Probabilidad y Estadística – Prof. Lic.

Néstor Komarnicki

Instituto Superior de Formación Docente Nº 100

Instituto de Enseñanza Superior N° 1
“Dra Alicia Moreau de Justo”
Profesorado de Matemática – Prof. Lic. Néstor Komarnicki
Apunte teórico N° 10
Asignatura: Probabilidad y Estadística Año 2.020

Tema: Variables aleatorias y función de probabilidad.

Variable aleatoria

Se llama variable aleatoria a toda función definida en el espacio muestral de

un experimento aleatorio que asocia a cada elemento del espacio un número
real.

Ejemplo: El espacio muestral del lanzamiento de dos monedas es:

E = {CC, CX, XC, XX}

Si se asocia a cada uno de estos sucesos elementales del espacio muestral un

número real, por ejemplo, el número de caras, se obtiene una función del
espacio muestral E en el conjunto de los números reales R.
Esta función es una variable aleatoria cuyo recorrido es el conjunto finito {0, 1,
2}.
Las variables aleatorias se representan con letras mayúsculas, por ejemplo X, y
los diferentes valores que pueden tomar, con la misma letra, pero en
minúscula: {x1, x2, … , xn}.
Según como sean los recorridos de las variables estas se pueden clasificar en
discretas y continuas.

 Una variable aleatoria es discreta cuando solo puede tomar ciertos

valores aislados.
 Una variable aleatoria es continua cuando puede tomar, al menos
teóricamente, todos los valores posibles dentro de un cierto intervalo de
la recta real.

Ejemplo: Se seleccionan al azar 10 alumnos de una clase y se

consideran las siguientes variables aleatorias:

X = “Números de hermanos”

Y = “Estatura”
 Probabilidad y Estadística – Prof. Lic. Néstor Komarnicki

La variable X puede tomar los valores: 0, 1, 2, 3, 4, … Se trata de una variable

aleatoria discreta.
La variable Y puede tomar los valores dentro de un intervalo por ejemplo: {140,
200}. Se trata de una variable aleatoria continua. En el caso de números
asociados a mediciones la variable aleatoria es continua porque las medidas se
pueden obtener en la gran mayoría de los casos con la precisión deseada.
Ejercicio resuelto 1:

Se lanzan dos dados cúbicos con las caras numeradas del 1 al 6. Se considera
la variable aleatoria X, que asigna a cada elemento del espacio muestral la
suma de las cara obtenidas. Indica el conjunto de valores del recorrido.

En la tabla se han recogido los posibles valores de la variable X junto con los
elementos del espacio muestral del experimento asociados a cada valor de X.

Espacio muestral X
(1, 1) 2
(1, 2) (2, 1) 3
(1, 3) (2, 2) (3, 1) 4
(1, 4) (2, 3) (3, 2) (4, 1) 5
(1, 5) (2, 4) (3, 3) (4, 2) (5, 1) 6
(1, 6) (2, 5) (3, 4) (4, 3) (5, 2) (6, 1) 7
(2, 6) (3, 5) (4, 4) (5, 3) (6, 2) 8
(3, 6) (4, 5) (5, 4) (6, 3) 9
(4, 6) (5, 5) (6, 4) 10
(5, 6) (6, 5) 11
(6, 6) 12

Función de Probabilidad

Se llama función de probabilidad de una variable aleatoria discreta X a la

aplicación que asocia a cada valor xi de la variable su probabilidad pi.

En general, dada una variable aleatoria discreta X que toma los valores x 1, x2,
… , xn, la función de probabilidad se suele dar en forma de tabla asignando a
cada valor de la variable xi su probabilidad pi = P (X = xi).

X P
x1 p1
x2 p2
… …
xi pi
 Probabilidad y Estadística – Prof. Lic. Néstor Komarnicki

Propiedades

1) 0 ≤ pi para i = 1, 2, 3, …, n.

2) ∑𝑛𝑖=1 𝑝𝑖 = 1
3) P(a ≤ X ≤ b) = P(X = a) + P(X = a + 1) + … + P(X = b – 1) + P(X = b)
4) P(X ≤ b) = 1 – P(X > b)

Ejemplo: Hallar la función de probabilidad correspondiente a la variable

aleatoria X: cantidad de caras al arrojar dos monedas.

1
P(X = 0) = P (XX) =
4
1
P(X = 1) = P (XC U CX) =
2
1
P(X = 2) = P (CC) =
4

La función de probabilidad está dada por la tabla:

X 0 1 2
f(x) 1 1 1
4 2 4

La gráfica de probabilidad puede representarse como se indica en la figura a, o

por un histograma, como se indica en la figura b. En la figura a la suma de las
ordenadas es 1 mientras que en la histograma la suma de las áreas
rectangulares es 1. En el caso del histograma podemos considerar la variable
aleatoria X como continua, por ejemplo X = 1 significa que está entre 0,5 y 1,5.

Funciones de Distribución para variables aleatorias discretas

 Probabilidad y Estadística – Prof. Lic. Néstor Komarnicki

La función de distribución acumulada, o simplemente la función de distribución,

para una variable aleatoria X se define por:

P(X ≤ x) = F(x)

Donde x es cualquier número real, es decir - ∞ < x < + ∞. La función de

distribución puede obtenerse de la función de probabilidad notando que:

F(x) = P(X ≤ x) = ∑𝑢 ≤ 𝑥 𝑓 (𝑢)

Donde la suma a la derecha se toma para todos los valores de u para los
cuales u ≤ x. Recíprocamente la función de probabilidad puede obtenerse de la
función de distribución.
Si X únicamente toma un número finito de valores x1, x2, … , xn entonces la
función de distribución está dada por:

0 − ∞ < 𝑥 < 𝑥1
𝑓(𝑥1 ) 𝑥1 ≤ 𝑥 <𝑥2
F(x) = { 𝑓(𝑥1 ) + 𝑓(𝑥2 ) 𝑥2 ≤ 𝑥 <𝑥3
… …
𝑓(𝑥1 ) + … + 𝑓(𝑥𝑛 ) 𝑥𝑛 ≤ 𝑥 < + ∞

Ejemplo: Hallar la función de distribución para X: cantidad de caras al arrojar

dos monedas, obtener su representación gráfica.
La función de distribución es:

0 −∞< 𝑥 < 0
1
4
0≤ 𝑥 <1
F(x) = { 3
4
1 ≤ 𝑥 <2
1 2 ≤ 𝑥 < +∞
La representación gráfica de F(x) es:
 Probabilidad y Estadística – Prof. Lic. Néstor Komarnicki

Se deben tener en cuenta estos aspectos, que en general se cumplen en este

tipo de función.

1. Las magnitudes de los saltos en 0, 1, 2 son 1/4, 1/2, 1/4 corresponden

exactamente a las ordenadas en el gráfico. Este hecho permite obtener la
función de probabilidad a partir de la función de distribución.
2. Debido a la apariencia de la gráfica frecuentemente se le llama función
escalonada. El valor de la función en un entero se obtiene del paso superior,
así el valor de 1 es 3/4 y no 1/4. Esto se expresa matemáticamente
estableciendo que la función de distribución es continua por la derecha en 0, 1,
2.
3. A medida que procedemos de izquierda a derecha (es decir subiendo la
escalera) la función de distribución permanece igual o aumenta, tomando
valores desde 0 hasta 1. Debido a esto se dice que es una función
monotónicamente creciente.

Distribución de Probabilidad

Si X es una variable aleatoria continua, la probabilidad de que X tome un valor

determinado generalmente es cero. Por tanto no podemos definir una función
de probabilidad en la misma forma que para una variable aleatoria discreta.
Para llegar a una distribución de probabilidad para una variable continua
notamos que la probabilidad de que X se encuentre entre dos valores
diferentes tiene significado.

Ejemplo: Si se selecciona aleatoriamente un individuo de un grupo numeroso

de hombres adultos, la probabilidad de que su estatura X sea precisamente
147 cm sería cero. Sin embargo hay una probabilidad mayor que cero de X
esté entre 145 y 150 centímetros, por ejemplo.

Por lo expuesto una función de probabilidad o distribución de probabilidad para

una variable aleatoria continua que llamaremos f(x) cumple:

1. f(x) ≥ 0
∞
2. ∫−∞ 𝑓(𝑥 ) 𝑑𝑥 = 1
En 2 observamos que la variable aleatoria de valor real se encuentra entre - ∞
y + ∞. Esto nos permite definir la probabilidad de que un X que se encuentre
entre dos valores a y b, es decir:

𝑃 (𝑎 < 𝑋 < 𝑏) = ∫ 𝑓(𝑥 ) 𝑑𝑥 = 1

𝑎

A este tipo de función también se la llama función de densidad de probabilidad

o simplemente función de densidad. Cualquier función que satisface los puntos
1 y 2 anteriores es una función de densidad.
 Probabilidad y Estadística – Prof. Lic. Néstor Komarnicki

Ejemplo: a) Hallar la constante c para que la función:

𝑐𝑥 2 0 < 𝑥 <3
𝑓 (𝑥 ) = {
0 𝑑𝑒 𝑜𝑡𝑟𝑎 𝑓𝑜𝑟𝑚𝑎

Sea una función de densidad y b) calcular P(1 < X < 2)

a) Para que la función sea de densidad debe cumplir la propiedad 2.

∞ 3
𝑐𝑥 3 3 2
∫ 𝑓(𝑥 ) 𝑑𝑥 = 1 ⇒ ∫ 𝑐𝑥 𝑑𝑥 = | = 9𝑐
3 0
−∞ 0
1
Dado que 9c = 1 entonces c =
9
2 1 2 𝑥3 2 8 1 7
b) P(1 < X < 2) = ∫ 𝑥 𝑑𝑥 = | = − =
1 9 27 1 27 27 27

En el caso de f(x) sea continua, lo que supondremos al menos se establezca

otra cosa, la probabilidad de que X sea igual a cualquier valor determinado es
cero. En tal caso podemos remplazar cualquier o ambos signos de desigualdad
(< por ≤), así en el ejemplo anterior.
7
P(1 ≤ X ≤ 2) = P(1 ≤ X < 2) = P( 1 < X ≤ 2) = P(1 < X < 2) =
27

La siguiente curva representa la función de función de densidad f(x) para la

variable aleatoria X. Puesto que f(x) ≥ 0, la curva no puede caer por debajo del
eje x. El área total limitada por la curva y el eje x debe ser 1 debido a la
propiedad 2. El área sombreada en naranja representa la probabilidad de que X
se encuentre entre a y b (en el ejemplo, entre 1 y 2) es decir P(1 < X < 2).

La función de distribución F(x) = P(X ≥ x) es una función monótona creciente

que aumenta desde 0 hasta 1 y se representa mediante la curva que se
observa a continuación.
 Probabilidad y Estadística – Prof. Lic. Néstor Komarnicki

Ejercicio resuelto 2:

En base al ejercicio resuelto 1. a) Obtener la distribución de probabilidad para

X. b) Construir una gráfica para esta distribución de probabilidad.

a) Cada par de valores, por ejemplo (1, 1), tiene un valor de 1/36 de
probabilidad, por ser 36 valores posibles (6 valores de un dado por 6 valores
del segundo dado) y considerar todos los pares con igual probabilidad (son
equiprobables). La cantidad de pares que contiene cada suma da el valor de
probabilidad que le corresponde a cada suma, por lo tanto:

x 2 3 4 5 6 7 8 9 10 11 12
f(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

b) Podemos representar gráficamente la distribución de probabilidad mediante

un espectro (en donde la suma de las ordenadas es igual a 1) o mediante un
histograma (donde la suma de todas las áreas rectangulares es 1.
 Probabilidad y Estadística – Prof. Lic. Néstor Komarnicki

Ejercicio resuelto 3:

a) Hallar la distribución de probabilidad de niños y niñas en familias de 3 hijos,

suponiendo iguales la probabilidad de niño y niña. b) Representar gráficamente
la distribución.

Para contestar este ejercicio tomaremos como variable X : Cantidad de niñas

en una familia de 3 hijos (podríamos tomar niños, en este caso la gráfica y la
tabla no varían por ser sucesos equiprobables). Para una mejor visualización
de las opciones haremos un diagrama de árbol.
 Probabilidad y Estadística – Prof. Lic. Néstor Komarnicki

Habiendo 8 opciones posibles, podemos completar la tabla de la función de

probabilidad.

x 0 1 2 3
f(x) 1/8 3/8 3/8 1/8

b) Representaciones gráficas, observen que la ubicación del 0 estará

desplazada, como usualmente se hace en este tipo de gráficos.

Funciones de Distribución Discreta

Ejercicio resuelto 4:

a) Hallar la función de distribución F(x) para la variable aleatoria X

correspondiente a los ejercicios resueltos 1 y 2. b) Representar gráficamente
esta función de distribución.
 Probabilidad y Estadística – Prof. Lic. Néstor Komarnicki

a)
0 −∞ <𝑥 < 2
1
2 ≤𝑥 <3
36
3
3≤𝑥 <4
𝐹 (𝑥 ) = 36
6
4 ≤ 𝑥 <5
36
… ….
35
11 ≤ 𝑥 < 12
36
{1 12 ≤ 𝑥 < + ∞

b)

Ejercicio resuelto 5:

a) Hallar la función de distribución F(x) para la variable aleatoria X

correspondiente al ejercicio resuelto 3. b) Representar gráficamente esta
función de distribución.

0 −∞ <𝑥 <0
1
0 ≤ 𝑥 <1
8
1
a) F(x) = 1 ≤ 𝑥 <2
2
5
2 ≤ 𝑥 <3
8
{1 3≤ 𝑥<∞
 Probabilidad y Estadística – Prof. Lic. Néstor Komarnicki

b)