ESTADÍSTICA

VARIABLE ALEATORIA:
VARIABLE ALEATORIA DISCRETA.

Docente:
¿Cúal será la probabilidad de obtener un z en el lanzamiento de dos
monedas?
¿Cuál es el recorrido de la variable aleatoria?
Contenido:

Definición de variable. Tipos.

Variable al aleatoria discreta. propiedades, función

de cuantía, función de distribución acumulada.

Valor esperado, varianza y desviación estándar de una

variable aleatoria discreta. Aplicaciones
 VARIABLE ALEATORIA

Definición.
Sea Ω un espacio muestral asociado a un experimento aleatorio , se dice
que X es una variable aleatoria, si es una función que asigna a cada
resultado wi del espacio muestral Ω le corresponde un numero real X(wi )
= xi. Es decir:
X: Ω ℜ
gráficamente: wi xi =X(wi)

Ω X ℜ

Wi • • xi
RX = {x1, x2, …., xn, ….}

El conjunto de los valores de la variable aleatoria X,

recibe el nombre de rango de X, denotado por Rx.
Clasificación de Variables Aleatorias

Variable aleatoria discreta: Los valores que puede tomar la variable

son valores enteros.

Ejemplo: Número de obreros de una Obra de construcción civil.

RX = {0, 1, 2, …n}

Variable aleatoria continua: Los valores que puede tomar RX de la v.a,

es un intervalo de números reales.

Ejemplo: Ingresos de los obreros de una obra de construcción.

RX = {x Ɛ ℜ / 900 ≤ x ≤ 3200}
 EJEMPLOS DE VARIABLES ALEATORIAS DISCRETAS

• Numero de trabajadores por obra de construcción .

• Numero de llamadas telefónicas que recibe una central por dÍa.

• Numero de trabajadores con ingresos mayores a S/.850 en cada

Empresa.

• Número de proyectos que se entregan por mes

 FUNCIÓN DE PROBABILIDAD – VARIABLE DISCRETA
Sea X una variable aleatoria discreta con rango RX, se dice que p(x)
es una función de probabilidad si cumplen las siguientes
propiedades:

i) p(x i )  P ( X  x i )  0 ; x i  R X
ii)  p(x i )   P(X  xi )  1
xi R X xi R X

RX ℜ

xi • •p(xi )
Gráficamente: p
 DISTRIBUCIÓN DE PROBABILIDAD

Es una descripción del conjunto de valores posibles de X, junto

con la probabilidad asociada con cada uno de estos valores.

{(xi, p(xi)) / xi Ɛ RX}

Gráficamente:
p(x)
p(x2)
p(x1)

x
x1 x2
Ejemplo:
E:Inspeccionar tres obras de construcción y registrar si cada obra
está cumpliendo con el avance programado
Ω= {CCC, CCN, CNC, CNN, NCC, NCN, NNC, NNN}

X: Número de obras que cumplen con el avance

programado
RX = { 0, 1, 2, 3}
Rango de X:

x p(x)
X(NNN)=0 1/8 = 0.125
X(CNN)= X(NCN)= X(NNC)=1 3/8 = 0.375
X(CCN)= X(CNC)= X (NCC)=2 3/8 = 0.375
X(CCC)=3 1/8 = 0.125

De modo que : x 0 1 2 3
p(x) 0.125 0.375 0.375 0.125
GRÁFICA DE LA DISTRIBUCIÓN DE
PROBABILIDAD
 FUNCIÓN DE DISTRIBUCIÓN ACUMULADA

Sea X una variable aleatoria discreta con rango RX, y sea p(x) su
función de probabilidad. Se denomina “Función de Distribución de
Probabilidad de X” a F(X) definida por:

F (x)  P( X  x)   p(xi )
xi  x

F(x) se definide y satisface las siguientes propiedades:

i) 0  F(x)  1
ii) S i x  y, entonces F(x)  F(y)
iii) Lim F (x)  P[x  R X / x  ]  P[x  ]  1
x
iv) Lim F ( x )  P[x  R X / x    ]  P[x    ]  0
x 
Del ejemplo anterior, calcular la Función de distribución
acumulada:

F(x)  P(X  x)   p(xi )

xi x

X 0 1 2 3
F(x) 1/8 = 0.125 4/8 = 0.5 7/8 = 0.875 8/8 = 1

 0 ; si x  0
 0.125 ; si 0  x  1

F (x)   0.5 ; si 1  x  2

 0.875; si 2  x  3

1 ; si x  3
PROPIEDADES PARA LA FUNCIÓN DE DISTRIBUCIÓN
DE PROBABILIDAD

• Por definición: P(X ≤ xi)= F(xi)

• P(X > a) = 1- P(X≤ a) = 1 - F(a)

• P(X <a) = P(X≤ a-1)

P(X=a) = P(X≤ a) - P(X≤ a-1)
P(X ≥ a) = 1 - P(X< a) = 1 - P(X≤ a-1)
P( b < X ≤ a) = P(X≤ a)- P(X≤ b) = F(a) –F(b)

P(b≤X ≤a) = P(X≤ a)- P(X ≤ b-1)

•
 VALOR ESPERADO DE UNA VARIABLE
ALEATORIA DISCRETA

Es el promedio de los valores de X, y se le

conoce también como esperanza matemática.

Se define por:

E( X )  X  x p(x)
xRX
 Propiedades de la Esperanza

Sean X e Y dos variables aleatorias con función de

probabilidad p(x) y p(y) respectivamente y sean a y b dos
constantes. Entonces:

1. E(a) = a

2. E(aX) = a E(X)

3. E(a + bX) = a + b E(X)

4. E(aX + bY) = a E(X) + b E(Y)

 Varianza de una Variable Aleatoria Discreta

La varianza de una v.a. X, mide la dispersión de dicha variable

aleatoria respecto de su esperanza o valor esperado.

V(X) = E(X - )2 = E(X2) - [E(X)]2

Otra forma:

V(X) = Σx2p(x) – [Σx p(x)]2

EJEMPLO 1:
x 0 1 2 3
p(x) = P[ X = x ] 0.125 0.375 0.375 0.125

EX)  μ  00.125) 10.375) 20.375) 30.125)

 E  X )  μ  1.5
 )  E  X )
2
V(X)  σ  E X
2 2

EX 2 ) 0 2 0.125) 1 2 0.375) 2 2 0.375) 3 2 0.125)

3

σ 2  3  1.5 )2

 V(X)  σ 2  0.75
 EJEMPLO 2:
Suponga que el número de accidentes por semana que ocurren en
una obra de construcción civil es una variable aleatoria X con
Función de distribución de probabilidad, dada por:

X 0 1 2 3 Otros valores
p(x) 0.28 0.35 0.22 0.15 0

a) Hallar el valor esperado y la varianza de X.

b) La empresa incurre en una pérdida semanal Y según el número de
accidentes dada por Y = 10 + 8X. Hallar la esperanza pérdida
semanal
c) Si en una semana se sabe que ocurrió al
menos un accidente, ¿cuál es la
probabilidad de que haya ocurrido exactamente uno?
20