Variables aleatorias y

Distribución de probabilidad

Estadística
Contador Público - Lic. en Cs. de la Administración
1º cuatrimestre 2023
Introducción de
conceptos, usando
simulación

Simulador disponible en:

https://www.randomservices.
org/random/apps/Dice.html
10 tiradas de un dado equilibrado

a) ¿Qué número/s presenta/n la

frecuencia relativa más alta? ¿Y la
más baja?
b) ¿Qué número/s presenta/n la
frecuencia relativa más cercana a
su probabilidad (teórica) de salir?
c) ¿Podríamos decir que la frecuencia
con la que apareció cada número
en las 10 tiradas representa la
probabilidad de salir de cada uno?
¿Por qué?
Distribución de frecuencias obtenida de las 10 tiradas

Variable Y Distribución de las Distribución de las • Número que presenta la frecuencia

probabilidades
1 0,167 (1/6)
2 0,167 (1/6)
3 0,167 (1/6)
4 0,167 (1/6)
5 0,167 (1/6)
6 0,167 (1/6)
Total 1 1
frecuencias obtenidas
relativa más alta: Y = 4.
0,2 • Número que presenta la frecuencia
0,1 relativa más baja: Y = 3.
0
• Números que presentan la
frecuencia relativa más cercana a la
0,4 probabilidad de salir: Y = 1 e Y = 5.
0,2 • Las frecuencias relativas obtenidas
0,1 en las 10 tiradas, no representan las
probabilidades de obtener cada cara.
Variable estadística
Si consideramos un experimento aleatorio (tirar un dado
equilibrado) y realizamos un cierto número 𝑛 de pruebas
relativas al mismo (tiramos 10 veces el dado),
obtenemos un conjunto de observaciones, que se llama
una muestra aleatoria de tamaño 𝑛 (los resultados
obtenidos de las 10 tiradas).
Ese conjunto de resultados dará lugar a una tabla en que
a unos ciertos valores de la variable (números que
salieron) corresponden unas ciertas frecuencias (cantidad
10 tiradas de un dado equilibrado
de veces que salió cada uno). A tal variable, que
representa únicamente los 𝑛 resultados obtenidos la
denominamos variable estadística. En las 10 tiradas que
hicimos, la variable estadística tomó los valores 1, 2, 4, 5
y 6 (el número 3 no salió).
12200 tiradas de un dado equilibrado

¿Cuántas veces habrá que

tirar el dado para poder
afirmar que la distribución
de las frecuencias relativas
es igual a la distribución de
las probabilidades?

De acuerdo al enfoque
frecuencial de probabilidad:
¡¡Infinitas veces!!
Variable aleatoria
Si imaginamos hechas una infinidad de pruebas
del experimento (tirar un dado equilibrado) la
infinidad de resultados da origen a la noción de
variable aleatoria (tomamos 12200 tiradas, como
representación de “infinitas” tiradas).
En este caso, a la variable que toma todos los
valores que representan los sucesos elementales
posibles de dicho experimento (sacar 1, sacar 2,
…, sacar 6) –con unas ciertas probabilidades de
12200 tiradas de un dado equilibrado
ocurrir –, se llama variable aleatoria. En nuestro
caso la variable aleatoria puede tomar los valores
1, 2, 3, 4, 5 y 6, siendo sus probabilidades todas
iguales a 1/6.
Distribución de probabilidad 𝑃(𝑥)
12200 tiradas de un dado equilibrado
Una distribución de probabilidad
proporciona toda la gama de valores
que se pueden presentar en un
experimento y sus probabilidades de
ocurrencia.
Esas probabilidades representan los
valores límites de las frecuencias
relativas cuando el experimento se
repite una y otra vez (enfoque
frecuencial).

La distribución de probabilidad se construye como

un modelo para toda la población de mediciones
De conceptos empíricos a conceptos teóricos
Si repetimos infinidad de veces el experimento aleatorio, por un proceso de abstracción y generalización,
podemos pasar de conceptos empíricos a conceptos teóricos:

Conceptos empíricos Conceptos teóricos

Muestra Población
(finitos elementos) (infinitos elementos)
Variable estadística
Proceso de
Variable aleatoria
abstracción y
Frecuencia relativa simple generalización Probabilidad
Distribución de frecuencias relativas Distribución de probabilidad

Dist. de frec. relativas acumuladas Función de distribución

Estadísticos Parámetros
Definición: Variable aleatoria (VA)

Una variable aleatoria 𝑋 es una función que asigna un valor

numérico al resultado de un experimento aleatorio.

Los resultados de un experimento pueden ser:

✓ De índole cuantitativo: por ejemplo, los resultados del experimento
“lanzar un dado” (1, 2, 3, 4, 5, 6).
✓ De índole cualitativo: por ejemplo, los resultados de tirar una
moneda (cara, cruz).
Ejemplo 1
• Experimento aleatorio: lanzamiento de un dado.
• Resultados posibles del experimento: {1, 2, 3, 4, 5, 6}
• Nos interesa el evento: que salga el número 3.
• Variable aleatoria 𝑋: número obtenido al tirar el dado.
• Valores que puede tomar la VA 𝑋: {1, 2, 3, 4, 5, 6}

Entonces:
✓ La variable aleatoria 𝑋 asigna el valor 3 al evento “que salga el número 3”, es decir,
X = 3.
1
✓ En términos de probabilidad, 𝑃(𝑞𝑢𝑒 𝑠𝑎𝑙𝑔𝑎 3 𝑒𝑛 𝑢𝑛𝑎 𝑡𝑖𝑟𝑎𝑑𝑎) = 𝑃(𝑋 = 3) =
6
Ejemplo 2
• Experimento aleatorio: lanzamiento de una moneda tres veces.
• Resultados posibles del experimento: {CCC, CCCr, CCrC, CrCC, CCrCr, CrCCr, CrCrC,
CrCrCr}
• Nos interesa el evento: que se presente una cara en tres lanzamientos.
• Variable aleatoria 𝑋: número de caras obtenidas al lanzar tres veces una moneda.
• Valores que puede tomar la VA 𝑋: {0, 1, 2, 3}

Entonces:
✓ La variable aleatoria 𝑋 asigna el valor 1 al evento “que se presente una cara en
tres lanzamientos”, es decir, X = 1.
3
✓ En términos de probabilidad, 𝑃(1 𝑐𝑎𝑟𝑎 𝑒𝑛 3 𝑙𝑎𝑛𝑧𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠) = 𝑃(𝑋 = 1) =
8
Tipos de variables aleatorias
Al igual que las variables estadísticas cuantitativas, las variables
aleatorias se clasifican en discretas o continuas, de acuerdo con
los valores que pueda tomar.
Es importante distinguir entre variables aleatorias discretas y
continuas, porque se usan técnicas diferentes para describir sus
distribuciones de probabilidad.
Definición: Distribución de probabilidad

La distribución de probabilidad de una variable aleatoria 𝑋

describe la probabilidad de ocurrencia de cada uno de los
valores que puede tomar 𝑋.

Es similar a una distribución de frecuencias relativas pero en lugar de

describir resultados pasados, describe la probabilidad de que un
resultado se presente en el futuro.
Variables aleatorias discretas
Distribución de probabilidad para una VA discreta
La distribución de probabilidad para una variable aleatoria discreta 𝑋 es una
fórmula, tabla o gráfica que da todos los posibles valores de 𝑋, y la probabilidad P(𝑥)
asociada con cada valor de 𝑋.
Distribución de probabilidad
𝑋 P(𝐱) 0,5

0,45

0 0,343 0,4

0,35

0,3
1 0,441 0,25

0,2

2 0,189 0,15

0,1

3 0,027 0,05

0
0 1 2 3
Requisitos para una distribución de probabilidad discreta

Todas las probabilidades se encuentran entre 0 y 1:

𝟎≤𝑷 𝑿 ≤𝟏
La suma de todas las probabilidades es igual a 1:

෍𝑷 𝒙 = 𝟏
Distribución de probabilidad discreta vs. Distribución de frecuencia relativa

La distribución de probabilidad para una

variable aleatoria discreta es muy
semejante a la distribución de frecuencia
relativa para una variable estadística
discreta. La diferencia es que la
distribución de frecuencia relativa
describe una muestra de mediciones, en
tanto que la distribución de probabilidad
describe la población de mediciones.
100 tiradas de un dado equilibrado
Media y desviación estándar para variables aleatorias

Así como podemos calcular la media 𝑥ҧ y la desviación estándar 𝑠 para

variables estadísticas cuantitativas, es posible calcular dichas medidas
para variables aleatorias.
Una distribución de probabilidad queda resumida por su media y su
desviación estándar.

Importante: Si bien la media y la desviación estándar se puede calcular para

cualquier variable aleatoria, tanto discreta como continua, solo abordaremos su
cálculo para variables aleatorias discretas.
Ejemplo: Media y Desviación estándar de una VA discreta

Si 𝑋 es el número obtenido al lanzar un dado equilibrado, su distribución

de probabilidad es:

𝑿 1 2 3 4 5 6 Valores de la variable

𝑷(𝒙) 1/6 1/6 1/6 1/6 1/6 1/6 Probabilidad de cada

valor

¿Cómo podemos calcular la media y la desviación estándar de la variable 𝑋?

Ejemplo: Media y Desviación estándar de una VA discreta

Si tiramos el dado un gran número de veces, por ejemplo 𝑛 = 12 000 000 de

veces, intuitivamente, se esperaría observar alrededor de dos millones de
números 1, dos millones de números 2, …, dos millones de números 6. Entonces,
el promedio de 𝑥 sería igual a:
𝑆𝑢𝑚𝑎 𝑑𝑒 𝑚𝑒𝑑𝑖𝑐𝑖𝑜𝑛𝑒𝑠 2 000 000 ⋅ 1 + 2 000 000 ⋅ 2 + ⋯ + 2 000 000 ⋅ (6)
=
𝑛 12 000 000
1 1 1
= ⋅ 1 + ⋅ 2 + ⋯+ ⋅ 6 = 𝟑, 𝟓
6 6 6

Entonces, el promedio de 𝑋 está dado por:

σ 𝑃 𝑥 ⋅ 𝑥 que es lo mismo que σ 𝒙. 𝑷 𝒙
Definición: Media o Valor esperado de una VA discreta

Sea 𝑋 una variable aleatoria discreta con distribución de probabilidad

𝑃(𝑥). La media o valor esperado de 𝑿 está dada como:
𝝁 = 𝑬 𝑿 = σ 𝒙𝒊 𝑷(𝒙𝒊 )
A la media de una variable aleatoria se la suele llamar valor esperado (o
esperanza) de la variable ya que es el valor que se esperaría observar,
en promedio, si el experimento se repite una y otra vez.

Para tener en cuenta: podríamos usar un argumento similar para justificar las
fórmulas para la varianza poblacional 𝜎 2 y la desviación estándar de la población 𝜎.
Definición: Varianza y Desviación estándar de una VA discreta

Sea 𝑋 una variable aleatoria discreta con distribución de probabilidad

𝑃(𝑥) y media 𝜇. La varianza de 𝑿 es
𝝈𝟐 = 𝑬 (𝒙𝒊 − 𝝁)𝟐 = ෍(𝒙𝒊 − 𝝁)𝟐 ∙ 𝑷(𝒙𝒊 )

La desviación estándar 𝜎 de una variable aleatoria 𝑋 es igual a la raíz

cuadrada positiva de su varianza.
Ejemplo 1: varianza y desviación estándar de una VA discreta
(lanzamiento de un dado)
𝑋 1 2 3 4 5 6
Sabemos que: 𝜇 = 3,5
𝑃(𝑥) 1/6 1/6 1/6 1/6 1/6 1/6

Calculemos la varianza de 𝑋:

𝜎 2 = ෍(𝑥𝑖 − 𝜇)2 ∙ 𝑃(𝑥𝑖 )

1 1 1
𝜎2 = (1 − 3,5)2 ∙ + 2 − 3,5 2
∙ + ⋯ + 6 − 3,5 2
∙ = 𝟐, 𝟗𝟏𝟕
6 6 6

Calculemos la desviación estándar de 𝑥:

𝜎= 2,917 = 𝟏, 𝟕𝟎𝟖
Lecturas sugeridas
Capítulos 4 y 6 de
Mendenhall, W.; Beaver, R. y
Beaver, B. (2010). Introducción
a la probabilidad y estadística,
13ª edición. Ed. Mc Graw-Hill.