Sesión 14

Variable aleatoria y
distribuciones de
probabilidad
LOGRO DE APRENDIZAJE

Al término de la sesión el estudiante clasificará y

resolverá problemas de distribuciones de
probabilidad de variables aleatorias discretas y
continuas, con seguridad y confianza
 1. DISTRIBUCIONES DE PROBABILIDAD
Definición: La distribución de probabilidad de una variable aleatoria X es el conjunto de posibles valores de X junto a sus
probabilidades respectivas.

Ejemplo 1: Se el experimento aleatorio “Lanzar una moneda 2 veces y observar su resultado”,

entonces  =  ss,cs, sc,cc y sea X la variable “N° de caras obtenidas” donde X es una
función definida sobre  .

 =  ss, cs, sc, cc Distribución de probabilidad

    X P(X)
0 1/4
x(ss) x(cs) x(sc) x(cc)
1 2/4
0 1 1 2 2 1/4
Entonces X(w) tiene como dominio el espacio muestral  y como rango
La distribución de probabilidad se puede
X: → 0,1,2
Rx =  x / x = 0 ,1,2 ; en símbolos expresar en forma de tabla, gráfica o
w → X(w) fórmula
TIPOS DE VARIABLES ALEATORIAS
Variable aleatoria discreta: una v.a. es discreta si los valores de la variable X son un conjunto que se puede enumerar, solo puede
tomar valores enteros y un número finito de ellos. Por ejemplo:
X: Variable que nos define el número de productos defectuosos en un lote de 25 productos.
x=0, 1, 2, 3,....,25 productos defectuosos en el lote

X:Variable que nos define el número de alumnos aprobados en la materia de probabilidad en un grupo de 40 alumnos.
x= 0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en probabilidad

Variable aleatoria continua: una v.a. es continua si el conjunto de posibles valores de la variable X abarca todo un intervalo de
números reales, es decir puede tomar tanto valores enteros como fraccionarios y un número infinito de ellos. Por ejemplo:

X: Variable que nos define la longitud de una planta cultivada en un huerto después de un mes.
x: 20.5 cm, 20.1, 20.0, 19.8, 20,6, 20.0, 20.0
X: Variable que nos define la concentración en gramos de plata de algunas muestras de mineral
x=14.8gramos, 12.0, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8

Las variables descritas anteriormente nos generan una distribución de probabilidad, las que pueden ser.
a) Distribución de probabilidad discreta.
b) Distribución de probabilidad continua.
2. DISTRIBUCIÓN DE PROBABILIDAD DE UNA
V.A. DISCRETA

3. DISTRIBUCIÓN BINOMIAL
2. FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD DE UNA V.A.
DISCRETA

Distribución de probabilidad
Número de
P(A)
cirugías
1 0.08
2 0.2
3 0.32
4 0.28
5 0.12
Total 1
ESPERANZA MATEMÁTICA Y VARIANZA DE UNA V.A. DISCRETA
Una distribución de probabilidad esta definida por su media y varianza:

ESPERANZA MATEMATICA

VARIANZA DE UNA V.A. DISCRETA

Función de Distribución Acumulada:

3. DISTRIBUCIÓN BINOMIAL
EXPERIMENTO BINOMIAL

Un experimento sigue una Distribución Binomial si satisface los siguientes supuestos:

• El experimento consiste en n ensayos de Bernoulli, donde cada ensayo tiene sólo dos resultados
posibles “éxito” y “fracaso”
• La probabilidad de éxito de un ensayo es igual a p y es constante para todos los ensayos. La
probabilidad de fracaso es q=1-p
• Los ensayos son independientes. Es decir, el resultado (éxito o fracaso) de cualquier ensayo es
independiente del resultado de cualquier otro ensayo.
DISTRIBUCIÓN BINOMIAL
FUNCION DE DISTRIBUCIÓN DE PROBABILIDAD

ESPERANZA MATEMÁTICA Y VARIANZA

4. DISTRIBUCIÓN DE PROBABILIDAD DE UNA
V.A. CONTINUA

5. DISTRIBUCIÓN NORMAL
IV. FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD DE UNA V.A. CONTINUA
(FUNCIÓN DE DENSIDAD)
Sea X una V.A. Continua con rango Rx  . La función de densidad
asociado a la V.A. es una función f(x) integrable que se satisface las
siguientes condiciones:

i) f(x)  0 ; x  Rx 

ii) 
Rx
f ( x )dx = 1

iii) Para todo a,b  Rx con a  b se cumple: P  a  x  b  =  f ( x )dx

a

Función de Distribución Acumulada: F(x)=P(X≤x)

ESPERANZA MATEMÁTICA Y VARIANZA DE UNA V.A. CONTINUA
ESPERANZA MATEMÁTICA DE UNA V.A. CONTINUA

EX =  x. f ( x )dx
Rx

VARIANZA DE UNA V.A. CONTINUA

Var  x  == E  x 2  −  E( x )
2

Donde: E  x 2  = 
Rx
x 2 . f ( x )dx
V. DISTRIBUCION NORMAL
La distribución normal es una de las distribuciones más usadas e importantes. Se ha
desenvuelto como una herramienta indispensable en cualquier rama de la ciencia, la industria
y el comercio.

Muchos eventos reales y naturales

tienen una distribución de
frecuencias cuya forma es muy
parecida a la distribución normal.
La distribución normal es llamada
también campana de Gauss por su
forma acampanada.
DISTRIBUCION NORMAL
Tiene las siguientes características

➢La curva normal tiene forma de campana

➢La media aritmética, la mediana y la moda de la
distribución son iguales y se ubican en el centro.

➢Las “colas” de Ia curva se extienden de manera indefinida en ambas direcciones.

➢Tiene media µ y desviación típica 
➢ El área bajo la curva o la probabilidad desde menos infinito a más infinito vale 1.
➢ La distribución normal es simétrica, es decir cada mitad de curva tiene un área de 0.5
DISTRIBUCION NORMAL ESTANDAR
DEFINICIÓN. Es la distribución Normal con media  = 0 y desviación estándar =1.
La función de densidad de la distribución normal estándar usualmente se denota por
el símbolo 

− x2
1
 ( z) = e 2
Z → N ( 0 , 1)
2

Con función acumulada:

( z ) = P  Z  z  =   ( t )dt ,
z
z 
−
ESTANDARIZACION DE UNA VARIABLE ALEATORIA
La estandarización ó tipificación consiste en pasar de la v.a. X con distribución
N(;2)a una nueva v.a. Z con distribución N(0;1) mediante la expresión:

x−
Z= Z N ( 0 , 1)


Ejemplo1. En un examen de Administración, la media fue 65 y la desviación típica 8.

Determinar las puntuaciones estándar de dos estudiantes que obtuvieron 85 y 59 puntos
PROPIEDADES PARA BUSCAR EN LA TABLA NORMAL
ESTANDAR

P  X>b  = 1 − P  X  b 

P  X<b  = P  X  b  − P  X = b 

P  a<X  b  = P  X  b  − P  X  a 
GRACIAS POR SU ATENCIÓN