UNIVERSIDAD DE GUAYAQUIL

Facultad de Ciencias Matemáticas y Físicas

UNIDAD # 1: Variables aleatorias, distribución de probabilidades y distribución muestral.

Profesor: Ing., Nelly Valencia Martínez, MS.c

 INDICE Y OBJETIVO

Índice:
1.1. Variables aleatorias discretas y continuas.
1.2. Distribución de variables aleatorias discretas:
1.2.1. Binomial
1.2.2. Poisson
1.2.3. Hipergeométrica

Objetivo de la clase:
Comprender las variables discretas y continuas.
Identificar las variables aleatorias discretas
 VARIABLES ALEATORIAS DISCRETAS Y CONTINUAS

Una variable, es una característica que puede ser medida y que puede adoptar valores
diferentes para cada uno de los elementos que constituyen la población de estudio.

Variable cuantitativa: Son variables que se expresan numéricamente.

 Variable continua: Toman un valor infinito de valores entre un intervalo de datos. Ej, el tiempo
que tarda un corredor en completar los 100 metros lisos.
 Variable discreta: Toman un valor finito de valores entre un intervalo de datos. Ej, número de
helados vendidos.
Variable cualitativa: Son variables que se expresan, por norma general, en palabras.
 Variable ordinal: Expresa diferentes niveles y orden. Ej, calificación otorgada por los jueces de un
campeonato de gimnasia rítmica
 Variable nominal: Expresa un nombre claramente diferenciado. Ej, el color de ojos puede ser
azul, negro, castaño, verde, etc
El atributo aleatoria, marca precisamente la presencia de incertidumbre en el valor de
la variable de cada unidad experimental.
 DEFENICIÓN DE VARIABLES ALEATORIAS

Dado un experimento aleatorio cualquiera, una variable aleatoria es una transformación X del
espacio de resultados Ω al conjunto de números reales, esto es, X : Ω → R.
(Rincón, 2007)
Una variable aleatoria es una función definida entre el espacio muestral y el conjunto de los
números reales.
(Rodríguez, 2007)

Una variable es aleatoria si toma los valores de los resultados de un experimento aleatorio.

La variable aleatoria puede ser:

1. Variable aleatoria discreta
2. Variable aleatoria continua
 DEFENICIÓN DE VARIABLES ALEATORIAS

Una variable aleatoria es una función que asocia un número real a cada elemento del
espacio muestral. Se usarán letras mayúsculas para denotar a una v.a y letras minúsculas
para denotar los valores que ella adquiere.
 VARIABLES ALEATORIAS DISCRETAS Y CONTINUAS

Una variable aleatoria se llama v.a Discreta si se puede contar su conjunto de resultados
posibles.

Una variable aleatoria se llama v.a Continua si se puede tomar en una escala continua.

En la mayoría de los problemas prácticos, las v.a continuas representan , tales datos medidos como
alturas, pesos, temperaturas, distancias o períodos de vida; mientras que las v.a discretas
representan datos que se cuentan ,tales como el número de artículos defectuosos de una muestra
de k artículos o el número de accidentes por año en una vía rápida en una determinada ciudad
EJERCICIOS
 EJERCICIO

S={(c, c, c), (c, c, s), (c, s, c), (s, c, c), (c, s, s), (s, c, s), (s, s, c),( s, s, s)}

0 1 1 1 2 2 2 3

P(X=0)=1/8 P(X=1)=3/8 P(X=2)=3/8 P(X=3)=1/8

En ejemplo expuesto, X es una variable aleatoria discreta pues su rango es un subconjunto de los
enteros. Además es finita
 DISTRIBUCIÓN DE PROBABILIDAD DISCRETA

Lista de los resultados de un experimento con las probabilidades que se esperan, se asociarán a
esos resultados.

Cada valor de una variable aleatoria discreta puede asociarse con un valor de probabilidad.

Si x es una variable aleatoria discreta, la función dada por f(x) para cada x
contenida en el intervalo de x se denomina función de probabilidad o
distribución defunción de probabilidad, o distribución de probabilidad, de x.
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
 DISTRIBUCIÓN DE PROBABILIDAD DISCRETA

Una función puede fungir como la distribución de probabilidad de una variable aleatoria discreta
x si y sólo si sus valores, f(x), cumple las condiciones siguientes:
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
 HISTOGRAMA DE PROBABILIDADES

Gráfico de distribución
del ejemplo delas tres
monedas
 DISTRIBUCIÓN DE PROBABILIDAD ACUMULADA DE VARIABLES
ALEATORIA DISCRETA

También es importante conocer la probabilidad que la variable aleatoria tome algún valor menor o
igual que un valor dado. Esta función se denomina Distribución de Probabilidad Acumulada y
su dominio incluye a todos los números reales.

Definición: Distribución de Probabilidad Acumulada F de la variable aleatoria X

DISTRIBUCIÓN DE PROBABILIDAD ACUMULADA DE VARIABLES
ALEATORIA DISCRETA
DISTRIBUCIÓN DE PROBABILIDAD ACUMULADA DE VARIABLES
ALEATORIA DISCRETA
GRÄFICO DISTRIBUCIÓN DE PROBABILIDAD ACUMULADA DE
VARIABLES ALEATORIA DISCRETA
 EJERCICIO

En un cyber se tiene 5 artículos de los cuales 3 están 3 defectuosos y 2 están en buen estado se toma
una muestra aleatoria sin reemplazo de 2 artículos.

X= Numero de artículos defectuosos

a. Encuentre la distribución de la variable aleatoria

b. Realizar la distribución acumulada de variable aleatoria discreta

 VALOR ESPERADO DE UNA VARIABLE ALEATORIA DISCRETA

E(x) o µ También llamada esperanza, valor esperado, media poblacional o media de una variable
aleatoria, es el número que formaliza la idea de valor medio de un fenómeno aleatorio.

Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la probabilidad de cada

posible suceso aleatorio, multiplicado por el valor de dicho suceso.
 VALOR ESPERADO DE UNA VARIABLE ALEATORIA DISCRETA

Un jugador lanza dos monedas. Gana $1 ó $2 si aparecen una o dos caras. Por otra parte, pierde
$5.00 si no aparece cara. Determinar la esperanza matemática del juego y si éste es favorable.

𝐸 = {(𝑐, 𝑐); (𝑐, 𝑥); (𝑥, 𝑐); (𝑥, 𝑥)}

𝑃(+1) = 2/ 4 𝐸(𝑥) = 1 · 2 /4 + 2 · 1 /4 − 5 · 1/ 4 = − 1 /4 𝐸𝑠 𝑑𝑒𝑠𝑓𝑎𝑣orable

𝑃(+2) = 1/ 4
𝑃(−5) = 1/ 4

Si una persona compra una rifa, en la que puede ganar de $200 ó un segundo premio de $50 con
probabilidades de: 0.01 y 0.03. ¿Cuál sería el precio justo por pagar por la rifa?

𝐸(𝑥) = 200 · 0.01 + 50 · 0.03 = $3.50

 EJERCICIO

Un almacén vende diariamente 0, 1, 2, 3, o 4 artículos con

probabilidad 10%, 40%, 30%, 15%, y 5% respectivamente.
Mantener el local le cuesta diariamente $40 a la empresa. Por
cada artículo que vende, tiene una ganancia de $50.
Encuentre el valor esperado de la ganancia diaria.
 MEDIA Y VARIANZA DE UNA VARIABLE ALEATORIA

Es la media o también empleada el termino valor esperado y se interpreta como un

promedio entre los valores resultantes probabilísticos
La media de una variable aleatoria X con distribución de probabilidad P(X=x) se define como:
𝜇 = 𝐸[𝑋]

La varianza de una variable aleatoria X con distribución de probabilidad P(X=x) se define como:

Fórmula alterna para calcular la varianza

La varianza de una variable aleatoria es una característica numérica que proporciona una idea de la
dispersión de la variable aleatoria respecto de su esperanza. Decimos que es un parámetro de dispersión
(Cevallos, 2021)
 MEDIA Y VARIANZA DE UNA VARIABLE ALEATORIA

Realizar la media y varianza en base a la siguiente función de

distribución de variable aleatoria discreta:
 EJERCICIO

Realizar la media y varianza en base a la siguiente función de distribución de

variable aleatoria discreta:
 DISTRIBUCIÓN BINOMIAL

La distribución de probabilidad por la cual se rige el numero de éxitos al realizar n pruebas Bernoulli
independientes y con probabilidades de éxito iguales, se le denomina distribución binomial.

Ejemplo: El número de caras en 15 lanzamientos de una moneda sigue una distribución binomial.

La distribución Binomial se obtiene como generalización del proceso de Bernoulli.

Se usa con variables discretas, es decir cuyos valores son contables. Este modelo se aplica a
poblaciones finitas de las que tomamos elementos al azar con reemplazamiento y también a
poblaciones conceptualmente infinitas.
 DISTRIBUCIÓN BINOMIAL

Generalizando, la variable binomial posee siempre 2 eventos, por ejemplo “A” y “B”. Se define como “r”:

r o x= número de elementos del evento “A” al observar “n” experimentos

p= es la probabilidad de ocurrencia del evento A

q=es la probabilidad de ocurrencia del evento B

Por lo tanto la probabilidad de encontrar “r” elementos que cumplen el evento “A” luego de “n”
repeticiones del experimento, se define como P ( r ):

Las posibles combinaciones de ocurrencia

de “r” en “n” experimentos
DISTRIBUCIÓN BINOMIAL
 GRÁFICO DE LA DISTRIBUCIÓN BINOMIAL

0,3

0,25

Grafico de la distribución 0,2

binomial con:
n=10 0,15

P=0,5
X={0,1,2,3,4,5,…,10} 0,1

0,05

0
0 2 4 6 8 10 12
 EJERCICIO

De una población de cetáceos se sabe que el 60% son machos. Si se extrae un conjunto de 10 de
ellos.

¿Cuál es la probabilidad de que en ese conjunto haya 7 hembras?

¿Cuál es la probabilidad de que hayan 3 o menos hembras?

 DISTRIBUCIÓN BINOMIAL NEGATIVA

Los experimentos estadísticos con este modelo de probabilidad tienen características similares a los
experimentos binomiales: los ensayos son independientes, cada ensayo tiene únicamente dos
resultados posibles, y la probabilidad que cada ensayo tenga un resultado favorable es constante.

La diferencia es que en este nuevo modelo la variable de interés se refiere a la cantidad de ensayos
que se realizan hasta obtener una cantidad requerida de éxitos: k
DISTRIBUCIÓN BINOMIAL NEGATIVA
 DISTRIBUCIÓN HIPERGEOMÉTRICA

Esta distribución se refiere a los experimentos estadísticos que consisten en tomar una muestra sin
reemplazo, de un conjunto finito el cual contiene algunos elementos considerados “éxitos” y los restantes
son considerados “fracasos”.

Tomar una muestra sin reemplazo significa que los elementos son tomados uno a uno, sin devolverlos.
DISTRIBUCIÓN HIPERGEOMÉTRICA
 GRÁFICO DISTRIBUCIÓN HIPERGEOMÉTRICA

0,4

0,35 N=20,a=8,n=6
0,3

0,25
P(X=x)

0,2

0,15

0,1

0,05

0
0 1 2 3 4 5 6 7 a=k
X
 DISTRIBUCIÓN DE POISSON

La distribución de Poisson es un modelo que puede usarse para calcular la probabilidad correspondiente
al número de “éxitos” que ocurren en una región o en intervalo de tiempo especificados, si se conoce el
número promedio de “éxitos” que ocurren.
DISTRIBUCIÓN DE POISSON
 GRÁFICO DE LA DISTRIBUCIÓN POISSON

0,3
l=2
0,25
l=5
0,2 l=10
P(X=x)

0,15

0,1

0,05

0
0 5 10 15 20 25 30
X
 BIBLIOGRAFÍA

Rincón, L. 2007. Curso elemental de probabilidad y estadística. Departamento de

matemáticas. Facultad de Ciencias UNM. México.

Rodríguez, L. 2007. Probabilidad y Estadística básica para Ingenieros. Instituto de

Ciencias Matemáticas
Escuela Superior Politécnica del Litoral, ESPOL