MT-22

PPTCES042MT22-A15V1

Clase
Función de probabilidad y
función de distribución
 Resumen de la clase anterior

Variable aleatoria Distribución

Variable aleatoria:
asocia un evento con
un valor numérico.
normal tipificada:
y Curva simétrica con
Distribución normal media 0 y desviación
estándar 1.

Distribución normal
Intervalos de confianza: no tipificada:
 σ σ  X 
 x  z  , x  z 
 1α
2 n 1 α
2 n  Z
σ

Esperanza matemática: E(X) = x1 · P(X = x1) + x2 · P(X = x2) + x3 · P(X = x3) + … + xk · P(X = xk)
Aprendizajes esperados

• Comprender y calcular funciones de probabilidad y distribución de una

variable aleatoria discreta.

• Aplicar la distribución binomial en problemas cotidianos.

Pregunta oficial PSU

73. En el experimento de lanzar dos dados comunes se define la

variable aleatoria X como el valor absoluto de la diferencia de los
números que se obtienen. ¿Cuál de las siguientes afirmaciones
es FALSA?

A) P(X ≥ 0) = 1
10
B) P(X ≥ 2) = 21
6
C) P(X = 0) = 36

D) El recorrido de X es {0, 1, 2, 3, 4, 5}.

E) P(X ≤ 5) = 1
Fuente : DEMRE - U. DE CHILE, Proceso de admisión 2015.
1. Función de probabilidad
2. Función de distribución
3. Distribución binomial
1. Función de probabilidad

Si X es una variable aleatoria con función de probabilidad P,

entonces a cada valor de X en el dominio se le asocia un valor
P(X = m) que corresponde a la probabilidad de que X tome el
valor m.

Ejemplo 1: Sea X una variable aleatoria con función de

11  a
probabilidad P(X  a)  , con a en el conjunto {3, 4, 6}.
20
Entonces, P(X = 3) es…
La probabilidad de
Si evaluamos la función P en X = 3, resulta que X sea 3 es 2/5
11  3 8 2
P(X  3)   
20 20 5

Nota: Es importante destacar que, dado que se trata de probabilidades, la

suma de las imágenes de la función siempre debe ser 1.
1. Función de probabilidad

Ejemplo 2: Sea X una variable aleatoria de función de probabilidad

b 1
P(X  b) 
2m
, con b en el conjunto {3, 5, 7}.
¿Cuál debe ser el valor de m?
Como P es una función de probabilidad, entonces la suma de las
imágenes debe ser 1. Luego, se puede plantear:

P(X = 3) + P(X = 5) + P(X = 7) = 1

3 1 5 1 7 1
+ + =1
2m 2m 2m
4 6 8 18
+ + =1  =1  m=9
2m 2m 2m 2m
1. Función de probabilidad

Ejemplo 3:
Se tiene una caja con una tarjeta roja, una tarjeta azul y dos
tarjetas verdes, todas del mismo tipo. Se sacan dos tarjetas al
azar, una tras otra y con reposición, y se define la variable
aleatoria X como la cantidad de tarjetas azules extraídas.
¿Cuál es valor de P(X = 1)?
P(X = 1) representa “la probabilidad de que solo una de las
tarjetas extraídas haya sido azul”. Las posibles combinaciones
son:
(R, R) (R, A) (R, V1) (R, V2) (A, R) (A, A) (A, V1) (A, V2)
(V1, R) (V1, A) (V1, V1) (V1, V2) (V2, R) (V2, A) (V2, V1) (V2, V2)

casos favorables 6 3
Luego, Probabilidad (solo una azul) =  
casos totales 16 8
3
Por lo tanto, P(X = 1) =
8
2. Función de distribución

Si X es una variable aleatoria con función de probabilidad P y

función de distribución F, entonces a cada valor de X en el
dominio se le asocia un valor F(X = m) = P(X ≤ m) que
corresponde a la probabilidad de que X tome un valor menor o
igual que m. Es decir, F(X = Xk) = P(X = X1) + P(X = X2) + … + P(X
= Xk )
Ejemplo 1:

Sea X una variable aleatoria de función de probabilidad

24
P(X  c) 
25  c
y función de distribución F, con c en el conjunto
El valor de F(X = 6) corresponde a la suma de las probabilidades:
{2, 4, 6, 8}. ¿Cuál es el valor de F(X = 6)?
F(X = 6) = P(X = 2) + P(X = 4) + P(X = 6)
24 24 24 12 6 4 22
F(X = 6)       
25  2 25  4 25  6 25 25 25 25
2. Función de distribución

Ejemplo 2:
Sea X una variable aleatoria de función de probabilidad P y función
3d
de distribución F(X  d)  , con d en el conjunto {1, 2, 3, 4}.
d8
¿Cuál es el valor de P(X = 3)?
Según la definición de función de distribución:
32 6 3
P(X = 1) + P(X = 2) = F(X  2)   
2  8 10 5
33 9
P(X = 1) + P(X = 2) + P(X = 3) = F(X  3)  
3  8 11
Entonces, restando ambas expresiones, resulta:
 9 3  12
P(X = 3) = F(X = 3) – F(X = 2) =    
 11 5  55

Nota: En general, ocurre que P(X = Xk) = F(X = Xk) – F(X = Xk–1)
3. Distribución binomial

Un experimento sigue el modelo de la distribución binomial o

de Bernoulli si:

1. En cada prueba del experimento, solo son posibles dos

resultados (experimento aleatorio dicotómico).

2. El resultado obtenido en cada prueba es independiente de

los resultados obtenidos anteriormente.

3. Su probabilidad es constante, no varía de una prueba a otra.

Ejemplos:
Una persona puede estar sana o enferma, un artefacto puede
estar defectuoso o no defectuoso, al lanzar una moneda, esta
puede caer cara o sello, etc.
3. Distribución binomial

Si la probabilidad de éxito en un experimento aleatorio dicotómico

es p y la probabilidad de fracaso, en el mismo experimento, es
q = 1 – p, entonces la probabilidad de obtener exactamente k
éxitos, al efectuar de forma independiente N veces dicho
experimento aleatorio, está dado por la expresión

 N  k Nk
   p  q
k 

N N!

Donde:    
 k  k!(N  k)!
3. Distribución binomial

Ejemplo:
Si se lanza un dado común 120 veces, ¿cuál es la probabilidad de
obtener exactamente 20 veces el número 1?
Probabilidad de
p: 1 tener éxito
6
Probabilidad de
q: 5 fracaso
6
N: 120 N° de pruebas

k: 20 N° de éxitos

20 120  20
 N  k Nk 120   1   5 
   p  q         
k   20   6   6  ALTERNATIVA
CORRECTA

Fuente : DEMRE - U. DE CHILE, Proceso de admisión 2016. B

Pregunta oficial PSU

73. En el experimento de lanzar dos dados comunes se define la

variable aleatoria X como el valor absoluto de la diferencia de los
números que se obtienen. ¿Cuál de las siguientes afirmaciones
es FALSA?

A) P(X ≥ 0) = 1
10
B) P(X ≥ 2) = 21
6
C) P(X = 0) = 36
ALTERNATIVA
D) El recorrido de X es {0, 1, 2, 3, 4, 5}. CORRECTA

E) P(X ≤ 5) = 1
B
Fuente : DEMRE - U. DE CHILE, Proceso de admisión 2015.
Tabla de corrección

Nº Clave Unidad temática Habilidad

1 E Azar Aplicación
2 A Azar ASE
3 D Azar Comprensión
4 D Azar ASE
5 C Azar ASE
6 D Azar Aplicación
7 B Azar ASE
8 E Azar Comprensión
9 B Azar ASE
10 D Azar Aplicación
11 C Azar Aplicación
12 D Azar ASE
Tabla de corrección

Nº Clave Unidad temática Habilidad

13 A Azar Aplicación
14 E Azar Comprensión
15 C Azar ASE
16 D Azar Aplicación
17 B Azar ASE
18 E Azar ASE
19 E Azar Aplicación
20 A Azar Aplicación
21 A Azar Aplicación
22 D Azar Aplicación
23 A Azar Aplicación
24 D Azar ASE
25 E Azar ASE
Síntesis de la clase

Función de probabilidad y
función de distribución

Función de probabilidad: Función de distribución:

P(X = m), probabilidad de que la F(X = m), probabilidad de que X
variable aleatoria X tome el valor m. tome un valor menor o igual que m.

La suma de las imágenes de la Corresponde a la probabilidad

función siempre debe ser 1. acumulada hasta el valor m.

 N  k Nk
Distribución binomial:    p  q
k 
Prepara tu próxima clase

En la próxima sesión realizaremos el

Taller de Datos y Azar
Equipo Editorial Matemática

ESTE MATERIAL SE ENCUENTRA PROTEGIDO POR EL REGISTRO DE

PROPIEDAD INTELECTUAL.

Propiedad Intelectual Cpech RDA: 186414