Francisco Novoa Muñoz 15

CAPITULO TRES
Funciones de distribuciones discretas y continuas

3.1 El concepto de variable aleatoria

Prácticamente todas las áreas de la ciencia moderna están relacionadas con mediciones numéricas cuyos
valores están afectados, en algún sentido, por mecanismos aleatorios. De hecho el método de
experimentación científica culmina en la observación de los resultados de un experimento y generalmente
describe o cuantifica dichos resultados con números. Así, cada resultado de un experimento puede ser
relacionado con un número que es especificado por una regla de asociación; por ejemplo, la variable  ,
que mide el voltaje con un determinado instrumento. Tal regla de asociación se llama variable aleatoria,
pues el resultado no es constante y además, es aleatorio, ya que depende de la precisión del instrumento.

Definición

de un experimento aleatorio, esto es,      ,      .

Una variable aleatoria  es una función que asigna un número real a cada resultado del espacio muestral

Las variables aleatorias se denotan con letras mayúsculas  ,  ,  ,  y con letras minúsculas , , , 
los valores posibles de la variable aleatoria respectiva. El conjunto de los posibles valores de la variable
aleatoria  recibe el nombre de recorrido de  , el que se describe y denota por:
              

discreta o continua, dependiendo si su recorrido es discreto conjunto finito o infinito numerable  o

Notar que sobre un espacio muestral puede definirse más de una variable aleatoria, la cual se clasifica en

continuo algún intervalo de la recta real.

Ejemplo 30. Defina la variable aleatoria, su recorrido y clasificación, para los siguientes experimentos:
30.1 Un laboratorista mide el contenido de acidez de una determinada solución.
30.2 Un operador cuenta las latas de conserva que no cumplen con los estándares de calidad exigido.

3.2 Variables aleatorias discretas y continuas

Definición

       ,     , que debe satisfacer las siguientes condiciones:

La función de probabilidad para una variable aleatoria discreta  se describe y denota por:

a.    0,     . b.    1.

Definición

       ,     , que debe satisfacer las siguientes condiciones:

La función de densidad de probabilidad para una variable aleatoria continua  se describe y denota por:

a.    0,     . b.      1.




a. Para simplificar la notación se escribe simplemente     en lugar de     .

Observaciones

b. Si  es un suceso relacionado con la variable aleatoria discreta , entonces      .


 Francisco Novoa Muñoz 16
c. Si ,    ,    y  es una variable aleatoria continua, entonces           .


Ejemplo 31.
Sea  la variable aleatoria que denota el número de muestras de aire que es necesario analizar para
detectar una molécula extraña. Suponga que la probabilidad de que una muestra de aire contenga una
molécula rara es 0.01 y que las muestras son independientes. Determine la función de probabilidad de .

La concentración diaria de cierto contaminante en un arroyo tiene función de densidad      2 ,

Ejemplo 32.


  0. Se sabe que ocurrirá un problema de contaminación si la concentración excede los 6 mg10 3lt.
¿Cuál es la probabilidad que ocurra un problema de polución de este contaminante en un día cualquiera?

3.3 Función de distribución

Toda variable aleatoria tiene siempre asociada otra función, llamada función de distribución o función de
distribución acumulada, la cual puede utilizarse para evaluar probabilidades asociadas con la variable
aleatoria en cuestión y presenta la ventaja de que es apropiada tanto para variables aleatorias discretas
como para variables aleatorias continuas.

Definición

que su dominio es todo , se describe y denota por       ,    .
Sea  una variable aleatoria. La función de distribución de  , es una función real de variable real tal

Así, la función   es función de distribución para una variable aleatoria si cumple las siguientes reglas:
Como la función de distribución es una probabilidad, entonces debe cumplir los axiomas de probabilidad.

a. 0     1,     . b. lim    0 y lim    1.

 

c.     ,    ;  es creciente. d. lim     , ; continuidad a derecha.



Observaciones
1. Si se conoce la función de probabilidad o la función de densidad de una variable aleatoria, entonces se
puede determinar fácilmente su función de distribución, mediante una de las expresiones que siguen:

     ,           ,    


o bien
 

su función de probabilidad como         ,    ; donde     lim .
2. Si se conoce la función de distribución de una variable aleatoria discreta , entonces se puede obtener


3. Si   es una función continua de , entonces  es una variable continua con función de densidad
que se obtiene derivando la función de distribución, esto es    

 ,    .

4. El gráfico de la función de distribución de una variable aleatoria discreta tiene siempre forma
escalonada y presenta saltos en los puntos donde la variable asume valores.

Ejemplo 33.
Calcule la función de distribución, si existe, de las variables aleatorias involucradas en ejemplos 31 y 32.
 Francisco Novoa Muñoz 17
3.4 Esperanza y varianza
La función de densidad de una variable aleatoria continua o la función de probabilidad de una discreta,
describen completamente el comportamiento de la variable. Sin embargo, asociado a cualquier variable
aleatoria hay ciertas constantes que también la caracterizan. El conocimiento de los valores numéricos de
estas constantes proporciona información rápida acerca de la naturaleza de las variables.

El concepto valor esperado o esperanza de una variable aleatoria es utilizado como una medida de centro
o de localización de una distribución de probabilidades. En física corresponde a la idea del centro de
gravedad de una distribución de masa. En el caso de una variable aleatoria discreta, con valores
igualmente probables, el valor esperado de la variable corresponde a la media aritmética usual y en tal
situación tiene sentido hablar de promedio de la variable para referirse a su valor esperado o esperanza.

Definición


Sea  una variable aleatoria. La media, valor esperado o esperanza de  , se describe y denota por:
    , si  es discreta
  
     , si  es continua
 

Observaciones
1. La esperanza de una variable aleatoria está definida siempre que la serie o la integral sean
absolutamente convergentes, de otra forma, la esperanza no existe.
2. La esperanza es un promedio de los valores que asume la variable aleatoria, donde cada valor es
ponderado por la probabilidad que la variable sea igual a dicho valor. Los valores más probables tienen
mayor ponderación.
3. Como la esperanza corresponde al centro de la distribución de probabilidades, llamada también media,
suele denotarse  o simplemente  cuando no haya confusión respecto a la variable considerada.

Ejemplo 34. Calcule la esperanza, si existe, de las variables aleatorias involucradas en ejemplos 31 y 32.

La idea de esperanza de una variable aleatoria  se puede generalizar para una función    de ella, la
cual es también una variable aleatoria.    será discreta si  es discreta y se puede suponer que   
es una variable aleatoria continua si  es continua.

Sea  una variable aleatoria y    una función de  . El valor esperado de    está dado por:
Definición


     , si  es discreta
    
      , si  es continua
 

1. El valor esperado de    existe siempre que la serie o la integral sean absolutamente convergentes,
Observaciones

de otra forma, la esperanza no existe.

2. La esperanza es un operador lineal, como se muestra en el siguiente resultado.

Si  es una variable aleatoria discreta o continua,  es una constante y   ,   son dos funciones
Teorema 5.

de  que poseen valor esperado. Entonces:

5.1    5.2          5.3             
 Francisco Novoa Muñoz 18
También es importante en la descripción de una variable aleatoria, considerar una cantidad que
cuantifique el grado de alejamiento de los valores en torno a algún punto, en particular, respecto del centro
 de su distribución. Una medida que refleja este hecho es la varianza.

Definición
La varianza o dispersión de una variable aleatoria , se describe y denota por:
2
Var        2     2   2    2   2
y a su raíz cuadrada positiva,  , se le llama desviación típica o desviación estándar de .

Teorema 6.
Si  es una variable aleatoria con media  y varianza  2 , y  es una constante. Entonces:
6.1 Var   0 6.2 Var    Var   2 6.3 Var   2 Var   2  2 .

Ejemplo 35.
Calcule la varianza, si existe, de las variables aleatorias involucradas en ejemplos 31 y 32.

3.5 Función generadora de momentos

Definición
Dada una variable aleatoria  , el  -ésimo momento de  se describe y denota por:
     ,   

Para   1, 2 se obtiene 1    y 2    2 , respectivamente. Por tanto, la varianza de  en

2
función de los dos primeros momentos está dada por:     2    2  2  1 2.

Definición

     , siempre que exista la serie o integral correspondiente.

Dada una variable aleatoria  , la función generadora de momentos de  se describe y denota por:

Utilizando la notación        y suponiendo que la esperanza es una función continua, se
  

obtiene:                 ,  ,             .

1       

  

Evaluando los resultados anteriores en   0, se concluye que:

 0     1 ,  ,  0        .
1  

Así, las sucesivas derivadas de   evaluadas en cero generan los momentos de la variable aleatoria .
El siguiente resultado presenta algunas propiedades de las funciones generadoras de momentos.

Teorema 7. Si  es una variable aleatoria y ,  son constantes. Entonces:

7.1        7.2       7.3        

Suponga que el número de horas de operación satisfactoria sin reparaciones que tiene una caldera es la
Ejemplo 36.

v. a.  con función de densidad    .005 .005 ,   0. Calcule e interprete su desviación estándar.
 Francisco Novoa Muñoz 19
3.6 Distribuciones de probabilidad
Existen distribuciones de probabilidad, discretas y continuas, asociadas con experimentos caracterizados
en forma muy precisa. Estas distribuciones se pueden expresar en una fórmula que involucra ciertas
constantes, llamadas parámetros de la distribución. Las definiciones de las v. a. y sus distribuciones de
probabilidad surgen en forma directa, al considerar las características de los experimentos involucrados.

 Distribuciones discretas

1 Distribución binomial

Definición
Un ensayo Bernoulli es un experimento aleatorio que produce en cada ensayo sólo uno de dos resultados
posibles, a uno de estos resultados se le llama éxito, al otro fracaso.Su función de probabilidad es
      1  1 ,   0, 1.
Se denota    y es tal que,      y Var  
2
    .

Definición
Un experimento aleatorio que consiste de  ensayos Bernoulli tales que:
a. el resultado de cada ensayo tiene sólo dos resultados posibles, denominados éxito y fracaso;
generalmente el "éxito" se define como la característica que es de interés,
b. la probabilidad  de éxito es la misma para cada ensayo,
c. los ensayos son independientes, es decir, el resultado de un ensayo no tiene efecto en el resultado de
cualquier otro ensayo y la probabilidad de éxito  continúa siendo la misma de un ensayo a otro,
d. el experimento se puede considerar como  repeticiones de ensayos idénticos.
recibe el nombre de experimento binomial y la v. a.   número de éxitos en  ensayos Bernoulli, se dice
que es una v.a. con distribución binomial de parámetros  y .

          1  
La función de probabilidad de la v. a.  que se distribuye binomial se describe por
 
,   0, 1, 2,  , 
y se denota   , . Además,      y 2
Var       .

Ejemplo 37.
La probabilidad de que un reactivo elegido al azar sea dañino es de 0.2. Si en un laboratorio hay quince
reactivos, ¿cuál es la probabilidad que hayan exactamente cuatro reactivos dañinos?, ¿cuál es el número
esperado de reactivos dañinos?

2 Distribución geométrica

Definición
Consideremos un experimento que consiste en una sucesión de ensayos Bernoulli con probabilidad  de
éxito en cada ensayo. La variable   número de ensayos necesarios hasta obtener el primer éxito, se dice
que es una v.a. con distribución geométrica de parámetro .

La función de probabilidad de la v. a.  que se distribuye geométrica se describe por

      1  1 ,   1, 2, 3, 
y se denota   é. Además,     1
 y 2
Var    1
2 .
 Francisco Novoa Muñoz 20
3 Distribución hipergeométrica
Definición
Se tiene un lote de  artículos, de los cuales  son del tipo 1 y (  ) son del tipo 2. Se escogen, al
azar,  artículos del lote (   ), sin sustitución. La variable   número de artículos del tipo 1
encontrados, se dice que es una v.a. con distribución hipergeométrica de parámetros  ,  y .

La función de probabilidad de la v. a.  que se distribuye geométrica se describe por

  
 
     
  
,   0, 1, 2,  , mínimo, 

y se denota   é , , .

Si  es una variable aleatoria distribuida hipergeométrica con parámetros  ,  y , entonces

     
 y 2
Var   
  
 1 .

Ejemplo 38.
Un Ingeniero dispone de diez muestras de agua tomadas de depósitos de una fábrica de papel, el cual
desconoce que el 40% de las muestras son excesivamente ácidas. El Ingeniero elige al azar tres muestras,
¿cuál es la probabilidad que exactamente dos de ellas tengan exceso de acidez?, ¿cuál es el número
esperado de muestras con exceso de acidez?

4 Distribución Poisson

Definición
Un proceso Poisson de parámetro  es un experimento aleatorio en que importa el número de
ocurrencias de un evento en un periodo de tiempo fijo (o en una región determinada), tal que:
a. la probabilidad de que ocurran dos o más eventos en un periodo muy corto de tiempo  (o región
determinada) es tan pequeña que puede despreciarse,
b. la probabilidad que el evento ocurra exactamente una vez es proporcional al tamaño del corto periodo
de tiempo fijo (o región determinada), esto es, aproximadamente igual a  ,   0,
c. la ocurrencia del evento en un periodo de tiempo fijo (o región determinada) es independiente de las
ocurrencias en cualquier otro periodo de tiempo fijo (o región determinada) de igual tamaño.

Definición
En un proceso de Poisson de parámetro , la variable   número de ocurrencias (éxitos) de un evento
en un periodo de tiempo fijo (o región determinada) , se dice que es una v. a. con distribución Poisson de
parámetro ,  representa el promedio de éxitos por unidad de medida del tiempo (o región).

La función de probabilidad de la v. a.  que se distribuye Poisson se describe por

e 
      ,   0, 1, 2, 

y se denota    oisson. Además,

  Var  , (usualmente se acostumbra denotar   ).

Ejemplo 39.
En promedio, se asfaltan 10 kilómetros cada hora en una obra de ingeniería. ¿Cuál es la probabilidad que
se asfalten tres o más kilómetros en un periodo de diez minutos?, ¿cuál es el número esperado de
kilómetros asfaltados cada media hora?
 Francisco Novoa Muñoz 21
 Distribuciones continuas
Entre las más conocidas están la distribución: Uniforme, Exponencial, Erlang, Gamma, Normal, Beta y
Weibull. Además, existen otras distribuciones que son de vital importancia en inferencia estadística y sus
valores se encuentran tabulados para distintos grados de libertad (número de observaciones
independientes en una muestra menos el número de parámetros de la población a ser estimados), las
cuales son: distribución Chi-Cuadrado 2 , distribución -Student y distribución F de Snedecor.

1 Distribución uniforme

Definición
Una v.a.  está distribuida uniformemente en el intervalo ,  si su función de densidad es

    
1
,     ,
0, e.o.c.,

Ejemplo 40.
Obenga la esperanza y varianza de una v.a. que se distribuye uniformemente en el intervalo , .

2 Distribución exponencial

Definición
Una v.a.  tiene una distribución exponencial con parámero   0 si su función de densidad es

   
 e ,   0,
0, e.o.c.

Obenga esperanza y varianza de esta v.a. Calcule          , para ,   0.

Ejemplo 41.

3 Distribución normal

La distribución normal es una de las distribuciones continuas más importantes, pues ha sido ampliamente
utilizada debido a que describe en forma aproximada muchos fenómenos que suceden en la Naturaleza. Su
función de densidad está dada por:
    2  2 e 2 2  ,  ,   ,   0,   3.14159265, e  2.71828183
1 2
1

donde  es la media poblacional y  2 es la varianza poblacional; denotada por    ,  2 .

Características de la distribución normal

1. Es simétrica respecto de la recta vertical   .
2. Tiene un máximo absoluto en   .
3. Se aproxima en forma asintótica al eje horizontal.
4. La media, mediana y moda asumen el mismo valor   .
5. El área total limitada por la curva y el eje horizontal es igual a 1.

representa por la letra  , esto es,    0, 1.

6. Cuando   0 y   1, la curva recibe el nombre de distribución normal estándar, la cual se

La función de distribución de la distribución normal estándar se denota especialmente por , esto es,
Observación

     . Lo cual se encuentra tabulada (ver tabla adjunta).

El área bajo la curva limitada por los puntos    y    se escribe        y representa el
Francisco Novoa Muñoz 22

porcentaje de la información (datos) que está entre los puntos  y .

En caso que la distribución sea normal, pero no estándar, esto es,    ,  2 , se usa la transformación
  
 , la cual convierte la información para utilizar la tabla de la distribución normal estándar.

Así, para encontrar el área bajo la curva limitada por los puntos 1   y 2   se hacen las
conversiones 1  1   

y 2  2   , obteniéndose:

        1    2      2      1 .

Ejemplo 42. Calcule las siguientes probabilidades:

42.1    0.25  42.2     1.57  42.3     2  42.4  1.04    2.13

Ejemplo 43. Determine el valor o valores de  en que el área bajo la curva normal:
43.1 entre 0 y  es 0.377 43.2 a la izquierda de  es 0.8621 43.3 entre 1.5 y  es 0.0217

Ejemplo 44.
El tiempo de vida útil de un instrumento de medición (en meses) se distribuye aprox. normal con   38 y
  2. Si la empresa no desea reemplazar más del 5% de los instrumentos vendidos, ¿qué tiempo de
garantía debe dar? ¿Cuál es la probabilidad que un instrumento dure más de 40 meses?

4 Distribución Chi-cuadrado: 2

Definición
Una v.a.  tiene distribución Chi-cuadrado con parámetro  (grados de libertad), denotada   2 , si

su densidad es    ,   0,    , donde   

  
 2 1 e 2
2 2  2 
  1   ,   0, función Gamma.
0

Características de la distribución Chi-cuadrado 2 

1. Chi-Cuadrado es una función asimétrica y toma sólo valores positivos.
2. A medida que aumentan los grados de libertad, la distribución tiende a ser simétrica y puede ser
aproximada por una normal con media  y varianza 2 .
3. El área total limitada por la curva y el eje horizontal es igual a 1.
4. Los valores de la distribución Chi-Cuadrado se encuentran tabulados para diversos grados de libertad y
para algunas áreas específicas.

a. Si    ,  2 , entonces   2  21 . Por lo tanto,  2  1 .

Teorema.

b. Si    0, 1 son m.i.,   1,  , , entonces 12    2  2 .



c. Si   2  son m.i.,   1,  , , entonces 1      21   .

d. Sean 1 y 2 v.a. independientes. Si 1  21  y 1  2  2  ,   1 , entonces 2  2 1  .

Uso de la tabla de la distribución Chi-Cuadrado

La tabla entrega el área bajo la curva a la izquierda de un valor denotado por 2 ; área, esto es,
 2   2 ; área   área, con  grados de libertad.
 Francisco Novoa Muñoz 23
Ejemplo 45.
45.1 Determine el valor 225 tal que el área a su izquierda sea de 0.99.
45.2 Determine los valores 2 con 60 grados de libertad, tales que el área entre ellos sea de 0.95.

3 Distribución -Student

Si    0, 1 y   2  son independientes, entonces   

Definición


tiene distribución -Student con 
grados de libertad, denotada     y función de densidad
   1 
     2   1   
2   2 1
,    ,    .
2

Observaciones
1. La distribución -Student es una función simétrica respecto del eje  , se aproxima a la distribución
normal cuando  crece indefinidamente.
2. La aplicación de la distribución -Student corresponde a situaciones similares en las que se puede
aplicar la distribución normal, restringidos a los casos en que se desconoce el valor de la varianza  2.
3. El área total limitada por la curva y el eje horizontal es igual a 1.
4. Los valores de la distribución -Student se encuentran tabulados para diversos grados de libertad y para
algunas áreas específicas.

Uso de la tabla de la distribución t-Student

; área, es decir,
    ; área   área, con  grados de libertad.
La tabla entrega el área bajo la curva a la izquierda de un valor denotado por

Ejemplo 46.
46.1 Determine el valor  tal que el área a su izquierda sea de 0.99, con 25 grados de libertad.
46.2 Determine los valores de  tales que la suma del área a la izquierda de   y a la derecha de  sea
de 0.1, con 40 grados de libertad.

4 Distribución F
Definición
Si 1  21  y 2  22  son independientes, entonces   12 12 tiene distribución  con 1 grados de
 

libertad en el numerador y 2 grados de libertad en el denominador, denotada    1, 2  y densidad

1  
   
1

  
1  2  1 2 1  2 1  2
 2
  2   2 
2 2 1 
1 2
2
2
, 0

Observaciones Sea    1 , 2 , luego:

1. El percentil  se denota y calcula mediante:   1 , 2    1 , 2   .
2 22 1 1 
2  2

2  2 2  4
2
2.    2  2 y Var   2 .
3.   1   2 , 1 . Para uso de tablas  1 , 2   1 12 , 1  .
Esta tercera propiedad es muy útil para efectos del uso de tablas. En efecto  1 , 2   1 2 , 1 
1

Ejemplo 47. Obtenga 0.9 10, 10, 0.95 5, 8 y 0.95 8, 5. Calcule
47.1 0.05 8, 5 47.2 0.05 5, 8 47.3 0.1 10, 10.