimento es el proceso mediante el cual se obtiene una observación

(o medición).

Ejemplos:

• Registrar la calificación de un examen

• Medir la cantidad de lluvia diaria

• Entrevistar a un dueño de casa para obtener su opinión sobre un reglamento para

distribuir por zonas un área verde

1.2. Definición. Un experimento aleatorio es todo proceso realizable cuyos resultados no se

pueden predecir.

Ejemplo:

• Lanzar una moneda y observar la cara superior

• Lanzar un dado y observar la cara superior

• Lanzar dos monedas y observar la cara superior

 Lanzar tres monedas y observar la cara superior

 Sacar una carta de una baraja de naipes
 6

En un experimento cuando el resultado es previsible se llama experimento determinístico.

Ejemplo.

a) Sacar una bola verde de una caja que contiene 10 bolas verdes
b) Si lanzamos una piedra al aire, podemos afirmar con certeza que volverá a caer a la
superficie de la tierra, pero no podemos saber con precisión el punto en el que caerá. Así, la
caída es un fenómeno o experimento determinístico, mientras que el lugar en que se
producirá dicha caída es aleatorio, ya que existe incertidumbre respecto del punto preciso
en el que caerá.

2. Espacio muestral y evento

2.1. Espacio Muestral.- Se llama espacio muestral ( ) asociado a un experimento aleatorio, el

conjunto de todos los resultados posibles de dicho experimento. Ejemplos:

 Al lanzar una moneda, el espacio muestral es = {sale cara, sale sello} ó = {c, s}.
 Al lanzar un dado de seis caras, el espacio muestral es
= {sale 1, sale 2, sale 3, sale 4, sale 5, sale 6} ó = {1, 2, 3, 4, 5, 6}

 Al lanzar dos monedas, el espacio muestral es

= {(c,c), (c,s), (s,c), (s,s)}.

 Al lanzar tres monedas, el espacio muestral es = {(c,c,c), (c,c,s), (c,s,c), (c,s,s), (s,c,c),
(s,c,s), (s,s,c), (s,s,s)}

2.2. Evento o Suceso. Se llama evento o suceso a todo subconjunto de un espacio muestral.

Por ejemplo en el espacio muestral = {1, 2, 3, 4, 5, 6} del lanzamiento de un dado, los

siguientes son eventos:

1. Obtener un número primo, A = {2, 3, 5}

2. Obtener un número primo y par, B = {2}
3. Obtener un número mayor o igual a 5, C = {5, 6}

Propiedad.

En cualquier subconjunto del espacio muestral se cumple:

i) , es un evento seguro o siempre cierto

ii) , es un evento imposible

2.3. Eventos mutuamente excluyentes. Dos eventos son mutuamente excluyentes si no pueden
ocurrir en forma simultánea, esto es, si y sólo si su intersección es vacía.

Ejemplo.

Obtener un número primo y par al lanzar un dado, A = {2}

Obtener un número mayor o igual a 5 al lanzar un dado, B = {5, 6}
 7

Los eventos A y B son mutuamente excluyentes por cuanto A B=

2.4. Eventos Complementarios. Si A B = y A B = E, se dice que A y B son eventos

complementarios: Ac = B y Bc = A

3. Operaciones con eventos.

Sean los eventos A , B se definen las siguientes operaciones.

a) Intersección de eventos.

A∩B={w/w A w B}

Si A ∩ B = , A y B son eventos mutuamente excluyentes o disjuntos , es decir A y B no

pueden ocurrir simultáneamente.

b) Reunión de eventos

AUB={w/w A v w B}

c) Diferencia de eventos

A-B={w/w A w B}

d) Complemento de un evento

Ac={w/w A}

Ejercicios.

1) Determinar el espacio muestral de los siguientes experimentos aleatorios:

a) Lanzar dos dados una vez y observar las caras superiores
b) Lanzar una moneda tres veces

c) Lanzar una moneda y un dado a la vez y observar los resultados

2) Un experimento consiste en lanzar un solo dado.

a) Determine todo los eventos sencillos.

 8

b) Ilustre las operaciones con eventos de intersección, reunión, diferencia y complemento.

3) Investigue sobre el número de elementos de la reunión de eventos.

Autoevaluación y retroalimentación.

Complete el siguiente cuadro:

¿Qué aprendí? ¿Qué obstáculos ¿Qué nuevas ¿Cuál es la

encontré? preguntas tengo? puntuación de mi
desempeño del 1 a
10?

4. Probabilidad de un evento

4.1. Definición clásica de probabilidad.

Si en un experimento aleatorio todos los resultados son equiprobables (iguales probabilidades), es

decir, la ocurrencia de uno es igualmente posible que la ocurrencia de cualquiera de los demás,
entonces, la probabilidad de un evento A es la razón:

P(A)=

También P(A) =

Probabilidad geométrica: P(A)= , donde es un conjunto contenido en el plano y A

4.2. Definición axiomática de probabilidad

Sea el espacio muestral asociado a un experimento aleatorio. La probabilidad de cualquier

 9

evento A de , es el número real P(A) que satisface los siguientes axiomas, llamadas axiomas
de Kolmogorov.

i) 0 P(A )
ii) P( )=1

iii) Si A y B son eventos mutuamente excluyentes. P ( A U B ) = P(A) + P(B)

Teoremas.

i) P( )=0
ii) 0 P(A) 1 equivale a 0 % P(A) 100 %

iii) A B entonces P(A) P (B )

iv) P( )= 1- P(A)

v) P ( A U B ) = P ( A ) + P ( B ) – P ( A ∩ B ) ( Regla de la adición)

vi) P(AΔB)=P(A)+P(B)–2P(A∩B)

La probabilidad de un evento es un números real, según el teorema ii) puede ser expresado por
un número decimal, por una fracción o en porcentaje.

Ejemplo.

Se lanza dos dados una vez ¿cuál es la probabilidad de obtener números iguales en ambas
caras?

Solución.

Sea el evento A : Obtener números iguales en ambas caras al lanzar un dado.

A = { ( 1 ; 1 ) , (2 ; 2 ), ( 3 ; 3 ) , ( 4 ; 4 ) , ( 5 ; 5 ) , ( 6 ; 6 ) } , donde # ( A ) = 6, que es
números favorable al evento A.

= { ( 1 ; 1 ) , ( 1 ; 2 ) … ( 6 ;5 ) , ( 6 ; 6 ) } donde # ( ) = 36, que es número total de

casos posibles.

Aplicando la definición clásica de probabilidad se tiene.

P(A) = = 6 / 36 = 1 /6 = 0,17 = 17 %

Luego la probabilidad de obtener números iguales en ambas caras al lanzar dos dados es ;
1 /6 o 0,17 o 17 %

Ejercicios.

a) Asigne valores (probabilidades) a cada una de las siguientes circunstancias, según la

escala dada.
 10

Escala

0 0,25 0,5 0,75 1

1) El sol se ocultara al atardecer el día de mañana: ……………..

2) Que el primer hijo de una pareja sea varón: ……………

3) Tener un accidente automovilístico se manejas ebrio: ……………

4) Aprobar un curso de inglés básico:………..

5) Tener un accidente automovilístico al manejar hablando por celular: ………

6) Tener un embarazo no deseado usando adecuadamente el condón:……….

7) Que una moneda caiga sello en un lanzamiento al aire: ………

8) Meter un gol al tirar un penal:…………..

9) Que un asteroiede colisiona con el planeta: ………

10) Marcar la respuesta correcta de una pregunta del examen con cuatro alternativas: ……..

b) Encuentre las siguientes probabilidades

1) Se lanzan dos dados al azar, ¿cuál es la probabilidad de que la suma de sus puntos sea
7?
2) Se lanzan dos dados al azar ¿cuál es la probabilidad de que la suma de sus puntos sea
4?
3) Si la probabilidad de ganar un juego es 0, 23 ¿cuál es la probabilidad de perderlo?
4) Una bolsa contiene 5 bolas rojas, 8 blancas, 4 verdes y 7 negras. Si se extrae una bola
al azar ¿cuál es la probabilidad de extraer una bola roja o blanca?
5) Se extrae al azar una carta de una baraja compuesta por 52 naipes ¿cuál es la
probabilidad de que se obtenga un as?
6) ¿Cuál es la probabilidad de que, en una sola tirada de dos dados, aparezca el mismo
número en las caras superiores?
7) ¿Cuál es la probabilidad de obtener exactamente dos caras en un tiro de tres monedas?
8) ¿Cuál es la probabilidad de obtener dos cuando menos dos caras en un tiro de tres
monedas?
9) En un deposito hay almacenados 25 equipos de televisión. En la tabla estos equipos se
hallan clasificados según la marca y el modelo. Con los datos de la tabla encontrar:
Marca Total
Modelo B1 B2 B3
S1 700 225 500 1425
S2 650 175 400 1225
 11

S3 450 350 325 1125

S4 500 175 600 1225
Total 2300 925 1825 5000

a) P ( B1 ) b) P ( S4 ∩ B2 ) c) P ( S3 / B3 ) d) P ( S1 U B1 )
e) P ( B1 / S4 ) f) P ( S2 ∩ B3 ) g) P ( B1 U B3 )
c) Iinvestigue sobre el concepto de probabilidad teórica y probabilidad empírica.

Autoevaluación y retroalimentación.

Complete el siguiente cuadro:

¿Qué aprendí? ¿Qué obstáculos ¿Qué nuevas ¿Cuál es la

encontré? preguntas tengo? puntuación de mi
desempeño del 1 a
10?

5. Probabilidad condicional

Cuando se trabaja con fenómenos aleatorios, muchas veces podemos contar con cierta
información que modificaría nuestra estimación de la probabilidad del mismo. En estos casos, se
dice que la probabilidad del evento en cuestión está condicionada a la ocurrencia de otro evento.

5.1. Definición de probabilidad condicional.

Dados los eventos A y B , la probabilidad de A sabiendo que B ha sucedido, se llama probabilidad

condicional de A dado B, se define por:

P(A/B)= , P(B) 0 y si P ( B ) = 0, entonces P ( A / B ) = 0

P ( A ∩ B ) = P ( B ) P ( A / B ) : Regla del Producto o de la multiplicación.

El Evento B es la información adicional que afecta el resultado.

Ejemplo.

En un experimento de preferencia de color, ocho juguetes se ponen en un recipiente. Los juguetes

son idénticos excepto por el color, dos son rojos y seis son verdes. Se pide a un niño que escoja
 12

dos juguetes al azar de una en una. ¿Cuál es la probabilidad de que el niño escoja los dos juguetes
rojos?

Solución.

Sean los eventos

A : Escoger un juguete de color rojo ( primera extracción)

B : Escoger un juguete de color verde ( segunda extracción)

A ∩ B : Escoger dos juguetes de color rojo

La probabilidad del evento B está condicionada a la probabilidad del evento A. La probabilidad de

escoger dos juguetes de color rojo es P ( A ∩ B ). Aplicando la regla del producto se tiene:

P ( A ∩ B ) = P ( A ) P ( B / A ) = ( 2 / 8 ) ( 1 / 7) = 2 / 56 = 1 /28

Luego la probabilidad de sacar dos juguetes de color rojo es : 1 /28

PROPIEDADES

i) 0 P(A/B )
ii) P( /B)=1

iii) P ( A1U A2 / B ) = P(A1 / B ) + P( A2 /B) , A1 A2 =

iv) P( /B)= 1- P(A/B)

5.2. Eventos independiente

Sean los eventos A y B , si el evento A no depende de la realización del evento B, se dice que A y
B son eventos independientes. Es decir:

P ( A / B ) = P ( A ) y remplazando en la fórmula P ( A / B ) = , se tiene

P ( A ∩ B ) = P(A) P( B ) , A y B son evento independientes. Esta fórmula también se llama regla

de la multiplicación para eventos independientes.

Dados los eventos:

A: Contraer una enfermedad

B: La persona sea mujer

Entonces el contraer enfermedad no depende del sexo, A y B son independientes.

Ejemplo.
 13

En un experimento de preferencia de color, ocho juguetes se ponen en un recipiente. Los juguetes

son idénticos excepto por el color, dos son rojos y seis son verdes. Se pide a un niño que escoja
dos juguetes al azar de una en una, pero después de escoger un juguete esta se devuelve para
para escoger el segundo juguete. ¿Cuál es la probabilidad de que el niño escoja los dos juguetes
rojos?

Solución.

Sean los eventos

A : Escoger un juguete de color rojo ( primera extracción)

B : Escoger un juguete de color rojo ( segunda extracción)

A ∩ B : Escoger dos juguetes de color rojo

Como después de sacar el primer juguete esta se devuelve al recipiente, entonces los eventos A y
B son eventos independientes, luego utilizamos la relación:

P ( A ∩ B ) = P(A) P( B ) = ( 2 / 8 ) ( 2 / 8 ) = 4 / 64 = 1 / 16

Luego la probabilidad de sacar dos juguetes de color rojo es: 1 /16

Ejercicios.

1) En una caja hay 7 bolas rojas y 3 verdes. Se sacan dos bolas al azar de una en una. Hallar la
probabilidad de que la primera bola sea roja y la segunda también.

a) Si después de sacar la primera bola ésta se devuelve para sacar la segunda ( extracción con
restitución?

b) Si después de sacar la primera bola ésta no se devuelve para luego sacar la segunda
(extracción sin restitución)

2) Se ha determinado que en un grupo de niños, hay niños que tienen desnutrición y niños que
están parasitados. El 5 % de los niños sufren de desnutrición mientras que el 10 % están
parasitados. Adicionalmente, el 3 % de los niños sufren desnutrición y están parasitados.

Determine la probabilidad de que un niño:

a) Esta desnutrido, sabiendo que esta parasitado

b) Esta parasitado, sabiendo que esta desnutrido.

3) Demuestre las propiedades de probabilidad condicional

3) Investigue las aplicaciones prácticas de la probabilidad condicional y la regla del producto

para evento independientes.

Autoevaluación y retroalimentación.

Complete el siguiente cuadro:

 14

¿Qué aprendí? ¿Qué obstáculos ¿Qué nuevas ¿Cuál es la

encontré? preguntas tengo? puntuación de mi
desempeño del 1 a
10?

6. Teorema de las probabilidades totales

Sea un espacio muestral en donde se halla definida una probabilidad P. Si A 1, A2 , …, An, son
eventos con la propiedad : A1 U A2 U …U An = y disjuntos dos a dos entonces se cumple:

P (B) = P ( B / Ai ) P ( Ai) , B

7. Teorema de Bayes

Sea un espacio muestral en donde se halla definida una probabilidad P. Si A 1, A2 , …, An, , son
eventos con la propiedad : A1 U A2 U …U An = y disjuntos dos a dos entonces se cumple:

P (Ai / B) =

Ejercicios.

1) En una comunidad 1 /4 de comuneros son varones y el resto son mujeres. Se ha determinado

que el 10% de los varones y el 25 % de las mujeres hablan quechua.

a) Se escoge un comuneros al azar ¿cuál es la probabilidad que habla quechua?

 15

b) Se escoge un comunero al azar y resulta que habla quechua ¿ cuál es la probabilidad que sea
mujer?.

2) Una ciudad está dividido en tres distritos: A , B y C. En el distrito A viven 1 /4 de la población, en

el distrito B, viven 1 /2 de la población y en el distrito C viven 1 / 4 de la población. Se ha
determinado que el 25 % de los que viven en el distrito A, el 20 % de los que viven en B y el 18 %
de los que viven en C, son desocupados.

a) Se escoge al azar un poblador, ¿cuál es la probabilidad de que sea desocupado?

b) Se escoge al azar un poblador y resulta que es desocupado. ¿Cuál es la probabilidad que sea
del distrito B?

3) Dos fábricas A y B producen un cierto artículo. La fábrica A produce el 70 %, de las cuales 4 %

es defectuoso, la fábrica B produce el 30 % de las cuales 3 % es defectuoso.

a) Se escoge un artículo al azar ¿cuál es la probabilidad que sea defectuoso?

b) Se escoge un artículo al azar y resulta defectuoso ¿cuál es la probabilidad que sea de la fábrica
A?

4) Investigue sobre aplicaciones prácticas del teorema de las probabilidades totales y el teorema de
Bayes.

Autoevaluación y retroalimentación.

Complete el siguiente cuadro:

¿Qué aprendí? ¿Qué obstáculos ¿Qué nuevas ¿Cuál es la

encontré? preguntas tengo? puntuación de mi
desempeño del 1 a
10?

8. Variable aleatoria

Variable aleatoria es una función definida en un espacio muestral con valores en el

conjunto de los números reales. Se denota por X , o sea :
X: R , con X ( w ) = x , w ,x R
 16

Gráficamente:
R

X
w
X(w)=x

Ejemplo.

a) Sea el espacio muestra que se obtiene al lanzar dos monedas una vez. Se define la variable
aleatoria X como “ el número de caras obtenidas”.
El espacio muestra es:

= { ( c ; c) , ( c; s ) , ( s ; c ) ; ( s ; s ) }

RX = { 0 ; 1 ; 2 } , es decir se puede obtener 0 caras, 1 cara o 2 caras.

En la siguiente tabla se observa los valores de la Variable aleatoria.

w ( c ; c) ( c; s ) (s;c) (s;s)

X(w) 2 1 1 0

b) Sea el espacio muestra que se obtiene al lanzar dos dados una vez. Se define la variable
aleatoria X como “ la suma de los números que aparecen en las caras superiores”.

El espacio muestra es:

= { ( 1 ; 1) , ( 1; 2 ) , … , ( 6; 5 ) ; ( 6 ; 6 ) }

RX = { 2 ; 3 ; 4 ; 5 ; 6 ; 7 ; 8 ; 9 ; 10 ; 11 ; 12 }

En la siguiente tabla se observa los valores de la Variable aleatoria.

w ( 1 ; 1) ( 1; 2) … (6;5) (6;6)

X(w) 2 3 … 11 12

8.1. Variables aleatorias discretas y continuas.

 17

Variables aleatorias discreta. Si el conjunto de los valores de una variable aleatoria es

finito o infinito enumerable.
Ejemplo.
a) Número de hijos
b) Números de cursos matriculados
c) Suma de puntos que aparecen en los dos dados

Variables aleatorias continua. Si el conjunto de los valores de una variable aleatoria

puede tomar cualquier valor de un intervalo.

Ejemplo.

a) La edad de una persona

b) La estatura de una persona
c) El coeficiente intelectual

d) Duración de un movimiento sísmico

Ejercicios. Identifique cuales son variables aleatorias discretas y cuales son continuas:

a. El número total de puntos anotados en un juego de fútbol.

b. La duración en estante de un medicamento particular.
c. La altura de la marea del océano en un lugar determinado.
d. Longitud de una perca americana de 2 años de edad.
e. El número de choques de aviones en el aire que ocurren en un año.

8.2. Función de probabilidad

8.2.1. Función de probabilidad de una variable discreta.

Sea X una variable aleatoria discreta la función de probabilidad de X es la función:

f(x) = P ( X = x ) , para todo x número real ( finito o infinito) que satisface las siguientes
condiciones.

a) f (x) 0 b) =1

Si A Rx , entonces la probabilidad de A es el número:

P(A) = =

Función de distribución acumulada de una variable aleatoria discreta.

La función de distribución acumulada F (X) de una variable aleatoria X es:

F(X) = P ( X x)= = , para - <x<

 18

Ejemplo. Sea la variable X el número de caras que resultan al lanzar dos monedas una vez.
Determine
a) La función de probabilidad de X.
b) La función de distribución acumulada

Solución.

a) En la siguiente tabla se observa la asignación de probabilidad a la Variable aleatoria.

X

w ( s ; s) ( c; s ),( s ; c ) (c;c)

xi 0 1 2

f(x) =P ( X = x) ¼ = 0,25 2/4 =1/2= 0,5 ¼ = 0,25

F(X)= P (X 1/4 3/4 4/4 =1

x)

Grafica de la función de probabilidad

b) Función de distribución acumulada

F(x) =

Pues:
F ( 0 ) = f (0) = 1 / 4 = 0,25
F( 1 ) = f(0) + f ( 1 ) = 1 / 4 + 2 / 4 = ¾ = 0,75
F ( 2 ) = f(0) + f ( 1 ) + f (2) = 1 / 4 + 2 / 4 + 1 / 4 = 1

Grafica de la función de distribución acumulada.

8.2.2. Esperanza matemática de una variable aleatoria discreta.

La esperanza matemática de la variable aleatoria de X es la media de la variable X y se

denota por E ( X ) = , o sea:

E(X)= =

Ejemplo.
 19

Sea la variable X el número de caras que resultan al lanzar dos monedas una vez. Determine la
esperanza de la variable X.
Solución.

En la siguiente tabla se observa los valores xi y su correspondiente probabilidad.

xi 0 1 2

pi =P ( X = xi)= ¼ = 0,25 2/4 =1/2= 0,5 ¼ = 0,25

f(xi)

La esperanza matemática de X es:

E (X) = = 0 ( 1 / 4 ) + 1 ( 1 /2 ) + 2 ( 1 /4 ) = 1

Luego E(X) = 1

8.2.3.Varianza de una variable aleatoria discreta.

La varianza de una variable aleatoria discreta X es :

V (X) = E ( X - )2= = =

En el ejemplo anterior la varianza de X es ;

V(X) = (1/4)(0-1)2 + (1/2)(1-1)2 + (1/4) ( 2 – 1 ) 2 = 0,5 Luego : V(X) = 0,5

Ejercicios.

a) Sea la variable aleatoria X el número de caras que resultan al lanzar tres monedas una vez.
Determine:

i) La función de probabilidad de X y grafique

ii) La función de distribución acumulada de X y grafique

iii) La esperanza y varianza de X

b) Sea la variable aleatoria X la suma de las caras superiores que resultan de lanzar dos
dados una vez..

i) La función de probabilidad de X y grafique

ii) La función de distribución acumulada de X y grafique

iii) La esperanza y varianza de X.

c) Investigue sobre una aplicación práctica de una variable aleatoria.

 20

Autoevaluación y retroalimentación.

Complete el siguiente cuadro:

¿Qué aprendí? ¿Qué obstáculos ¿Qué nuevas ¿Cuál es la

encontré? preguntas tengo? puntuación de mi
desempeño del 1 a
10?

8.2.4. Función de densidad de probabilidad de una variable aleatoria continua.

Definición. Se dice que la función f(x) es función de densidad (ley de probabilidad) de

probabilidad de una variable aleatoria continua X si satisface las siguientes condiciones:

i) f(x) 0, R
ii) =1

iii) P(a X b)=

Observación:

P ( X = a) = 0 =

Función de distribución acumulada.

Definición. La función de acumulación F(X) de una variable aleatoria continua X, con

función de densidad f(x) , se define por:
 21

F(X) = P ( X x) = , para -

8.2.5. Esperanza y varianza de una variable aleatoria continua.

La esperanza o valor esperado de la variable aleatoria continua X , con función de densidad f(x) es
la media cuya expresión es :

E(X)= si es un número real, en caso contrario la media de X no existe.

La varianza de una variable aleatoria continua X, con función de densidad f(x) es;

V(X) = E [( X - ) 2] = .

También:

V ( X ) = E [X2] - 2

Ejemplo.

La altura de un cierto árbol sigue una variable aleatoria con función de densidad:

f(x) = x / 12, con 1 < x < 5. Determine la esperanza y varianza de X

Solución:

Esperanza de X: Utilizando la relación

E(X)= se tiene: E (X) = = = = =

Varianza de X. Utilizando la relación:

V ( X ) = E [X2] - 2

Se requiere calcular E [X2] = = = = 13, como = E (X)

=
 22

Luego: V ( X ) = E [X2] - 2
= 13 - = 1,358

Ejercicio.

1) Una variable aleatoria X tiene función de densidad

Determine:

a) La grafica de la función de densidad de X

b) La función de acumulación F (X)

c) L a P ( X > 1 /2 )

d) La esperanza y la varianza

2) Investigue sobre las propiedades de la esperanza y varianza de una variable aleatoria

continua.

Autoevaluación y retroalimentación.

Complete el siguiente cuadro:

¿Qué aprendí? ¿Qué obstáculos ¿Qué nuevas ¿Cuál es la

encontré? preguntas tengo? puntuación de mi
desempeño del 1 a
10?

REFERENCIAS BIBLIOGRAFICAS.

1. Córdova Zamora Manual ( 2005). Estadística Descriptiva e Inferencial. Moshera. Lima

 23

2. Mendenhall W. y Otros ( 2010). Introducción a la Probabilidad y Estadística . Cengage

Learning Editores, S.A. de C.V.,
3. Nieves A. y Domínguez F. (2010). Probabilidad y Estadística para Ingeniería. McGrawHill.
4. Pagano Robert (1995). Estadística para las Ciencias del Comportamiento. International
Thomson Editores. México.
5. Steward J. y otros (2010). Precálculo. International Thomson Editores. México