SESIÓN 4: VARIABLE ALEATORIA

ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN TRÁNSITO Y TRANSPORTE
DOCENTE: ROBERT ROMERO
TEMAS
• Concepto
• Función de probabilidad
• Rango
• Variable Aleatoria Discreta
• Distribución de probabilidad Binomial
• Distribución de probabilidad Poisson
• Distribución de probabilidad Hipergeométrica
CONCEPTO DE VARIABLES
ALEATORIAS
 Una variable aleatoria es una descripción numérica del
resultado de un experimento
 Puede ser según su rango :
 Discreta: Una variable aleatoria discreta puede asumir un
número finito de valores o una secuencia infinita de valores.
Ejemplo:
o El número de ciclistas que transitan por la Av Cra 7ma
con Cll 51 en sentido Norte-Sur un día hábil.
o La cantidad de personas que han compado vehículos
eléctricos el último año.
 Continua: Puede asumir cualquier valor en un intervalo.
Ejemplo:
o El tiempo promedio de viaje a pie desde un punto A a
un punto B.
CONCEPTO DE VARIABLES
ALEATORIAS

Pregunta Variable aleatoria x Tipo

Tamaño de la x = Número de dependientes

familia reportado en el Censo

Distancia casa a x = Distancia en Km de la casa

universidad a la universidad
Tener perro x = 1 si no tiene mascotas;
o gato = 2 si tiene solo perro;
= 3 si tiene solo gato;
= 4 Si tiene ambos
CONCEPTO DE VARIABLES
ALEATORIAS

Pregunta Variable aleatoria x Tipo

Tamaño de la x = Número de dependientes Discreta

familia reportado en el Censo

Distancia casa a x = Distancia en Km de la casa Continua

universidad a la universidad
Tener perro x = 1 si no tiene mascotas; Discreta
o gato = 2 si tiene solo perro;
= 3 si tiene solo gato;
= 4 Si tiene ambos
VARIABLE ALEATORIA
DISCRETA
• Ejemplo:
 Lanzar tres monedas
X : número de caras
Y : número de sellos

Espacio muestral : {SSS, SSC, SCS, CSS, CCS, CSC, SCC, CCC}
Valores posibles de X : x = {0, 1, 2, 3}
Valores posibles de Y : y = {0, 1, 2, 3}
VARIABLE ALEATORIA
DISCRETA

f(x) Aleatoria: Involucra la

probabilidad de resultados
en el espacio muestral.

Función: Transforma los

resultados del espacio
muestral en puntos sobre la
recta de los reales.
 VARIABLE ALEATORIA
DISCRETA
• Función de Probabilidad:

P(X = x) = pi = 1/n, con i ≥ 1

VARIABLE ALEATORIA
DISCRETA
• Función de Distribución Acumulada:

Proporciona probabilidad de que la variable aleatoria tome un valor

menor o igual que x.

Propiedades
1. limx® -¥ F(x) = 0
2. limx® ¥ F(x) = 1
3. F es no decreciente
4. F es continua por la derecha
5. 0 ≤ 𝐹 𝑥 ≤ 1 Para cualquier 𝑥
6. 𝐹 𝑥𝑖 ≥ 𝐹(𝑥𝑗 ) si 𝑥𝑖 ≥ 𝑥𝑗
7. 𝑃 𝑋 ≥ 𝑥 = 1 − 𝐹(𝑥)
8. 𝑃 𝑥𝑖 ≤ 𝑋 ≤ 𝑥𝑗 = 𝐹 𝑥𝑗 − 𝐹(𝑥𝑖 − 1)
VARIABLE ALEATORIA
DISCRETA
• Función de Distribución Acumulada:

Ejemplo:
VARIABLE ALEATORIA
DISCRETA
• Función de Distribución Acumulada:
Ejemplo:
Se presenta el número de carros varados de una Petrolera
durante 200 días de operación:
P(X = 0)
Unidades Número
Varadas De Días x f(x) F(x)
0 80 0 .40 .40 P(X ≤ 2)
1 50 1 .25 .65
2 40 2 .20 .85
3 10 3 .05 .90
4 20 4 .10 1.00
200 1.00
VARIABLE ALEATORIA
DISCRETA
• Valor Esperado o Media:
También llamado Esperanza de la variable. Corresponde al
promedio de los valores del rango de la variable ponderado por
su respectiva probabilidad.

𝐸 𝑥 = 𝑥 = ∑ 𝑛𝑖=0 𝑥𝑓(𝑥)

• Varianza:
Corresponde a la diferencia cuadrática promedio de los valores
que toma la v.a.d., respecto de su media. Los pesos corresponden
a las probabilidades.

𝑉 𝑥 = 𝑠2 = ∑(𝑥 − 𝑥 )2 𝑓(𝑥)
VARIABLE ALEATORIA
DISCRETA
• Ejemplo:

Número esperado de
varados
VARIABLE ALEATORIA
DISCRETA
• Ejemplo:

Desviación estandar de las varadas diarias = 1.2884 varadas

 EJERCICIO

Sea X una variable aleatoria que representa el número de excesos de velocidad

que se presenta en un cruce vial en un periodo de una hora. Dada la siguiente
información:

Encontrar E(x) y V(x), 𝑃(𝑋 < 2), 𝑃(𝑥 ≤ 3), 𝑃(𝑥 ≥ 3), 𝑃(2 ≤ 𝑥 ≤ 6)
DISTRIBUCIÓN BINOMIAL
Un experimento binomial tiene las siguientes propiedades:

 Consiste en una serie de n ensayos idénticos. En cada

ensayo:
 Hay dos posibles resultados: Éxito o fracaso.
 La probabilidad de éxito es p (conocida) y la de fracaso 1-p,
nunca cambia.
 Los ensayos son independientes.

El interés radica en calcular el número de éxitos obtenidos en n

ensayos.
La variable aleatoria x, representa el número de éxitos en n
ensayos.
DISTRIBUCIÓN BINOMIAL
• Ejemplo:

Verifique en cada caso si corresponde a una distribución

binomial:

1. Se lanza una moneda al aire cinco veces y se observa si cae

cara.
2. Un vendedor de seguros visita 10 familias escogidas de manera
aleatoria para vender un seguro de vida. Por experiencia, el
vendedor sabe que el 10% de familias le compran el seguro.
3. Se analizan los próximos 3 vehículos de carga que pasen por el
peaje. De acuerdo con la experiencia, la probabilidad que
transporte Carga Líquida es de 0.3.
DISTRIBUCIÓN BINOMIAL
• Ejemplo:
Se analizan las próximas 3 personas que lleguen a la estación de
la Calle 22. De acuerdo con la experiencia de la policia, la
probabilidad que una persona evada el pasaje en esta estación es
de 0.1. ¿De cuántas formas puedo encontrar un evasor entre 3
personas? ¿Cuál es la probabilidad de que uno de las 3 próximas
personas evada el pasaje?

 Cuál es el experimento?
 Cuál la variable aleatoria?
 Cuál es el valor de p?
 Cuál es el valor de 1-p?
DISTRIBUCIÓN BINOMIAL
• Árbol de probabilidad
1er Ind. 2do Ind. 3er Ind. x Prob.
Sí evade Sí (.1) 3 ppp
(.1)
No (.9) 2 p p (1-p)
Sí evade
(.1) Sí (.1) 2 p (1-p) p
(.9)
No evade No (.9) 1 p (1-p) (1-p)

Sí evade Sí (.1) 2 (1-p) p p

(.9) (.1)
No (.9) 1 (1-p) p (1-p)
No evade
Sí (.1) 1 (1-p) (1-p) p
(.9)
No evade No (.9) 0 (1-p) (1-p) (1-p)
DISTRIBUCIÓN BINOMIAL
• Árbol de probabilidad
1er Ind. 2do Ind. 3er Ind. x Prob.
Sí evade Sí (.1) 3 p3
(.1)
No (.9) 2 p2 (1-p)
Sí evade
(.1) Sí (.1) 2 p2 (1-p)
(.9)
No evade No (.9) 1 p (1-p) 2

Sí evade Sí (.1) 2 p2 (1-p)

(.9) (.1)
No (.9) 1 p (1-p) 2
No evade
Sí (.1) 1 p (1-p) 2
(.9)
No evade No (.9) 0 (1-p) 3
DISTRIBUCIÓN BINOMIAL
• Árbol de probabilidad
1er Ind 2do Ind 3er Ind x Prob.
Sí evade Sí (.1) 3 p3 (1-p) 0
(.1)
No (.9) 2 p2 (1-p)
Sí evade
(.1) Sí (.1) 2 p2 (1-p)
(.9)
No evade No (.9) 1 p (1-p) 2

Sí evade Sí (.1) 2 p2 (1-p)

(.9) (.1)
No (.9) 1 p (1-p) 2
No evade
Sí (.1) 1 p (1-p) 2
(.9)
No evade No (.9) 0 p0 (1-p) 3
DISTRIBUCIÓN BINOMIAL
• Árbol de probabilidad
1er Ind 2do Ind 3er Ind x Prob.
Sí evade Sí (.1) 3 .0010
(.1)
No (.9) 2 .0090
Sí evade
(.1) Sí (.1) 2 .0090
(.9)
No evade No (.9) 1 .0810

Sí evade Sí (.1) 2 .0090

(.9) (.1)
No (.9) 1 .0810
No evade
Sí (.1) 1 .0810
(.9)
No evade No (.9) 0 .7290
DISTRIBUCIÓN BINOMIAL
• Función de probabilidad:
Sea x una v.a., que describe el número de éxitos en n ensayos
independientes de un experimento, con parámetros n y p
conocidos:

La P(X = x) se puede calcular de la siguiente forma:

 x: Número de éxitos
 p: Probabilidad de éxito en cada ensayo
 n: Número de ensayos
 P(X= x) = f(x): Probabilidad de x éxitos en n ensayos
DISTRIBUCIÓN BINOMIAL
• Función de probabilidad:
DISTRIBUCIÓN BINOMIAL
DISTRIBUCIÓN BINOMIAL
DISTRIBUCIÓN BINOMIAL

evasores esperados en los próximos 3 visitantes

DISTRIBUCIÓN BINOMIAL
 EJERCICIO

La probabilidad de que un vehículo de carga inspeccionado no tenga tarjeta de

operación es de 0.3. Suponga que se tiene una fila de 20 camiones listos para ser
inspeccionados cada uno de manera independiente::

• Encontrar E(x). ¿Cómo se interpreta?

• Encontrar V(x).
• ¿Cuál es la probabilidad de que al menos 5 camiones no tengan tarjeta de
operación?
• Cuál es la probabilidad de que máximo 12 camiones no tengan tarjeta de
operación?
• ¿Cuál es la probabilidad de que exactamente 5 camiones no tengan tarjeta de
operación?
DISTRIBUCIÓN DE POISSON
Se utiliza para estimar la probabilidad de un determinado
número de ocurrencias de un hecho, en un intervalo (de tiempo,
de espacio):
 El número de usuarios que ingresan a la estación de
Transmilenio de Marly de 8:00am a 9:00am.
 El número de hurtos en buses articulados que transitan por la
Av. Caracas entre la Cll 51 y la Cll 53.
 El número de personas capturadas en el mes por porte ilegal
de armas.

En este caso x es una v.a.d., que puede asumir una secuencia

infinita de valores (x = 0, 1, 2, 3, ...)
DISTRIBUCIÓN DE POISSON
• Propiedades:

1. La probabilidad de ocurrencia es la misma para

cualquiera de dos intervalos con la misma magnitud.

2. Lo ocurrencia-no ocurrencia en un intervalo, es

independiente de la ocurrencia-no ocurrencia en otro
intervalo .
DISTRIBUCIÓN DE POISSON
DISTRIBUCIÓN DE POISSON
• Ejemplo:
En un fin de semana común, los accidentes vehículares en Bogotá
se producen a una tasa de 6 choques por hora. ¿Cuál es la
probabilidad que la policia de tránsto tenga que atender 4
choques en un lapso de 30 minutos?

l = 6/hora = 3/media-hora, x = 4
DISTRIBUCIÓN DE POISSON
n Ejemplo:

Probabilidades de Poisson
0.25

0.20
Probabilidad

0.15 La secuencia
continúa:
0.10 11, 12, 13 …
0.05

0.00
0 1 2 3 4 5 6 7 8 9 10
Número de choques en 30 minutos
DISTRIBUCIÓN DE POISSON
EJERCICIO
El número promedio de clientes que
llegan al centro de atención de la SDM
en 15 minutos es de 10.

• ¿Cuál es la probabilidad de que

lleguen exáctamente 5 clientes en 15
minutos?

• Cuál es la probabilidad de que lleguen

más de 2 clientes en 15 minutos?

• Suponga que a partir de la

información anterior se quiere clacular
la probabilidad de una llegada en un
lapso de 3 minutos, ¿cuál es su
probabilidad?
DISTRIBUCIÓN
HIPERGEOMÉTRICA
Está relacionada con la binomial pero difiere en 2 puntos:
 Los ensayos no son independientes
 La probabilidad de éxito varía de ensayo a ensayo.

Sí:

x: Número de éxitos
n: Número de ensayos
r: El número de elementos de la
población considerada como éxito
N: Número total de elementos
DISTRIBUCIÓN
HIPERGEOMÉTRICA
DISTRIBUCIÓN
HIPERGEOMÉTRICA
• Restricciones:

No obstante f(x) es usualmente aplicable a valores de x tales que

x = 0, 1, 2, ..., n.

Solo son válidos valores de x donde:

1. x ≤ r
2. n – x ≤ N – r

Si esas dos condiciones no se cumplen el resultado de f(x) = 0.

DISTRIBUCIÓN
HIPERGEOMÉTRICA
n Ejemplo:

Una empresa fabrica bombillos que empaca en cajas de 12

unidades cada una. Un inspector selecciona al azar 3 de los 12
bombillos para inspeccionarlos. Si la caja contiene exactamente 5
bombillos defectuosos, ¿cuál es la probabilidad de que el
inspector escoja uno de ellos?
DISTRIBUCIÓN
HIPERGEOMÉTRICA
• Ejemplo (... continuación):

¿Cuál es la probabilidad de hallar por lo menos un bombillo

defectuoso?
DISTRIBUCIÓN
HIPERGEOMÉTRICA
DISTRIBUCIÓN
HIPERGEOMÉTRICA
• Valor Esperado:

• Varianza:

• Desviación Estandar:
EJERCICIO
El Departamento de Protección del
Ambiente ha adquirido 40 instrumentos de
precisión para medir la contaminación del
aire en distintas localidades. Se seleccionan
aleatoriamente ocho instrumentos y se
someten a una prueba para encontrar
defectos. Si cuatro de los 40 instrumentos
se encuentran defectuosos:

• ¿Cuál es la probabilidad de que la muestra

contenga exactamente dos instrumentos
defectuosos?

• ¿Cuál es la probabilidad de que la muestra

contenga no más de un instrumento
defectuoso?
GRACIAS