Aplicaciones del Cálculo y

Estadística

Variable Aleatoria,
Función de Distribución
y aplicaciones
 Introducción
• Luego de conocer los experimentos aleatorios y haber construido
el espacio muestral, ahora pasaremos a la formalización de los
resultados de un experimento aleatorio. Para esta parte del curso
conoceremos las variables aleatorias discretas, continuas y su
respectiva función de distribución. También recordaremos las
propiedades de la media como la varianza aprendida en los
primeros temas del curso.

• También trabajaremos con dos aplicaciones, una primera

aplicación será usando la distribución binomial y la otra será la
distribución normal que corresponden a la aplicación de una
variable discreta o continua respectivamente.
Capacidad general:
Reconoce y diferencia una variable aleatoria, función de
distribución y de probabilidad y calcula sus
probabilidades.

Capacidades específicas:
Identifica y diferencia entre una variable aleatoria
discreta y continua.
Relaciona la función de distribución y de probabilidad
según el tipo de variable aleatoria.
Calcula probabilidades a partir de la función de
distribución.
 Variable aleatoria
Una variable aleatoria es la descripción numérica
del resultado de un experimento. Es decir una
variable aleatoria asignará valores numéricos a
los elementos de un espacio muestral.
 Ejemplo:
 : el lanzamiento de dos monedas
 = { CC,CS,SC,SS }
luego definimos la siguiente variable aleatoria

X : el número de caras otenida en el

lanzamiento de dos monedas

Los valores de X son x = 0,1,2

es llamado el Rango o Recorrido de X : Rx

Donde :
x = 0 significa no se obtuvo ninguna cara
en el lanzamiento de las dos monedas
x = 1 significa que se obtuvo una sola cara
en el lanzamiento de las dos monedas
x = 2 significa que se obtuvo dos caras
en lanzamiento de las dos monedas
 Tipos de variable aleatoria

• Discreta: si su rango es un conjunto finito o infinito

numerable. Ejemplo:
• Número de circuitos electrónicos producidos por una
empresa que cumplen con las especificaciones técnicas.
• Número de llamadas que recibe una central telefónica.
• Continua: si su rango es un conjunto infinito no
numerable. Ejemplo:
• Resistencia a la ruptura de un material plástico (MPa).
• Resistencia transversal de los ladrillos fabricados por una
empresa (MN/m2).
 Variable Aleatoria
Variable aleatoria discreta
Usualmente es un número entero (0, 1, 2, 3 etc.)
Obtenida por conteo.

Experimento Variable Aleatoria (x) Posibles Valores

Llamar a 10 clientes # de clientes que 0, 1, 2, 3, …, 10
efectúan un pedido
Inspeccionar un # de repuestos 0, 1, 2, 3, ……1000
embarque de 1000 defectuosos
repuestos
Administrar un # de comensales 0, 1, 2, 3, …….
restaurante por un
día
Vender un automóvil Género del cliente 0 para mujer, 1 para
hombre
Variable aleatoria. Discreta: función de probabilidad (fp)
Función (o ley o modelo) de probabilidad de una v.a.
discreta X es la función f(x) definida en todos los números
reales por f(x)P[Xx] que satisface:
i) f(x)0 para todo número real

ii)
 f ( xi )  1 ó  pi  1
xi 

X x1 x2 …… xn

f(X=xi) f(x1) f(x2) ……. f(xn)

El valor esperado de una variable aleatoria discreta se calcula con

la siguiente expresión:

  E X    x f  x
Para 2 o más variables aleatorias se cumple:

E[aX ± bY] = aE[X] ± b E[Y]

 Probabilidad en el rango de la v.a.

Ejemplo
Se lanza una moneda 3 veces,
a) Determine el espacio muestral  del experimento
b) Asigne probabilidad a cada uno de los valores de la
variable X definida en  por: X# de caras obtenidas
SOLUCION
a) {SSS, SSC, SCS, CSS, SCC, CSC, CCS, CCC}
b) RX= {0,1,2,3}, entonces,
P[X0]  P({SSS})  1/8.
P[X1]  P({SSC o SCS o CSS})  3/8.
P[X2]  P({SCC o CSC o CCS})  3/8.
P[X3]  P({CCC})  1/8.
Observe que: P[Xxi]P({w/X(w)xi}).
 Distribución de probabilidad discreta

Los valores de la V.A X y sus probabilidades se resumen en la tabla

Valores de X: xi 0 1 2 3
Probabilidades: pi 1/8 3/8 3/8 1/8

Esta tabla es Similar a una distribución de frecuencias relativas, y se

denomina distribución de probabilidades de X
Todas las aplicaciones de estadística descriptiva son válidas
Por ejemplo:
Gráfica: De bastones

X
0 1 2 3
Se puede calcular media, varianza, definir la acumulativa y extender el
concepto a todos los números reales
 Ejemplo:
Sea la Variable Aleatoria X : Nºde caras que se
obtenida al lanzar dos monedas

=Ω
X= 0,1,2

f(x=0) = p(s  s) = 1/2 * 1/2 = 1/4

f(x=1) = p(c  s  s  c) = 1/2 * 1/2 + 1/2 * 1/2 = 2/4
f(x=2) = p(c  c) = 1/2 * 1/2 = 1/4

X 0 1 2
f(x) 1/4 2/4 1/4
Ejemplo:
: Se selecciona al azartres estudiantes de una clase que
está conformada por 12 de Química, 10 de Electrónica y 6 de
Redes. Construya la tabla de probabilidades.
Variable aleatoria: Nº de estudiantes en la muestra que
son de química. E = encontrar un estudiante de
química en la muestra
P F = encontrar un estudiante
de otra especialidad.
Espacio muestral ()
FFF FFE FEF EFF EEF EFE FEE EEE

Ley de
correspondencia
Nº de estudiantes de
química 0 1 2 3

x 0 1 2 3
P(x)
 Ejemplo
Una empresa recibe discos duros de su proveedor en
cajas de 50 unidades. Luego de la comercialización de
los discos y de acuerdo a las devoluciones realizadas
por sus propios clientes ha determinado el número de
discos duros defectuosos en las últimas 500 cajas
compradas. La información resumida en una función de
probabilidad se muestra a continuación:

Número de discos
0 1 2 3 4
duros defectuosos
Número de cajas 300 100 50 25 25
 Solución
Número de discos
0 1 2 3 4
duros defectuosos
Número de cajas 300 100 50 25 25

X = Número de discos duros defectuosos por caja de 50 unidades

X 0 1 2 3 4
f(x) 0,60 0,20 0,10 0,05 0,05

E  X    x f  x   0  0.60  1 0.20  2  0.10  3 0.05  4  0.05  0.75

 Ejemplo: aplicación de la propiedad
Si la función pérdida por discos defectuosos es dado por:

Y = 2X + 6
 Halle el valor esperado de la pérdida por discos
defectuosos.

EY   2EX   6

EY   20,75  6  7,5

Ejercicio : Pág.53

El tiempo necesario (en meses) para la construcción de un puente se

considera una variable aleatoria. Una empresa constructora ha
determinado que dicha variable tiene la siguiente distribución de
probabilidades:

x 5 6 7 8 9 10
f(X) 0,05 0,15 0,30 X 0,20 0,05

a. Determine el valor de X
b. Determine la probabilidad de que la obra dure 7 meses.
c. Determine la probabilidad de que la obra dure 8 meses o menos.
d. Determine la probabilidad de que la obra dure más de 7 meses.
e. Calcule e interprete el valor esperado
f. Si la pérdida monetaria Y (en mill $ depende del tiempo de
construcción según la expresión Y=2X+20. Determine el vaor
esperado de la pérdida.
Ejercicio :

Un ingeniero industrial está interesado en conocer el costo total de un

proyecto que le permita optimizar sistemas productivos y de servicios.
El ingeniero construye la siguiente distribución de probabilidad para la
variable aleatoria X: Duración del proyecto en días.

a.Calcule el valor esperado.

b.Si el ingeniero estima que los materiales costarán $25000 y su
trabajo $900 diarios, entonces el costo total del proyecto será: C =
25000 + 900X.
Calcule el valor esperado del costo total del proyecto.
 Ejemplo
Un contratista debe elegir entre dos obras, la primera
promete una ganancia de 2400 (miles de soles) con
probabilidad 0.75 o una pérdida de 600 (miles de soles)
(debido a huelgas y otras demoras) con probabilidad de 0.25;
la segunda promete una ganancia de 3000 (miles de soles)
con probabilidad 0.50, o una pérdida de 900 (miles de soles)
con probabilidad 0.5.
¿Cuál obra debe elegir el contratista si se quiere maximizar
la ganancia esperada?
¿Cuál es el valor mínimo de probabilidad que debe asignar a
una posible ganancia para que el contratista se decida por la
segunda obra?
 Bibliografía
• Box, George (2008). Estadística para investigadores.
Diseño, innovación y descubrimiento. Barcelona :
Reverté (519.2/B78)
• Devore, Jay L. (2005). Probabilidad y estadística para
ingeniería y ciencias. México D.F.: Cengage Learning
(519.5/D64)
• Esteban García, Jesús (2005). Estadística descriptiva
y nociones de probabilidad. Madrid : Thomson
(519.53/E92)