Estadística y

Probabilidades

Variable aleatoria

Mg. Myrna Manco Caycho 1

 Lanzamiento de una moneda
Del experimento:
ε: Lanzar una moneda tres veces
={ccc, ccs, csc, scc, sss, ssc,
scs, css}
X: Número de caras que se X
ccc
presentan ccs
0
csc
RX = {0, 1, 2, 3} 1
scc
Por tanto, la función de probabilidad será: sss
2
ssc
X 0 1 2 3 Total scs
3
P(x) css
 Variable aleatoria
 Una variable aleatoria definida sobre un espacio
muestral  es una función tal que a cada elemento de
 le asigna un número real.
 Esto es, la variable aleatoria X es una función tal que,
X:  ℝ
X()=x

 Se representan por letras mayúsculas X, Y, Z

 Se utilizarán letras minúsculas para representar
algún valor particular de la variable aleatoria.
 Las v.a. pueden ser discretas o continuas.
 Ejemplos de v.a. discreta (I)
Experimento Variable Aleatoria (X) Valores posibles
para X
Llamar a cinco clientes Número de clientes que 0, 1, 2, 3, 4,5
hacen pedido
Hacerse cargo de un Número de clientes durante 0, 1, 2, 3, …
restaurante un día
Inspeccionar un envío de Número de teléfonos que 0, 1, 2, …, 49, 50
50 teléfonos inteligentes tienen algún defecto
Vender un automóvil Sexo del cliente 0: Masculino, 1:
Femenino
Vendedor ofrece sus Número de casas visitadas
productos casa por casa hasta que se logre una venta
Administrar un Banco Número de clientes nuevos
que un Banco tiene
mensualmente.
4
Sea X: Suma de puntos al lanzar dos dados
x P(x)


Construya la función de probabilidad:

p(2)  P(X  2 )  P( (1,1) )  1/ 36
p(3)  P(X  3 )  P( (1,2)  (2,1) )  2 / 36
p(4)  P(X  4 )  P( (1,3)  (3,1)  (2,2) )  3 / 36
...5
Gráfica de la Función de probabilidad de la suma de dos dados
“Gráfica de bastones”

6/36
P
5/36 5/36

4/36 4/36

3/36 3/36

2/36 2/36

1/36 1/36

2 3 4 5 6 7 8 9 10 11 12 X

1 2 3 4 5 6 7 8 9 10 11 12

Idea de “pequeñas masas puntuales o ponderaciones”

 Requerimientos de una función de probabilidad

(i ) 0  p( x)  1 x  
(ii )  p( x)  1
x

7
Usos de la Función de probabilidad
En el ejemplo de los dos dados, hallar:

P(X  5) = P(x = 2 ó x = 3 ó x = 4 ó x = 5)
= 1/36 + 2/36 +3/36 + 4/36 = 10/36

P(6<X<10) =

P(6≤X<10) =

P(6<X≤10) =

P(6≤X≤10) =
 Esperanza matemática de una v.a. discreta
  E  X    xi P ( X  xi )   x p ( x )
i Rx
PRPIEDADES: Sean a, b y c constantes.

(1) E (c)  c

(2) E ( X  c)  E ( X )  c

(3) E (aX  b)  aE ( X )  b

(4) E( X  Y )  E( X )  E(Y )
9
Calcular la esperanza de la variable aleatoria X en
el ejemplo de los dos dados:
x P(x)
12
  E ( X )   x * p( x) 
2 1/36
3 2/36
4 3/36 x2
5 4/36
1 2 6 1
6 5/36
2. 2  3.  ...  7.  ...  12.  7
7
8
6/36
5/36
36 36 36 36
9 4/36
10 3/36
11 2/36
12 1/36
10
Ejemplo

Si una persona compra un boleto de una rifa, en la

que puede ganar de 5000 € ó un segundo premio de
2000 € con probabilidades de: 0.001 y 0.003,
respectivamente.
¿Cuál sería el precio justo a pagar por el boleto?

E(x) = 5000(0.001) + 2000(0.003) = 11 €

Tomado de: http://aprendoestadistic.blogspot.pe/2013/05/esperanza-

matematica.html

11
 Ejemplo
Un jugador lanza dos monedas. Gana 1 ó 2 € si aparecen
una o dos caras. Por otra parte pierde 5 € si no aparece
cara. Determinar la esperanza matemática del juego y si
éste es favorable.

Ω = {(c,c);(c,s);(s,c);(s,s)}

p(+1) = 2/4
p(+2) = 1/4
p(−5) = ¼

E(x)= 1 · 2/4 + 2 · 1/4 - 5 · 1/4 = −1/4.

Es desfavorable
Tomado de: http://aprendoestadistic.blogspot.pe/2013/05/esperanza-
matematica.html
12
Una compañía de seguros domésticos tiene que determinar el
gasto promedio por póliza suscrita, sabiendo que cada año 1
de cada 10000 pólizas termina en una reclamación de 20
millones, 1 de cada 1000 en 5 millones, 1 de cada 50 en
200000 y el resto en 0.

a) ¿Qué representa la v.a. X?

b) Elabore la función de Probabilidad de X
c) Calcule el gasto promedio
 1   1 
   2 10 
7
   5 10 
6

 10000   1000 
 1   9789 
  2 10 
5
  0   11000
 50   10000 
13
 Componentes buenos y defectuosos

Ejemplo 4.1: Un inspector de calidad obtiene una muestra de

un lote que contiene 7 componentes; el lote contiene 4
componentes buenos y 3 defectuosos. El inspector toma una
muestra de 3 componentes. Calcule el valor esperado del
numero de componentes buenos en esta muestra.

14
 Ejemplo 4.4: Suponga que el numero de automóviles X que
pasa por un local de lavado de autos entre las 4:00 p.m. y
las 5:00 p.m. de cualquier viernes soleado tiene la siguiente
distribución de probabilidad:

X 4 5 6 7 8 9
P(x) 1/12 1/12 1/4 1/4 1/6 1/6

Sea g(X) = 2X – 1 la cantidad de dinero en dólares que el

administrador paga al operador.

Calcule las ganancias esperadas del operador en este periodo

especifico.

15
Varianza de una v.a. discreta

  Var ( X )  E (( X   ) ) 
2 2

 ( xi   ) P ( X  xi )
2

Desviación estándar (o típica) de una v.a. discreta

  Var (X )
Propiedades de la varianza
Sean a, b y c constantes.

(1) Var (c)  0

(2) Var ( X  c)  Var ( X )

(3)
Var (aX  b)  a Var ( X )
2

(4)
Var ( X )    E X2
  E( X )
2 2
Calcula la varianza y desviación típica de la variable
aleatoria X en el ejemplo de los dos dados:
x P(x)
12
2 1/36
Var ( X )   P( x)  ( x  7) 2 
3 2/36 x2
4 3/36
1 2 1
5 4/36  (2  7)   (3  7)  ...   (12  7)  5,83
2 2 2
6 5/36 36 36 36
7 6/36
8 5/36
9 4/36
10 3/36
11 2/36   Var ( X )  5,83  2,41
12 1/36

18
 Función de densidad de una v.a. Continua
f(x)
Una función f(x) es una función de densidad de una v.a.
continua si:
1. f(x) ≥ 0 en todo el dominio de definición.
2. El área limitada por la gráfica de f(x) y por el eje OX
es igual a 1.

P(c < X < d)

c d
d

P(c < X < d) = P(c  X  d) =  f ( x)dx

c
19
Función de distribución F(x)
 Es la función que asocia a cada valor de una
variable, la probabilidad acumulada
de los valores inferiores o iguales.

 A los valores extremadamente bajos les

corresponden valores de la función de
distribución cercanos a cero.

 A los valores extremadamente altos les

corresponden valores de la función de
distribución cercanos a uno.

 Lo encontraremos en los artículos y aplicaciones

en forma de “p-valor”, significación, …

20
Utilidad de automóvil nuevo
 4.12 Si la utilidad para un distribuidor de un
automóvil nuevo, en unidades de $5000, se puede
ver como una variable aleatoria X que tiene la
siguiente función de densidad:

21  x , 0  x 1
f ( x)  
 0, otrocaso

a) Hallar p(X>0.6)
b) Hallar la función de distribución F(x)

21
Supóngase que la v. a. X tiene la función de densidad:

Kx, para 0  x  4
f ( x)  
 0, en otro caso
a) Calcular K
b) Hallar P(1<X<3)
c) Hallar c tal que Px  C   0.81

22
Sea X variable aleatoria continua definida por:

 ax, si 0  X  1.
 a, si 1  X  2.

f X ( x)  
 ax  3a, si 2  X  3.

 0, c.o.c.

a) Determine el valor de “a” para que X sea función de

densidad.
b) Determine la función de distribución acumulada de
X.
c) Calcule la probabilidad de que X sea mayor que
1.5 23
 Esperanza y varianza de una
variable aleatoria continua

Variable aleatoria Variable aleatoria

ca
discreta continua
n
 =  xipi ba x . f(x) dx
i=1
n
hi  =  (xi - ) pi
2 2
ba (x - ) . f(x) . dx
i=1
4.12 Si la utilidad para un distribuidor de un automóvil
nuevo, en unidades de $5000, se puede ver como
una variable aleatoria X que tiene la siguiente
función de densidad:

21  x , 0  x 1
f ( x)  
 0, otrocaso

a) Calcule la utilidad promedio por automóvil.

25
Uso de aspiradora
3.7 El número total de horas, medidas en unidades de 100
horas, que una familia utiliza una aspiradora en un periodo
de un año es una variable aleatoria continua X que tiene la
siguiente función de densidad:
 x, 0  x 1

f ( x)  2 - x, 1 x  2
 0, otro caso

Calcule la probabilidad de que en un periodo de un año una
familia utilice su aspiradora
a) menos de 120 horas;
b) entre 50 y 100 horas.
26
Respuestas a encuesta
3.9 La proporción de personas que responden a cierta
encuesta enviada por correo es una variable aleatoria
continua X que tiene la siguiente función de densidad:

 2x  2
 , 0  x 1
f ( x)   5

 0, otro caso

a) Calcule P(0 < X < 0.5)

b) Calcule la probabilidad de que más de 1/4 pero menos de
1/2 de las personas contactadas respondan a este tipo de
encuesta.
27
Aditivo para gasolina
 La proporción de cierto aditivo en la gasolina determina su peso
específico, lo que, a su vez, determina el precio. Supongamos que en la
producción de gasolina la proporción de aditivo es una variable aleatoria
X con función de densidad:

 6 x1  x , 0  x 1
f ( x)  
0, otro caso
 Si X<0.5 tendremos gasolina del tipo I a 8 soles el galón; si 0.5≤X≤0.8,
tendremos gasolina del tipo II a 9 soles el galón y si X>0.8 tendremos
gasolina del tipo III a 10 soles el galón.

 A) Represente gráficamente la densidad y calcular la función de

distribución de X.

28
Aditivo para gasolina
 6 x1  x , 0  x 1
f ( x)  
0, otro caso
 …

 B) Calcular los porcentajes de producción de cada tipo de gasolina.

 C) Calcular el precio medio por galón.

29
 a) Determine E[X]
 1 b) Si se hacen 3
 x, si 0  X  1.
2 observaciones
 1 independientes de X,
 , si 1  X  2.
f X ( x)   2 determine la probabilidad
 1 3 de que a lo más una sea
 x  , si 2  X  3. mayor que 1.5.
 2 2
 0, c.o.c. c) Se hacen observaciones
de X hasta que 4 son
mayores que 1.5.
Determine la probabilidad
de tener que realizar a lo
menos 6 observaciones.
30