UNIDAD 3

Variables Aleatorias
 Variables Aleatorias

Variables Aleatorias

Una variable aleatoria es una descripción numérica del resultado de un experimento. Una
variable aleatoria asocia un valor numérico a cada uno de los resultados experimentales. El valor
numérico de la variable aleatoria depende del resultado del experimento.

Variables aleatorias discretas

Una variable aleatoria discreta es aquella que asume ya sea un número finito de valores o una
sucesión infinita de valores tales como 0, 1, 2, . .

Ejemplo de variables aleatorias discretas:

Experimento Variable aleatoria (x) Valores posibles para la

variable aleatoria
Numero de clientes que hacen
Llamar a cinco clientes 0,1,2,3,4,5
un pedido
Inspeccionar un envío de 50 Numero de radios que tienen
0,1,2,3,……,49,50
radios algún defecto

Vender un automóvil Sexo del cliente 0 si es hombre, 1 si es mujer

 Variables Aleatorias

Variables aleatorias continuas

Una variable aleatoria continua es aquella que puede tomar cualquier valor numérico dentro de
un intervalo o colección de intervalos. Los resultados experimentales basados en escalas de
medición tales como tiempo, peso, distancia y temperatura pueden ser descritos por variables
aleatorias continuas.

Ejemplo de variables aleatorias continuas:

Experimento Variable aleatoria (x) Valores posibles para la

Operar un banco
Llenar una lata de refresco
(max. 125 ml)
Construir una biblioteca
Probar un proceso químico
nuevo
variable aleatoria
Tiempo en minutos entre la
X0
llegada de los clientes
Cantidad de ml 0  x  125
Porcentaje del proyecto
0  x  100
terminado en seis meses
Temperatura a la que tiene
lugar la reacción deseada 150  x  212
(min 150 °F, max 212 °F)
 Variables Aleatorias

Distribuciones de probabilidad discreta

La distribución de probabilidad de una variable aleatoria describe cómo se distribuyen las

probabilidades entre los valores de la variable aleatoria. En el caso de una variable aleatoria
discreta x, la distribución de probabilidad está definida por una función de probabilidad, denotada
por f(x). La función de probabilidad da la probabilidad de cada valor de la variable aleatoria.

Ejemplo:
Considere las ventas de automóviles de una empresa. Durante los últimos 300 días de
operación, los datos de ventas muestran que hubo 54 días en los que no se vendió ningún
automóvil, 117 días en los que se vendió 1 automóvil, 72 días en los que se vendieron 2
automóviles, 42 días en los que se vendieron 3 automóviles, 12 días en los que se vendieron 4
automóviles y 3 días en los que se vendieron 5 automóviles.
Supongamos que consideramos el experimento de seleccionar un día de operación en la
empresa y se define la variable aleatoria de interés como x = número de automóviles vendidos
en un día. Se sabe que x es una variable aleatoria discreta que puede tomar los valores 0, 1, 2, 3,
4 o 5. En la notación de funciones de probabilidad, f(0) da la probabilidad de vender 0 automóviles,
f(1) da la probabilidad de vender 1 automóvil, y así en lo sucesivo. Como los datos dados indican
que en 54 de 300 días se vendieron 0 automóviles, a f(0) se le asigna el valor 54/300= 0.18, lo que
significa que la probabilidad de que se vendan 0 automóviles en un día es 0.18. De manera similar,
como en 117 de los 300 días se vendió un automóvil, a f(1) se le asigna el valor 117/300= 0.39,
que significa que la probabilidad de que se venda exactamente 1 automóvil en un día es 0.39.
Continuando de esta manera con los demás valores de la variable aleatoria, se obtienen los
valores de f(2), f(3), f(4) y f(5).
 Variables Aleatorias

La siguiente tabla resume los resultados obtenidos. Esta es la distribución de probabilidades

para el número de automóviles vendidos en un día por la empresa:

f(x) Su representación gráfica sería:

x f(x)
0 0.18
0.40
1 0.39

Probabilidad
2 0.24 0.30

3 0.14 0.20
4 0.04
0.10
5 0.01
x
Total 1.00
0 1 2 3 4 5
Numero de automóviles vendidos en un día

Nota: Una ventaja importante de definir una variable aleatoria y su correspondiente distribución
de probabilidad es que una vez que se conoce la distribución de probabilidad, es relativamente
fácil determinar la probabilidad de diversos eventos que pueden ser útiles para tomar decisiones.
Por ejemplo, empleando la distribución de probabilidad anterior, se observa que el número de
automóviles que es más probable vender en un día es 1, ya que es f(1)= 0.39 (valor mas alto de
f(x) ).
Las funciones de probabilidad discreta más empleadas suelen especificarse mediante fórmulas.
Tres casos importantes son las distribuciones binomial, de Poisson e hipergeométrica; estas
distribuciones se explicarán más adelante.
 Variables Aleatorias

Valor esperado µ

El valor esperado, o media, de una variable aleatoria es una medida de la localización central
de la variable aleatoria. Se calcula mediante la siguiente formula:

E(x) = µ = ∑x.f(x)

Usando el ejemplo anterior sobre las ventas de automóviles, en la siguiente tabla se muestra
cómo se calcula el valor esperado del número de automóviles vendidos en un día.

x f(x) x.f(x) La suma de las entradas en la columna xf(x) indica que el

valor esperado es 1.50 automóviles por día. Por tanto,
0 0.18 0.(0.18) = aunque se sabe que en un día las ventas pueden ser de 0,
0.00 1, 2, 3, 4 o 5 automóviles, la empresa prevé que a la larga
1 0.39 1.(0.39) = se venderán 1.50 automóviles por día. Si en un mes hay 30
0.39 días de operación, el valor esperado, 1.50, se emplea para
pronosticar que las ventas promedio mensuales serán de
2 0.24 2.(0.24) = 30(1.50) = 45 automóviles.
0.48
3 0.14 3.(0.14) =
0.42
4 0.04 4.(0.04) =
0.16
µ = ∑x.f(x)
5 0.01 5.(0.01) =
 Variables Aleatorias
2
Varianza 

Aunque el valor esperado proporciona el valor medio de una variable aleatoria, también suele
ser necesaria una medida de la variabilidad o dispersión. La varianza se usa para resumir la
variabilidad en los valores de la variable aleatoria. La varianza de una variable aleatoria discreta
viene dada por la siguiente formula:

2 2
Var(x) =  = ∑(x - µ) . f(x)

Usando el ejemplo anterior sobre las ventas de automóviles, en la siguiente tabla se muestra
cómo se calcula la varianza de la distribución de probabilidad del número de automóviles vendidos
en un día por la empresa:
x f(x) x.f(x) x-µ (x - µ)^2 (x - µ)^2 . f(x)

0 0.18 0.(0.18) = 0 – 1.50 = - 2.25 0.4050

0.00 1.50
1 0.39 1.(0.39) = 1 – 1.50 = - 0.25 0.0975
0.39 0.50
2 0.24 2.(0.24) = 2 – 1.50 = 0.50 0.25 0.0600
0.48
3 0.14 3.(0.14) = 3 - 1.50 = 1.50 2.25 0.3150
0.42
4 0.04 4.(0.04) = 4 – 1.50 = 2.50 6.25 0.2500  2

0.16
 Variables Aleatorias
Desviación estándar 

La desviación estándar es la raíz cuadrada de la varianza. Es decir:

 = √  2

Usando los datos del ejemplo anterior:

 = √ 1,25 = 1.1180

Nota: La desviación estándar se mide en las mismas unidades que la variable aleatoria (σ = 1.1180
automóviles) y por tanto suele preferirse para describir la variabilidad de una variable aleatoria. La
varianza σ^2 se mide en unidades al cuadrado por lo que es más difícil de interpretar.