Matemáticas – Programa Tercero

Material : MT-21

UNIDAD: DATOS Y AZAR

PROBABILIDAD IV

Lo correspondiente a variable aleatoria discreta se estudio en el tema correspondiente a

Probabilidades III.
Recordaremos el concepto de variable aleatoria discreta y función de probabilidad

VARIABLES ALEATORIAS

Se llama VARIABLE ALEATORIA a toda función que asocia un número real a cada
elemento del espacio muestral de un experimento aleatorio.

VARIABLES ALEATORIAS DISCRETAS (VAD)

Son aquellas que pueden tomar una cantidad finita de valores o una cantidad infinita
numerable de valores, por ejemplo suma de puntos en el lanzamiento de dos dados, las
preguntas correctas en una prueba, números de hijas mujeres de una familia etc.

VARIABLES ALEATORIAS CONTINUAS (VAC)

Son aquellas que pueden tomar todos los valores posibles dentro de un cierto intervalo en
los números reales, por ejemplo peso de los alumnos de un curso, tiempo de
funcionamiento de un dispositivo electrónico, cantidad de agua consumida en mes por una
familia, tiempo que demora un alumno en llegar del colegio a su casa etc.

EJEMPLO

1. ¿Cuál(es) de las siguientes afirmaciones es (son) FALSA(S)?

I) El tiempo de duración de una batería es una variable aleatoria continua.

II) Al lanzar 400 veces una moneda, el número de caras que se obtiene es una
variable aleatoria discreta.
III) El peso de los primeros 200 recién nacidos del año 2017 en Santiago, es
una variable aleatoria continua.

A) Solo II
B) Solo I y II
C) Solo II y III
D) I, II y III
E) Ninguna de ellas.
En forma previa a estudiar la función de distribución de probabilidad acumulada para
variable aleatoria discreta, recordaremos la función de probabilidad para VAD, estudiada en
guía de probabilidad III.

FUNCIÓN DE PROBABILIDAD PARA VARIABLE DISCRETA

Se llama función de probabilidad de una variable aleatoria discreta “X” a la función que
asocia cada valor de xi con su probabilidad de ocurrencia pi.
Se denota por f(x) = P(X = x)

Propiedades:

1. 0  f(xi)  1
2. Si {x1, x2, x3, x4 ……….. xn}, es el recorrido de la variable aleatoria, entonces
f(x1) + f(x2) + …….+ f(xn) = 1
3. Si a no pertenece al recorrido de la variable aleatoria, entonces P(X = a) = 0.

Observaciones:

1. El dominio de la función de probabilidad es el recorrido de la variable aleatoria.

2. El recorrido de la función de probabilidad está en 0, 1.

EJEMPLO

1. Se tiene un dado cargado cuyos resultado y probabilidades se muestran en la tabla

adjunta

xi 1 2 3 4 5 6
P(X=xi) 0,30 0,15 0,05 0,18 0,20 0,12

¿Cuál(es) de las siguientes proposiciones es (son) verdadera(s)?

I) P(X = número primo) = 0,70

II) P(X > 6) = 0
III) P(X > 4) = 1 – P(X < 4)

A) Solo II
B) Solo III
C) Solo I y II
D) Solo I y III
E) Solo II y III

2
FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD ACUMULADA PARA
VARIABLE ALEATORIA DISCRETA

La función de distribución de probabilidad acumulada, F(x) asocia a cada valor de x

la probabilidad acumulada, es decir F(x) = P(X  x)

Propiedades:

1. Como F(x) es una probabilidad, se cumple que 0  F(x)  1

2. Si x1, x2, x3, .…., xn-1, xn son valores de la variable aleatoria, entonces

P(X  xn-1) = P(X=x1) + P(X=x2) + P(X=x3) +......+ P(X=xn-1)

3. Si a < b , entonces P( a < X  b ) = F (b) – F (a)

4. P(X > a) = 1 - P(X  a) = 1 – F(a)

Observación:
En el caso de variable aleatoria discreta la gráfica de la función de distribución de
probabilidad es escalonada.

Función de distribución
F(x)
1




x1 x2 x3 x4 lR
V.A.D

Ejemplo:
La tabla muestra la función probabilidad y función de distribución de probabilidad
para la variable aleatoria X definida como el número de caras obtenidas al lanzar
3 monedas.
Función de distribución
X F(xi)=P(X  xi)
F(x)
0 F(0) = P(X  0) = 1/8
F(1) = P(X  1) = 1/8 + 3/8 = 4/8 1
1
2 F(2) = P(X  2) = 4/8 + 3/8 = 7/8 7/8
3 F(3) = P(X  3) = 7/8 + 1/8 = 8/8 = 1
4/8
1/8
lR
0 1 2 3

V.A.D

3
EJEMPLOS

1. La tabla adjunta muestra la función de probabilidad de una variable aleatoria W

w -2 -1 0 1
f(w) 0,20 0,45 0,3 0,05

¿Cuál es el valor de P(W  0)?

A) 0,05
B) 0,15
C) 0,30
D) 0,75
E) 0,95

2. El gráfico muestra la función de distribución de probabilidad acumulada de una variable

aleatoria X
F(X)
1

0,8

0,4

-2 0 1 4 x

¿Cuál(es) de las siguientes proposiciones es (son) verdadera(s)?

I) P(X = -2) = P(X = 1)

II) P(X  1) = 0,8
III) P(X  4) = 1

A) Solo I
B) Solo III
C) Solo I y II
D) I, II y III
E) Ninguna de ellas.

3. La función de distribución de probabilidad acumulada de una variable aleatoria discreta

X está dada en la siguiente tabla
xi 10 20 30 40 50
P(X  xi) 0,05 0,30 0,42 0,75 1
¿Cuál es el valor de P(X > 30)?

A) 0,23
B) 0,42
C) 0,58
D) 0,65
E) 1,75

4
VARIABLES ALEATORIAS CONTINUAS (VAC)

Son aquellas que pueden tomar todos los valores posibles dentro de un cierto intervalo en
los números reales, por ejemplo peso de los alumnos de un curso, tiempo de funcionamiento
de un dispositivo electrónico, cantidad de agua consumida en un mes por una familia,
tiempo que demora un alumno en llegar del colegio a su casa, etc.

FUNCIÓN DE DENSIDAD DE PROBABILIDAD

Para la variable aleatoria discreta se tiene una función de probabilidad (distribución de

probabilidad), que describe la probabilidad que la variable X tome algún valor en particular.

Cuando la variable es aleatoria continua, la función de probabilidad se consigue por medio

de otra función, la cual llamamos función de densidad de probabilidad, y esta función se
denota por f(x).

Como la variable aleatoria continua puede tomar una gran cantidad de valores diferentes, la
función de densidad no determina la probabilidad que tiene la variable de tomar un valor
específico, nos ayuda a determinar la probabilidad que tiene la variable de encontrarse en
un intervalo determinado de los números reales.

La probabilidad que la variable se encuentre en el intervalo [a,b], queda determinada por el

área bajo la curva de la función de densidad de probabilidad en ese intervalo.

f(x)

f(x) : función de densidad de probabilidad

El área achurada representa la

probabilidad que x Î éa,b ù
ë û

a b

Al trabajar con una variable continua, la probabilidad que la variable aleatoria X tome un
valor exacto es 0, recuerde que la probabilidad se define como área bajo la curva, si el
intervalo esta compuesto por un punto no se tendrá figura de la cuál determinar el área, se
tendrá una recta.

OBSERVACIÓN: Cuando la variable es continua P(X ≤ b) = P(X < b)

5
FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD ACUMULADA PARA
VARIABLE ALEATORIA CONTINUA

La función de distribución de probabilidad acumulada F(x) asocia a cada valor de x la

probabilidad acumulada, es decir F(x) = P(X  x) = P(X < x).

Propiedades:
1. Como F(x) es una probabilidad, se cumple que 0  F(x)  1.

2. Si a < b, entonces P(a < X  b) = F(b) – F(a).

3. P(X > a) = 1 – P(X  a) = 1 – F(a)

4. P(X = a) = 0, es decir la probabilidad que la variable tome exactamente un valor es

igual a cero.

Observación:
En el caso de variable aleatoria continua la función de distribución de probabilidad es una
función continua.

EJEMPLOS

1. La función densidad de probabilidad de la variable aleatoria X está dada por

ì0 si x < 0
ï
() ï1
f x =í x si 0 £ x £ 2 , entonces ¿cuál es el valor para P(X < 0,75)?
ï2
ï0 si x > 2
î

3
A)
8
3
B)
4
9
C)
64
9
D)
32
E) Falta información.

6
2. ¿Cuál es el valor de P(X ≤ 2), si la función de densidad de probabilidad de la variable

0 ; si x < 1

x  1 ; si 1  x  2
aleatoria X se define como f  x  =  ?
-x + 3 ; si 2 < x  3

0 ; si x > 3

A) 0%
B) 15 %
C) 25 %
D) 50 %
E) 75 %

3. ¿Cuál es el valor de k en a función densidad de probabilidad para la variable aleatoria

ì0 ; si x < 0
ï
ï1
definida como f(x) = í k ; si 0 £ x £ 4
ï4
ïî0 ; si x > 4

A) 4
B) 2
1
C)
2
1
D)
4
1
E)
8

7
DISTRIBUCIÓN NORMAL

Una de las distribuciones importantes dentro de las distribuciones continuas es la

distribución normal.

Es un modelo matemático, que recibe su nombre debido a que en cierto momento se pensó
que la mayoría de los fenómenos estaban distribuidos de dicha manera. Esta distribución
permite representar fenómenos estadísticos de manera probabilística.

El gráfico de la función de densidad de una variable

aleatoria con distribución normal es similar al
mostrado en la figura, es decir tiene una forma
conocida como Campana de Gauss, y es simétrico
con respecto a la media, . Esta distribución queda
definida por dos parámetros: la media () y la
desviación estándar (), y se denota X ~ N(, ) 
2 2
o y se denota X  N(,  ).

Características:

1. El área bajo la curva es igual a la unidad.

2. Es simétrica con respecto a x =  , y deja un área igual a 0,5 a la izquierda y otra de

0,5 a la derecha, es decir, existe una probabilidad del 50% de observar un dato mayor a
la media y un 50% de observar un dato menor a la media.

3. Es asintótica al eje de las abscisas, es decir, la curva se acerca lo más posible al eje de
las X sin llegar a tocarlo.

4. La media, moda y mediana coinciden.

5. La probabilidad equivale al área encerrada bajo la curva.

8
INTERVALOS DE UNA DISTRIBUCIÓN NORMAL

Si una población tiene media  y desviación estándar , se tiene que

En el intervalo   ,    el

P  -  < X <  +   = 0,6826 área encerrada es,

aproximadamente, 0,6826, es
decir 68,26% del total

-  +

En el intervalo   2,   2

P   - 2 < X <  + 2  = 0,9545
el área encerrada es,
aproximadamente, 0,9545, es
-2  +2 decir 95,45% del total.

En el intervalo   3,   3

P    3 < X <  + 3  = 0,9973 el área encerrada es,
aproximadamente, 0,9973, es
decir 99,73% del total.
-3  +3

EJEMPLOS

1. Sea X una variable aleatoria con distribución X ~ N(18,3). ¿Cuál(es) de las siguientes
proposiciones es (son) verdadera(s)?

I) La probabilidad de que la variable tome valores mayores que 18 es el 50%.

II) P(X  21) = 0,6826
III) P(X > 24) = 0,02275

A) Solo I
B) Solo I y II
C) Solo I y III
D) I, II y III
E) Ninguna de ellas.

9
2. Los pacientes afectados por una bacteria y su tiempo de recuperación, en días, tiene
una distribución X ~ N(6; 1,3). ¿Cuál es la probabilidad de que un paciente se recupere
en un tiempo mayor a 9,9 días?

A) 0,00135
B) 0,00270
C) 0,04560
D) 0,04987
E) 0,99730

3. El tiempo de duración que tienen los focos fabricados por una empresa, se distribuye
en forma normal con media aritmética igual a 1.020 horas y desviación estándar
51 horas. ¿Cuál es la probabilidad que un foco dure más de 1.122 horas?

A) 47,720%
B) 45,500%
C) 22,750%
D) 2,275%
E) 1,587%

4. Respecto a las distribuciones representadas en los gráficos de la figura, ¿cuál(es) de las

siguientes afirmaciones es (son) verdadera(s)?

GRAFICO 1 GRAFICO 2

Y N(µ1,σ) Y N(µ2,σ) N(µ3,σ)

N(µ,σ3)
N(µ,σ2)
N(µ,σ1)

X X
µ1 µ2 µ3
I) En el gráfico 1,
1 < 2 < 3.
II) Las distribuciones presentadas en el gráfico 1 tienen igual media.
III) Las varianzas de las distribuciones presentadas en el gráfico 2 son iguales.

A) Solo I
B) Solo II
C) Solo III
D) Solo II y III
E) I, II y III

10
EJERCICIOS

1. ¿Cuál(es) de los siguientes enunciados define una variable aleatoria discreta?

I) Consumo de kilos-watt hora durante una semana.

II) Número de clientes que esperan pagar en la caja de un supermercado.
III) Número de llamadas que recibe un celular en una hora.

A) Solo I
B) Solo I y II
C) Solo I y III
D) Solo II y III
E) I, II y III

2. ¿Cuál(es) de los siguientes enunciados define(n) una variable aleatoria continua?

I) Cantidad de gasolina consumida por un vehículo.

II) Tiempo necesario para armar un puzzle de 1.500 piezas.
III) El consumo diario de agua potable de un condominio.

A) Solo I
B) Solo I y II
C) Solo I y III
D) Solo II y III
E) I, II y III

3. Se lanzan dos dados y se define la variable aleatoria X como la suma de sus puntos,
entonces P (X ≥ 10) =

1
A)
12
1
B)
6
2
C)
9
5
D)
18
1
E)
3

11
4. Una bolsa contiene 5 esferas, numeradas desde 1 hasta el 5, se extraen dos de ellas y
se define la variable aleatoria X como la diferencia positiva de los números que
contiene cada una de ellas. Entonces, P(X  3) =

1
A)
3
3
B)
10
1
C)
5
9
D)
10
1
E)
9

5. La tabla adjunta muestra la función distribución de probabilidad de la variable aleatoria

discreta Y, según esta información, ¿cuál es la probabilidad que Y tome el valor 2?

Y -1 0 1 2 3
F(y) 0,24 0,40 0,60 0,85 1

A) 0,85
B) 0,35
C) 0,25
D) 0,16
E) 0,15

6. La siguiente tabla muestra la función de probabilidad para la variable aleatoria X.

p si x 1

p si x2
2
f x  
p si x3
4
0 para otro valor


¿Cuál(es) de las siguientes afirmaciones es (son) verdadera(s)?

4
I) p =
7
2
II) P(X = 2) =
7
III) P(X  2) = 1 – P(X = 3)

A) Solo I
B) Solo II
C) Solo III
D) Solo I y III
E) I, II y III

12
7. La siguiente tabla muestra la función de distribución de probabilidad acumulada para la
variable aleatoria X.

ìk si x =1
ï
() ï3
F x =í k si x=3
ï2
ï6k si x=6
î

¿Cuál es valor para k en esta función de distribución de probabilidad acumulada?

1
A)
36
2
B)
17
1
C)
15
1
D)
6
2
E)
3

8. Con respecto a la tabla adjunta, ¿cuál(es) de las siguientes proposiciones es (son)

verdadera(s)?

X P(X = xi) P(X  xi)

10 0,11 0,11
20 0,19 0,30
30 M N
40 0,23 0,67
50 0,17 0,84
60 Q 1,00

N  Q
I) =M
2
II) M + Q = P(X  20)
III) P(X > 40) = 1 – P(X  30)

A) Solo I
B) Solo III
C) Solo I y II
D) Solo I y III
E) I, II y III

13
9. Sea una distribución normal con media 24,3 y desviación estándar 4,8, entonces ¿cuál
de las siguientes afirmaciones es FALSA?

A) La desviación estándar es igual a 4,8.

B) La media  es 24,3.
C) P(X > 24,3) = 0,5.
D) P(X < 4,8) = 0,5.
E) P(19,5  X  29,1)  68%.

10. La función de distribución de probabilidad acumulada de la variable aleatoria continua X

está dado por

ì0 si x<0
ï
ïx si 0£x<2
( ) ï
F X = í 82
ïx
.
si 2£x£4
ï16
ï
î1 si x>4

¿Cuáles de las siguientes afirmaciones son verdaderas?

9
I) F(3) =
16
 7 49
II) P X   =
 2  64
7
III) P(1 ≤ X < 3) =
16

A) Solo I y II
B) Solo I y III
C) Solo II y III
D) I, II y III
E) Ninguna de ella.

14
11. Sea el gráfico de la figura, la representación de la función distribución de probabilidad
para la variable aleatoria discreta X

F(x)

1,0

0,8

0,6

0,4

0,2

x
0 1 2 3 4 5

Entonces, la función probabilidad asociada correspondiente

A)
x 0 1 2 3 4

f(x) 0,2 0,1 0,2 0,2 0,3

con f(x) = 0, en cualquier otro caso.

B)
x 0 1 2 3 4 5

f(x) 0,2 0,1 0,1 0,1 0,4 0,1

con f(x) = 0, en cualquier otro caso.

C)
x 1 2 3 4 5

f(x) 0,1 0,1 0,2 0,3 0,2

con f(x) = 0, en cualquier otro caso.

D)
x 0 1 2 3 4 5

f(x) 0,1 0,2 0,3 0,2 0,1 0,1

con f(x) = 0, en cualquier otro caso.

E) Ninguna de las opciones anteriores.

15
12. Sea X una variable aleatoria continua cuya función de densidad de probabilidad se
define como

2(1  x) si 0  x  1

f(x)  
0 para cualquier otro valor


Entonces, la probabilidad de que el valor de x sea menor a 0,5 es

A) 1
3
B)
4
1
C)
2
1
D)
4
1
E)
8

5kx + 1
13. Si f(x) = es la función de probabilidad de la variable aleatoria discreta X, cuyo
5
recorrido es {0, 1, 2, 3}, entonces el valor de la constante k es

1
A)
2
1
B)
30
1
C)
5
1
D)
10
1
E)
6

14. Se lanza dos veces un dado y se define una variable aleatoria X de la siguiente
manera: se designa el valor 1 cuando el primer número es mayor que el segundo; 0 si
los dos números son iguales y -1 si el primer número es menor que el segundo.
Entonces, ¿cuál de las siguientes afirmaciones es correcta?

A) P(X = 0) = 6
B) El recorrido de la función de probabilidad es {-1 , 0 , 1}.
C) P(X = -1) = P(X = 1)
5
D) P(X = 1) =
36
1
E) P(X = -1) =
2

16
15. El gráfico de la figura adjunta representa la función de densidad de probabilidad de
una variable aleatoria continua X, con f(x) = 0 para todo x no perteneciente a [-1, 3].
¿Cuál(es) de las siguientes afirmaciones es (son) verdadera(s)?
Y
I) P(X ≥ 0) = 0,8
0,4 f(x)
II) P(X < 1) = 0,4
III) P(-1 < X < 3) = 1
0,2
A) Solo II
B) Solo III
C) Solo I y III
D) Solo II y III
-1 1 3 X
E) I, II y III

16. Una bolsa contiene 10 cubitos de igual tamaño, 4 dorados, 3 plateados y 3 blancos. Si
se extraen 4 cubitos y se definen las variables aleatorias X, Y, Z. ¿Cuál(es) de las
siguientes proposiciones es (son) verdadera(s)?

I) El recorrido de X es {1, 2, 3}, si la variable aleatoria X es número de

cubitos plateados.
II) El recorrido de Y es {1, 2, 3, 4}, si la variable aleatoria Y es número de
cubitos dorados.
III) El recorrido de Z es {0, 1, 2, 3}, si la variable aleatoria Z es número de
cubitos blancos.

A) Solo I
B) Solo II
C) Solo III
D) I, II y III
E) Ninguna de las anteriores.

17. Sea f la función de densidad de probabilidad de la variable aleatoria continua X definida

1
como f(x)  x , si 0 ≤ x ≤ 4, y f(x) = 0, para cualquier otro valor de x. ¿Cuál(es) de
8
las siguientes proposiciones es (son) verdadera(s)?
0, x < 0
I) F(x) = x2
,0x4
16
1, x > 4
1
II) P(1 < X < 3) =
2
1
III) P(X = 1) =
8

A) Solo I
B) Solo III
C) Solo I y II
D) Solo I y III
E) I, II y III

17
18. Sea X una variable aleatoria continua cuya función de densidad de probabilidad es

2kx si 0  x  3

f(x)  6k si 3  x  5
0 para cualquier otro valor


Con k un número real positivo, entonces F(X = 4)

18
A)
21
15
B)
21
1
C)
21
1
D)
30
E) ninguno de los valores anteriores.

19. Sea X una variable aleatoria de distribución normal de media 21 y desviación

estándar 2. ¿Cuál es valor aproximado para P(X > 25)?

A) 0,0228
B) 0,0455
C) 0,1359
D) 0,4773
E) 0,9544

20. Si X es una variable aleatoria continua de distribución normal con varianza 144 y
media 120, entonces P(X < 108) es

A) 0,1587
B) 0,3174
C) 0,4761
D) 0,6826
E) 0,8413

21. La variable aleatoria Z tiene una distribución normal, de   4 y   32 , entonces el

valor de P(24  X  36) es aproximadamente

A) 95,45 %
B) 81,86 %
C) 68,26 %
D) 27,19 %
E) 13,60 %

18
22. Los puntajes obtenidos en un test es una variable con distribución normal, si la
desviación estándar de los puntajes es 9,5 y la media 124,5 puntos, entonces
P(105,5  X < 124,5) es

A) 95,45 %
B) 97,725 %
C) 50 %
D) 47,725 %
E) 31,74 %

23. El tiempo de duración de cierta batería tiene una distribución normal con media
12 horas y desviación estándar de 45 minutos. ¿Cuál es la probabilidad que esta pila
dura más de 14,25 horas?

A) 0,27 %
B) 0,135 %
C) 15,87 %
D) 99,87 %
E) 99,73 %

24. La tabla adjunta muestra la función de probabilidad de una variable aleatoria discreta
X, se puede calcular el valor de P(X = 2), si:

(1) a + b + c + d = 1
(2) P(X  1) = P(X  2) x 0 1 2 3

A) (1) por sí sola f(x) a b c d

B) (2) por sí sola
C) Ambas juntas, (1) y (2)
D) Cada una por sí sola, (1) ó (2)
E) Se requiere información adicional

25. En un curso de 45 alumnos, se puede calcular la probabilidad de que un alumno

obtenga una nota superior a 6,5 en el último examen de Ciencias sociales, si se sabe
que:

(1) La notas tienen una distribución normal con media 5,8 y desviación estándar 0,4.
(2) El examen lo rindieron todos los alumnos.

A) (1) por sí sola

B) (2) por sí sola
C) Ambas juntas, (1) y (2)
D) Cada una por sí sola, (1) ó (2)
E) Se requiere información adicional

19
 RESPUESTAS EJEMPLOS

Ejemplo
Pág. 1 2 3 4

1 E

2 A

4 E C C

6y7 C D C

9 y 10 C A D D

RESPUESTAS EJERCICIOS PÁGINA 11

1. D 6. E 11. A 16. C 21. B

2. E 7. D 12. B 17. C 22. D

3. B 8. C 13. B 18. B 23. B

4. D 9. D 14. C 19. A 24. E

5. C 10. D 15. E 20. A 25. A

MT-21

Puedes complementar los contenidos de esta guía visitando nuestra web

http://www.pedrodevaldivia.cl/

20