Estadstica Aplicada a la Gestin Empresarial

Variable Aleatoria
Distribuciones de probabilidad

2016 II
VARIABLE ALEATORIA
Definicin
Se define como variable aleatoria a una funcin X que asocia a cada uno de los
elementos s que pertenecen al espacio muestral S y un nmero real X(s):
Rango o recorrido de una variable aleatoria (R)
Rango es el conjunto de valores reales que adopta la variable aleatoria:
Rx = {x R/x = X(s)}

Experimento aleatorio: Lanzar una moneda al aire y

observar el lado superior luego de caer. S = {Cara, Sello}

En este caso los sucesos y eventos no son nmeros reales.

Variable aleatoria: Si el resultado del experimento es
Sello se pierde S/. 1, y se gana S/. 1 si el resultado es
Cara. Rx = {- 1, 1}
VARIABLE ALEATORIA DISCRETA
VARIABLE ALEATORIA DISCRETA

Sea X variable aleatoria discreta, con rango Rx, definida como: Rx = {x1, x2, ..., xn,...}. A cada xi se le
n
asocia una funcin p(xi) = P[X = xi] llamada funcin de cuanta: p(xi) 0, xi R. p(x )= 1
i 1
i

El conjunto de pares de la forma {xi, p(xi) } recibe el nombre de Distribucin de Probabilidades de la

variable aleatoria discreta X y contiene toda la informacin necesaria para estudiarla.

Funcin de distribucin acumulada de una variable aleatoria discreta

La funcin de distribucin acumulada de una V. A. Discreta, se define como: Fx a px

i a
i

Caractersticas numricas de una variable aleatoria discreta

Sea X variable aleatoria discreta con recorrido Rx y con funcin de cuanta p(xi)

Esperanza matemtica Varianza

Valor esperado: x2 = V(X) = E{[X E(X)]2} = E(X2) [E(X)]2 = xi2 * p(xi ) [E(X)]2
E(x) =
xi Rx
xi p(xi) Desviacin estndar: X = V( X )
DISTRIBUCIN DE POISSON
Es una distribucin muy usada en el entorno empresarial. Se
deriva del proceso de Poisson en honor al matemtico francs
Simeon Denis Poisson (1781-1840).

Debe cumplir las siguientes condiciones:

La ocurrencia de los eventos son independientes.

El nmero promedio de veces () que ocurre un xito por cada

unidad de tiempo o de espacio es constante.
Definicin
Sea X una variable aleatoria que se distribuye como una
Poisson con parmetro , si su funcin de probabilidad
es:

e
x

P( X x ) donde x = 0, 1, 2, ...
x!

Notacin: X ~ Poisson()
Caractersticas
Sea X una variable aleatoria que sigue una distribucin
de Poisson, entonces:

Esperanza: E(X) =
Varianza: V(X) =

La distribucin de Poisson es la nica distribucin cuya

esperanza y varianza son iguales y tienen el valor del
parmetro de la distribucin.
Ejemplos de aplicacin

Distribucin del N de llamadas telefnicas por minuto

en un call center.

Distribucin del N de clientes que llegan a una entidad

financiera.

Se usa cuando se refiere a la distribucin del nmero

de ocurrencias por unidad de medicin (tiempo,
espacio, etc.):
DISTRIBUCIN NORMAL
La distribucin Normal es la ms importante de las
distribuciones continuas y ha sido estudiada desde 1733 por
DeMoivre (1667-1754). En 1809, Gauss (1777-1855) la utiliz
para modelar datos astronmicos.
La distribucin Normal es el soporte de todo lo que se conoce
como estadstica clsica. Esto significa, que muchas tcnicas
estadsticas requieren que los datos se comporten como la
normal para su correcta aplicacin.
DISTRIBUCIN NORMAL

Se dice que la variable aleatoria continua X, tiene

distribucin Normal con parmetro , . 2
X N ,
Su Funcin de Densidad de Probabilidad de una Normal con parmetro (, )
es:

2
1 x
1
f x e 2
- x ; - ; 0
2 2
Si X N(, 2), entonces :

EX Var X
2
 DISTRIBUCIN NORMAL ESTANDARIZADA
Z N 0, 1
Si la variable aleatoria continua X, tiene distribucin Normal
X N , 2 , entonces la variable aleatoria estndar Z
X
,

tiene distribucin Z N 0, 1
Su Funcin de Densidad de Probabilidad de una Normal Estandarizada es:

1
1 x2
f x e 2 - x
2

- < < y > 0

Si X N(0, 12), entonces : E Z 0 Var Z 1

Ejemplos de aplicacin

Distribucin de las remuneraciones mensuales.

Contenido (peso) de productos empacados.

Tiempo de realizacin de determinadas actividades