En cualquier momento de la vida nos enfrentamos a situaciones de incertidumbre, en la

cual no sabemos con determinación que pueda ocurrir o no, para ello debemos tomar
decisiones y enfrentar las consecuencias de ello; por ejemplo, el tiempo que me puede
tomar en llegar a la estación de transporte público al salir del trabajo, si hará buen tiempo
en un determinado día.
Para poder enfrentar todas estas situaciones las estadísticas nos pueden ser de gran
ayuda. Ayudan a modelar los eventos para que puedan estar dentro de nuestra compresión
y así poder tomar decisiones favorables ante la anticipación de los resultados.
Para lograr modelar los eventos lo primero es definirlos. Ante los eventos inciertos, una de
las formas para definirlos es como una variable aleatoria. La variable aleatoria es
simplemente cuando los valores son inciertos y son dependientes de un evento, con lo
ejemplos anteriores podemos definir que la variable aleatoria X sea el tiempo que me toma
en llegar a la estación de transporte público y que depende del viaje que realice.
Entonces como siempre estamos en constante contacto con las situaciones de
incertidumbre tanto para la vida diaria como en la laboral, profesional o académica, es
necesario conocer, establecer métodos y modelos probabilísticos para tener sustento en
nuestra toma de decisiones.
El conocimiento previo de las variables aleatorias en su análisis, la aplicación del valor
esperado o media, la varianza de las variables aleatorias discretas y variables aleatorias
continuas se pondrán en práctica con la siguiente serie de ejercicios, los cuales requieren
del reforzamiento o adquisición de conocimientos sobre el tema.

Resuelve los siguientes ejercicios:

01.- Un taller de computo mide los tiempos de reparación de unas impresoras, tiene una
distribución aproximadamente exponencial, con media de 22 minutos. A partir de esta
información se solicita lo siguiente:
• La probabilidad de que el tiempo de reparación sea menor a 10 minutos.
Definimos la variable aleatoria continua como X=el tiempo de reparación en minutos y se
sujeta a una distribución exponencial.
En estadística la distribución exponencial es una distribución de probabilidad continua con
el indicador:
𝜆<0
El valor esperado de una variable aleatoria con distribución exponencial es:
1
𝐸(𝑋) =
𝜆
Para nuestro caso el valor esperado se represente como:
1
𝐸(𝑋) =
22
Y una función de densidad de estas distribuciones exponenciales se define:
𝜆𝑒 −𝜆𝑥 ; 𝑝𝑎𝑟𝑎 𝑥 ≥ 0
𝑓(𝑥) = {
0 ; 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜
Para nuestro caso se define:
1 −𝑥
(𝑥) = {22 ∙ 𝑒 22 ; 𝑝𝑎𝑟𝑎 𝑥 ≥ 0
0 ; 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜
Para calcular la probabilidad de que un tiempo de reparación sea menor a 10 minutos
tendremos que recurrir a la formula de probabilidad para las variables continuas:
∞
𝑃(𝑋) = ∫ 𝑓(𝑥)𝑑𝑥 = 1
−∞

Sustituimos f(x) por el valor e indicamos los límites:

10
1 −𝑥
𝑃(𝑋 < 10) = ∫ ∙ 𝑒 22 𝑑𝑥 = 1
0 22
Debemos evaluar la integral para obtener que el resultado es:
−5
𝑃(𝑋 < 10) = 1 − 𝑒 11 = 0.3652
Esto porque e=número de Euler o constante de Napier que equivale a 2.7182.
Por lo que la probabilidad de que el tiempo de reparación sea menos a 10 minutos es 0.3652
o 36.52%.
• Si el costo de reparación es de $1,500.00 por cada media hora o fracción ¿Cuál es
la probabilidad de que una reparación cueste $3,000?
Primero definamos la probabilidad que nos interesa, se indica que el costo de una
reparación va ligada a los periodos de 30 minutos y los minutos restantes menores a 30,
los cuales se cobran en $1,500.00. Para que una reparación cueste $3,000.00 el tiempo
empleado deberá ser mayor a los 30 minutos e igual o menor a 60 minutos, se expresa:
𝑏
𝑃(𝑎 < 𝑥 ≤ 𝑏) = ∫ 𝑓(𝑥)𝑑𝑥
𝑎

Ya sabemos la equivalencia de f(x) y los límites:

60
1 −𝑥
𝑃(30 < 𝑥 ≤ 60) = ∫ ∙ 𝑒 22 𝑑𝑥
30 22
Nuevamente evaluamos la integral:
60
1 −𝑥 30 15
𝑃(30 < 𝑥 ≤ 60) = ∫ ∙ 𝑒 22 𝑑𝑥 = −𝑒 −11 + 𝑒 −11 = 0.1903
30 22
La probabilidad de que una reparación cueste $3,000.00 es de 0.1903 o expresado en
porcentaje 19.03 %
 • Para efectuar una programación, ¿cuánto tiempo se debe asignar a cada reparación
para que la probabilidad de que cualquier tiempo de reparación mayor que el tiempo
asignado sea solo de 0.1?
Para este caso se busca asignar un tiempo específico, el tiempo debe ser mayor a 0,
pudiendo ser expresado como t>0.
El tiempo asignado a la reparación se define de la siguiente manera:
𝑃(𝑥 > 𝑡) = 0.1
La probabilidad de que la variable aleatoria x sea mayor que el tiempo asignado es igual a
0.1
Debemos comprobar el área bajo la curva que define la probabilidad de 0.1, usamos una
de las condiciones probabilidad para las variables aleatorias continuas que dice, toda el
área bajo la curva es igual a 1.
Entonces dado que ya hemos usado la formula en ejercicios anteriores solamente
sustituimos los valores para f(x) y los límites:
𝑏 ∞
1 𝑥 𝑡
𝑃(𝑥 > 𝑡) = ∫ 𝑓(𝑥)𝑑𝑥 = ∫ ∙ 𝑒 −22 𝑑𝑥 = 𝑒 −22 = 1
𝑎 𝑡 22
𝑡
𝑆𝑖 𝑒 −22 = 1 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑑𝑒𝑏𝑒𝑚𝑜𝑠 𝑑𝑒𝑠𝑝𝑒𝑗𝑎𝑟 𝑡 = −22 ∙ 𝑙𝑛0.1 = 50.65
El tiempo a asignar para cada reparación es de 50.65 minutos.
2.- Se lanza un dado equilibrado produciendo el espacio equiprobable S={1,2,3,4,5,6}. Sea
x el doble del número que aparece. Encuentre la distribución, la media, la varianza y la
desviación estándar de X.
𝐸𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑏𝑜𝑟𝑎𝑏𝑙𝑒𝑠 1
La probabilidad se determina 𝑃(𝑋) = =6
𝐸𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠

La probabilidad de cada número es 1/6.

Definimos que x es el número doble del que aparece
𝑋1 (2), 𝑋2 (4), 𝑋3 (6), 𝑋4 (8), 𝑋5 (10), 𝑋6 (12); a partir de los anteriores determinamos la
distribución f de x, aprovechando la tabla para organizar los resultados se anexan otras
operaciones que apoyan al cálculo del valor esperado, varianza y desviación estándar:
Distribución de probabilidad

x F(x) 𝑥 ∙ 𝑓(𝑥) 𝑥2 𝑥 2 ∙ 𝑓(𝑥)

2 1/6 1 4 1
2∙ 4∙
6 6
4 1/6 1 16 1
4∙ 16 ∙
6 6
6 1/6 1 36 1
6∙ 36 ∙
6 6
8 1/6 1 64 1
8∙ 64 ∙
6 6
10 1/6 1 100 1
10 ∙ 100 ∙
6 6
12 1/6 1 144 1
12 ∙ 144 ∙
6 6

∑ 1 7 182/3=
60.66

El valor esperado o media se calcula a partir de la expresión

𝜇 = 𝐸(𝑋) = 𝑋1 ∙ 𝑓(𝑥1 ) + 𝑋2 ∙ 𝑓(𝑥2 ) + ⋯ + 𝑋𝑛 ∙ 𝑓(𝑥𝑛 ) = ∑ 𝑥 ∙ 𝑓(𝑥)

1 1 1 1 1 1 42
𝜇 = 𝐸(𝑋) = ∑ 𝑥 ∙ 𝑓(𝑥) = 2 ∙ + 4 ∙ + 6 ∙ + 8 ∙ + 10 ∙ + 12 ∙ = =𝟕
6 6 6 6 6 6 6
Varianza, la medida de dispersión, es un promedio ponderado de las desviaciones al
cuadrado de la variable aleatoria con respecto a su medida, las ponderaciones aplicadas
son las probabilidades.

𝜎 2 = 𝑉(𝑋) = [∑ 𝑥 2 ∙ 𝑓(𝑥)] − 𝜇 2

En la tabla tenemos la sumatoria de 𝑥 2 ∙ 𝑓(𝑥) y ya tenemos calculado el valor del valor

esperado; entonces sustituimos los valores.
𝜎 2 = 𝑉(𝑋) = 60.66 − 72 = 60.66 − 49 = 𝟏𝟏. 𝟔𝟔
La desviación estándar se define:
𝜎 = √𝜎 2 = 𝜎 = √11.66 = 𝟑. 𝟒𝟏𝟒𝟔
Referencias
Batanero, C. (2006). Universidad de Granada. Obtenido de
https://www.ugr.es/~batanero/pages/ARTICULOS/ConferenciaThales2006.pdf
Carrillo Calvet, H. (2017). Logaritmo natural. Obtenido de
http://www.dynamics.unam.edu/users/hcarrillo/archivos/Calculo2/notaslogaritmoHC.
pdf
Montero Granados, R. (s.f.). Universidad de Granada. Obtenido de
http://www.ugr.es/~montero/matematicas/logaritmos.pdf
Tejero, J. (03 de abril de 2020). Matemovil Función de densidad de probabilidad. Obtenido
de https://matemovil.com/funcion-de-densidad-de-probabilidad/
Tejero, J. (20 de abril de 2020). Matemovil Función de distribución acumulativa de una
variable aleatoria continua. Obtenido de https://matemovil.com/funcion-de-
distribucion-acumulativa-de-una-variable-aleatoria-continua/
Tejero, J. (26 de abril de 2020). Matemovil Media o valor esperado, varianza y desviación
estándar de una variable aleatoria continua. Obtenido de
https://matemovil.com/media-o-valor-esperado-varianza-y-desviacion-estandar-de-
una-variable-aleatoria-continua/
Wikipedia. (29 de marzo de 2020). Distribución exponencial. Obtenido de
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_exponencial
Wikipedia. (13 de abril de 2020). Logaritmo natural. Obtenido de
https://es.wikipedia.org/wiki/Logaritmo_natural
Wikipedia. (23 de junio de 2020). Número e. Obtenido de
https://es.wikipedia.org/wiki/N%C3%BAmero_e