ESTADÍSTICA GENERAL

SEMANA 10
 Variable Aleatoria

Esperanza Matemática y Varianza

Agregar
texto: Distribución de variable discreta:
Bernulli Binomial
Al finalizar la sesión el estudiante será capaz definir
una variable aleatoria determinar la distribución de
probabilidad, hallar la esperanza matemática y la
varianza. Resolver situación de distribución Binomial
 VARIABLE ALEATORIA
Una variable aleatoria (V.A.) es una función que asocia a cada resultado del espacio muestral un número real.
Ejemplo:
Se realiza un experimento en un laboratorio cuyo resultado puede ser positivo o negativo. Construir el espacio
muestral y dar una V.A. asociada al experimento.

E = {Positivo, Negativo}

X es una variable aleatoria

Tipología: X :
Discreta: Toma valores en un conjunto numerable
Continua: Toma valores en un conjunto infinito no numerable.
Ejemplos
• X =“resultado al tirar un dado” es una variable discreta.
• Y = “altura de un alumno elegido al azar” es una variable continua.
 Variables aleatorias discretas
Función de probabilidad Sea X una variable aleatoria discreta con posibles valores {x 1, x2, . . .}. Se llama función
de probabilidad o función de masa, al conjunto de probabilidades con las que X toma cada uno de sus valores, es
decir, pi = P[X = xi ], para i = 1, 2, . . . .

Ejemplo
X = resultado de lanzar un dado. La función de probabilidad es:

Función de probabilidad. Propiedades:

Expresiones
P[X = 1] : Probabilidad que salga 1
P[X = 5] : Probabilidad que salga 5
P[X < 3] : Probabilidad que salga menor de 3
P[X≥ 4] : Probabilidad que salga un números mayor o igual de cuatro,
probabilidad que salga por lo menos cuatro
P[X≤2] : Probabilidad que salga un numero menor o igual de dos,
probabilidad que salga a lo más 2
P[2 < X < 5] :
 Función de distribución:
La función de distribución (acumulada) de una variable aleatoria X es la función F(x) = P[X ≤ x]. Está
definida para todo x ∈ R y no sólo para los valores de X.
Ejemplo X = resultado de lanzar un dado. La función de distribución es

Propiedades
• F(−∞) = 0.
• F(∞) = 1.
• Si x ≤ y, entonces F(x) ≤ F(y).

Para X discreta, la función de distribución es de tipo escalón. Cada escalón corresponde a un valor posible de X
y el salto corresponde a la probabilidad.
 Esperanza y varianza de una variable aleatoria
discreta
X V.A. discreta que toma valores x1, x2, . . . :

Ejemplo:
En la aduana hay 10 automóviles, 5 son de la marca Toyota, 3 Nissan y 2 Kia, se eligen 3
automóviles.
a) Determine la distribución de probabilidad del número de vehículos marca Toyota encontrado
en la muestra
b) Grafique la función de distribución
c) Determine la distribución de las distribución acumulada para numero de vehículos Toyota
d) Grafique la función de distribución acumulada
a) Determinamos la variable aleatoria X
X: N° de vehículos Toyota Pasar elegir 3 autos
X : 0,1,2,3 P[X=0]
P[X = x] :Probabilidad que sea Toyota P[X=1]
P[X=2]
5 5 5

P X  1  C C
5
P[X=3]
P X  0   C C
10 50
0. 3.

1.
10
2.

C
10
3
120 C 3
120

5 5 5 5

P X  2   C C P X  3   C C
50 10
2. 1.
 3.
10
0.

C
10
3
120 C 3
120

x 0 1 2 3
P[X = x] 10/120 50/120 50/120 10/120

 10
 120 X  0

 50 X  1
 120
f x ) 
(
 50 X  2
 120
 10
 X  3
 120
b) Grafico de la función de distribución:
 c) Distribución acumulada

d) Grafica distribución acumulada

 Ejemplo:
Considerando la siguiente distribución probabilística

a) Calcule la esperanza Media promedio

E[X] = 3x1/12 + 4x3/12 + 5x4/12 + 6x2/12 + 7x2/12

E[X] = 5 Significado: Es probable que el suceso mostrado salga o se encuentre el 5

b) Calcule la varianza

V[X] = (3 – 5)2x1/12 + (4 – 5)2x3/12 + (5 – 5)2x4/12 + (6 – 5)2x2/12 + (7 – 5)2x2/12

V[X] = 1,166
Ejemplo:
 Modelo Bernoulli
Descripción. Partimos de un experimento aleatorio con solo dos posibles resultados, que calificamos
de ´éxito o fracaso. Definimos la variable aleatoria:

Sea p la probabilidad de ´éxito. El experimento se llama ensayo de Bernoulli y la variable aleatoria se dice que
sigue una distribución Bernoulli de parámetro p. Se escribe X ∼ Ber(p).
p : éxito q : fracaso = 1 - p

Ejemplo
Tirar una moneda al aire

Es un ensayo Bernoulli, y X sigue una distribución Bernoulli de parámetro 1/2.

 Ejemplo
Una línea aérea estima que los pasajeros que compran un billete para un vuelo tienen una probabilidad igual a 0, 05
de no presentarse al embarque de dicho vuelo. Definamos:

Y sigue una distribución Bernoulli con parámetro 0, 95.

Función de Probabilidad:

Función de distribución:

Propiedades
 Modelo Binomial
Descripción
Un ensayo Bernoulli de parámetro p se repite n veces de manera independiente. La variable numero de ´éxitos
obtenidos, sigue una distribución Binomial (de parámetros n y p). B(n,p)

Definición
Una variable X sigue una distribución binomial con parámetros n y p si

Propiedades
para x = 0, 1, . . . , n donde

Se escribe X ∼ B(n, p).

 Ejemplo
La línea aérea del ejemplo anterior ha vendido 80 billetes para un vuelo. La probabilidad de que un pasajero no se
presente al embarque es de 0, 05.
Definimos X = número de pasajeros que se presentan: 0,1,2,3,….. 80
Entonces (suponiendo independencia)
p : éxito : 0,95 q = 1 – p : fracaso : 0,05
X ∼ B(80, 0, 95) = (n,p)
• La probabilidad de que los 80 pasajeros se presenten

• La probabilidad de que al menos un pasajero no se presente:

Lo contrario de que se presenten los 80
Fuentes
1. Autor(es): Córdova Zamora, Manuel Título: Estadística descriptiva e
inferencial Editorial: Moshera
Año: 2001
Código UCSS: ucssJ19-5/c78
2. Autor(es): Moya C. Rufino; Saravia, A. Gregorio Título: Probabilidades e
inferencia estadística Editorial: San Marcos
Año: 2017
Código UCSS: **
3. Autor(es): Rosa Millones R, Jorge Chue Título: Estadistica descriptiva y
probabilidades Editorial: Fondo Editorial
Año: 2017
Código UCSS: **