PROBABILIDAD Y

ESTADISTICA
GUIA DE CLASES

TEMA 3.1
Variables Aleatorias y
Distribuciones de Probabilidad
Docente: Ing. Pablo Cevallos L. Msc.
o Conceptos de variable aleatoria.
o Introducción a Distribuciones discretas de
probabilidad
o Introducción a Distribuciones continuas
de probabilidad

05/09/2020 2
 Experimento estadístico común: La prueba de un número de
componentes electrónicos

Una estrategia para representar los resultados es

asignarles valores numéricos.
 Ej: Si consideramos apenas los elementos
defectuosos, asignamos un valor númerico a cada
punto del espacio muestral  0, 1, 2 o 3.
  ESTOS NUMEROS SON CANTIDADES ALEATÓRIAS
DETERMINADAS POR EL RESULTADO DEL EXPERIMENTO

Una variable aleatoria es una función que asocia un

número real con cada elemento del espacio muestral.
Usaremos X para denotar una variable aleatoria y x para denotar a los
valores que toma la variable aleatória.
05/09/2020 3
La variable aleatoria X toma el valor 2 para todos los
elementos en el subconjunto

Cada valor posible de X representa un evento que es un

subconjunto del espacio muestra para el experimento dado

Otro Ejemplo: Siendo el experimento “lanzar dos dados y

sumar los valores de sus caras”
Su espacio muestra: [2, 3, …, 12]

Vamos a asociar la probabilidad de ocurrencia para todos los

valores del espacio muestra, o sea, para todos los
valores de X
P(2) = P(12) = 1/36 [1&1; 6&6]
P(3) = P(11) = 2/36 [1&2; 2&1; 5&6; 6&5]
P(4) = P(10) = 3/36 […]
P(5) = P(9) = 4/36 […]
P(6) = P(8) = 5/36 […]
P(7) = 6/36 [3&4; 4&3; 5&2; 2&5; 1&6; 6&1]
 Y su representación gráfica:
X 6/36
X X X 5/36

X X X X X 4/36
X X X X X X X 3/36
X X X X X X X X X 2/36
X X X X X X X X X X X 1/36
----------------------------------------------
2 3 4 5 6 7 8 9 10 11 12
Para esta representación. la “función de densidad de probabilidad”, sugiere
que cada altura ( f(x) ) corresponde a una probabilidad.
 Una variable aleatoria es discreta si se puede contar
su conjunto de resultados posibles.

 Cuando una variable aleatoria puede tomar valores en

una escala continua se denomina variable aleatoria
continua.

 En problemas prácticos las variables aleatorias

continuas representan datos medidos (pesos, alturas,
temperaturas, distancias o tiempo).

 Las variables aleatorias discretas representan datos

contados.
 Distribuciones de
Probabilidad
Definición: Cualquier tabla, gráfico o función que
asocia valores de una variable aleatoria a las
probabilidades de su obtención.

Una función de probabilidad también es conocida como

función de densidad de probabilidad y posee dos
propiedades básicas:
i) 0 ≤ P(X) ≤ 1
ii) [ P(X)] = 1
 Distribuciones de
Probabilidad
Con frecuencia es conveniente representar todas i) 0 ≤ P(X) ≤ 1
las probabilidades de una variable aleatoria X
mediante una fórmula f(x). ii) [ P(X)] = 1

 𝒇 ( 𝒙 )= 𝑷 ( 𝑿= 𝒙 ) , 𝒇 ( 𝟑 )= 𝑷( 𝑿 =𝟑)
 El conjunto de pares ordenados se llama Función de probabilidad o
distribución de probabilidad

 
Distribución Acumulada:
Es la probabilidad de que un valor observado de una variable aleatoria X sea
menor o igual que algún número real x.
Distribuciones discretas

En el ejemplo de “lanzar dos dados y sumar los valores de sus caras”

Podemos decir que es una función (distribución) de
probabilidad discreta, ya que los valores de la V.A asociada a
ella también lo son.

 Ladistribución acumulada F(x) de una variable aleatoria

discreta X con distribución de probabilidad f(x) es

05/09/2020 9
Distribuciones continuas

En el caso de variables continuas, no es posible asociar una

probabilidad a exactamente un punto: la definición de “continua”
implica en infinitos puntos a ser asociados.
 Por lo tanto, se trabaja con la probabilidad de ocurrencia de
un evento en un determinado intervalo.

Ej. La probabilidad de ocurrencia de alturas de adultos en un país. Es

imposible asociar una probabilidad a todas las alturas que podrían ser
medidas. Pero seria posible una afirmación del tipo:
25% de las observaciones están entre 1,70 e 1,80 m
[P(1,70 ≤ X ≤ 1,80) = 0,25]

La señal de desigualdad puede ser “<“ o “≤” pues, de cualquier

forma, no es posible referirse a la probabilidad de un punto
Distribuciones continuas

Se reducimos el tamaño de las clases, el histograma se transforma en una

curva, pero el principio permanece el mismo.

En el caso mas famoso de las distribuciones continuas, esa curva es la

famosa distribución Normal
•Distribuciones
  continuas
 Formulando lo antes expuesto.

 No se puede representar de manera tabular.

 f(x) = función de densidad de probabilidad

La función f(x) es una función de densidad de probabilidad

para la variable aleatoria continua X, definida para los
números reales R, si:
•La  distribución acumulada F(X) de una variable
aleatoria continua X con función de densidad f(x)
es:

05/09/2020 13
Ejemplo 3.1: Se sacan dos bolas de manera
sucesiva sin reemplazo de una bolsa que contiene 4
bolas rojas y 3 negras. La variable aleatoria Y es el
número de bolas rojas y los valores y son:
Espacio muestral y
Roja – roja 2
Roja – negra 1
Negra – roja 1
Negra – negra 0

Ejemplo 3.2: Consideremos el lanzamiento de una

moneda. S está formado por dos posibilidades.
Sea X(sello)=0 y X(cara)=1.
P(X=0)
P(X=1)

05/09/2020 14
Ejemplo 3.3: Se lanzan dos dados. Se define como
variable aleatoria a X = la suma de los valores de
los dos dados.

05/09/2020 15
•Ejemplo
  3.4: Consideramos el lanzamiento
nuevamente de 2 dados. X es la variable aleatoria
que representa la suma de los dados, la función de
probabilidad de X es:

05/09/2020 16
•Ejemplo
  3.5: Una agencia vende 50% de sus
vehículos con bolsas de aire. Encuentre una fórmula
para la distribución de probabilidad del número de
autos con bolsas de aire entre los siguientes 4
vehículos que venda la agencia.

Probabilidad de c/vehi. = 0.5

S= 16
X= Autos con bolsa de aire
x= 0, 1, 2, 3 y 4

05/09/2020 17
•Ejemplo
  3.6: Encontrar la distribución acumulada
de la variable aleatoria X del ejemplo 3.5 F(x).

05/09/2020 18
•Ejemplo
  3.7: El error en la temperatura de
reacción (⁰C) para un experimento de laboratorio es
una variable aleatoria continua X que tiene la
función de densidad de probabilidad.
Encuentre

05/09/2020 19
•Ejemplo
  3.8: La variable aleatoria que representa
la proporción de accidentes automovilísticos fatales
en USA, tiene la siguiente función de densidad:

¿Cuál es la probabilidad de que no más del 25% de

los accidendes automovilísticos sean fatales?
P[X<=0.25]?

05/09/2020 20
•Ejemplo
  3.9: Para la función de densidad.
Encuentre F(x) y utilícela para evaluar

05/09/2020 21
•Ejemplo
  3.9: Para la función de densidad.
Encuentre F(x) y utilicela para evaluar

05/09/2020 22
Actividad 3.1:

Realizar los ejercicios impares desde el ejercicio 3.13 al

3.33. Edición 9 Walpole.
Total = 11 ejercicios.

05/09/2020 23
 3. VARIABLES
ALEATORIAS Y
DISTRIBUCIONES DE
PROBABILIDAD

3.4. Distribuciones empíricas

3.5. Distribuciones de probabilidad conjunta

05/09/2020 24
 3. VARIABLES
Distribuciones ALEATORIAS Y
DISTRIBUCIONES DE
empíricas PROBABILIDAD

 La función de probabilidad (caso discreto y

continuo), son formas de caracterizar la
distribución de probabilidad para una población.

 Generalmente, NO se pueden generar suficiente

información (datos experimentales) para
caracterizar por completo la distribución.

 Muchas veces un resumen gráfico de un conjunto

de datos puede proporcionar más información del
sistema del que se obtuvieron los datos.

05/09/2020 25
 3. VARIABLES
Distribuciones ALEATORIAS Y
DISTRIBUCIONES DE
empíricas PROBABILIDAD

Para una Muestra aleatoria simple, es posible encontrar una distribución a

partir de la muestra que proporcionará un cierto parecido a
la distribución verdadera de la variable asociada con la población. Es lo que se
denomina función de distribución empírica (FED) de la muestra.

La FED o cdf empírica es una función

de paso que salta por 1/N a la
ocurrencia de cada observación:
Donde:

FED estima la verdadera función de densidad acumulativa

subyacente de los puntos en la muestra  Converge con la
distribución verdadera a medida que el tamaño de la muestra
se hace lo suficientemente grande.
https://support.numxl.com/hc/es/articles/215108206-Funci
%C3%B3n-de-Distribuci%C3%B3n-Emp%C3%ADrica 05/09/2020 26
 3. VARIABLES
Distribuciones ALEATORIAS Y
DISTRIBUCIONES DE
empíricas PROBABILIDAD

Para una Muestra aleatoria simple, es posible encontrar una distribución a

partir de la muestra que proporcionará un cierto parecido a
la distribución verdadera de la variable asociada con la población. Es lo que se
denomina función de distribución empírica (FED) de la muestra.

La FED o cdf empírica es una función

de paso que salta por 1/N a la
ocurrencia de cada observación:
Donde:

FED estima la verdadera función de densidad acumulativa

subyacente de los puntos en la muestra  Converge con la
distribución verdadera a medida que el tamaño de la muestra
se hace lo suficientemente grande.
https://support.numxl.com/hc/es/articles/215108206-Funci
%C3%B3n-de-Distribuci%C3%B3n-Emp%C3%ADrica 05/09/2020 27
 3. VARIABLES
Distribuciones ALEATORIAS Y
DISTRIBUCIONES DE
empíricas PROBABILIDAD

Ej.

https://support.numxl.com/hc/es/articles/215108206-Funci
%C3%B3n-de-Distribuci%C3%B3n-Emp%C3%ADrica 05/09/2020 28
 3. VARIABLES
Distribuciones de ALEATORIAS Y
DISTRIBUCIONES DE
probabilidad conjunta PROBABILIDAD

 En diversas aplicaciones es necesario registrar los

resultados simultáneos de diversas variables
aleatorias.

 Por ejemplo:
 Al analizar la contaminación del agua y se mide la
concentración de varios contaminantes.
 Proceso de fabricación: en un tiempo definido, se
determina el número de artículos producidos y
también los productos para reproceso.
 Dureza y resistencia a la corrosión de biomateriales.
 Análisis estudiantil: prueba de ingreso, notas colegiales
y notas actuales (S tridimensional).

05/09/2020 29
 3. VARIABLES
Distribuciones de ALEATORIAS Y
DISTRIBUCIONES DE
probabilidad conjunta PROBABILIDAD

Caso DISCRETO

• X
  y Y son dos variables aleatorias discretas. La
distribución de probabilidad para sus ocurrencias
simultáneas se puede representar: para
cualquier valor (x,y) dentro de un rango.

 Distribución de probabilidad conjunta

de X y Y.
 
f(x,y) = probabilidad de que ocurran x y y
al mismo tiempo.
05/09/2020 30
 3. VARIABLES
Distribuciones de ALEATORIAS Y
DISTRIBUCIONES DE
probabilidad conjunta PROBABILIDAD

o Ej. Una persona en el dentista; X representa el número de

meses sin revisión médica y Y representa el número de
piezas dentales con caries. f(6, 5) es la probabilidad de
que a los 6 meses el paciente necesita 5 calzas.

o Ej. Se le va a dar servicio a los neumáticos de un camión

de transporte pesado, y X representa el número de millas
que éstos han recorrido y Y el número de neumáticos que
deben ser reemplazados,
f(30,000, 5)  Probabilidad de que los neumáticos
hayan recorrido más de 30,000 millas y que el camión
necesite 5 neumáticos nuevos.

o Mantenimiento a una TV: X representa en años la edad del

equipo y Y representa el número de segmentos o tarjetas
defectuosas. f(5, 3) es?
05/09/2020 31
 3. VARIABLES
Distribuciones de ALEATORIAS Y
DISTRIBUCIONES DE
probabilidad conjunta PROBABILIDAD

P (X = x, Y = y) = f (x, y).

Para cualquier región A en el plano xy, P[(X, Y) ∈ A] = ΣΣA f

(x,y ). 05/09/2020 32
 3. VARIABLES
Distribuciones de ALEATORIAS Y
DISTRIBUCIONES DE
probabilidad conjunta PROBABILIDAD

•Ejemplo
  1: Se seleccionan al azar dos repuestos
para un esfero de una caja que contiene 3 azules, 2
rojos y 3 verdes. X es el número de repuestos
azules y Y de rojos que se seleccionan. Encuentre:
a) la probabilidad conjunta f(x,y) y
b)
Total
total
S= 28

total
total 1

total 1
05/09/2020 33
 3. VARIABLES
Distribuciones de ALEATORIAS Y
DISTRIBUCIONES DE
probabilidad conjunta PROBABILIDAD

•  

b)

05/09/2020 34
 3. VARIABLES
Distribuciones de ALEATORIAS Y
DISTRIBUCIONES DE
probabilidad conjunta PROBABILIDAD

Caso CONTINUO
•Cuando
  X y Y son variables continuas, f(x,y) es una superficie
sobre el plano xy y , donde A es cualquier región en el plano xy,
es igual al volumen del cilindro recto limitado por la base A y la
superficie:

05/09/2020 35
 3. VARIABLES
Distribuciones de ALEATORIAS Y
DISTRIBUCIONES DE
probabilidad conjunta PROBABILIDAD

•Ejemplo
  2: Un negocio alquila vehículos y
bicicletas. Un día determinado, X y Y son la
proporciones de tiempo que un vehículo y una
bicicleta están en uso. Suponga que la función de
densidad conjunta es:

a) Verifique
b) Encuentre

05/09/2020 36
 3. VARIABLES
Distribuciones de ALEATORIAS Y
DISTRIBUCIONES DE
probabilidad conjunta PROBABILIDAD

•Dada
  la distribución de probabilidad conjunta de
las variables aleatorias discretas X y Y.

La distribución de probabilidad , solo de X, se

obtiene sumando sobre los valores de Y. De igual
manera
 y son distribuciones marginales de X y Y.

caso discreto:

Con X y Y son v.a. continuas las sumatorias

se cambian a integrales.
caso continuo: 05/09/2020 37
 3. VARIABLES
Distribuciones de ALEATORIAS Y
DISTRIBUCIONES DE
probabilidad conjunta PROBABILIDAD

•Ejemplo
  3: Encuentre del ejercicio 2

05/09/2020 1438
Actividad 3.1 (PARTE 2):

Realiza una síntesis (a mano) del tema: Independencia

Estadística. (Walpole – Cap 3, Tema: Dist. Probabilidad
Conjunta)

Realizar los ejercicios 3.37, .39, .41, .45, .49, .51, .

55, .59. Edición 9 Walpole.
Total = 8 ejercicios.

05/09/2020 39