Sei sulla pagina 1di 26

~ 1 ~

ESTADSTICA DESCRIPTIVA

Frecuencia Relativa y Relativa Acumulada
Los datos o mediciones en un experimento: primero se organizan de tal manera que se pueda observar la
frecuencia con que se repite cada uno de los posibles resultados del experimento; segundo, se observa si
tienden a agruparse alrededor de algn valor y tercero, que tanto se dispersan alrededor del valor central

La frecuencia absoluta o frecuencia es simplemente el nmero de veces que se repite el valor de cada dato.
Si dividimos el nmero de veces que se repite el valor de un dato entre el nmero total de datos se tiene la
frecuencia relativa, (relativa al total de datos).

La frecuencia relativa siempre ser un nmero entre cero y uno y se relaciona con el concepto de
probabilidad.

Distinguimos dos casos para representar la frecuencia: valores discretos o datos enteros y valores o datos
continuos. En cualquier caso el concepto de frecuencia absoluta y relativa es el mismo.

Valores discretos.
En la siguiente tabla 1 se muestran los resultados de un estudio de calidad de un servicio:

Frecuencia
Absoluta
Frecuencia
Relativa
Porcentaje
Muy Bueno 24 24/92 = 0.2609 26.09
Bueno 38 38/92 = 0.413 41.3
Regular 16 0.1739 17.39
Malo 9 0.0978 9.78
Muy Malo 5 0.0543 5.43
TOTAL 92 1 100

Observe que la frecuencia relativa se obtiene dividiendo el valor de la frecuencia absoluta para cada categora
entre el total de mediciones, en este caso entre 92. El porcentaje es, simplemente, la frecuencia relativa
multiplicada por 100


~ 2 ~

La frecuencia relativa acumulada se refiere a la suma de frecuencias relativas en diferentes intervalos de los
resultados posibles.

En general se habla de al menos (cota inferior), cuando mucho (cota superior) o entre, suma de
frecuencias entre dos valores.

Ejemplo: De acuerdo a la tabla 1 anterior:

a) La frecuencia relativa de al menos bueno es la suma de las frecuencias relativas de muy bueno
y bueno, 0.2609 + 0.413 = 0.6739.

b) La frecuencia relativa de cuando mucho regular es la suma de las frecuencias relativas de muy
malo, malo y regular, 0.1739 + 0.0978 + 0.0543 = 0.3261.


Ejemplo: Se ha lanzado una moneda con cara (c) y escudo (x) y se han obtenido los siguientes
resultados:
c, c, c, x, c, x, x, x, c, x, c, x, c, c, x.
Efecta el recuento y forma la tabla estadstica de las frecuencias absolutas y relativas.

Solucin:

Lado de la
moneda
Recuento Frecuencia
absoluta
Frecuencia
relativa
C //// /// 8
15
8

X //// // 7
15
7

15 1









~ 3 ~

Ejemplo: Ruth y Esther han lanzado un dado varias veces cada una. Elabora la tabla de frecuencias absolutas
y relativas de cada una. Quin ha sacado ms veces el nmero 3? Razona tu respuesta.



Solucin:
Ruth Frecuencia
absoluta
Frecuencia
relativa
1 3 3/12
2 1 1/12
3 4 4/12
4 1 1/12
5 2 2/12
6 1 1/12
Total 12
Esther Frecuencia
absoluta
Frecuencia
relativa
1 1 1/14
2 2 2/14
3 5 5/14
4 1 1/14
5 4 4/14
6 1 1/14
Total 14

- Esther ha sacado ms veces el n. 3, pero tambin ha efectuado ms lanzamientos. Comparamos sus frecuencias relativas:
14
5
12
4
) , por lo que Ruth tiene mejor proporcin entre el n. de lanzamientos y el n. de "treses".
Ruth
Esther


~ 4 ~

Ejemplo: Se ha hecho una encuesta sobre la materia preferido en la carrera de ingeniera por los alumnos
de una clase, y se ha obtenido la siguiente tabla:

Tipo N de
alumnos
Algebra 22
Calculo 8
Trigonometra 6
a) Forma la tabla estadstica de las frecuencias absolutas y relativas.
b) Representa los datos en un diagrama de barras.

Solucin:
a)
Tipo Frecuencia absoluta Frecuencia relativa
Algebra 22
36
22

Calculo 8
36
8

Trigonometra 6
36
6

36 1


Algebra 22
Calculo 8
Trigonometria 6
0
5
10
15
20
25
Algebra Cal culo Trigonometria
Series1




~ 5 ~

Ejemplo: Se ha hecho una encuesta sobre el tipo de vacaciones preferidas por los alumnos de una clase y se
ha obtenido:
Tipo N de alumnos
Playa 20
Montaa 8
Viaje cultural 4

a) Forma la tabla estadstica con frecuencias absolutas y relativas.
b) Representa la situacin en un diagrama de sectores.

Solucin:
a)
Tipo Frecuencia absoluta Frecuencia relativa
Playa 20
32
20

Montaa 8
32
8

Viaje cultural 4
32
4

32 1


b)

Playa
62%
Montaa
25%
Viaje cultural
13%


~ 6 ~

Ejemplo: En un da de feria han hecho un estudio sobre el tipo de refrescos vendidos en un da y se ha
obtenido:
Tipo N de botes vendidos
Fanta 150
Sprite 200
Coca Cola 400
Otros 50
a) Forma la tabla estadstica
b) Representa la situacin en un diagrama de sectores.
Solucin:
a)
Tipo Frecuencia absoluta Frecuencia relativa
Fanta 150
800
150

Sprite 200
800
200

Coca Cola 400
800
400

Otros 50
800
50

800 1
b)
0
5
10
15
20
25
15 16 17 18 19
F
r
e
c
u
e
n
c
i
a

a
b
s
o
l
u
t
a
Edad
Fanta
19%
Sprite
25%
Coca Cola
50%
Otros
6%



~ 7 ~

Valores continuos
La tabla 2 representa la variacin en la temperatura de un horno industrial

Temperatura en un
horno (C)
Frecuencia relativa
500 525 0.08
525.5 - 550 0.14
550.5 - 575 0.32
575.5 - 600 0.26
600.5 - 625 0.2

De acuerdo a la tabla 2 anterior:
a) El porcentaje de valores de al menos 575.5 C, es:
Observe que la tabla reporta la frecuencia relativa y al menos es el lmite inferior, por lo que se deben sumar
las frecuencias relativas del cuarto y quinto intervalo. 0.26 + 0.2 = 0.28. Como se pide porcentaje,
multiplicamos por 100 y la respuesta es 28 %

b) La frecuencia relativa acumulada de cuando mucho 550C, es:
Cuando mucho, es cota superior por lo que se suman las frecuencias relativas del primero y segundo intervalo
0.08 + 0.14 = 0.22




~ 8 ~

MEDIDAS DE TENDENCIA CENTRAL

Las medidas de tendencia central son medidas de posicin que tratan de establecer un valor que pueda
considerarse el centro de los datos en algn sentido.

La media. -
El promedio aritmtico de un conjunto de valores (1; :::; v)es:
1
x =
n
i
i
x
n
=


Esta medida es la ms comn dentro de las de tendencia central y corresponde al centro de gravedad de los
datos.

Ejemplo: El promedio de una muestra de observaciones de ciertos anlisis de aguas, cuyos valores son 8, 3,
5, 12, 10, es:
8 3 5 12 10
x =
5
38
x = 7.6
5
+ + + +
=

La mediana. -
Sea un conjunto de datos de una variable cuantitativa, 1; :::; v. Ordenemos la muestra de menor a mayor,
(1); :::; (v).

La mediana es el valor de la variable que deja el mismo nmero de datos antes y despus que l, una vez
ordenados estos.

El clculo de la mediana depender de si el nmero de datos, v, es par o impar:

Si v es impar, la mediana es el valor que ocupa la posicin v+1/2 una vez que los datos han sido ordenados
(en orden creciente o decreciente), porque ste es el valor central. Es decir:
1
2
e
n
M x
+ | |
=
|
\ .


Si v v
datos que estn en el centro de la muestra ocupan las posiciones:
1
2 2
n n
y + es decir:
( ) ( 1)
2 2
2
n n
e
x x
M
+
+ | |
|
=
|
|
\ .


La mediana corresponde exactamente con la idea de valor central de los datos. De hecho, puede ser un valor
ms representativo de stos que la media, ya que es ms robusta que la media.




~ 9 ~

Ejemplo. Consideremos los datos siguientes: 0 0 1 2 3 4 5

Su media es 0+0+1+2+3+4+5/7 = 2:1429, y su mediana 2.

Pero imaginemos que por error o por casualidad obtenemos un nuevo dato enormemente grande en relacin al
resto de datos, 80. En ese caso, la media sera

0 + 0 + 1 + 2 + 3 + 4 + 5 + 80/8= 11.875

y la mediana 2.5. Es decir, un solo dato puede desplazar enormemente la media, hasta convertirla en una
medida poco representativa, pero slo desplazar ligeramente la mediana. Ese es el motivo por el que se dice
que la mediana es una medida robusta.

La moda. -
En principio la moda se define como el valor ms frecuente de los datos. Lo que ocurre es que si stos son
datos de una variable continua o discreta con muchos valores, puede que los datos apenas se repitan. En ese
caso, en el que, como vimos en las representaciones grficas, se debe agrupar por intervalos, no debe darse un
valor como moda, sino un intervalo modal, aqul con mayor frecuencia asociada.

Ejemplo: Sean los siguientes datos:
22, 21, 26, 24, 22, 25, 26, 23, 27, 29.
Determine la moda, mediana y media.

a) Tiene dos modas, el nmero 22 y el 26
b) Mediana. Ordenamos los datos: 21, 22, 22, 23, 24, 25, 26, 26, 27, 29.
Los valores de los datos que se encuentran a la mitad son el 24 y el 25, la mediana es (24 + 25)/2 = 24.5
c) La media o promedio es:


3 . 22
10
223
10
29 27 26 26 25 24 23 22 22 21
10
10
1
= =
+ + + + + + + + +
= =

= i
i
x
x






~ 10 ~

Ejemplo: Este es el tiempo corre cada da una chica, para estar en forma:
Lunes = 23 minutos Jueves = 21 minutos
Martes = 19 minutos Viernes = 22 minutos
Mircoles = 24 minutos Sbado = 23 minutos
Calcula el tiempo medio que corre cada semana.
Solucin:
23 + 19 + 24 + 21 + 22 + 23 = 132
22
6
132
=
El tiempo medio es de 22 minutos.
Ejemplo: Calcula la media y la moda de los siguientes valores: a) 4, 15, 8, 3,14 b) 2, 2, 3, 5, 5, 8, 9, 9, 9, 12
Solucin:
a) Se ordenan los datos: 3, 4, 8, 14, 15
Media =
5
15 14 8 4 3 + + + +
=8,8
Moda no tiene
b) Ya estn ordenados los datos: 2, 2, 3, 5, 5, 8, 9, 9, 9, 12
Media =
10
12 9 9 9 8 5 5 3 2 2 + + + + + + + + +
=6,4
Moda = 9

Ejemplo: Calcula la media y la moda de los siguientes valores: 4,4, 6, 5, 8, 5, 8, 11, 3, 8, 6, 8, 3, 5, 2
Solucin:
Se ordenan los datos:
2, 3, 3, 4, 4, 5, 5, 5, 6, 6, 8, 8, 8, 8, 11
Media =
15
86
15
11 8 4 6 2 5 3 4 2 3 2 2
=
+ + + + + +
=5,7
Moda =8
Ejemplo: Calcula la media y la moda de los siguientes valores: 6, 2, 9, 5, 5, 8, 9, 7, 9, 8, 1, 7, 2, 9, 10, 11


~ 11 ~

Solucin:
Se ordenan los datos: 1, 2, 2, 5, 5, 6, 7, 7, 8, 8, 9, 9, 9, 9, 10, 11
Media =
16
108
16
11 10 9 4 8 2 7 2 6 5 2 2 2 1
=
+ + + + + + + +
=6,75
Moda = 9

Ejemplo: Se ha lanzado un dado con las caras numeradas del 1 al 6 y se han obtenido los siguientes
resultados: 3, 3, 4, 3, 4, 3, 2, 5, 6, 4, 2, 2, 1, 5, 1, 6, 3, 3, 6, 4, 1, 5, 2, 4, 5
a) Haz el recuento y la tabla de las frecuencias absolutas.
b) Calcula la media y la moda.
Solucin:
a)
Puntuacin Recuento Frecuencia
absoluta
Frecuencia
absoluta
acumulada
Puntuacin x
Frecuencia
absoluta
1 /// 3 3 3
2 //// 4 7 8
3 //// / 6 13 18
4 //// 5 18 20
5 //// 4 22 20
6 /// 3 25 18
25 87
b) Media =
25
87
= 3,48
Moda = 3



Medidas de Dispersin


~ 12 ~

Las medidas de dispersin son:
- Varianza, promedio de las desviaciones respecto del valor central;
- Desviacin estndar, raz cuadrada de la varianza, tiene la ventaja de tener las mismas unidades de la
variable;
La desviacin estndar de una muestra se calcula como:
( )
1
2

=

n
x x
s
- Rango. Diferencia entre los valores extremos de los datos

Ejemplo:
Determine la varianza, la desviacin estndar y el rango para los datos: 22, 21, 26, 24, 22, 25, 26, 23, 27, 29.
Varianza:
3 . 22
10
223
10
29 27 26 26 25 24 23 22 22 21
10
10
1
= =
+ + + + + + + + +
= =

= i
i
x
x
( )
1 10
) 3 . 22 29 ( ) 3 . 22 27 ( ) 3 . 22 22 ( ) 3 . 22 22 ( ) 3 . 22 21 (
1
2 2 2 2 2
2
2

+ + + + +
=


n
x x
s

87 . 11
9
81 . 106
9
89 . 44 09 . 22 89 . 2 49 . 0 09 . 0 69 . 1
2
= =
+ + + + + +
=

s

a) Desviacin estndar: 45 . 3 87 . 11
2
= = = s s
b) Rango, diferencia entre los valores extremos.
El rango para los datos anteriores es: 29 21 = 8




~ 13 ~

PROBABILIDADES
Enfoques conceptuales
En el desarrollo de las probabilidades se presentan 3 enfoques para definir la probabilidad y determinar los
valores:
1. - El enfoque Clsico:
Se basa en la suposicin de que cada resultado sea igualmente posible se le determina Enfoque a priori,
porque permite calcular el valor de la probabilidad antes de observar cualquier evento de la muestra.
Si hay h posibilidades xxx favorables a la ocurrencia de un evento A y n posibilidades de resultados
desfavorables a la ocurrencia de A y todos los resultados son igualmente posibles y mutuamente excluyentes
(no pueden ocurrir al mismo tiempo), entonces la probabilidad de que ocurra A, viene dado por:

( )
n h
h
A P
+
=

Ejemplo: Si tenemos una caja con 15 bolas rojas y 10 blancas. La probabilidad de sacar una bola blanca en
un evento es:

( ) % 40 40 . 0
25
10
15 10
10
= = =
+
=
+
=
n h
h
A P

2. - Enfoque de frecuencia relativa

Denominado tambin Enfoque Emprico, se basa en determinar la probabilidad sobre la perspectiva de la
proporcin de veces que ocurre un evento favorable en un numero favorable de observaciones y en la
recopilacin de datos.

Ejemplo: Se ha observado que 12 de cada 50 conductores de Nohas que pasan por una determinada va no
llevan puesto el casco; si un guardia de Transito se para en la va Cul es la posibilidad de que detenga a un
para hacerle un parte por esta infraccin de no llevar puesto el cinturn de seguridad?.

( ) % 24 24 . 0
50
12
= = =
+
=
n h
h
A P


3. - El enfoque subjetivo


~ 14 ~

Establece la probabilidad de ocurrencia de un evento, es el grado de creencia por parte de que un evento
ocurra, basado en toda la evidencia a su disposicin. Bajo esta premisa se puede decir, que el evento ocurrir
o no ocurrir esta sola vez. El valor de probabilidad bajo este enfoque es un juicio personal.

Concepto de probabilidad
Se define como clculo de probabilidad al conjunto de reglas que permiten determinar si un fenmeno ha de
producirse fundado en la suposicin en el clculo, las estadsticas y la teora.

El valor de la probabilidad
El valor ms pequeo que puede tener la probabilidad de ocurrencia de un evento, es igual a 0, el cual
indica que el evento es imposible y el valor mayor es 1, que indica que el evento ocurrir con certeza.
Ahora, si P(A) es la probabilidad de ocurrencia de un evento A y P(A) la probabilidad de no ocurrencia de
A, se tiene que:
( ) 1 ) (
1 ) ( 0
= +
< <
A P A P
A P

Sucesos mutuamente excluyentes
Se dice que dos o ms sucesos son mutuamente excluyentes cuando solamente la ocurrencia de uno
de ellos se puede dar en un solo ensayo.

Supongamos la posibilidad de n sucesos mutuamente excluyente con probabilidades respectivas de P
1
, P
2
, P
3
,
P
4
, , P
n
, por lo tanto, la probabilidad de que estos sucesos se presenten en un solo ensayo viene dado por:

n
P P P P P + + + + = ...
3 2 1


Ejemplo: Cul es la probabilidad de obtener un AS o una reina, sacando una sola carta en un baraja de 40
cartas?

( )
10
1
40
4
= =
A
P

( )
4 1
40 10
R
P = =


( )
1 1 2 1
10 10 10 5
A R AO R
P P P = + = + = =


a. La probabilidad de obtener un UNO o un TRES en el lanzamiento de un dado


( )
1
6
U
P =

( )
6
1
=
T
P


( )
1 1 2 1
6 6 6 3
U T U O T
P P P = + = + = =



~ 15 ~


Ejemplo: Queremos sacar una bola blanca. Escribe el cartel que corresponde a cada una de estas bolsas:


Solucin:


Ejemplo: Se lanza un dado con las caras numeradas del 1 al 6. Halla la probabilidad de obtener:
a) Un 4.
b) Un nmero par.
c) Un nmero mltiplo de 3.
Solucin:
a) p (4) =
6
1
b)
p (nmero par) =
2
1
6
3
= c) p (mltiplo de 3) =
3
1
6
2
=

Ejemplo: Una urna contiene 5 bolas blancas, 8 verdes y 7 rojas. Se extrae una bola al azar; halla la probabilidad de que:
a) Sea roja.


~ 16 ~

b) Sea verde.
c) Sea blanca.
Solucin: a) p (roja) =
20
7
b) p (verde) =
20
8
c) p (blanca) =
4
1
20
5
=
Ejemplo: Calcula qu es mayor:
a) La probabilidad de obtener cara en el lanzamiento de una moneda
b) La probabilidad de obtener mltiplo de 3 en el lanzamiento de un dado con las caras numeradas del 1 al 6.

Solucin:
a) p(cara) = 5 , 0
2
1
= b) p(mltiplo de 3) = .... 3333 , 0
6
2
=
Es mayor la probabilidad de obtener cara al lanzar una moneda




~ 17 ~

Sucesos Compatibles

Dos sucesos son compatibles cuando la posibilidad de ocurrencia de uno no impide la ocurrencia del otro. La
probabilidad de uno de los eventos se calcula mediante la frmula:

( ) ( ) B A C A AUB
P P P P

+ =
) ( ) (


En Teora de Conjuntos se puede ilustrar en Diagrama de Venn de la siguiente forma:










Ejemplo:
1. Se extrae una carta de una baraja de 40 cartas. Hallar la probabilidad de la carta extrada sea AS o
una carta numeral trebol.

( )
40
4
=
A
P

( )
40
10
=
B
P

( )
40
1
=
B A
P



( ) ( )
% 50 . 32 325 . 0
40
13
40
1
40
10
40
4
) ( ) (
= = = + =
+ =
B A B A AUB
P P P P


2. Al lanzar un dado, usted apuesta $us 5.000 a que el numero obtenido debe ser par o divisible por 3.
Cul es la probabilidad de que usted gane la apuesta?

{ } 6 , 4 , 2 = A { } 6 , 3 = B { } 6 = B A

( )
2
1
6
3
= =
A
P

( )
3
1
6
2
= =
B
P

( )
6
1
=
B A
P





~ 18 ~

( ) ( )
% 67 . 66 6667 . 0
3
2
6
4
6
1
6
2
6
3
) ( ) (
= = = = + =
+ =
B A B A AUB
P P P P


Sucesos Independientes
Se dice que dos sucesos son independientes cuando la probabilidad de ocurrencia de una no afecta la
probabilidad de ocurrencia de los otros, por lo tanto, se debe efectuar la multiplicacin de la probabilidad de
cada suceso.


n
P x x P x P x P P ...
3 2 1
=
Ley de la multiplicacin


Ejemplos:

1. Cul es la probabilidad de sacar dos caballos, tomando una carta de una baraja y la otra de una
segunda baraja?

( )
40
4
=
C
P

100
1
1600
16
40
4
40
4
2 1
= = = = x P x P P

2. Al lanzar dos dados, Cul es la probabilidad de sacar decenas.

6
1
1
= P (Sacar un seis en el primer dado)
6
1
2
= P (Sacar un seis en el segundo dado)
36
1
6
1
6
1
2 1
= = = x P x P P









~ 19 ~

SUCESOS COMPATIBLES SUCESOS INDEPENDIENTES
- Se cuenta con un solo dado o baraja. - Se cuenta con ms de dos dados o barajas.
- Se extrae una carta y se observa una sola cara. - Se espera la ocurrencia de ms de dos sucesos.
- En la redaccin se utiliza la disyuncin O - En la redaccin se utiliza la conjuncin Y.

( ) ( ) B A C A AUB
P P P P

+ =
) ( ) (


n
P x x P x P x P P ...
3 2 1
=




Probabilidad y Estadstica MIN 105

~ 20 ~

Variables Aleatorias y Distribuciones de Probabilidad

Introduccin.-
Para introducir el concepto de variable aleatoria, veamos primero algunos ejemplos, al arrojar dos dados,
sabemos que la suma X de los puntos que caen hacia arriba debe ser un nmero entero entre 2 y 12, pero no
podemos predecir que valor de X aparecer en el siguiente ensayo, por lo que decimos que X depende del
azar, por lo tanto es una variable aleatoria que toma valores entre 2 y 12. El tiempo de vida de un foco que se
extrae aleatoriamente de un lote de focos depende tambin del azar, este constituye otro ejemplo de una
variable aleatoria que vara entre el tiempo 0 y un valor indeterminado, ya que no sabemos exactamente
cunto tiempo va durar. El nmero de varones de una familia con 5 hijos tambin es una variable aleatoria
que vara de 0 a 5, ya que en una familia de cinco hijos puede que no haya ningn varn, uno, dos, tres, cuatro
o cinco varones.
Si las observaciones no se dan en trminos numricos, podemos asignarles nmeros y reducir las
observaciones cualitativas al caso cuantitativo; as tenemos que la funcin que asigna valores numricos a
cada uno de los elementos del espacio muestra con una probabilidad definida, se denomina "variable
aleatoria".
Por ejemplo, si se lanza una moneda 3 veces, el nmero de escudos X es una variable aleatoria que toma los
valores 0, 1, 2, 3; es decir puede que ninguna vez, una sola, dos o tres veces salga escudo como resultado; la
probabilidad de que (dos escudos) es 3/8 ya que el espacio muestral S={eee, eec ,ece, ecc, cec, cce,
cee, ccc}. Y de estos ocho resultados hay tres en los cuales hay dos escudos. Con esto podemos ver que el
espacio muestral es el dominio de la funcin y el conjunto de valores que la variable puede tomar es el rango
o recorrido de la funcin, que es un subconjunto de los reales .






Fig. Variable aleatoria
Si el conjunto de valores de X es un conjunto finito o infinito numerable, es decir, si se pueden enlistar o
enumerar, se dice que la variable aleatoria es discreta, y si el conjunto de valores de X es no numerable, la
variable aleatoria se llama variable aleatoria continua. Son ejemplos de variables aleatorias continuas: la
estatura, el peso, la edad, el volumen, el pH, etc. Algunos ejemplos de variables discretas aleatorias son: el
nmero de alumnos que asisten diariamente durante un semestre, el nmero de accidentes automovilsticos en
una ciudad por da, el nmero de piezas defectuosas por lote, el nmero de alumnos aprobados por grupo en
un examen, etc.
Probabilidad y Estadstica MIN 105

~ 21 ~

Definicin.-
Una variable aleatoria X es una funcin cuyo dominio es el espacio muestral S y cuyo rango es un
subconjunto de los nmeros reales que tiene asociada a su conjunto de valores una funcin de
probabilidad.
Matemticamente, decimos: Dado un espacio de probabilidad ( O, A ,Pr), una variable aleatoria es cualquier
funcin, X,

:
( )
X
w X w
O


que asocia a cada suceso elemental un nmero real, verificando que

{ } Pr ( ) Pr[ ] Pr / ( )
X
B X B w X w B B = e = eO e c
El conjunto S O= es el espacio muestral y Aes la coleccin de todos los subconjuntos de O.
Identificacin de una variable aleatoria discreta X: es preciso conocer el conjunto de los posibles
resultados de X:
{x
1
, x
2
, ,x
k
, }, donde los x
i
no necesariamente son todos enteros, pero si se pueden contar o
numerar.
El conjunto de las probabilidades siguientes:
p1 = P(X = x
1
)
p2 = P(X = x
2
)
...
P
k
= P(X = x
k
)
...
Propiedades importantes de la funcin de probabilidad:
a) pi 0 para todo i
b) pi = 1 para todo i
La representacin grfica de la funcin de probabilidad de una variable aleatoria discreta es anloga al
diagrama de barras de frecuencias relativas de una variable estadstica discreta.
La funcin de distribucin de una variable aleatoria discreta X es:
( ) ( ) Pr( )
i
X i
x t
F t P X t x
s
= s =

para todo t e
La representacin grfica de la funcin de distribucin de una variable aleatoria discreta es anloga al grfico
de frecuencias relativas acumuladas de una variable estadstica discreta.


Probabilidad y Estadstica MIN 105

~ 22 ~

La media de una variable aleatoria discreta X es:
= E(X) = xi pi , para todo i.
La varianza de una variable aleatoria discreta X es:

2
= Var(X) = (xi-)
2
pi, para todo i
La desviacin tpica de una variable aleatoria discreta X es:
= (Var(X))
1/2

Ejemplo. Supongamos que la Secretara del Medio Ambiente inspecciona una vez al mes la cantidad de un
contaminante que descarga una compaa de productos qumicos. Si la cantidad del contaminante excede el
nivel mximo permitido, se multa a la compaa y se le obliga a corregir el problema. Consideremos las
siguientes dos variables aleatorias asociadas a este problema:
Primero digamos que X es el nmero de meses antes de que la compaa excede los lmites permitidos del
contaminante. Esta variable toma valores 1, 2, 3, pero no conocemos donde termina, ya que quizs nunca
exceda estos lmites permitidos, por lo tanto, el conjunto de valores de X es el conjunto de los nmeros
enteros positivos. Como podemos enlistar o numerar el conjunto (es un conjunto numerable) de valores de
la variable X, decimos que la variable aleatoria X es una variable aleatoria discreta.

Ejemplo. Supongamos que nos interesamos por el nmero de varones X en el experimento de observar al azar
dos nios recin nacidos (Sea H = hombre y M = mujer). Entonces, el espacio muestra, los valores de la
variable aleatoria X que cuenta el nmero de varones y su funcin de probabilidad se dan en la siguiente
tabla:

S Valores de X: x
i


MM 0

MH , HM 1

HH 2




Probabilidad y Estadstica MIN 105

~ 23 ~

Ejemplo. Sea X la variable aleatoria que indica la suma de los puntos en las caras superiores al lanzar dos
dados, Determine el espacio muestral, el conjunto de valores de X y las probabilidades respectivas.
Solucin: El espacio muestral S es el conjunto de los 36 pares ordenados que se indican a continuacin:

Este conjunto se puede visualizar como el conjunto de puntos del plano cartesiano que se muestra a
continuacin


Fig. Diagrama del Espacio Muestral del lanzamiento de dos dados
La variable aleatoria es la suma de los elementos de cada par, por lo tanto, toma los valores del 2 al 12,
y las probabilidades para cada uno de los valores de la variable se indican en la
siguiente tabla:
S Valores de
X : x
i


(1,1) 2

(1,2) (2,1) 3

(1,3) (3,1) (2,2) 4

(1,4) (4,1) (2,3) (3,2) 5

(1,5) (5,1) (2,4) (4,2) (3,3) 6

(1,6) (6,1) (2,5) (5,2) (3,4)
(4,3)
7

(2,6) (6,2) (3,5) (5,3) (4,4) 8

(3,6) (6,3) (4,5) (5,4) 9

Probabilidad y Estadstica MIN 105

~ 24 ~

(4,6) (6,4) (5,5) 10

(5,6) (6,5) 11

(6,6) 12


Total:

La grfica de lneas para este ejemplo es:

Fig. Grfico de probabilidad
Distribucin de probabilidad binomial
La distribucin binomial es tpica de las variables que proceden de un experimento que cumple las siguientes
condiciones:

1) El experimento est compuesto de n pruebas iguales, siendo n un nmero natural fijo.
2) Cada prueba resulta en un suceso que cumple las propiedades de la variable binmica o de Bernouilli, es
decir, slo existen dos posibles resultados, mutuamente excluyentes, que se denominan generalmente
como xito y fracaso.
3) La probabilidad del xito (o del fracaso) es constante en todas las pruebas. P(xito) = p ; P(fracaso) = 1 -
p = q
4) Las pruebas son estadsticamente independientes.
Probabilidad y Estadstica MIN 105

~ 25 ~

En estas condiciones, la variable aleatoria X que cuenta el nmero de xitos en las n pruebas se llama variable
binomial. Evidentemente, el espacio muestral est compuesto por los nmeros enteros del 0 al n. Se suele
decir que una variable binmica cuenta objetos de un tipo determinado en un muestreo de n elementos con
reemplazamiento.
La funcin de probabilidad de la variable binomial se representa como b(x,n,p) siendo n el nmero de pruebas
y p la probabilidad del xito, n y p son los parmetros de la distribucin.
La funcin de probabilidad de una variable Binomial es:

La media y la varianza de la variable binomial se calculan como:
Media = = n p
Varianza =
2
= n p q
Grficamente el aspecto de la distribucin depende de n y de p. Por ejemplo, si p=0.5 y n cualquiera es
simtrica; si p n es 0.5, la binomial no es simtrica. El siguiente grfico lo ilustra para n=4.
ASPECTO DE LA BINOMIAL PARA n=4 Y p=0.5 Y p=0.25.

Fig. Grficos de probabilidad binomial.

Ejemplo. Se sabe que el 5% de los libros que se prestan en una biblioteca se devuelven con retraso. Se realiza
el experimento que consiste en observar si la devolucin de 5 libros se hacen con retraso o no.
a) Determinar la funcin de probabilidad y hacer su representacin grfica.
b) Calcular la funcin de distribucin y hacer su representacin grfica.
c) Hallar la media y la varianza.

Probabilidad y Estadstica MIN 105

~ 26 ~

Solucin:
X= Variable aleatoria = Nmero de devoluciones con retrazo.
X=0,1,2,3,4,5.
a) El Modelo o funcin de probabilidad es
5
5
( , 5, 0.05) 0.04 (1 0.05) , 0,1, 2, 3, 4, 5
x x
b x n p x
x

| |
= = = =
|
\ .

b)
0, 0
0.7738, 0 1
0.9774, 1 2
( ) 0.9988, 2 3
1 , 3 4
1 , 4 5
1 , 5
X
t
t
t
F t t
t
t
t
<

s <

s <

= s <

s <

s <

>


Grfico de la funcin de distribucin







Fig. Grfico de la Funcin de distribucin

c)
2
[ ] 5(0.05) 0.25
[ ] 5(0.05)(0.95) 0.2375
E X np
V X npq

o
= = = =
= = = =