VARIABLE ALEATORIA Y

DISTRIBUCIÓN
BINOMIAL

VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE PROBABILIDAD DE UNA

VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE DISTRIBUCIÓN DE UNA VARIABLE

ALEATORIA DISCRETA

DISTRIBUCIÓN BINOMIAL DE UNA VARIABLE ALEATORIA

DISCRETA
 VARIABLES

CUALITATIVAS CUANTITATIVAS

ORDINALES NOMINALES DISCRETAS CONTINUAS

EXPERIMENTO Experimento cuyo resultado no se puede
ALEATORIO predecir, existiendo un conjunto de
resultados posibles

Una variable aleatoria o variable estocástica es

VARIABLE una función que asigna un valor, usualmente
ALEATORIA numérico, al resultado de un
experimento aleatorio.
 FUNCIÓN DE PROBABILIDAD DE UNA
VARIABLE ALEATORIA DISCRETA
Formalmente se define una función de probabilidades como aquella
función que asocia a cada elemento del espacio muestral (x) de una
variable aleatoria (X) la probabilidad que éste tenga.

Entonces, f ( x ) será una función de probabilidad de tal manera que tal

que f ( x ) = P ( x ) , donde P ( x ) es la probabilidad del elemento x del
espacio muestral.
1. Si se define la variable aleatoria X = “el número de hombres que
una pareja puede tener si tienen dos hijos”

HH, HM, MH, MM}

P(X=2) = ¼
P(X=1) = ½
P(X=0) = ¼
2. Se define la v.a. X = Sumar los puntos obtenidos al lanzar dos dados

Suma de Probabilidad

{
las caras f(x) = P(X=x)
2 1/36 1
𝑠𝑖 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑒𝑠 2 ó 12
3 2/36 36
4 3/36 2
𝑠𝑖 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑒𝑠 3 𝑢 11
36
5 4/36
3
6 5/36
𝑠𝑖 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑒𝑠 4 ó 10
𝑓 (𝑥 )= 36
7 6/36 4
𝑠𝑖 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑒𝑠 5 ó 9
8 5/36 36
5
9 4/36 𝑠𝑖 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑒𝑠 6 𝑢 8
36
10 3/36 6
𝑠𝑖 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑒𝑠 7
11 2/36 36
12 1/36
 La gráfica del caso anterior

Probabilidad
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02 V.A. X= Suma de los puntos
obtenidos al lanzar dos
0
2 3 4 5 6 7 8 9 10 11 12 dados
 FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD

También llamada “probabilidad acumulada”, es la probabilidad de que la

variable tome valores iguales o inferiores a x, es decir: 𝐹 ( 𝑥 ) =𝑝 ( 𝑋 ≤ 𝑥 )
Suma de las Probabilidad Función distribución
caras f(x) = P(X=x)
2 P(X=2)= 1/36
3 P(X=3)= 2/36
4 P(X=4)= 3/36
5 P(X=5)= 4/36
6 P(X=6)= 5/36
7 P(X=7)= 6/36
8 P(X=8)= 5/36
9 P(X=9)= 4/36
10 P(X=10)= 3/36
11 P(X=11)= 2/36
12 P(X=12)= 1/36
La gráfica de la función de distribución es:
 ESPERANZA DE UNA VARIABLE ALEATORIA

También llamada “valor esperado” o “media poblacional” de una variable

aleatoria X, formaliza la idea de “valor medio” de un fenómeno aleatorio”.

Se simboliza como y se calcula de la siguiente forma:

Del ejemplo anterior tenemos que:

1 2 3 4 5 6 5 4 3 2 1
𝐸 ( 𝑋 )= 2∙ +3 ∙ +4∙ +5 ∙ +6∙ +7 ∙ +8 ∙ +9 ∙ +10 ∙ +11 ∙ + 12∙
36 36 36 36 36 36 36 36 36 36 36

2 6 12 20 30 42 40 36 30 22 12 252
𝐸 ( 𝑋 )= + + + + + + + + + + = =7
36 36 36 36 36 36 36 36 36 36 36 36

Por lo tanto el valor esperado al lanzar dos dados y sumar sus puntos es 7
 DISTRIBUCIÓN BINOMIAL

Una distribución binomial es una distribución de probabilidad discreta que

describe el número de éxitos al realizar n experimentos independientes entre
sí, acerca de una variable aleatoria.
Una distribución binomial se entiende como una serie de pruebas o ensayos en
la que solo podemos tener 2 resultados (éxito o fracaso), siendo el éxito nuestra
variable aleatoria.
La distribución binomial de una variable aleatoria X, se calcula:

Donde:
n = Número de ensayos o experimentos
x = número de éxitos
p = probabilidad de éxito
q = probabilidad de fracaso (q = 1-p)

𝑛!
Además, recordar que: ()
𝑛 =
𝑥 𝑥 ! (𝑛 − 𝑥) !
Por ejemplo:
Imaginemos que un 80% de personas en el mundo han visto el partido de la
final del último mundial de futbol. Tras el evento, 4 amigos se reúnen a
conversar, ¿Cuál es la probabilidad de que 3 de ellos hayan visto?
Definamos los datos del enunciado:

n = 4 (total de la muestra)
x = 3 (número de éxito, ya que buscamos la probabilidad de que 3 de los 4 amigos la
hayan visto)
p = 0,8 (80% de probabilidad éxito, es decir, que hayan visto el partido)
q = 0,2 (1 - 0,8 = 0,2, probabilidad de fracaso, es decir, que no hayan visto el partido)

En la fórmula: Como
= La probabilidad de que 3 de los
= amigos hayan visto el partido es
= de 41%
=
=

Recuerda que:
Entonces
 ESPERANZA DE UNA
DISTRIBUCIÓN BINOMIAL

𝜇=𝑛 ∙ 𝑝
VARIANZA DE UNA
DISTRIBUCIÓN BINOMIAL
2
𝜎 =𝑛 ∙ 𝑝 ∙ 𝑞
DESVIACIÓN ESTÁNDAR O
DESVIACIÓN TÍPIA DE UNA
DISTRIBUCIÓN BINOMIAL

𝜎 = √𝑛 ∙ 𝑝 ∙ 𝑞