PROBABILIDAD Y ESTADÍSTICA - UNAJ

PRÁCTICA 4
Variables aleatorias discretas. Distribuciones de probabilidad.

Ejercicio 1: En muchos casos nos interesan números asociados a los resultados de un

experimento. Por ejemplo, 3 monedas se lanzan simultáneamente y preguntamos por el
número de caras. Se tira un par de dados y nos interesa la suma de los puntos
conseguidos. Se lanza una flecha hacia un blanco circular y queremos saber la distancia
desde el punto en que cayó al centro. Siempre que asociamos un número real a cada
resultado de un experimento estamos tratando con una función cuyo dominio es el
conjunto de resultados posibles o espacio muestral y cuyo recorrido (imagen) es el
conjunto de los números reales en cuestión. Tal función se llama variable aleatoria.
La definición que sigue formaliza este concepto. Sea S un espacio muestral. Una
función real definida en S se llama variable aleatoria.
Usaremos letras mayúsculas: X, Y, ... para designar a las variables aleatorias, que
no deben confundirse con sus valores numéricos para los cuales utilizaremos letras
minúsculas.
Sea X: puntaje obtenido con un dado. Su recorrido R(X) es
R(X) = {1, 2, 3, 4, 5, 6}
Obtener los recorridos de las siguientes variables aleatorias:
i.. X: 1 si el artículo elegido es defectuoso, 0 si no lo es
i.i.. X: cantidad de caras obtenidas al arrojar una moneda tres veces
i.i.i.. Se extraen simultáneamente dos bolas de una urna que contiene siete bolas
numeradas del 0 al 6, siendo blancas las numeradas con 0 y 1, y rojas las demás.
X: suma de los números de las bolas extraídas,
Y: cantidad de bolas blancas extraídas.

Ejercicio 2: Consideremos el experimento que consiste en arrojar una moneda hasta

que aparezca cara por primera vez. ¿Cuál es el espacio muestral? Indicar el recorrido de
las siguientes variables aleatorias
i. Sea X: cantidad de tiros necesarios para que aparezca una cara.
1 si la primera cara aparece en una tirada impar,
ii. Sea Y: { 0 si la primera cara aparece en una tirada par.

Ejercicio 3: En el trabajo con variables aleatorias es común encontrar expresiones del

tipo: { X b}, { X b}, {a  X b} .
Ellas describen sucesos del espacio de resultados sobre el que está definido la variable.
Así, en el Ej. 1 i. Se tiene {X=1}={ω∈Ω/ X ( ω)=1}={defectuoso }
Utilizar estas expresiones para las siguientes variables y sucesos:
i. Se tiran tres monedas simultáneamente. X: cantidad de caras. Suceso: la
cantidad de caras obtenidas es a lo sumo 1.
ii. Se lanza una flecha hacia un blanco circular. X: distancia del punto impactado
al centro. Suceso: la distancia del punto impactado al centro es de por lo
menos 1 y a lo sumo 4.

Ejercicio 4: La expresión P(X = x) indica la probabilidad del suceso {X = x}. Si el

experimento es lanzar un dado equilibrado, los resultados son igualmente probables y la
siguiente tabla indica la función de probabilidad de X (que se anotará fdp)
 Valores x de X 1 2 3 4 5 6
P(X=x) 1/6 1/6 1/6 1/6 1/6 1/6

porque P( X 1)  P({sale el 1}) 1 / 6   P( X 6)  P({sale el 6}) 1 / 6 .

¿Cuál es la tabla de la función de probabilidad en los siguientes casos?

i. Si el lote tiene 4% de defectuosos,

1 , si el artículo elegido es defectuoso,
X: { 0 , si no lo es.
ii. Se lanza una moneda equilibrada 3 veces. X: cantidad de caras obtenidas.
iii. Sea p la probabilidad de que salga cara cuando tiramos la moneda una vez
P(X = 1) = p. P(X = 2) es la probabilidad de que se necesiten dos tiros para
que salga una cara y esto ocurre cuando sale ceca la primera vez y cara la
segunda, o sea (1-p) p. P(X = 3) es la probabilidad de que salga ceca la
primera y segunda vez y cara la tercera, o sea (1-p)2 p, etc. Se define la v.a.
X: cantidad de lanzamientos necesarios de la moneda para obtener una cara.

Ejercicio 5: Sea una variable aleatoria X cuya función de probabilidad es

5  x2
P( X  x)  , siendo x un número entero adecuado. Hallar
15
i. el recorrido de X.
ii. la probabilidad de que X sea impar.
iii. la probabilidad de que X sea no negativa.

Ejercicio 6: Se dice que la variable aleatoria X es discreta si su recorrido R(X) es un

conjunto finito o infinito numerable. Considerar las variables aleatorias hasta el
momento definidas e indicar cuáles son discretas y cuáles no lo son.

Ejercicio 7: El suceso  X t asociado a una variable aleatoria X, tendrá una

probabilidad cuyo valor dependerá de t. Luego, P ( X t ) es una función del argumento
variable t, definida para todo t   , que se denomina función de distribución
acumulada de probabilidades de la variable aleatoria X. Se anotará Fda.
Utilizaremos en general letras mayúsculas para denotar tales funciones. Así
tenemos:
FX :   , FX ( t )  P( X t ) .
Consideramos una variable aleatoria que toma solamente los valores 0 y 1 con
probabilidades 0.96 y 0.04 respectivamente. Así, si t < 0 el suceso  X t es el suceso
imposible y por lo tanto su probabilidad P ( X t ) 0 , o sea F (t ) 0 .
Si 0 t  1 , el suceso  X t coincide con el suceso  X 0 y por lo tanto
P ( X t ) 0.96 , o sea F (t ) 0.96 .
Si 1 t , el suceso  X t es el suceso cierto ya que coincide con la unión
 X 0   X 1 y por lo tanto P( X t ) 1 , o sea F (t ) 1 .
Resumir la función de distribución de X obtenida y graficarla.

Ejercicio 8: Sea la variable aleatoria X: cantidad de caras obtenidas cuando se arroja

tres veces una moneda.
i. Hallar R(X).
ii. Completar la función de distribución de X y graficarla:
 0 si t<0

{… si 0≤t< 1
F X (t )= … si 1≤t< 2
… si 2≤t< 3
1 si 3≤t

Ejercicio 9: Se realizan n repeticiones de un mismo experimento. Cada experimento

tiene sólo 2 resultados posibles éxito – fracaso, con probabilidades p y 1  p
respectivamente. Cada experimento o ensayo es independiente de los restantes y se lo
conoce como ensayo de Bernoulli.
Llamemos X al número de éxitos en n ensayos. Luego X es una variable aleatoria
discreta cuyo recorrido es R( X )  0,1,, n .
Esta variable aleatoria se conoce con el nombre de variable aleatoria binomial y
se anota X ~ B(n, p).
Si se desea calcular la probabilidad de obtener k éxitos, 0  k  n , y por lo tanto
(n - k) fracasos, al realizar n ensayos con las características mencionadas, hay que
obtener la función de probabilidad de la variable aleatoria binomial, es decir, P ( X  k )
siendo k 0,1,, n .
De acuerdo con la definición de esta variable aleatoria, nos interesa solamente el
número total de éxitos obtenidos en la sucesión de n ensayos, sin importar el orden en
que estos se presenten. Pero k éxitos en n ensayos pueden ocurrir de tantas maneras
como se distribuyen k unos (éxitos) y (n – k) ceros (fracasos) en n lugares.
 n
El número total de sucesiones de k unos y (n - k) ceros es  k  , y cada una de
 
 n k n k
ellas tiene probabilidad p k (1  p ) n  k . Por consiguiente P( X  k )  k  p (1  p ) .
 
i. Sea X el número de caras al arrojar 10 veces una moneda. Hallar la probabilidad
de obtener exactamente 6 caras
ii. Sea X el número de ases al arrojar un dado 3 veces. Hallar la probabilidad de
obtener exactamente 2 ases.
iii. Sea X el número de blancos al efectuar 60 tiros. Hallar la probabilidad de
obtener 48 aciertos.

Ejercicio 10: De una urna o caja que contiene un total de N objetos de dos clases, n son
de una clase y N - n de la otra. Se extraen r objetos sin reposición con 1 ≤ r ≤ N. Se
define la v.a. X: cantidad de objetos de la primera clase entre los r extraídos. Se dice que
la variable X tiene una distribución hipergeométrica.
(a) Comprobar que los valores del recorrido R(X) de X está comprendido
entre máx{0, r – (N – n)} y mín{r, n}.
(b) Determinar la distribución de probabilidades de X. Comprobar que la
suma de todas las probabilidades es 1.
(c) En un club barrial que cuenta con 39 socios varones y 57 socias
mujeres se quiere formar una comisión revisora de cuentas de 5 socios.
Calcular la probabilidad de que en esa comisión:
i. no haya ninguna mujer.
ii. haya exactamente dos mujeres.
iii. haya al menos un hombre.
(d) Proponer un ejemplo de una v.a. con distribución hipergeométrica.
Ejercicio 11: Se realizan ensayos de Bernoulli, esto es, experimentos independientes en
los que hay dos resultados posibles: éxito con probabilidad p, con 0 ≤ p ≤ 1, y fracaso
con probabilidad q = 1 - p. Tales ensayos se efectúan la cantidad de veces necesarias de
manera que obtener éxito por primera vez. Se define la v.a. X: número de realizaciones
de estos ensayos hasta obtener éxito por primera vez. Si se anota con E cada vez que se
obtiene éxito y con F cada vez que se obtiene fracaso, el recorrido de X es
R ( X )  1, 2, 3, 4, … , esto es el conjunto de todos los números naturales. En este
caso X es una variable aleatoria discreta con recorrido infinito numerable, y se la conoce
por el nombre de variable aleatoria geométrica.

Su distribución de probabilidades está dada por

k 1 2 3 4 5 ...
3 3
p qp (1  p) p q p (1  p ) p
P(X = k) q 2 p (1  p ) 2 p q 4 p (1  p ) 4 p


(a) Comprobar que  P( X k ) 1.
k 1
(b) En este caso es posible definir el evento  X 0 . Interpretarlo en
términos del problema y asignarle una probabilidad.
(c) Proponer dos ejemplos diferentes de variables aleatorias geométricas.

Ejercicio 12: Se
dice que una variable aleatoria X con recorrido
R ( X )  0, 1, 2, 3, 4, … tiene distribución de Poisson con parámetro   0 si para
e   .k
todo número entero k ≥ 0 se tiene que P ( X k )  . Se anota X ~ P( ).
k!

(a) Comprobar que  P( X k ) 1.
k 0
(b) Expresar en términos del parámetro  las probabilidades siguientes:
i. P ( X 1) .
ii. P ( X 1) .
iii. P( X 2) .

Ejercicio 13: Se llama valor esperado o esperanza de una v.a. discreta X al número
E( X )   xi .P( X  xi ) .
xi R ( X )

Se llama varianza de una v.a. X al número V ( X )  E  X  E ( X ) 2 .

(a) Comprobar que
i. E(X) se encuentra comprendida entre el valor mínimo y el valor
máximo de R(X).
ii. V(X) es siempre  0 y que V ( X )  E ( X 2 )  ( E ( X )) 2 .

(b) Calcular E(X) y V(X) de todas las variables aleatorias presentadas hasta
ahora en esta práctica.
(c) Propiedades de la esperanza. Sean X e Y dos v.a., entonces
i. E ()  para toda constante  .
ii. E (X ) E ( X ) para toda constante  .
iii. E ( X  Y )  E ( X )  E (Y ) y E( X  Y )  E( X )  E( Y ) .
iv. Se dice que dos v.a. X e Y son independientes si
     
P  X  xi   Y  y j  P X  xi  .P Y  y j ,
para todo valor xi   X , y todo valor y j  Y .
Si X e Y son v.a. independientes, entonces
E ( X .Y )  E ( X ).E (Y ) .
(d) Propiedades de la varianza.
i. V () 0 para toda constante  .
ii. V (X )  2V ( X ) para toda constante  .
iii. V ( X  Y ) V ( X )  V (Y ) y V ( X  Y ) V ( X )  V (Y ) ,
siempre que X e Y sean independientes.

Ejercicio 14: Imaginemos que observamos con el paso del tiempo si se produce o no un
determinado fenómeno, el cual ocurre en promedio un número  de veces en cada
unidad de tiempo. Supongamos que la naturaleza del proceso es tal que
i) el número de ocurrencias del fenómeno que se producen en
dos intervalos de tiempo que no se solapan son variables aleatorias
independientes;
ii) la probabilidad de que se produzca el fenómeno dos o màs
veces en un intervalo de tiempo suficientemente breve es nula;
iii) la probabilidad de que se produzca el fenómeno
exactamente una vez en un intervalo de tiempo suficientemente breve de
longitud h es h .
Consideremos un intervalo de longitud unidad y particionémoslo en un número elevado
n de subintervalos, cada uno de longitud muy pequeña, de modo que en cada uno de
estos subintervalos se produzca el fenómeno a lo sumo una vez. La ocurrencia del
fenómeno una vez o la no ocurrencia del mismo en cada subintervalo es una v.a.
X ~ B(1, p), mientras que el número de subintervalos (de los n que hay) en los que se
produce una vez el fenómeno es una v.a. X ~ B(n, p). Su valor esperado es np.
Se puede mostrar que la probabilidad de que el número de subintervalos en los que se
produce el fenómeno puede aproximarse por la distribución de Poisson P( ), con
 np. Más precisamente, se tiene el siguiente Teorema de Poisson (1837):
Sea  un número real positivo fijo y sea n un entero positivo cualquiera.
Entonces para cada número entero no negativo k se tiene que
k n −k
n λ λ e−λ λ k
lim
n→+ ∞ ( )( ) ( )
k n
1−
n
=
k!
.

OBS: La aproximación es bastante buena para p 0 ,10 y np  5 .

Repitamos ahora el procedimiento anterior en un intervalo de longitud T. Como  es el
valor esperado de ocurrencias del fenómeno un intervalo unidad, para el intervalo de
longitud T el valor esperado de la v.a. “X: número de ocurrencias del fenómeno” será
T , y su distribución de probabilidades está dada por
e  T .(T ) k
P ( X k )  , para k = 0, 1, 2, 3, ....
k!
Esto se conoce como proceso de Poisson.

(a) El número de clientes que ingresan a un local comercial pueden ser considerado
como un Proceso de Poisson con una media de 20 clientes/hora.
i. ¿Cuál es la probabilidad de que el dueño del comercio tenga que esperar
más de 5 minutos a que entre el primer cliente?
 ii. ¿Cuál es la probabilidad de que tenga que esperar más de 5 minutos a
que entren los dos primeros clientes?

(b) En un libro de 500 páginas se deslizan en promedio 300 errores tipográficos.

¿Cuál es la probabilidad de que una página elegida al azar esté libre de errores?

Ejercicio 15: Una moneda cargada, tal que P(cara) = 2/3 y P(ceca)=1/3, se lanza tres
veces. Sea X la variable que asigna a cada elemento del espacio muestral el mayor
número de caras sucesivas que suceda. Calcular R(X), la fdp de X y E(X).

Ejercicio 16:
(a) Hallar la probabilidad de que en una familia con 4 hijos haya
i. al menos un varón.
ii. a lo sumo dos nenas.
Suponemos que la probabilidad de que nazca varón es ½ .
(b) De entre 2000 familias con 4 hijos, ¿cuántas cabe esperar que tengan
i. al menos un varón?
ii. 2 varones?
iii. 1 ó 2 nenas?
iv. ninguna nena?

Ejercicio 17: Se selecciona al azar una muestra de 4 artículos de una caja que contiene
12 de los cuales 3 son defectuosos. Hallar el valor esperado de los artículos defectuosos.

Ejercicio 18: Un jugador lanza un dado corriente. Si sale un número primo gana dicho
número en dólares. De lo contrario, pierde una cantidad de dólares igual al número
obtenido. ¿Cuál es el valor esperado del juego? Decidir si el juego es desfavorable o no
para el jugador.