Badminton

Volleyball
Hiking
 1
• Variable aleatoria discreta
• Función de distribución de
probabilidad acumulativa
• Variable aleatoria continua
Función de densidad de
2
•
probabilidad
• Función de distribución de
Agenda probabilidad acumulativa

3 Valor esperado y varianza de una

variable aleatoria.

Valor esperado y varianza de una

4 función de variable aleatoria.
¿Qué es una Variable?
¿ Qué es una Variable
estadística?
¿Para qué sirven las
variables?
Una variable es la expresión simbólica representativa de un elemento
no especificado comprendido en un conjunto. Este conjunto
constituido por todos los elementos o variables, que pueden
sustituirse unas a otras es el universo de variables. Se llaman así
porque varían, y esa variación es observable y medible.

Se llama variable estadística o carácter a cada una de las

características que pueden estudiarse de la población.
 Variable Aleatoria
Si E es un experimento que tiene el espacio muestral S y
X es una función que asigna un número real X(e) para todo resultado e ∈ 𝐒
Entonces X (e ) se llama variable aleatoria.
S 𝑅𝑥

e X (e )

S El espacio muestral de E 𝑅𝑥 : El espacio del rango de X

 Lanzar dos monedas

S
S={ (cara, cara), (sello, sello), (cara, sello), (sello, cara)}

A Sacar dos caras A={cara, cara}

B Sacar dos cruces B={sello, sello}

 Lanzar dos monedas
Se define variable aleatoria X=número de caras obtenidas al arrojar dos
monedas.
S 𝑅𝑥

SS 0
X (SS )=0
X (CS)=X(SC)=1
CC 2
X (CC)=2

SC 1
CS

S El espacio muestral de
lanzar dos monedas
 Lanzar tres monedas
Se define variable aleatoria X=número de caras obtenidas al arrojar tres monedas.
S 𝑅𝑥
CCC
CCS 3
X (CCC)=3
CSC X(CCS)=X(CSC)=X(SCC)=2
X (CSS)=X(SCS)=X(SSC)=1
SCC 2 X (SSS)=0

CSS
SCS 1
SSC
SSS 0
S El espacio muestral de
lanzar tres monedas
 Eventos equivalentes

Si S es el espacio muestral de un experimento E y una variable aleatoria X con

espacio del Rango 𝑅𝑋 se define en S, y además si el evento A es un evento en S
y B es un evento en 𝑅𝑋 , entonces A y B son eventos equivalentes si
PX B = P(A) donde 𝐴 = {𝑒 ∈ 𝑆: X ( e ) ∈ B}
S 𝑅𝑥
A B

e X (e)
 Lanzar tres monedas
Se define variable aleatoria X=número de caras obtenidas al arrojar tres monedas.
S 𝑅𝑥
CCC
CCS 3
CSC
SCC 2 Eventos equivalentes
X (CCC)=3
X(CCS)=X(CSC)=X(SCC)=2
CSS X (CSS)=X(SCS)=X(SSC)=1
X (SSS)=0

SCS 1
SSC
SSS 0
S El espacio muestral de
lanzar tres monedas
Lanzar dos dados y observar las caras superiores

2 3 4 5 6 7

3 4 5 6 7 8

4 5 6 7 8 9

5 6 7 8 9 10

6 7 8 9 10 11

7 8 9 10 11 12
 Lanzar dos dados y observar las caras superiores
Se define variable aleatoria Y como la suma de los números que caen
al lanzar los dados.
Eventos equivalentes 𝑹𝒀 Probabilidad

{ (1,1) } Y=2 1/36

{ (1,2), (2,1) } Y=3 2/36

{ (1,3), (2,2) , (3, 1)} Y=4 3/36

{ (1,4), (2,3), (3,2), (4,1)} Y=5 4/36

{ (1,5), (2,4) , (3, 3), (4 , 2), (5,1)} Y=6 5/36

{ (1,6), (2,5) , (3, 4), (4 , 3), (5,2), (6,1)} Y=7 6/36

{ (2,6), (3,5) , (4, 4), (5 , 3), (6, 2)} Y=8 5/36

{ (3,6), (4,5), (5,4), (6,3)} Y=9 4/36

{ (4,6), (5,5) , (6, 4)} Y=10 3/36

{ (5,6), (6,5) } Y=11 2/36

{ (6,6) } Y=12 1/36

 En acción
Para cada experimento describir la variable aleatoria correspondiente

1 Lanzar tres veces un dado y observar la secuencia de números.

2 Lanzar dos dados y multiplicar las caras superiores.

Lanzar tres veces una moneda genuina y observar la secuencia

3 de caras y cruces.

4 Seleccionar una carta de la baraja

5 Girar la ruleta y observer la opción seleccionada

 Es una v.a. es discreta si sus valores
posibles constituyen un conjunto
discreto. Lo anterior significa que si los

Variable
valores posibles se ordenan, hay una
separación entre cada valor y el próximo.
El conjunto de valores posibles podría

aleatoria
ser infinito; por ejemplo, el conjunto de
todos los enteros o el conjunto de todos
los enteros positivos.

discreta Ejemplos
• resultado al tirar un dado.4
• Número de artículos defectuosos que
se encuentran en una muestra
aleatoria de un lote producido.
• Número de veces que se lanza una
moneda hasta que salga cara
 Es una v.a. continua si toma un
número infinito no numerable de

Variable
valores.
Una variable aleatoria es continua si
sus probabilidades están dadas por

aleatoria áreas bajo una curva. La curva se

llama función de densidad de
probabilidad para la variable

continua aleatoria.

Ejemplos
• peso de un alumno elegido al azar
• Tiempo de espera de un paciente
antes de ser atendido.
• Ingresos y egresos de una familia
 En acción

Diga si las siguientes variables aleatorias son discretas o continuas

a) El número de caras que se obtiene al lanzar al aire una moneda 1000 veces
b) El tiempo que un cliente tarda en la cola de una caja hasta ser atendido
c) El tiempo que el cajero tarda en atender el cliente
d) El tiempo en minutos que un conductor espera para pagar el peaje en una garita
e) El número de alumnos que repiten el curso de Estadística en cierto semestre
f) El número de veces que un alumno se matricula en una determinada asignatura
g) El valor estimado en dólares de una casa de dos plantas
h) El número de cuentas por pagar que una oficina bancaria tiene en cierto momento
i) El número de kilómetros que recorre un taxista diariamente
j) El número de demandas por día que recibe una compañía de seguros
k) El número de accidentes que se registra anualmente en la Vía Expresa
l) El tiempo entre un accidente y otro durante un año, en la Vía Expresa
 Primer ejemplo Segundo ejemplo

Con frecuencia los chips de computadora tienen Se perfora un hueco en un componente de

imperfecciones en su superficie. Para cierto tipo de una hoja de metal y después se inserta un eje
chip de computadora, 9% no tiene imperfecciones, a través del hueco. La holgura del eje es igual
22% contiene una imperfección, 26% presenta dos a la diferencia entre el radio del hueco y el
imperfecciones, 20% contiene tres imperfecciones, radio del eje.
12% tiene cuatro imperfecciones y 11% presenta Sea X la variable aleatoria que denota a la
cinco imperfecciones. holgura, en milímetros. La función de
Sea Y el número de imperfecciones en un chip densidad de probabilidad de X es
elegido aleatoriamente.
• ¿Cuáles son los valores posibles de Y?
• ¿ Y es discreto o continuo?
• Determine P (Y=y) para cada valor posible y.
Función de probabilidad o
función de masa de
Probabilidad
¿ Que es una función de
probabilidad?

La distribución de probabilidad de una variable aleatoria

X es una descripción de las probabilidades asociadas
con los posibles valores de X.
 Si X es una variable aleatoria discreta con posibles
valores 𝑥1 , 𝑥2 , … , 𝑥𝑛
Función de
probabilidad 1. f (𝑥𝑖 )≥ 0 para todo i
Variable 𝑥
2. 𝑖=1 𝑓 𝑥𝑖 = 1
σ
Aleatoria 3. f( 𝑥𝑖 ) = 𝑃(𝑋 = 𝑥𝑖 )
Discreta

La distribución de probabilidad de una variable aleatoria X es una descripción de las

probabilidades asociadas con los posibles valores de X.

La colección de pares [(𝑥𝑖 , p(𝑥𝑖 )) , 𝑖 = 1,2, … ] se llama distribución de probabilidad de X

La función de masa de probabilidad especifica la probabilidad de que una variable

aleatoria sea igual a un valor determinado.
 Para una variable aleatoria continua X, una función de
Función de densidad de probabilidad es una función tal que:
probabilidad
Variable
Continua 1) f(x) ≥0
∞
2) ‫׬‬−∞ 𝑥𝑓 𝑥 𝑑𝑥=1
𝑏
3) P(a ≤ 𝑋 ≤ 𝑏) = ‫ =𝑥𝑑 𝑥 𝑓𝑥 𝑎׬‬area bajo f(x) de a a b
 Primer ejemplo- Segundo ejemplo-
continuación continuación

Con frecuencia los chips de computadora tienen Se perfora un hueco en un componente de

imperfecciones en su superficie. Para cierto tipo de una hoja de metal y después se inserta un eje
chip de computadora, 9% no tiene imperfecciones, a través del hueco. La holgura del eje es igual
22% contiene una imperfección, 26% presenta dos a la diferencia entre el radio del hueco y el
imperfecciones, 20% contiene tres imperfecciones, radio del eje.
12% tiene cuatro imperfecciones y 11% presenta Sea X la variable aleatoria que denota a la
cinco imperfecciones. holgura, en milímetros.
Sea Y el número de imperfecciones en un chip La función de densidad de probabilidad de X
elegido aleatoriamente. es:
• Sumen todos los valores de la distribución de
probabilidad ¿Qué pasa?
• Realice la descripción gráfica de la distribución
de probabilidad de Y. Los componentes con holguras superiores a
0.8 mm se deben desechar. ¿Cuál es la
proporción de componentes que serán
desechados?
Si se suman los valores de la función de masa de probabilidad sobre
todos los valores posibles de X, la suma es igual a 1.
Esto es cierto para cualquier función de masa de probabilidad

Al sumar los valores de una función de masa de probabilidad sobre

todos los valores posibles de la variable aleatoria correspondiente, se
obtiene la probabilidad de que la variable aleatoria es igual a uno de
sus valores posibles y esta probabilidad es siempre igual a 1.
Función de distribución, o
función acumulativa o
función de distribución
acumulativa
La probabilidad del evento (X≤ x) puede expresarse como función de x en la forma

y resulta que:

F(x)=P (X≤ x)

Esta función F se llama función de distribución, o función acumulativa o función de

distribución acumulativa (FDA) de la variable aleatoria X.
 Para una función de distribución acumulada de una
variable aleatoria discreta X , denotada como F(x), es:
Variable
Aleatoria
F(x)=P(X ≤ x)=σxi<𝑋 f(xi )
Discreta
Para una variable aleatoria discreta X, F(x) satisfice las
siguientes propiedades:
1) F(x)=P(X ≤ x)=σxi ≤x f(xi )
2) O ≤ F(x) ≤1
3) Si x ≤ y, luego F(x) ≤ F(y)

La función de distribución acumulativa especifica la

probabilidad de una variable aleatoria sea menor o o
igual a un valor dado
Variable Para una función de distribución acumulada de una
Aleatoria variable aleatoria continua X , denotada como F(x), es:
Continua
∞
F(x)=P(X ≤ x)=‫׬‬−∞ 𝑓 𝑢 𝑑𝑢

Para -∞ <x<∞
 Primer ejemplo- Segundo ejemplo-
continuación continuación

Se perfora un hueco en un componente de

Con frecuencia los chips de computadora tienen una hoja de metal y después se inserta un eje
imperfecciones en su superficie. Para cierto tipo de a través del hueco. La holgura del eje es igual
chip de computadora, 9% no tiene imperfecciones, a la diferencia entre el radio del hueco y el
22% contiene una imperfección, 26% presenta dos radio del eje.
imperfecciones, 20% contiene tres imperfecciones, Sea X la variable aleatoria que denota a la
12% tiene cuatro imperfecciones y 11% presenta holgura, en milímetros.
cinco imperfecciones. La función de densidad de probabilidad de X
Sea F(Y) la función de distribución acumulativa de es:
la variable aleatoria Y que representa el número de
imperfecciones en un chip elegido aleatoriamente.
• Determine F(2) Y f(1.5)
• Realice la gráfica Determine la función de distribución
acumulativa F(x) y dibújela.
Media y varianza de una

variable aleatoria discreta

La media o valor esperado de una variable aleatoria discreta X

𝜇 = 𝐸 𝑋 = ෍ 𝑥 𝑓(𝑥)
𝑥

La varianza de X, denotado como 𝜎 2 o V(X), es

𝜎 2 = 𝑉 𝑋 = 𝐸(𝑋 − 𝜇)2 = ෍ 𝑥 − 𝜇 2
f x = ෍ 𝑥 2 𝑓 𝑥 − 𝜇2
𝑥 𝑥

La desviación estándar de X es
𝜎= 𝜎2
 Primer ejemplo: Variable
Aleatoria Discreta
Con frecuencia los chips de computadora tienen imperfecciones en su superficie.
Para cierto tipo de chip de computadora, 9% no tiene imperfecciones, 22% contiene
una imperfección, 26% presenta dos imperfecciones, 20% contiene tres
imperfecciones, 12% tiene cuatro imperfecciones y 11% presenta cinco
imperfecciones.
Determine la media de la variable aleatoria Y que representa el número de
imperfecciones en un chip elegido aleatoriamente.
Determine la varianza y desviación estándarY que representa el número de
imperfecciones en un chip elegido aleatoriamente.
 Media y varianza de una

variable aleatoria continua

Suponga que X es una variable aleatoria continua con función de densidad de
probabilidad f(x).
La media o valor esperado de X, denotado como 𝜇 o E(X)
∞
𝜇=E(X)=‫׬‬−∞ 𝑥𝑓 𝑥 𝑑𝑥

La varianza de X, denotado como 𝜎 2 o V(X), es

2 ∞ 2 ∞ 2
𝜎 =𝑉 𝑋 = ‫׬‬−∞( 𝑋 − 𝜇 ) 𝑓 𝑥 𝑑𝑥= ‫׬‬−∞ 𝑥 𝑓 𝑥 𝑑𝑥- 𝜇2

La desviación estándar de X es
𝜎= 𝜎2
 Segundo ejemplo: Variable
Aleatoria Continua
Se perfora un hueco en un componente de una hoja de metal y después se inserta un eje
a través del hueco. La holgura del eje es igual a la diferencia entre el radio del hueco y el
radio del eje.
Sea X la variable aleatoria que denota a la holgura, en milímetros.
La función de densidad de probabilidad de X es:

Determine la media y la varianza de la holgura.

Distribuciones de
Probabilidad
 Distribución Bernoulli

E(X)=𝑝 V(X)=𝑝𝑞

Las variables de Bernoulli pueden tomar dos valores numéricos, 0 y 1, donde 1 corresponde a
un evento y 0 corresponde a un no evento. Una variable aleatoria X sigue una distribución de
Bernoulli si P(X = 1) = p y P(X = 0) = 1 – p, donde p es la probabilidad de ocurrencia del evento.
 Distribución Binomial

𝑛 𝑥
f (x) = 𝑝 (1 − 𝑝)𝑛−𝑥
𝑥

E(X)=𝑛𝑝 V(X)=𝑛𝑝𝑞

n=número de pruebas
x=número de éxitos
p=probabilidad de éxito
F(X) q=probabilidad de fracaso
f(X)

La distribución binomial se utiliza para representar el número de eventos que ocurren en n ensayos
independientes. Los valores posibles son enteros de cero a n.
 Distribución Poisson

E(X)=𝜆 V(X)=𝜆
K= número de ocurrencias del evento o fenómeno (la función nos da
la probabilidad de que el evento suceda precisamente k veces)
λ = es un parámetro positivo que representa el número de
veces que se espera ocurrra el fenómeno durante un intervalo dado

La distribución de Poisson es una distribución discreta que modela el número de eventos con base
en una tasa constante de ocurrencia.
 Distribución Exponencial

λ = tasa promedio de arribos

1
= tiempo promedio entre arribos
λ

Para procesos en los que nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo que,
el tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello ocurra en un instante tf, no
depende del tiempo transcurrido anteriormente en el que no ha pasado nada.
 Distribución Normal

E(X)=𝜇 V(X)=𝜎

La distribución normal (también conocida como distribución de Gauss) es la distribución estadística

más utilizada debido a los muchos procesos físicos, biológicos y sociales que puede modela
Distribución Normal estándar
 Ejemplo

Un fabricante de baterías elabora un lote de producto de referencia AA que establece que la vida útil promedio
es 200 horas si los tiempos de duración se distribuyen normalmente con una desviación estándar de 15 horas.

a) ¿Cuál es la probabilidad de que la duración de una batería se mayor a 210 horas?

b) ¿Cuál es la probabilidad de que la duración de una batería esté entre 210 y 220 horas?

c) La empresa lo contrata para que le indique, que tiempo de garantía se le debe dar al producto para que
máximo el 1% de su producción sea cambiada totalmente gratis si falla durante dicho tiempo

𝑥−𝜇 𝑥 : valor de observación

𝑍= 𝜇: 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝜎 𝜎: 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟