VARIABLES ALEATORIAS Y

DISTRIBUCIN DE
PROBABILIDAD
MDULO 4

PROF. JUAN NARRO LAVI

PROFESOR DE ESTADSTICA PARA LA ADMINISTRACIN
 El 20 por ciento de las personas muere a causa
del tabaco. Por lo tanto, el 80 por ciento de
las personas muere por no fumar. As que queda
demostrado que no fumar es peor que fumar
(Gay, J., 2001, p.85)

Figura 4.1. Imagen tomada de Origen y evolucin de la estadstica, por Carlos Daniel Solarte. Recuperado de
https://www.timetoast.com/timelines/origen-y-evolucion-de-la-estadistica
 Sumario

1. Variables aleatorias
2. Distribuciones de probabilidad
3. Valor esperado, varianza
y desviacin estndar
4. Distribucin de probabilidad Binomial
5. Distribucin de probabilidad Poisson
6. Distribucin de probabilidad Normal
 Variable Aleatoria

Cantidad que es el resultado de un experimento aleatorio

que debido al azar, puede adoptar diversos valores.

Variable Aleatoria Discreta

Solo puede asumir ciertos valores claramente separados
y que es resultado de contar algn elemento de inters.

Variable Aleatoria Continua

Puede asumir uno de una cantidad infinita de valores,
dentro de ciertos lmites.

(Adaptado de Lind et al., 2012, pp. 189-191)

 Variable Aleatoria
Variable Aleatoria
Representa un posible valor numrico como
resultado de un experimento aleatorio.

Variables Aleatorias

Variables Aleatorias Variables Aleatorias

Discreta Continua
 Variable Aleatoria
Experimento:
- Lanzar una moneda tres veces al aire.

Evento
- Obtener SELLOS en los tres lanzamientos.

Resultados Posibles (Variable Aleatoria)

- 0 Sellos
- 1 Sello
- 2 Sellos
- 3 Sellos
 Nmero de Sellos
3
C CCC (0) 0.5 =0.125
C 3
S CCS (1) 0.5 =0.125
C CSC (1) 0.53 =0.125
C S
S CSS (2) 0.53 =0.125
3
C SCC (1) 0.5 =0.125
S C 3
S SCS (2) 0.5 =0.125
3
C SSC (2) 0.5 =0.125
S
3
S SSS (3) 0.5 =0.125

Figura 4.2. Adaptado de Figura 4-9 rbol de probabilidad completo, por Levin & Rubin., 2004, Estadstica
para administracin y economa (7a ed.), p. 146. Copyright 1998 por Mc Graw Hill.
 Variable Aleatoria
Experimento: Lanzar 1 moneda 3 veces
Evento: Nmero de Sellos

N SELLOS RESULTADO PROBABILIDAD PROBABILIDAD

0 CCC 0.5 X 0.5 X 0.5 0.125
1 CCS 0.5 X 0.5 X 0.5 0.125
1 CSC 0.5 X 0.5 X 0.5 0.125
1 SCC 0.5 X 0.5 X 0.5 0.125
2 CSS 0.5 X 0.5 X 0.5 0.125
2 SCS 0.5 X 0.5 X 0.5 0.125
2 SSC 0.5 X 0.5 X 0.5 0.125
3 SSS 0.5 X 0.5 X 0.5 0.125
1.00
Figura 4.3. Adaptado de Tabla 4-2 Lista de resultados, por Levin & Rubin., 2004, Estadstica para adminis-
tracin y economa (7a ed.), p. 147. Copyright 1998 por Mc Graw Hill
 Variable Aleatoria

N SELLOS PROBABILIDAD
0 0.125
1 0.375
2 0.375
3 0.125
VARIABLE PROBABILIDAD
ALEATORIA
Variable Aleatoria (V.A.): Variable X = Nmero de sellos
Valores de la Variable X x (0, 1, 2, 3).
P(X=x) o f(x) Probabilidad de que la V.A. X tome el valor x
P(X=0) = 0.125 f(0) = 0.125
P(X=1) = 0.375 f(1) = 0.375
P(X=2) = 0.375 f(2) = 0.375
P(X=3) = 0.125 f(3) = 0.125
 Variable Aleatoria
Variable aleatoria discreta
Usualmente un nmero entero (0, 1, 2, 3, etc.)
Obtenida por conteo.

Experimento Variable Aleatoria (X) Posibles Valores

Llamar a 10 clientes # de clientes que efectan 0, 1, 2, 3, , 10
un pedido

Inspeccionar un embarque # de repuestos defectuosos 0, 1, 2, 3, , 1000

de 1000 repuestos

Administrar un restaurante # de comensales 0, 1, 2, 3,

por un da

Vender un automvil Gnero del cliente 0 para mujer, 1 para hombre

 Variable Aleatoria
Variable aleatoria continua
- Puede asumir cualquier valor dentro de un rango dado.
- Obtenida por mediciones.

Experimento Variable Aleatoria (X) Posibles Valores

Tiempo en minutos entre
Operar un Banco
llegadas de los clientes x0

Llenar una botella de

gaseosa, mx. 500ml
Cantidad de ml 0 x 500 ml

Construccin Porcentaje de avance del

de una carretera proyecto luego de 3 meses 0 x 100 %

Prueba de un nuevo Temperatura a la que ocurre la

proceso qumico reaccin (min 30 C max 250C) 30 x 250 C
 Distribucin
de Probabilidades

Listado de todos los resultados posibles de un experimento

junto con la probabilidad asociada de cada uno.

Caractersticas:
- La probabilidad de un resultado especifico debe estar
entre 0 y 1.
- La suma de probabilidades de todos los resultados
mutuamente excluyentes y colectivamente exhaustivos es 1.
 Distribucin
de Probabilidades
Experimento: Lanzar 1 moneda 3 veces
Evento: Nmero de sellos

Distribucin de Probabilidades
N SELLOS PROBABILIDAD 0.4

0 0.125 Probabilidad 0.35

0.3
0.25
1 0.375 0.2
0.15
2 0.375 0.1
3 0.125 0.05
0
1.0 0 1 2 3
Nmero de sellos
 Funcin de
Distribucin Acumulativa
Para una variable aleatoria X, el valor de la Funcin de
Distribucin Acumulativa F(x), es la probabilidad de que X
tome los valores menores o iguales a X.

F (X) = P (X x)
F (3) = P (X 3) = (0) + (1) + (2) + (3)

1
0.9
N SELLOS PROBABILIDAD 0.8
0.7
0 0.125 0.6
0.5
1 0.5 0.4
0.3
2 0.875 0.2
0.1
3 1 0
0 1 2 3
 Esperanza Matemtica
o Valor Esperado
El valor esperado de un experimento aleatorio discreto se
puede considerar como el promedio ponderado de todos
sus valores posibles.

Se obtiene de la sumatoria de la multiplicacin de la

probabilidad de ocurrencia de un evento por el pago
(ganancia o prdida) si este ocurriera.
N
= E(x) = xi .P(x i ) = E(x) = x * (x)
i=1

N
= (x i - ) .P(x i )
2 2

i=1

(Lind et al., 2012, pp. 191-192)

 Valor Esperado de una
Distribucin de Probabilidad
N SELLOS PROBABILIDAD
0 0.125
1 0.375
2 0.375
3 0.125
1.0

P(X=0) = 0.125 0 x 0.125 = 0 Sellos

P(X=1) = 0.375 1 x 0.375 = 0.375
P(X=2) = 0.375 2 x 0.375 = 0.750
P(X=3) = 0.125 3 x 0.125 = 0.375
Suma: 1.5 Sellos
 Esperanza Matemtica
o Valor Esperado
Si el premio de una rifa es de un milln de soles, y se
han vendido 100,000 boletos.

Cul es nuestra probabilidad de ganar el premio si

compramos un boleto?

Cul es la esperanza de un boleto?

Qu implica comprar un boleto a menos de S/. 10.00,

exactamente a S/.10.00?
 Esperanza Matemtica
o Valor Esperado
Un concesionario del nuevo Estadio Nacional, tiene que elegir entre
trabajar detrs del mostrador de venta de salchichas Panchos
Ballesteros y recibir una suma fija de $ 50 por noche de ftbol, o
caminar entre las gradas vendiendo gaseosas y refrescos a
comisin. Si elige esto ltimo, puede obtener $90 en una noche
clida, $70 en una noche de clima moderado, $45 en una noche
fresca y $15 en una noche fra. En esta poca del ao las
probabilidades de que las noches sean clidas, moderadas, frescas
y fras son: 0.1, 0.3, 0.4 y 0.2, respectivamente.

Qu le conviene al concesionario?
 Esperanza Matemtica
o Valor Esperado
Efectuando el anlisis de valor esperado con base en el clima:

CLIMA (x) GANANCIA $ P(x) x.P(x)

Clido 90,00 0.1 9.00
Moderado 70.00 0.3 21.00
Fresco 45.00 0.4 18.00
Fro 15.00 0.2 3.00
E(x) 51.00

Resulta ms conveniente vender gaseosas y refrescos, que vender

salchichas, pues se obtiene un valor esperado de $51.00 vs $50.
 Esperanza Matemtica
o Valor Esperado
Uso del valor esperado
y las prdidas monetarias.
Un mayorista de frutas compra cada caja de fresas a 20 u.m. y las
vende a 50 u.m. No puede especificar el nmero de cajas que le
solicitarn diariamente, pero dispone de los siguientes datos:

Ventas n. de das Probabilidad de Venta

Diarias de Venta de cada Cantidad
10 15 0.15
11 20 0.20
12 40 0.40
13 25 0.25
100 1.00
 Esperanza Matemtica
o Valor Esperado
Tipo de prdidas

(A) Prdidas por mermas (obsolescencia):

oferta > demanda (costo contable)
(B) Prdidas de oportunidad:
oferta < demanda (costo econmico)

Posibles n. Alternativas de Oferta

de cajas pedidas/da 10 11 12 13
10 0 20 40 60
11 30 0 20 40
12 60 30 0 20
13 90 60 30 0
 Esperanza Matemtica
o Valor Esperado
Clculo de la prdida esperada
Para un stocks de 10 cajas, la prdida esperada ser:

Posibles n. de Prdida Probabilidad que se Prdida

cajitas pedidas/da Condicional reciban estos pedidos esperada
10 0 0.15 0.00
11 30 0.20 6.00
12 60 0.40 24.00
13 90 0.25 22.50
Prdida esperada 52.50

Solucin ptima: analizar otros tamaos de stocks y decidir por

aquel que genere la menor perdida.
 Esperanza Matemtica
o Valor Esperado
Analizando otros tamaos de stocks, verificamos aquel que
genere la menor prdida.
Oferta
10 11 12 13
Demanda P(Dm) Perd. Perd. Perd. Perd. Perd. Perd. Perd. Perd.
Cond. Esper. Cond. Esper. Cond. Esper. Cond. Esper.
10 0.15 0 0.00 20 3.00 40 6.00 60 9.00
11 0.2 30 6.00 0 0.00 20 4.00 40 8.00
12 0.4 60 24.00 30 12.00 0 0.00 20 8.00
13 0.25 90 22,50 60 15.00 30 7.50 0 0.00
52.50 30.00 17.50 25.00
 Esperanza Matemtica
o Valor Esperado
Su hermano se encuentra a cargo de un pequeo hospital rural en el
Departamento de Ucayali, el hospital compra sangre cada mes a un banco de
sangre lejano. Cada mes es necesario reabastecer un cierto tipo de sangre raro
debido a que su almacenamiento es de solo un mes. Si el pedido se efecta con
un mes de anticipacin, el costo para el hospital es de $10.00 por unidad.

Si la demanda de este tipo de sangre durante el mes excede a las existencias,

se tiene que hacer un pedido especial con un costo de $100.00 por unidad.

A lo largo de tres aos se ha levantado la siguiente informacin:

Demanda 0 1 2
Frecuencia en Meses 24 8 4

Su hermano sabiendo que cursa el Programa MBA, le consulta cuntas

unidades debe ordenar por mes para minimizar costos
 Distribucin
Binomial
La totalidad del experimento est compuesto por una secuencia
de intentos o ensayos idnticos.

El resultado se clasifica en una de dos categoras: xito o fracaso

Los datos recolectados son producto de un conteo.

La probabilidad de xito (p) o fracaso (q) permanece constante

para cada prueba.

Las pruebas son independientes.

(Adaptado de Lind et al., 2012, p. 196)

 Distribucin
Bionomial
n!
P(r) = pr qn-r
r!(n - r)!

n es el nmero de ensayos
r es el numero de xitos observados/deseados
p es la probabilidad de xito en c/e.
q es la probabilidad de fracaso, 1-p

Media o Valor Esperado = np

Varianza 2 = np(1 - p)

(Adaptado de Lind et al., 2012, pp. 196-197)

 Distribucin de Poisson
Se cumplen las caractersticas de una distribucin Binomial
La probabilidad de xito es muy pequea (p).
n es muy grande.
Existe un rgimen que caracteriza el proceso
(nmero de ocurrencias por intervalo de tiempo o espacio).
Se usa para describir las distribuciones de probabilidad de:
- Nmero de llegadas de clientes.
- Nmero de llamadas telefnicas en una central.
- Nmero de accidentes.
- Nmero de llegadas de vehculos.
- Nmero de defectos observados en longitudes, superficies
u objetos.

(Adaptado de Lind et al., 2012, p. 208)

 Distribucin de Poisson
x -
e
P(x) =
x!

es la media del nmero de xitos en un periodo ()

e es la constante Neper (2.71828)
x es el nmero de xitos.

Media o Valor Esperado = np

Varianza 2 = = np

(Adaptado de Lind et al., 2012, p. 208)

 Distribucin Normal
Es simtrica respecto a la media.
Su grafica tiene forma de campana
El valor de la media, mediana y moda es el mismo.
Es asinttica (no corta el eje X)
Existe una familia de distribuciones.

X

Media
Mediana
Moda
Figura 4.4. Adaptado de Caractersticas de una distribucin normal, por Lind et al., 2012, Estadstica
aplicada a los negocios y economa (15a ed.), p. 228. Copyright 2012 por Mc Graw Hill.
 Distribucin Normal
FAMILIA DE DISTRIBUCIONES
IGUAL , DIFERENTE

=1
=5
= 10

X
= 50

Figura 4.5. Adaptado de Distribucin de probabilidad normal con medias iguales y desviaciones estndar
diferentes, por Lind et al., 2012, Estadstica aplicada a los negocios y economa (15a ed.), p. 228. Copyright
2012 por Mc Graw Hill.
 Distribucin Normal
FAMILIA DE DISTRIBUCIONES
DIFERENTE , IGUAL

=5 =5 =5

= 15 = 25 = 40 X
Figura 4.6. Adaptado de Distribucin de probabilidad normal con diferentes medias y desviacin
estndar igual, por Lind et al., 2012, Estadstica aplicada a los negocios y economa (15a ed.), p. 228. Copy-
right 2012 por Mc Graw Hill.
 Distribucin Normal
FAMILIA DE DISTRIBUCIONES
DIFERENTE , DIFERENTE

=1
=3
= 10

= 15 = 25 = 40 X
Figura 4.7. Adaptado de Distribucin de probabilidad normal con diferentes medias y desviacin
estndar igual, por Lind et al., 2012, Estadstica aplicada a los negocios y economa (15a ed.), p. 228. Copy-
right 2012 por Mc Graw Hill.
 Distribucin Normal
Estndar

Caso especial de la distribucin normal.

Media es igual a cero
Desviacin estndar es igual a 1.
rea bajo la curva igual a 1
Cualquier distribucin normal puede estandarizarse
mediante el # z.
Indica la desviacin en trminos de z.

(Adaptado de Lind et al., 2012, p. 229)

 Distribucin Normal
Estndar
=0
=1

-3 -2 -1 0 +1 +2 +3

Figura 4.8. Adaptado de Regla emprica, por Lind et al., 2012, Estadstica aplicada a los negocios y
economa (15a ed.), p. 232. Copyright 2012 por Mc Graw Hill.
 Distribucin Normal &
Distribucin Normal Estndar

= 100
= 20

40 60 80 100 120 140 160 X

-3 -2 -1 0 +1 +2 +3 Z
 Valor Estndar (Valor Z)

Los valores de una Variable X distribuida normalmente se

transforman a valores z de una Distribucin Normal Estndar.

La Distribucin Normal se estandariza resultando en una

Distribucin Normal Estndar.

x-
z=

(Adaptado de Lind et al., 2012, p. 229)

 Distribucin Normal
Estndar
ESTANDARIZAR LA DISTRIBUCIN NORMAL
Distribucin Normal Distribucin Normal Estndar

z = 1
x z
z =0
x = valor de una variable aleatoria.
x- = media de la distribucin de la variable aleatoria.
Z=
= desviacin estndar de la distribucin.
z = nmero de desviaciones estndar desde x
a la media de la distribucin.
Figura 4.9. Adaptado de Valor normal estndar, por Lind et al., 2012, Estadstica aplicada a los ne-
gocios y economa (15a ed.), pp. 229-230. Copyright 2012 por Mc Graw Hill.
 Distribucin Normal
Una empresa aplica un programa de entrenamiento diseado
para mejorar la calidad de las habilidades de supervisin de los
supervisores de lnea de produccin.

Debido a que el programa es autoadministrado, los supervisores

requieren un nmero diferente de horas para terminarlo.

Un estudio de los participantes anteriores indica que el tiempo

medio que se lleva completar el programa es de 500 horas y
que esta variable aleatoria normalmente distribuida tiene una
distribucin estndar de 100 horas.

(Adaptado de Levin & Rubin, 2004, p. 213)

 Distribucin Normal
Cul es la probabilidad de que un participante elegido al azar
requiera ms de 500 horas para completar el programa?

En la figura, podemos ver que la

mitad del rea bajo la curva est P(X>500)=0.5
localizada a ambos lados de la
media de 500 horas. Por lo tanto
podemos deducir que la
probabilidad de que la variable
aleatoria tiene un valor mayor a 500
es el rea sombreada, es decir, 0.5.

Figura 4.10. Adaptado de Figura 5-16 Distribucin del tiempo requerido, por Levin & Rubin., 2004, Es-
tadstica para administracin y economa (7a ed.), p. 213. Copyright 1998 por Mc Graw Hill.
 Distribucin Normal
Cul es la probabilidad de que un supervisor elegido al azar
se tome entre 500 y 650 horas para completar el programa
de entrenamiento.

La grfica se muestra la respuesta

como zona sombreada,
representada por el rea entre la
media (500 horas) y el valor de X,
en el cual estamos interesados
(650 horas). Estandarizando la
variable tenemos un valor para Z

P(500 X 650)= ?
Figura 4.11. Adaptado de Figura 5-17 Distribucin del tiempo requerido, por Levin & Rubin., 2004, Es-
tadstica para administracin y economa (7a ed.), p. 213. Copyright 1998 por Mc Graw Hill.
 Distribucin Normal
x-
Z=

650 - 500
Z= = 1.5
100

Si buscamos Z = 1.5 en la tabla o empleamos el Excel,

encontraremos una probabilidad de 0,4332. En consecuencia, la
probabilidad de que un candidato escogido al azar requiera entre
500 y 650 horas para terminar el programa de entrenamiento es
ligeramente mayor a 0,4.

(Adaptado de Levin & Rubin, 2004, p. 214)

 Distribucin Normal
Cul es la probabilidad de que un supervisor elegido al
azar se tome ms de 700 horas en completar el programa?
Estamos interesados en el rea a la derecha de 700.
Estandarizamos

x-
Z=

700 - 500
Z= =2
100
P(X >700)= ?

Figura 4.12. Adaptado de Figura 5-18 Distribucin del tiempo requerido, por Levin & Rubin., 2004,
Estadstica para administracin y economa (7a ed.), p. 213. Copyright 1998 por Mc Graw Hill.
 Distribucin Normal

Si Z = 2.0 rea: 0.4772 (Tabla o Excel)

Por lo que la probabilidad que el tiempo sea mayor a 700 horas,

ser 0,5 - 0,4772 = 0,0228

Luego hay un poco ms de 2 oportunidades en 100 de que a un

participante elegido al azar le lleve ms de 700 horas en
completar el curso.

(Levin & Rubin, 2004, p. 215)

 Distribucin Normal
Supongamos que el director del programa desea saber la
probabilidad de que un participante escogido al azar
requiera entre 550 y 650 horas para completar el trabajo
requerido en el programa.

Primero calculamos el valor de Z para 650

x-
Z= P(550 X 650)

650 - 500
Z= = 1.5
100
Figura 4.13

A este valor le corresponde un rea de 0,4332

Figura 4.13. Adaptado de Figura 5-19 Distribucin del tiempo requerido, por Levin & Rubin., 2004, Es-
tadstica para administracin y economa (7a ed.), p. 213. Copyright 1998 por Mc Graw Hill.
 Distribucin Normal
Despus calculamos un valor de Z para 550

x- 550 - 500
Z= Z= = 0.5
100

Correspondindole un rea de 0,1915

Ahora debemos estar restar las reas:
- Probabilidad de que la variable aleatoria 0.4332
est entre la media y 650 horas 0.1915
- Probabilidad de que la variable aleatoria 0.2417
est entre la media y 550 horas
- Probabilidad de que la variable aleatoria
est 550 y 650 horas

(Adaptado de Levin & Rubin, 2004, pp. 215-216)

 Distribucin Normal como una
Aproximacin de la Distribucin
Binomial
A pesar de ser continua, la Distribucin Normal es algunas
veces una buena aproximacin de la distribucin binomial
cuando np y nq son mayores o iguales a 5.

Los valores discretos de la distribucin binomial se

representan como rectngulos inscritos en la distribucin
normal con un ancho de 1 y centrados en el valor discreto.
= np
= npq
(Levin & Rubin, 2004, p. 226)
 Distribucin Normal
Estndar

Asuma que el 50% de los alumnos de una Universidad

fuman al menos media cajetilla de cigarrillos por da.
Cul es la probabilidad que una muestra de 10
alumnos, extrada al azar, contendr 3 o ms alumnos
que fumen al menos media cajetilla de cigarros por
da?
 Distribucin Normal
Estndar
nxp5 y nxq5
P(r 3) np = 10 * 0.5 = 5
p = 0.5 nq =10 * 0.5 = 5
q = 0.5 = np = 5

n = 10 = npq =1.5811

r = 3
0.9453125 0.94308129

0 1 2 3 4 5 6 7 8 9 10
P(x > 2.5)
 Bibliografa

Gay, J. (2001). Chistes 1. Colmos y otras risas (3a ed.). Madrid, Espaa:
Palabra. Recuperado de
https://books.google.com.pe/books?id=6Q0XePJy7mkC&printsec=fron
tcover&hl=es#v=onepage&q&f=false

Levin, R., & Rubin, D. (2004). Estadstica para administracin y

economa (7a ed.). Mxico: Pearson Prentice Hall.

Lind, D., Marchal, W., & Wathen, S. (2012). Estadstica aplicada a los
negocios y la economa (15a ed.). Mxico: McGraw-Hill.