Documentos de Académico
Documentos de Profesional
Documentos de Cultura
: 2023-I
Asignatura: Fundamentos de Estadística
VARIABLE ALEATORIA
1. DEFINICIÓN
Una variable aleatoria (v.a.), X , es una función definida en el espacio muestral Ω (dominio) y toma
valores reales (rango). Empíricamente la v.a. representa los resultados de un experimento aleatorio
mediante números.
Ejemplo 1:
• Número de aleteos de una polilla cada 5 minutos
• Número de llamas esquiladas anualmente en el departamento de Huancavelica.
• Número de cerdas en Drosophila
• Número de plantas de café afectadas por la Roya amarilla del café por hectárea de cultivo
xi x1 x2 .. .. .. xk
P ( X = xi ) P ( X = x1 ) P ( X = x2 ) .. .. .. P ( X = xk )
Propiedades
k
1. P( X = xi ) ≥ 0 2. ∑ P( X = x ) = 1
i =1
i
Ejemplo 2:
La distribución de probabilidad del número de cerdas en Drosophila ( X) es :
x 1 2 3 4 5 6 7 Total
P( X = x) 0,008 0,033 0,058 0,0258 0.467 0,142 0.033 1
2
Docente: Mg. Violeta Alicia Nolberto Sifuentes Lima, 29/05/2023
UNMSM-EP GENETICA Y BIOTECNOLOGIA SEM.: 2023-I
Asignatura: Fundamentos de Estadística
Comprende lo siguiente:
Ejemplo 4: Algunos casos que siguen el proceso Bernoulli son (¿explique por qué?):
• Un sujeto puede o no tener VIH.
• La prueba da resultado positivo o negativo sobre cierta enfermedad.
• Una PAM tiene COVID-19
• Un RN tiene o no malformación congénita
P( X = x) = p x q 1− x , x = 0,1 (3)
El parámetro de esta v.a. es p y con E ( X ) = p y V ( X ) = pq . En su forma tabular es:
x 0 1
P( X = x) q p
3
Docente: Mg. Violeta Alicia Nolberto Sifuentes Lima, 29/05/2023
UNMSM-EP GENETICA Y BIOTECNOLOGIA SEM.: 2023-I
Asignatura: Fundamentos de Estadística
n x n− x
P( X = x) = p q , x = 0,1,2, .....n (4)
x
Con E ( X ) = np y V ( X ) = npq
Notación.: X ~ B(n, p ) , la v.a. X tiene distribución de probabilidad Binomial, con parámetros n y
p
Ejemplo 5: Estudiosos de un centro de investigación afirman que el 20% de niños en edad escolar
tienen hiperactividad producida por una mutación genética Si se elige al azar a 5 niños de esta
población, cuánto es la probabilidad de que tengan hiperactividad producida por una mutación
genética:
x 0 1 2 3 4 5
P( X = x) 0,32768 0,4096 0,2048 0,0512 0,0064 0,00032
1. P(X = 2) = 2. P(X ≤ 4) =
3. P(X ≤ 2) = 4. P( X > 1) =
(5)
Ejemplo 7: Seis animales de una determinada población que está en extinción son capturados y
marcados, luego liberados en una región determinada. Información fidedigna afirma que hay 11 animales
de este tipo en la región. Después de un período de tiempo se selecciona una muestra aleatoria de 5 de
animales de este tipo en esa región. Calcular las siguientes probabilidades:
1) Que estén marcados 3 animales 2) Mínimo 4 animales estén marcados
Sol.: Primero veamos a identificar que el experimento aleatorio es un proceso hipergeométrico:
a) Al realizar un experimento con este tipo de distribución, se esperan dos tipos de resultados
E: Los animales están marcados, N1 = 6 Ec: Los animales no están marcados N2 = 5
b) Las probabilidades asociadas a cada uno de los resultados no son constantes. Se elige una m.a. de
n=5 animales sin reemplazamiento de manera que: N1=6 < N=11 y n=5 < N=11
c) Cada ensayo o repetición del experimento no es independiente de los demás., debido a b). Las
probabilidades de obtener un animal marcado van cambiando de elección en elección.
d) El número de repeticiones del experimento (n=5 ) es constante.
La v.a. X: Numero de animales marcados en una m.a. (n=5 animales), tiene distribución de probabilidad
Hipergeométrica, dada por:
6
Docente: Mg. Violeta Alicia Nolberto Sifuentes Lima, 29/05/2023
UNMSM-EP GENETICA Y BIOTECNOLOGIA SEM.: 2023-I
Asignatura: Fundamentos de Estadística
Con E(X)= 2.73 animales, V(X)= 0.7438 animales2 , σ =0.8624 animales y CV (X)=
x 0 1 2 3 4 5
P( X = x) 0.0022 0.0649 0.3247 0.4329 0.1623 0.0130
Gráfico Nº 3: H~ (11, 6, 5)
1)
2)
7
Docente: Mg. Violeta Alicia Nolberto Sifuentes Lima, 29/05/2023
UNMSM-EP GENETICA Y BIOTECNOLOGIA SEM.: 2023-I
Asignatura: Fundamentos de Estadística
La distribución de Poisson se puede obtener como límite de una distribución Binomial cuando n → ∞
y p → 0 . Sea la v.a. X : Nº de eventos que ocurren en un intervalo de longitud fija, con parámetro
λ = np , que representa al número promedio de eventos en ese intervalo, cuya distribución de
probabilidad, llamada de Poisson, es:
e −λ λx
P( X = x) = , x = 0,1, 2, 3, 4, ........... (6)
x!
Con E ( X ) = λ (tasa promedio de ocurrencia del evento) y V ( X ) = λ
Ejemplo 6: El número de microorganismos en una muestra de 1 mm3 de agua de un río sigue una
distribución de Poisson de parámetro λ = 15 microorganismos/mm3. Calcular las siguientes
probabilidades de observar:
1. 10 microorganismos, en 1 mm3. 2. por lo menos de 15 microorganismo en 1 mm3
3. menos de 61 microorganismos, en 5 mm3 .
1. Se observa el número de ocurrencias, x ,de algún evento, este caso microorganismos por 1 mm3
(volumen).
2. La probabilidad de que encontrar microorganismos por 1 mm3 es la misma para los intervalos
del mismo tamaño. También es proporcional a la longitud del intervalo, en este caso por volumen
igual a 2, 3, 5, 10 mm3 y ocurren de forma independiente.
3. El número microorganismos que ocurren en cierto volumen es independiente del número que
ocurren en otro volumen.
e −15 15 x
P( X = x) = , x = 0,1, 2, 3, 4, ...........
x!
Con E ( X ) = 15 y V ( X ) = 15
La distribución de probabilidad de esta v.a., en su forma tabular (para los 22 primeros valores de la
v.a.) y su gráfica son:
x 0 1 2 3 4 5 6 7 8 9 10
3E- 3E- 0,000 0,000 0,001 0,004 0,010 0,019 0,032 0,048
P( X = x) 07 5E-06 05 2 6 9 8 4 4 4 6
x 11 12 13 14 15 16 17 18 19 20 21
0,066 0,082 0,095 0,102 0,102 0,096 0,084 0,070 0,055 0,041 0,029
P( X = x) 3 9 6 4 4 0 7 6 7 8 9
Gráfico Nº 4: X ~ P(15)
1. P( X = 10) =
2. P( X ≥ 15) =
3. En este caso el parámetro es proporcional a la longitud del intervalo (5 mm3 ), por tanto λ = 75
9
Docente: Mg. Violeta Alicia Nolberto Sifuentes Lima, 29/05/2023