Clase 8

Curso: Probabilidades y Estadística.
Clase 8: Variable aleatoria discretas y

continuas.
Revisión actividad online
• ¿Cuáles fueron las principales dificultades al realizar el taller?
• Preguntas y comentarios.
Estructura del curso
Clase 1: Estadística Descriptiva-Conceptos Básicos.
Clase 2: Estadística Descriptiva -Medidas de Tendencia Central.

Unidad 1: Estadística Descriptiva
Clase 3: Estadística Descriptiva-Medidas de Dispersión.
Clase 4: Estadística Bivariada.
Clase 5: Repaso Estadística Univariada y Bivariada.
Clase 6: Solemne.
Curso Unidad 2: Probabilidades Clase 7: Conceptos básicos de probabilidades.
Clase 8: Variable Aleatoria Discretas y Continuas.
Clase 9: Distribuciones Discretas.
Clase 10: Distribuciones Continuas.
Clase 11: Inferencia Estadística-Intervalos de Confianza.

Unidad 3: Inferencia Estadística
Clase 12: Inferencia Estadística-Hipótesis.
Clase 13: Solemne.

Resultado de Aprendizaje de la Clase
• Conocer el concepto de variable aleatoria discreta y
continua, para construir funciones de probabilidad orientadas
a la ingeniería.
¿Por qué es importante este tema?
El estudio de las variables aleatorias es de mucha utilidad en el

contexto industrial, permiten modelar el comportamiento de un
cierto fenómeno que esté ocurriendo, esto con el fin de obtener
eficiencia en la toma de decisiones. En este sentido, una gestión
óptima se caracterizará por una utilización racional y sensible de
los recursos, tanto económicos como naturales, compatible con
la maximización de beneficios.
Variable Aleatoria
Una variable aleatoria es una función que asigna un valor numérico
a cada suceso elemental del espacio muestral. También podemos
decir, aunque de forma menos formal, que una variable aleatoria es
una variable cuyo valor numérico está determinado por el resultado
de un experimento aleatorio.
Las variables aleatorias se representan con letras mayúsculas y sus
posibles valores con letras minúsculas.
Existen dos tipo de variables:

• Variable Aleatoria Discreta
• Variable Aleatoria Continua
Variable Aleatoria Discreta
Una variable aleatoria “X” es discreta, si el número de valores
posibles de la variable es un número finito o infinito numerable.
Ejemplos:
• Número de trabajadores ausentes en un día dado, en una

empresa que cuenta con 30 trabajadores.
Valores posibles de la variable: 0, 1, 2, 3, ……., 30 (finito)
• Número de autos que circulan por una autopista en un

determinado momento.
Valores posibles de la variable: 0, 1, 2, 3, …….(infinito
numerable)
Función de Probabilidad (función de Cuantía)
Una vez definida una variable aleatoria X, podemos definir
una función de probabilidad asociada a X, de la siguiente
forma:
f :   [0,1]
x  f ( x)  P( X  x)
La función de probabilidad debe cumplir:
(i ) f ( x)  0 x  
(ii )  f ( x)  1 (Suma sobre todos los posibles valores
que puede tomar la variable aleatoria).
x
Función de Probabilidad
Ejemplo: Sea X la variable aleatoria que representa el número de
hijos de un grupo de 34 trabajadores
N° de hijos ni fi
0 10 0,29
1 11 0,32
2 8 0,24
3 0 0
4 2 0,06
5 1 0,03
6 2 0,06
Totales 34 1
La grafica de distribución de probabilidad, es la siguiente:

Función de Probabilidad
Por lo tanto, la frecuencia relativa fi, representa la probabilidad

P(X=x) y la frecuencia relativa acumulada Fi, la probabilidad
acumulada P( X≤ x)
Función de Distribución (acumulada)

una función de probabilidad acumulada de la siguiente
forma:
F :   [0,1]
x  F ( x)  P( X  x)
Ejemplo:
¿Cuál es la probabilidad de que un trabajador tenga a lo más un

hijo?
P(X ≤ 1) = P(X = 0) + P(X = 1) = 0,61 un 61%

¿Cuál es la probabilidad de que un trabajador tenga 3 o más hijos?
P(X ≥ 3) = 1 – P(X < 3) = 1 – 0,85 = 0,15 un 15%

La grafica de la distribución acumulada, es la siguiente:
Media y Desviación Estándar
de una Distribución Discreta
La media de una variable aleatoria se conoce como el valor
esperado o esperanza. Es el valor de la variable aleatoria, que se
espera que ocurra en promedio, después de repetir una gran
cantidad de veces un experimento aleatorio.
𝑛
𝜇 = 𝐸 𝑥 = ෍ 𝑥𝑖 𝑃(𝑥𝑖 )
𝑖=1
Por otra parte la varianza para una distribución de probabilidad de

v. aleatoria discreta, está definida:
𝑛
𝜎 2 = ෍(𝑥𝑖 − 𝜇)2 𝑃(𝑥𝑖 )

𝑖=1
Media y Desviación Estándar
de una Distribución Discreta
Ejemplo: Usando la misma tabla del ejemplo anterior. Determinar el
valor esperado, varianza y desviación estándar, del número de hijos
de los 34 trabajadores.
𝝁=
N° de hijos ni fi 0*0,29+1*0,32+2*0,24+3*0+4*0,06+5*0,03+6*0,06
0 10 0,29 =1,55
1 11 0,32
2 8 0,24
3 0 0 𝝈𝟐 = (0-1,55)2*0,29 + (1-1,55)2*0,32 +
4 2 0,06 (2-1,55)2*0,24 + (3-1,55)2*0 + (4-1,55)2*0,06 +
5 1 0,03 (5-1,55)2*0,03 + (6-1,55)2*0,06 = 2,7475
6 2 0,06
Totales 34 1
𝝈= 2,7475 = 1,66
Variable Aleatoria Continua
Una variable aleatoria es continua si el número de valores posibles
de la variable es infinito no numerable.
Ejemplos:
• La distancia en kilómetros recorrida por un automóvil en una

semana. (0<x<?)
• El tiempo en minutos que un cliente tiene que esperar en una

ventanilla de un banco. (0<x<?)
Función de Probabilidad (función de Densidad)
una función de probabilidad asociada a X, de la siguiente
forma:
f :   [0,1]

x  f ( x)  P( X  x)   f ( x)dx

La función de densidad debe cumplir:
(i ) f ( x)  0 x  

(ii )  f ( x)dx  1

Ejemplo:
Los ingresos diarios que tienen las tiendas que comercializan útiles
escolares y de oficina en las galerías de un centro comercial en el
mes de marzo son una variable aleatoria, expresada en miles de
pesos, cuya función de densidad es la siguiente
Hallar el valor de K, para que sea una función de densidad

Función de Distribución (acumulada)

una función de probabilidad acumulada de la siguiente
forma:
F :   [0,1]
x0
x  F ( x)  P( X  x0 )   f ( x)dx

Función de distribución acumulada
Ejemplo. La función de distribución asociada a la producción de una
máquina, en miles de unidades, es del tipo:
2 − 2𝑥, 𝑠𝑖 0 ≤ 𝑥 ≤ 1
𝑓 𝑥 =ቊ
0, 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
¿Cuál es la probabilidad de que la producción sea inferior a 500

unidades?
0,5 0,5
𝑃 𝑥 < 0,5 = න 𝑓 𝑥 𝑑𝑥 = න 2 − 2𝑥 𝑑𝑥 = 0,75
0 0
Función de distribución acumulada
¿Y la de que sea superior a 250 unidades?
0,25
𝑃 𝑥 > 0,25 = 1 − 𝑃 𝑥 ≤ 0,25 = 1 − න 𝑓 𝑥 𝑑𝑥 = 0,5625
0
ESPERANZA V.A. CONTINUA
Esperanza matemática, es el valor promedio que la

variable tomará
+∞
𝜇=𝐸 𝑥 =න 𝑥𝑓 𝑥 𝑑𝑥
−∞
𝑓 𝑥 = 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑒𝑛𝑠𝑖𝑑𝑎𝑑
Varianza de una Variable Aleatoria
Continua
 2  E ( X 2 )  ( E ( x)) 2
Donde la esperanza :

E( X )  x  f ( x ) dx
2 2

Bibliografía
Bibliografía obligatoria:
• Cánavos, George. Probabilidad y Estadística. Mc. Graw Hill,
1999. México 2. Miller, Irwin. Estadística matemática con
aplicaciones. Prentice Hall, 2000. México.
Bibliografía Complementaria:
• Murray Spiegel: Estadística Mc Graw Hill. México, 2003.
• César Pérez López, Estadística - Problemas resueltos y
aplicaciones, Editorial Pearson Educación S.A. Madrid,
2003.
• Devore, Jay L. Probabilidad y Estadística para Ingeniería y
Ciencias. Editorial Thomson. México, 2005.
Taller Práctico Colaborativo
Clase 8
Título: Variable aleatoria.
Resultado de Conocer el concepto de variable

Aprendizaje: aleatoria discreta y continua, para
construir funciones de probabilidad
orientadas a la Ingeniería.
Tiempo Total 40 minutos.
Actividad online
Clase 8
Taller on line:
Ejercicios de variable aleatoria discreta y
continua.

Clase 8

Cargado por

Copyright:

Formatos disponibles

Clase 8

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase 8

Cargado por

Copyright:

Formatos disponibles

Curso: Probabilidades y Estadística.

Clase 8: Variable aleatoria discretas y

Clase 1: Estadística Descriptiva-Conceptos Básicos.

Clase 2: Estadística Descriptiva -Medidas de Tendencia Central.

Clase 4: Estadística Bivariada.

Clase 5: Repaso Estadística Univariada y Bivariada.

Clase 8: Variable Aleatoria Discretas y Continuas.

Clase 9: Distribuciones Discretas.

Clase 10: Distribuciones Continuas.

Clase 11: Inferencia Estadística-Intervalos de Confianza.

Clase 13: Solemne.

El estudio de las variables aleatorias es de mucha utilidad en el

Existen dos tipo de variables:

• Número de trabajadores ausentes en un día dado, en una

• Número de autos que circulan por una autopista en un

La grafica de distribución de probabilidad, es la siguiente:

Por lo tanto, la frecuencia relativa fi, representa la probabilidad

Una vez definida una variable aleatoria X, podemos definir

¿Cuál es la probabilidad de que un trabajador tenga a lo más un

P(X ≤ 1) = P(X = 0) + P(X = 1) = 0,61 un 61%

P(X ≥ 3) = 1 – P(X < 3) = 1 – 0,85 = 0,15 un 15%

Por otra parte la varianza para una distribución de probabilidad de

𝜎 2 = ෍(𝑥𝑖 − 𝜇)2 𝑃(𝑥𝑖 )

• La distancia en kilómetros recorrida por un automóvil en una

• El tiempo en minutos que un cliente tiene que esperar en una

Hallar el valor de K, para que sea una función de densidad

Una vez definida una variable aleatoria X, podemos definir

¿Cuál es la probabilidad de que la producción sea inferior a 500

Esperanza matemática, es el valor promedio que la

Resultado de Conocer el concepto de variable

También podría gustarte