Antes de iniciar con los conceptos de variables aleatorias y discretas debemos tener en
cuenta el concepto de variable aleatoria que es una función que asigna un valor
numérico, al resultado de un experimento aleatorio, que está formado por un dominio
donde se encuentran todos los resultados posibles, también es conocido como espacio
muestral y un rango donde se encuentran números reales donde se le asigna un
subíndice a la variable en minúscula.
Las variables aleatorias se clasifican en:
Variable aleatoria discreta: Es aquella variable aleatoria que puede asumir un numero
contable de valores.
A= suma de 2 lados.
RA= {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} → 11 valores
a1 a2 a3 a4 a5 a6 a7 a8 a9 a10 a11
A: Variable aleatoria discreta.
Se relaciona con el conteo del número de elementos.
Variable aleatoria continua: es aquella variable que puede asumir un numero
incontable de valores.
B= peso de una vaca en la granja en (kg).
RB: 9 ≤ b ≤ 42
Se relaciona con las mediciones de magnitudes como longitud, masa, tiempo, velocidad,
volumen, entre otras.
La esperanza matemática se verá donde por el producto de la variable aleatorio X y su
correspondiente probabilidad.
Si x es una variable aleatoria discreta y f(x) su valor de la función de probabilidad en x,
el valor esperado de esta variable aleatoria es:
E ( x )=∑ x∗f ( x )
x
Ejemplo 1 Ejemplo 2
variables aleatorias discretas variables aleatorias discretas
Si una persona compra una papeleta en
una rifa, en la que puede ganar de 5.000 € Un jugador lanza dos monedas. Gana 1 ó 2 € si aparecen
ó un segundo premio de 2000 € con una o dos caras. Por otra parte, pierde 5 € si no aparece
probabilidades de: 0.001 y 0.003. ¿Cuál cara. Determinar la esperanza matemática del juego y si
sería el precio justo a pagar por la éste es favorable.
papeleta? x = v. a caras obtenidas
x = {(c, c), (c, s), (s, c), (s,s)}
E(x) = 5000 0.001 + 2000 0.003.
E(x) = 11 euros 1∗2 2∗1 5∗1
P (+1) =2/4 E(x )= + −
4 4 4
P (+2) =1/4
−1
P (-5) =1/4 E ( x )=
4
ES FAVORABLE
Si x es una variable aleatoria continua y f(x) es el valor de su densidad de probabilidad
en x, el valor esperado de esta variable aleatoria es:
∞
E ( x )= ∫ x∗f ( x ) dx
−∞
Ejemplo 3 Ejemplo 4
variables aleatorias continuas variables aleatorias continuas
Sabemos que la altura de un cierto árbol El contenido de magnesio en una aleación es una va dada
sigue una distribución continua con la por la función de probabilidad f(x)= x/16, 0<x<6 y 0 de otra
siguiente función de densidad: f(x)=x/12, forma. La utilidad esperada que se obtiene de esta aleación
cuando 1<x<5. Calcular la esperanza de x. es P-10+2x, determine ¿cuál es la utilidad esperada?
∞ 6
(10+ 2 x )∗x
E ( x )= ∫ x∗f ( x ) dx E ( P )=E ( 10+ 2 x )=∫ dx
−∞ 0 16
5 5 2
x∗x x
E ( x )=∫ dx=¿ ∫ dx ¿
| |
12 10 2 2
1 12
3
1 ∗x ∗x
16 16 6 360 432
+ = + −0
| |
1 3 5 125 1 124 2 3 0 32 48
x = − =
36 1 36 36 36
81
E ( P )= ≈ 20.25
31 4
E ( x )=
9
¿Qué es la distribución?
Una distribución estadística, o distribución de probabilidad, describe cómo
se distribuyen los valores para un campo. En otras palabras, la distribución
estadística muestra qué valores son comunes y poco comunes.
Ejemplo
Calificaciones de examen de estadística [TA02-06]
60 47 82 95 88 72 67 66 68 98 90 77 86
58 64 95 74 72 88 74 77 39 90 63 68 97
70 64 70 70 58 78 89 44 55 85 82 83
72 77 72 86 50 94 92 80 91 75 76 78
calificaciones frecuencia marca de clase
35-44 2 40
45-54 2 50
55-64 7 60
65-74 13 70
75-84 11 80
85-94 11 90
95-104 4 100
50
El pico más alto corresponde a la calificación
con más frecuencia a partir de ese punto
disminuyen las frecuencias a medida que se
alejan del punto.
Tipos de distribución
Uniforme o constante Bimodal o separado
normal Sesgada a la derecha
(sesgo positivo)
Sesgada a la izquierda
(sesgo negativo)
