Universidad de Guadalajara

Centro Universitario de Ciencias Exactas e Ingenierías

Probabilidad

Reporte de lectura Unidad 2. Variables Aleatorias y Distribuciones

de Probabilidad

Subtemas:

3.1 Concepto de variable aleatoria

3.2 Distribuciones discretas de probabilidad

3.3 Distribuciones de probabilidad continua

3.4 Distribuciones de probabilidad conjunta

3.5 Posibles riesgos y errores conceptuales; relación con el material de otros capítulos
Tabla de fórmulas:

Referencia:

Walpole, Myers, Myers. (2012). 3 Variables aleatorias y distribuciones de probabilidad. En

Probabilidad y estadística para ingeniería y ciencias(81-109). México: PEARSON

1
Universidad de Guadalajara
Centro Universitario de Ciencias Exactas e Ingenierías
Probabilidad

UNIVERSIDAD DE GUADALAJARA
CENTRO UNIVERSITARIO DE CIENCIAS EXACTAS E
INGENIERÍAS.
DIVISIÓN DE INGENIERÍAS.

Reporte de lectura. Segunda unidad.

Carrera: Licenciatura en Ingeniería Industrial.

Alumno: Gutiérrez Méndez Lexi Noel. Código: 216742503.

Asignatura: Probabilidad.

NRC: 77422 Clave: I7348 Secc: D01

Horario: Lunes 7:00-9:00, Miércoles 7:00-8:00.

Grupo: U17

Profesora: Ascencio Escamilla, Juana Adriana.

Fecha de entrega: Sábado 23 de febrero de 2020.

2
Universidad de Guadalajara
Centro Universitario de Ciencias Exactas e Ingenierías
Probabilidad

3.1 Concepto de variable aleatoria: Una variable aleatoria es una función a la que se le
asocia un número real a cada elemento del espacio muestral. En la estadística los
experimentos están sujetos al azar. Un experimento estadístico es cualquier proceso por el
cual de obtienen varias observaciones al azar, en estos experimentos el valor se determina por
las resultados del experimento. El espacio muestral discreto son espacios muestrales que
contienen un número de finito de posibilidades o una serie interminable con tantos elementos
como números enteros existentes, la variable discreta es aquella en la que se puede
cuantificar el conjunto de sus posibles resultados, esta representa datos por conteo como el
número de artículos defectuosos en una muestra k, el número de accidentes de carretera por
año en un lugar específico, etc. El espacio muestral continuo es el que contiene un número
infinito de posibilidades, la variable aleatoria es la que puede tomar valores en una escala
continua, representa datos medidos como peso, altura, temperatura, etc.

3.2 Distribuciones discretas de probabilidad: En variable aleatoria discreta

se toma cada valor con cierta probabilidad. En ocasiones las
probabilidades una variable aleatoria X se pueden representar con
ecuaciones, representandolas con f(x), g(x), r(x), etc., dando como
resultado la fórmula f(c)= P(X = x). Un conjunto de pares ordenados
(x, f(x)) se le conoce como función de probabilidad, función de masa
de probabilidad o distribución de probabilidad de la variable
aleatoria discreta X, para cada resultado x posible.: 1. f(x) ≥ 0, 2.
∑xf(x) = 1, 3. P(X = x) = f(x). Los puntos obtenidos de esta fusión de se pueden representar
de manera gráfica en un histograma de probabilidad, teniendo una gráfica con los valores de
f(x) en el eje y, y los valores de x en el mismo eje x.

3.3 Distribuciones de probabilidad continua: En el caso de las variables

continuas se tiene una probabilidad 0 de adaptar de manera exacta
cualquiera de sus valores, por consecuencia su distribución de
probabilidad no se puede representar en forma de tabla, ya que en
estos casos hay una probabilidad infinita de valores cuando se
trata de un valor exacto, haciendo que resulte imposible el poder
obtener con exactitud un resultado, por consecuencia otorgando
una probabilidad de 0, el caso es diferente si establecemos los
límites y tomamos como factible cualquier resultado dentro de los
límites, dándonos las probabilidades por intervalos de variable
aleatoria continuas: P(a<X≤b) = P(a<X<b) + P(X=b) = P(a<X<b).
Aunque no se pueda tabular es posible representarla como una
fórmula. En variables continuas, af(x) se le llama función de
densidad de probabilidad o función de densidad de X, donde X es un
espacio muestral continuo, es posible que f(x) tenga un número
finito de discontinuidades. En la función de densidad de
probabilidad se toma el área debajo de la curva con un valor de 1,
se usa para variables aleatorias continua de x.
3.4 Distribuciones de probabilidad conjunta: El estudio de variables y sus distribuciones
de probabilidad de selección se limita a espacios muestrales unidimensionales osea que los
resultados de un experimento son los valores de una sola variable aleatoria. En ocasiones se

3
Universidad de Guadalajara
Centro Universitario de Ciencias Exactas e Ingenierías
Probabilidad

querrá registrar los resultados de diversas variables aleatorias, al mismo tiempo, registrando
el resultado de dos eventos en los mismos tiempos. La función f(x,y) donde x y y son dos
variables aleatorias discretas es una distribución de probabilidad conjunta o función de masa
de probabilidad, nos indica la probabilidad de que los resultados x y y ocurran al mismo
tiempo. La función f(x,y) cuando x y y son variables aleatorias continuas, la función de
densidad conjunta es la superficie sobre el plano xy. Las distribuciones marginales de X y Y
cuando son variables aleatorias continuas, representan la suma para g(x) de f(x,y) en todas los
valores de Y, y h(y) como la suma de f(x,y) en todos los valores de x. La distribución
condicional para poder calcular probabilidades condicionales de manera eficaz es muy
importante que utilicemos el tipo especial de distribución de la forma f(x,y)/g(x).
Independencia estadística si f(x|y) no depende de y, entonces f(x|y) = g(x)h(x), al f(x|y) no
depender de “y” entonces el resultado de la variable aleatoria Y no repercute en el resultado
de la variable X, osea que X y Y son variables aleatorias independientes. La distribución
binaria se le conoce a cuando las observaciones repetidas independientes son binarias por
naturaleza con un valor de 0 a 1. La distribución exponencial es el escenario de una
distribución continua del tiempo de operación antes de cualquier falla.
3.5 Posibles riesgos y errores conceptuales; relación con el material de otros capítulos:
La distribución de probabilidad representa la estructura por la cual las probabilidades
calculadas ayudan a evaluar y comprender un proceso, el conocer la estructura de la
posibilidad de un componente facilita el entendimiento y confiabilidad de un sistema,
ayudando a comprender el valor-P, los parámetros cuantifican las nociones de tendencia
central y variabilidad en un sistema.
Tabla de fórmulas:

Concepto: Fórmula:

Distribuciones discretas de probabilidad: f(x)= P(X=x)

x,f(x)
1. f(x) ≥ 0
2. ∑f(x) = 1

3. P(X=x) = f(x)

Función de la distribución acumulativa: F(x)= P(X≤x) =∑t≤xF(t), para

-∞<x<∞

Probabilidades por intervalos de P(a<X≤b) = P(a<X<b) + P(X=b) =

variables aleatorias continuas: P(a<X<b)
Función de distribución acumulativa F(x)= P(X≤x) =∫-∞xf(t) dt, para
-∞<+∞
Distribución de probabilidad conjunta de f(x,y) = P(X=x, Y=y)

4
Universidad de Guadalajara
Centro Universitario de Ciencias Exactas e Ingenierías
Probabilidad

XyY 1. f(x,y) ≥ 0 para toda (x,y)

2. ∑x∑yf(x,y) = 1
3. P(X=x, Y=y) = f(x,y)

Función de densidad conjunta de variable 1. F(x,y) ≥ 0 para toda (x,y)

aleatorias continuas X y Y 2. ∫-∞ ∞ ∫-∞ ∞ f(x,y) dxdy = 1
3. P[(X,Y)EA] = ∫ ∫Af(x,y)dxdy

Distribuciones marginales sólo de X y sólo g(x) = ∑yf(x,y) y h(x) = ∑x, para el caso de
de Y y discreta.
g(x)∫-∞ ∞f(x,y)dy y h(y)=∫-∞
∞f(x,y)dx para el caso continuo
Distribución condicional de la variable f(y|x) = f(x,y)/g(x) , siempre que g(x) > 0.
aleatoria Y, dado que X=x Y, dado que X=x
f(x|y) = f(x,y)/h(y) , siempre que h(y) > 0.
X, dado que Y=y

Sean X y Y dos variables aleatorias, f(x,y) = g(x)h(y)

discretas o continuas, con distribución de
probabilidad conjunta f (x, y) y
distribuciones marginales g(x) y h(y),
respectivamente. Se dice que las variables
aleatorias X y Y son estadísticamente
independientes si y sólo si

Referencia:

Walpole, Myers, Myers. (2012). 3 Variables aleatorias y distribuciones de probabilidad. En

Probabilidad y estadística para ingeniería y ciencias(81-109). México: PEARSON.