de , es decir, {0,1,2} .

Esta funcin se
denomina variable aleatoria.

5. Variables aleatorias Discretas

Una variable aleatoria generalmente es denotada con letra

mayscula, por ejemplo X , y su recorrido es llamado el
soporte de la variable aleatoria X el cual se denota por DX .

Introduccin
Cuando se realiza un experimento aleatorio no se est
interesado, generalmente, en sus posibles resultados en
trminos de eventos o sucesos, sino ms bien importan
nmeros asociados a estos resultados.

As, al lanzar dos veces una moneda se tiene:

Elemento de
SS
SC
CS
CC

Por ejemplo al lanzar una moneda dos veces nos interesa

determinar el N de caras que se obtienen como resultado y sus
posibles probabilidades de ocurrencia. El espacio muestral
asociado a este experimento es = {SS , SC , CS , CC}. Como se
ha mencionado, ms que estos resultados de la manera en que
se expresan, se est interesado en una forma de cuantificar los
resultados expuestos. En este caso, puede importar el nmero
de caras que resulta de efectuar el experimento. As, se puede
plantear la siguiente relacin:

Elemento de
SS
SC
CS
CC

=N de caras
X (SS ) = 0
X (SC ) = 1
X (CS ) = 1
X (CC ) = 2

En conclusin, una variable aleatoria asocia un valor numrico

a cada resultado de un experimento aleatorio y se puede
clasificar como una variable aleatoria discreta continua,
dependiendo de los valores numricos que asume, es decir
depende del soporte DX de la variable aleatoria.

N de caras
0
1
1
2

5.1.1. Tipos de variables aleatorias

Una variable aleatoria que puede asumir una cantidad
numerable de valores, debe quedar en claro que se hace
referencia a que un conjunto de nmeros es numerable si es
finito es infinito contable, recibe el nombre de variable
aleatoria discreta. Por ejemplo, imagine que un alumno
debe rendir un examen, de estadstica, que consta de 10

Matemticamente esta tabla define una funcin, ya que se tiene

una regla que asigna a cada elemento de un y slo un
nmero real. El dominio de esta funcin est dado por los
elementos de , mientras que el rango o recorrido de sta
funcin es el conjunto de nmeros asignados a cada elemento

64

Experimento
preguntas. Se puede definir la variable aleatoria discreta X
como la cantidad de preguntas del examen contestadas
correctamente. Esta variable aleatoria tiene soporte
DX = {0,1,2,3,K,10} que es un conjunto finito

Variable Aleatoria X

Soporte DX

Llamar a cinco Cantidad de clientes {0,1,2,3,4,5}

clientes
que hacen pedido
Inspeccionar un Cantidad de
embarque
de defectuosos
50 radios

Considere, ahora, los vehculos que llegan a una caseta de

peaje, y se define la variable aleatoria discreta X como la
cantidad de vehculos que llegan en un da. El soporte de
esta variable aleatoria es DX = {0,1,2,3,K} que es un
conjunto infinito pero contable.
Aunque muchos experimentos aleatorios tienen resultados
que se pueden describir naturalmente con valores
numricos, hay otros que no. Por ejemplo, una pregunta de
una encuesta puede pedir al encuestado que recuerde el
mensaje de un comercial televisivo reciente. Habr dos
resultados posibles ante esta pregunta, la persona puede No
recordar el mensaje puede S recordar el mensaje. En este
caso se puede definir la variable aleatoria X como sigue:
X toma el valor 0 si el sujeto No recuerda el comercial, y
X toma el valor 1 si el individuo S recuerda le comercial.
Los valores numricos para esta variable aleatoria son
arbitrarios (podran haber sido 5 y 10), pero se pueden
aceptar en trminos de la definicin de variable aleatoria,
ya que asigna una descripcin numrica al resultado del
experimento.

Radios {0,1,2,...,49,50}

Funcionamiento Cantidad de Clientes

de un restorn
durante un da

{0,1,2,3,....}

Vender
automvil

0 si es hombre;
1 si es mujer

un Sexo del cliente

Por otra parte, si una variable aleatoria puede tomar

cualquier valor numrico en un intervalo o conjuntos de
intervalos, recibe el nombre de variable aleatoria continua.
La siguiente tabla muestra algunos ejemplos de variables
aleatorias continuas.

La siguiente tabla muestra algunos ejemplos adicionales de

variables aleatorias discretas.

Experimento

Variable Aleatoria X

Funcionamiento
de un banco

Tiempo (minutos), entre [0,+)

llegadas de clientes

Llenado de una Cantidad de c.c.

lata de bebida

65

Soporte DX

[0, 350]

valor de la variable aleatoria

determina por la siguiente relacin:

Proyecto para Porcentaje terminado del [0, 100]

construir
una proyecto en seis meses
biblioteca

y se

P( X = x) = P({ / X ( ) = x})

Ensayar
un Temperatura cuando se [60C, 300C]
nuevo proceso lleva a cabo la reaccin
qumico
deseada

Ejemplo:
Considere el lanzamiento, en forma independiente, de dos
dados honestos. El espacio muestral asociado a este
experimento aleatorio es:
={(1,1), (1,2), (1,3), (1,4), (1,5), (1,6),
(2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3),
(3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6),
(5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3),
(6,6) }

5.2. Variables Aleatorias Discretas.

Como se mencion anteriormente, una variable aleatoria es
discreta s DX (soporte) es un conjunto numerable. Ahora se
analizar funciones asociadas a una variable aleatoria discreta,
como la funcin de probabilidad cuanta, valor esperado y
varianza.

(2,1),
(3,4),
(5,1),
(6,4),

(2,2),
(3,5),
(5,2),
(6,5),

Sea X =Diferencia absoluta entre los dados,

entonces DX = {0,1,2,3,4,5} . Por ejemplo se puede
calcular X (3,1), que corresponde a determinar la
diferencia absoluta entre 3 y 1 que es 2. Ahora, si se
quiere calcular la probabilidad de que la diferencia
absoluta de los dados sea 2, es decir, X = 2 se debe
usar la relacin mostrada anteriormente:

5.2.1. Distribucin de probabilidad.

La distribucin de probabilidad de una variable aleatoria
describe el cmo se comportan las probabilidades de los
diferentes valores de la variable aleatoria. Para una variable
aleatoria discreta, la distribucin de probabilidad se
describe mediante una funcin de probabilidad o funcin de
cuanta, representada por P( X = x) P (x) PX ( x) . La
funcin de probabilidad define la probabilidad de cada

P( X = 2) = P({ / X ( ) = 2})
= P ({(1,3), (3,1), (2,4), (4,2), (3,5), (5,3), (4,6), (6,4)})
=

66

8
2
=
36 9

La siguiente tabla muestra la distribucin de la variable

aleatoria en estudio:
0

X
P ( X = x)

6
36

10
36

8
36

6
36

4
36

2
36

Determinemos algunas probabilidades

P(Y = y )

P(X 2)= P(X=0) + P(X=1) + P(X=2)

6 10 8 24
+ + =
=
36 36 36 36
6 10 16
P(X < 2)= P(X=0)+ P(X=1)=
+ =
36 36 36
4 2 6
P(X 4)= P(X=4)+ P(X=5)=
+ =
36 36 36

10

11

12

1
36

2
36

3
36

4
36

5
36

6
36

5
36

4
36

3
36

2
36

1
36

P(Y = 7) = P({ / Y ( ) = 7})

= P ({(1,6), (6,1), (2,5), (5,2), (3,4), (4,3)})
=

6 1
=
36 6

La distribucin de probabilidades de esta variable

aleatoria es:
De los ejemplos anteriores se puede concluir que la
funcin de cuanta es no negativa, y que a suma de los
valores de la funcin de cuanta aplicada a todos los
valores en el soporte de la variable aleatoria debe dar 1.
Matemticamente se tiene:

Sigamos con el mismo experimento aleatorio, lanzamiento

de los dos dados, y considere la variable aleatoria
Y = Suma de los puntajes de los dados. El soporte de esta
variable
aleatoria
es
el
conjunto
DY = {2,3,4,5,6,7,8,9,10,11,12} . Imagine que se quiere
calcular la probabilidad de que Y = 7 . As, la probabilidad
buscada es:

67

x R : P( X = x) 0

P( X = x) = 1.0

5.2.2. Valor Esperado de una variable aleatoria discreta.

xD X

Sea X una variable aleatoria discreta con funcin de cuanta

P( X = x) y soporte DX . Se define el valor esperado de la
variable aleatoria X, o simplemente la esperanza de X,
como:
E ( X ) = x P( X = x)

Por otra parte, tambin puede ser de inters calcular

P ( X b) , P ( X < b) ,
probabilidades del tipo

P( X a) , P( X > a) y P(a X b) , como en el

ejemplo anterior. Estas probabilidades se calculan de la
siguiente manera:

P ( X b) =

P ( X < b) =

xD X

El valor esperado de una variable aleatoria o simplemente

la esperanza representa el promedio o la media de la
variable aleatoria. La esperanza de X tambin es denotada
por X .

P( X = x )

xD X : x b

P ( X = x)

xD X : x < b

Considere la variable aleatoria Y del ejemplo anterior

(recuerde que esta variable aleatoria corresponde a la suma

P ( X = x)

P( X a) =

P( X > a) =

P ( a X b) =

xD X : x a

P ( X = x)

10

11

12

1
36

2
36

3
36

4
36

5
36

6
36

5
36

4
36

3
36

2
36

1
36

xD X : x > a

P ( X = x)

P(Y = y )

xD X :a x b

de los puntajes obtenidos en los dos dados), cuya

distribucin de probabilidad es:

Si A es un conjunto de nmeros cualesquiera, entonces la

probabilidad de que X A se calcula como:

P( X A) =

As, la esperanza de Y se calcula como:

P ( X = x)

xD X : x A

68

Sea X una variable aleatoria discreta con

funcin de cuanta P( X = x) y soporte DX . Se define la
varianza y la desviacin estndar de la variable aleatoria X
como:

) ( x E ( X ) ) P ( X = x)
2

Var ( X ) = E ( X E ( X )) 2 =

xD X

= E( X ) E( X )
2

( ) x

12

E (Y ) = y P(Y = y )

2
donde E X =

y =2

P( X = x) . La varianza tambin es

xD X

denotada por: 2 2X 2 ( X ) .

1
2
3
4
5
6
+ 3 + 4 + 5 + 6 + 7 +
36
36
36
36
36
36
5
4
3
2
1
+ 8 + 9 + 10 + 11 + 12
36
36
36
36
36
= 7
= 2

Al igual que en estadstica descriptiva, se puede calcular la

desviacin estndar de la variable aleatoria. La desviacin
estndar suele ser denotada por X (X ) , y se
define como:

Esta cantidad se interpreta de la siguiente manera: imagine

que repite muchas veces el experimento aleatorio de lanzar
dos dados y sume los puntajes obtenidos, en cada
repeticin, en los dados y luego los promedia. Dicho
promedio es 7 el que corresponde al valor esperado de la
variable aleatoria Y.

( X ) = Var( X )
En el ejemplo de la suma de los puntajes de los dados
(variable aleatoria Y), se tiene que la varianza y la
desviacin estndar es:
12

E (Y 2 ) = y 2 * P(Y = y )

5.2.3. Varianza y desviacin estndar de una variable aleatoria

discreta.

y =2

1
2
1
+ 3 2 + K + 12 2
36
36
36
= 54.8 3
= 22

69

5.4. Ejercicios resueltos

E (Y ) = 7 = 49
2

1. El nmero de das requeridos para terminar las auditorias,

es una variable aleatoria X, con funcin de cuanta (de
probabilidades) dada por:

as, la varianza y la desviacin estndar son:

Var (Y ) = 54.8 3 49 = 5.8 3

x
10
P(X=x) 0.2

( X ) = Var ( X ) = 5.8 3 = 2.42

Sean X una variable aleatoria cualquiera, y sea Y una

combinacin lineal de X, es decir, Y = a + bX con a, b R . El
objetivo de esta seccin, es determinar E(Y), Var(Y) y (Y), sin
determinar la funcin de cuanta o funcin de densidad de Y,
dependiendo si la variable aleatoria X es discreta o continua.
Para determinar estas cantidades usaremos el siguiente
resultado:

Resultado: Sea X una variable aleatoria con valor esperado

E(X) y varianza Var(X), y sea Y = a + bX con a, b R .
Entonces:

12
0.3

13
0.1

14
0.1

a) Determine el nmero esperado de das, para terminar las

auditorias.
b) Cul es la variabilidad del nmero de das requeridos
para terminar las auditorias?.
c) La utilidad obtenida por la empresa encargada de las
auditorias est expresada por la siguiente relacin:
Y = $200.000*(12X).
c.1. Cul es la utilidad esperada por la Empresa Auditora?
c.2. Cul es la probabilidad de que la Empresa Auditora
obtenga prdida?
c.3. Determine la desviacin estndar de la utilidad.

5.3. Transformacin Lineal

11
0.3

Solucin:
a) Sea X= N de das requeridos para terminar las auditoras

E (Y ) = E (a + bX ) = a + bE ( X )
Var (Y ) = Var (a + bX ) = b 2 Var ( X )
(Y ) = (a + bX ) = b ( X ) (Y)

E ( X ) = 10 0.2 + 11 0.3 + 12 0.3 + 13 0.1 + 14 0.11 = 11.6

Luego, se espera tardar entre 11 y 12 das para terminar las

auditoras.

70

b)

Var ( X ) = E ( X 2 ) - (E ( X ) ) = 136 - 11.62 = 1.44 , donde:

2

E ( X 2 ) = 102 0.2 + 112 0.3 + 122 0.3 + 132 0.1 + 142 0.11 = 136
c.1. Y =2400000 - 200000 X
E (Y ) = E (2400000 - 200000 X ) = 2400000 - 200000 E ( X )

2. Un vendedor ha descubierto que la probabilidad de hacer

varias ventas por da, si visita a 10 presuntos compradores
se presenta en la siguiente tabla:

= 2400000 200000 11.6 = 80000

La utilidad esperada es de 80000 UM (Unidades Monetarias).

X: nmero
de Ventas
P(X=x)

c.2. Se tiene prdida si Utilidad < 0, es decir, si X > 12

P(Prdida ) = P( X > 12) = P( X = 13) + P( X = 14)

0.04 0.15 0.20 0.25 0.19 0.10 0.05 0.02

a) Calcule la cantidad esperada y la varianza del nmero

de ventas por da.
b) Suponga que el vendedor obtiene una comisin de
$1500 por venta, determine sus ganancias diarias
esperadas por concepto de comisiones.

= 0.1 + 0.1 = 0.2

c.3. La desviacin estndar de la utilidad:
2
2
Var (Y ) = (200000) Var ( X ) = (200.000 ) 1.44

( Utilidad) =

a) Determine la constante k.
b) Calcule la varianza de la demanda
c) En los das en que la demanda es superior a dos
artculos, Cul es la probabilidad de que la demanda
no sobrepase los 4 artculos?.

(200000)2

1.44 = 200000 1.2 = 240000 UM

3. El nmero de funcionarios con operaciones bancarias mal
realizadas, durante una semana, es una variable aleatoria X
con la siguiente distribucin de probabilidades:
5.5. Ejercicios propuestos.
si j = 0,1,2,3,......, 20
a(20 - j )
P( X = j ) =
1. La demanda diaria de cierto artculo est caracterizada por
e.o.c.
0
la siguiente distribucin de probabilidad:
d2
La prdida ocasionada por este concepto G se puede
si d = 1,2,3,4,5
k
P(D = d ) = 16
considerar como:
0
e.o.c.
G = 100 X - X 2

71

a) Si en una semana se encuentran menos de 5

funcionarios con operaciones bancarias mal
realizadas, Cul es la probabilidad de que slo uno
de los funcionarios tenga operaciones bancarias mal
realizadas?.
b) Determine la prdida esperada semanal por este
concepto.

a (10 - i )
P( X = i ) =
0

Si

i = 0,1,2,3,...,10

e.o.c.

a) Cul es el nmero esperado de cigarrillos en mal

estado por cajetilla?.
b) Cul es la probabilidad de que se encuentren menos de
3 cigarrillos en mal estado, sabiendo que en una cajetilla
se encuentran a lo ms 5 cigarrillos en mal estado?
c) La prdida es proporcional al cuadrado del nmero de
cigarrillos en mal estado por cajetilla, donde la constante
de proporcionalidad es 20. Cul es la prdida esperada?.

4. La demanda mensual de camiones es una variable aleatoria

discreta con la siguiente ley de probabilidades:
( x + 1)(6 - x )
si x = 1,2,3,4,5.

P( X = x ) =
50
0
e.o.c.
Los camiones tienen costo de bodega de 35 U.M. por
camin, y el precio de venta es de 55000 U.M. por camin.
Si los camiones no se venden en el mes se tiene una prdida
total.
Usted al principio de cada mes, tiene que dejar una cantidad
fija de camiones; justificando su respuesta indique, si
conviene dejar 2, 3 4 camiones al principio del mes.

6. La cantidad de boletos de Lotera que vende un empleado

de cierta agencia, por hora, es una variable aleatoria
caracterizada por:
si x = 1,2,3
2ax

P( X = x ) = a(9 x ) si x = 4,5,6
0
en otro caso

indicacin : Para cada uno de los casos 2, 3 y 4 determinar

la Utilidad y luego calcular el valor esperado

a) Si en una hora un vendedor vendi menos de 5 boletos,

calcule la probabilidad que por lo menos haya vendido 2
boletos.
b) Calcular e interpretar E(X).
c) Un empleado recibe un premio de $1000 si en una hora
vende ms de 4 boletos, en caso contrario, no recibe
nada. Calcule el ingreso esperado por ese concepto.

5. El nmero de cigarrillos en mal estado en una cajetilla, es

una variable aleatoria X con la siguiente distribucin de
probabilidades:

72