Distribuciones de probabilidades

i
• Conceptos de variable aleatoria
• Variable aleatoria discretas.
• Distribución de probabilidad
• Esperanza matemática
• Varianza de una variable
aleatoria.
• Objetivos:
• Elabora distribuciones de
probabilidades y
• calcula la esperanza, varianza y
desviación estándar.
• Representa gráficamente
• Aplicar a la resolución de
problemas
Variable aleatoria y función de
probabilidad.
• Supongamos que a cada punto de
un espacio muestral asignamos
un número . Así definimos una
función aleatoria o (función
estocástica), esta función se
llama variable aleatoria.
• Una variable aleatoria
cuantitativa es un fenómeno de
interés cuyas respuestas o
resultados se pueden expresar
numéricamente.
• Esta variable aleatoria se pueden
clasificar también como discreta
o continua
Variable aleatoria discreta
• Una variable aleatoria discreta
es aquella que toma, a lo más
una cantidad numerable de
valores distintos.
• El hecho de que la cantidad de valores
que puede tomar la variable aleatoria
sea numerable quiere decir que estos
valores se pueden asociar a enteros
1,2,3,4 …, en otras palabras se puede
numerar.
El número de valores distintos que la variable aleatoria discreta X puede tomar,
puede ser finito ó infinito (ya que el proceso de numeración puede no terminar)

• Ejemplos de variables aleatorias discretas:

1. El número de unidades vendidas en una tienda, en el mes
2. El número de clientes esperando servicio en la caja de un supermercado
3. El número de accidentes automovilísticos ocurridos en determinada
semana.
4. Número de errores que un mecánico comete en una línea de
ensamblaje.
5. El número de años que deben transcurrir para que determinada empresa
logre que sus acciones valgan un millón de dólares.
Ejemplo definimos una función aleatoria, esta función se
llama variable aleatoria.
Realizamos el evento sencillo de
lanzar un dado:
variable aleatoria discreta X:

X = resultado de lanzar un dado.

X 1 2 3 4 5 6
 Asociamos cada valor de X con su probabilidad,
Calculamos la probabilidad de este espacio

1/6 1/6 1/6 1/6 1/6 1/6

La función de probabilidad de la variable aleatoria X representada en

forma de tabla.
Una función de probabilidad de una variable aleatoria discreta se puede
expresar de manera fácil como una tabla o lista que empareja los valores de la
variable con sus probabilidades o también mediante una gráfica de barras. Sin
embargo, una función de probabilidad de expresa con mayor frecuencia
mediante una fórmula.

Esto por que todas las probabilidades son iguales

• También podemos representarla gráficamente mediante un diagrama de barras. En
el eje horizontal se colocan los valores de la variable aleatoria y en el eje vertical las
probabilidades. En el caso de nuestra función de probabilidad, la gráfica de barras
sería la siguiente:
 Distribución de probabilidad y función de probabilidad acumulada
de una variable aleatoria.
• La distribución de probabilidad de una variable aleatoria discreta es
una relación mutuamente excluyente de todos los modos que la
probabilidad de ocurrencia se relacione en particular con cada
resultado.
• La distribución de probabilidad de una variable aleatoria se puede
representar como se les indico en el ejemplo del dado
• Con una formula, tabla ó gráfica que proporciona las probabilidades
asociadas a cada valor posible de la variable aleatoria.
Distribuciones discretas de una
Variable Aleatoria Ejemplo: consideremos el lanzamiento de una moneda 3 veces

Puntos Números de Probabilidade

muestrales cara s

CCC 3 1/8
C
CCS 2 1/8
C S
CSC 2 1/8
C S C
CSS 1 1/8
S
SCC 2 1/8
C
SCS 1 1/8
S C S
S C SSC 1 1/8

S SSS 0 1/8
• En la tabla se observa que la variable aleatoria X definida como cara
en el lanzamiento de 1 monedas 3 veces toma los siguientes valores
0,1,2,3.
Y se representan así
Numero de Probabilidad
cara (X) P(X)
0 1/8
1 3/8
2 3/8
3 1/8
A esto llamamos distribución de probabilidad
para el número de caras del lanzamiento de
una moneda 3 veces.
Distribuciones discretas de una Variable Aleatoria Si observamos la tabla obtenida
a) P(Xi) ≥ 0 para todo i.
b) ∑P(xi)= 1.
Respondamos estas preguntas
¿Cuál es la probabilidad de que
• El número de caras sea 1
P (X =1) = 3/8

•a lo sumo caigan 2 caras P (X ≤ 2)

∑P(xi)= 1 P (X ≤ 2) =P (X=0) + P(X=1) + P(X=2)
1/8 + 3/8 + 3/8
• Que caigan 3 caras = 7/8
P(X ≥ • Que caigan más de una cara: P(X>1)
3) P(X ≥ 3) = P(X=3)= 1/8. P(X>1) = P(X=2) +P(X=3)
3/8 + 1/8
= 4/8 = 1/2
• La distribución de probabilidad del
evento lanzar una moneda tres
veces, también podemos
representarlo así.
El gráfico de la distribución de
probabilidad de la VAD del evento se
representa
P(X)

[ ]
3/8
1/8, sí X=0 ó X = 3
3/8, sí X=1 ó X= 2
P(X)= 0, sí X es cualquier
otro valor

1/8

N° de caras
Función de distribución acumulada de una variable aleatoria
Puede presentarse la necesidad de calcular probabilidades de sucesos
definidos por una variable aleatoria X tales como:
X ≤ a. a<X<b, como es el caso del evento de lanzar una moneda 3
veces , aquí se debe de definir una función que facilite el cálculo
Definición: Sea P(X) la distribución de probabilidad de una variable
aleatoria X. la función de distribución acumulada de la variable aleatoria
X se denota y se define como :
F(X)= P(X≤ x), - ∞ < X < +∞, es decir.
F(X)= ∑ P*(xi)
Xi ≤x
 [ ]
0, sí X<0
• Ejemplo : Hallar la función de 1/8, sí 0 ≤ X<1
distribución acumulada de la variable F(X)= 1/2, sí 1 ≤ X<2
7/8, sí 2 ≤ X<3
aleatoria X del evento de lanzamiento 1, sí X ≥ 3
de una moneda tres veces
• F(0)= P(0) = 1/8 F(X)
1
• F(1)= P(0)+P(1) = 1/8+3/4 =4/8=1/2
• F(2)= P(0)+P(1)+P(2)= 1/8+3/8+3/8 7/8
=7/8
• F(3)=P(0)+P(1)+P(2)+P(3) =7/8+1/8= ½
1 1/8
 Características de la distribución de probabilidad

a) F(X) tiene que ser siempre una función

no creciente. Ej : Determinar la probabilidad de que el
número de caras sea 2.
P(2)=F(2)-F(1)=
b) P(X)=F(X) – F(X -1), sí X es un
número natural.
F(2)= P(0)+P(1)+P(2)= 1/8+3/8+3/8 =7/8
c) P(a<X<b) = F(b)-F(a).
F(1)= P(0)+P(1) = 1/8+3/4 =4/8
Determinar la probabilidad de que
sea a lo sumo 2, 0<X<2
P(2)= 7/8 - 1/2.= 3/8.
P(0<X<2)= F(2) – F(0)
7/8 - 1/8=6/8
Esperanza matemática y varianza de una
variable aleatoria discreta
• Con el propósito de resumir la distribución de probabilidad discreta se calcularon la media y la varianza.
La media µx de una distribución de probabilidad es el valor esperado de su variable aleatoria.
El valor esperado de una variable aleatoria discreta se puede considerar como un promedio ponderado de
todos los resultados posibles siendo las ponderaciones la probabilidad relacionada a cada uno de los
resultados.
El valor esperado de la variable aleatoria discreta Xe, se representa por E(x), se puede expresar en la forma
siguiente :
µx =E(X)= , donde :
X = Variable Aleatoria de interés
Xi= Resultado de i en x
P(X)= Probabilidad de ocurrencia del evento i de X
I = 1,2,3,4, N
 Valor esperado

• Ejemplo: para la distribución teórica de los resultados de

lanzar una moneda 3 veces, El valor esperado del numero
de caras es:

µx= 0(1/8)+1(3/8)+2(3/8)+3(1/8) =1.5.

El valor esperado de los resultados de lanzar una moneda 3
veces, esto nos dice que no es significativo no quiere decir
que sale media cara sino, que se espera que la mitad de las
veces caerán caras
 Varianza y desviación de una variable aleatoria discreta
• La media es un valor característico utilizado para representar una distribución. Sin embargo, no
describe el grado de dispersión en una distribución, la varianza si lo hace.
Una comparación de dos varianzas permite comparar la variación en dos distribuciones que tengan la
misma media, pero diferente dispersión.
La varianza de la variable aleatoria discreta x se expresa de la forma:
Donde
X= variable de interés
σ2x=∑ (Xi-µx)2 P(Xi)
Xi=Resultados de x
P(Xi)= probabilidad de ocurrencia del evento i de x
i=1,2,3…. N
µx = el valor es perado X.
• Los pasos para el cálculo de la
varianza de x son: La desviación estándar σx en la
1. Restar la media a cada valor Xi y distribución de probabilidad de una
elevar al cuadrado la diferencia . variable aleatoria discreta es la raíz
2. Multiplicar cada diferencia al cuadrada de su varianza
cuadrado por su probabilidad
3. Sumar los productos resultantes
para llegar a la varianza.
 Ej: Encuentre la varianza y la desviación estándar de la población del
lanzamiento de la moneda, sabiendo que el valor esperado resulto ser 1.5.
σ2x=∑ (Xi-µx)2 P(Xi)
σ2x= (0-1.5)2(1/8) + (1-1.5)2(3/8) +(2-
1.5)2(3/8) +(3-1.5)2(1/8) =
0.75.

La desviación estándar de la distribución es σx

= √σ2x =√ 0.75=0.87.

La media µx y la desviación estándar σx se pueden utilizar

para describir la distribución de probabilidades de la variable
aleatoria X
 Propiedades del valor esperado X, E(x)

1. El valor esperado de X lo esperanza matemática de una constante es

igual a esa constante.
E(c) = C y E(CX)= CE(X).
2. El valor esperado de la suma de dos ó más variables aleatorias es
igual a las esperanzas matemáticas de cada una de ellas, es decir si X e
Y son variables aleatorias, entonces :
E(X+Y)= E(X)+E(Y).
3. El valor esperado de la diferencia de dos variables aleatorias
independientes es igual al producto de sus esperanzas matemáticas, es
decir E(X*Y)= E(X) * E(Y)
4. El valor esperado de la diferencia de dos variables aleatorias
cualquiera X e Y es igual a la diferencia de las esperanzas
matemáticas de esas variables, es decir,
E( X – Y )= E ( X ) –E( Y ).
5. El valor esperado de la desviación de toda variable aleatoria X es
igual a cero es decir,
E[X-E(X)]=0
Propiedades de la varianza
1. La varianza de una variable aleatoria es igual a la diferencia entre el
valor esperado del cuadrado de esa variable y el cuadrado de su
valor esperado, es decir .
V(X)= E(X)- [E(X2)].
2. La varianza de una constante es igual a cero, V(C) = 0
3. La varianza de una suma de dos variables aleatorias independientes
X e Y es igual a la suma de las varianzas de esas variables es decir,
V(X+Y) = V(X)+ V(Y)
4. Sí C es una constante,
a. V(X+C)= V(X)
b. V(CX)= C2 V(X)
5. La varianza de la diferencia de dos variables aleatorias
independientes es igual a la suma de las varianzas de esas variables ,
es decir , si la variable aleatoria X e Y son independientes
V( X – Y ) = V( X )+ V( Y )
 • Ejemplo: supongamos que la variable aleatoria X representa el número
de puntos que da un dado al jugarlo si Y= 2+3X, hallar el valor
esperado E(Y), V(Y) y σ

1/6 1/6 1/6 1/6 1/6 1/6

El valor de X, E(X) es:
E(X)= 1 (1/6) +2(1/6)+3(1/6)+4(1/6)+5(1/6)+ 6(1/6)= 21/6=3.5
Aplicando la propiedad 1 de la varianza para encontrar su valor tenemos: V(X) =E(X2)-[E(X)]2.
E(X2) = 1(1/6)+4(1/6)+9(1/6)+16(1/6)+25(1/6)+36(1/6) =91/6.
[E(X)]2.=(21/6) 2

[E(X)]2= 444/6
V(X)= E(X2)-[E(X)]2. [ 91/6 – 441/36] =2.92.
 Ahora encontremos el valor esperado de Y , la varianza usando las propiedades

• La variable Y, definida como Y=(2+3X)

Y =2+3X= E(2)+3E(X)
Y=2+3(3.5) = 2+10.5=12.5.
La desviación estándar será:
=√26.25=2.12
Así también
V(Y)= (2+3X)= V(2)+V(3X)= 0+
V(Y)= 9V(x)= 9*(2.92)=26.25