PROBABILIDAD

ESTADSTICA

Notas de clase

Profesores: A. Leonardo Bauelos S.

Nayelli Manzanarez Gmez

TEMA III
VARIABLES ALEATORIAS
INTRODUCCIN
El objetivo de este tema es conocer y utilizar el concepto de variable aleatoria para
resolver problemas probabilsticos.
Qu es la variable aleatoria? En el tema anterior, se describieron los resultados
de un experimento (eventos) en palabras; claramente esto dificultaba el anlisis de
algunos problemas. Es mucho ms fcil describir y manipular cuando se utilizan
nmeros.
El propsito de la variable aleatoria es "mapear" cada punto de un espacio
muestral en un punto de un eje real, y puesto que la regla de correspondencia para
realizar el mapeo de un conjunto a otro recibe el nombre de funcin, la variable aleatoria
es entonces una funcin.

LA VARIABLE ALEATORIA
Los fenmenos que ms interesan a los ingenieros son aquellos que pueden ser
identificados por nmeros, los cuales reciben el nombre de eventos numricos. Por
ejemplo, un mdico est interesado en el evento de que diez de diez pacientes se curen
de cierta enfermedad.

real.
Usualmente, se denotan a las variables aleatorias (vv.aa.) utilizando las ltimas
letras maysculas del alfabeto.
Los valores de la imagen de dicha funcin, se conocen como valores de la
variable aleatoria (v.a.) y se denotan con la misma letra que la funcin, pero con
minsculas.
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.1
Considerando las familias que tiene dos hijos, si se desea conocer el sexo de
los hijos entonces el espacio muestral es:
Asignar valores de la variable aleatoria.
Resolucin
Podran realizarse varias asignaciones:
Utilizando
para el sexo femenino y

para el masculino.

: 1, 2, 3, 4.
: 0, 1, 2, 3.
: 1, 2, 2, 3.
: 0, 1, 1, 2.
etc.
S))))))))))))))))))))))))))))))))))))Q
La definicin (en su construccin y significado) de una variable aleatoria (v.a.)
es arbitraria. Una forma adecuada de construir (definir) una v.a. es hacerlo de tal manera
que dicha variable responda a la pregunta de inters.
En el ejemplo anterior, si nos interesa conocer el nmero de hijos varones en
una familia, la definicin ms adecuada de la v.a. es la de
que asocia reales de la
siguiente manera:

Fig. 3.1 Variable aleatoria.

;
Definicin 3.1
Una variable aleatoria (v.a.) es una funcin, cuyos valores son nmeros
reales, definida en un espacio muestral. De una manera simple puede
denotarse por
En otras palabras una variable aleatoria es una funcin que asigna nmeros
reales a cada posible resultado de un experimento aleatorio; esto es, es una funcin cuyo
dominio de definicin es el espacio muestral de un experimento y cuyo rango es el eje
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.2
En el lanzamiento de dos dados se desea calcular la probabilidad de que la
suma de los dados sea par.
a)
Definir el espacio muestral del experimento.
b)
Definir una variable aleatoria adecuada para el problema.
c)
Calcular la probabilidad.

PROBABILIDAD y ESTADSTICA

Tema III

Resolucin

a)

Pg. 2

una combinacin de los casos anteriores.

Una variable aleatoria discreta toma valores de un conjunto numerable,

mientras que una variable aleatoria continua toma valores de un conjunto continuo.

VARIABLES ALEATORIAS DISCRETAS

b)

c)

La definicin es la siguiente:
Sea la variable aleatoria que representa la suma de los resultados en
el lanzamiento de los dados.
Los posibles valores
de
son entonces:
2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12
Sea
el evento en el cual la suma de los resultados es par, es
evidente que:

Definicin 3.2
Una variable aleatoria se dice discreta si solamente puede tomar valores
de un conjunto numerable de valores.
Una vez definida una variable aleatoria discreta, se debe definir la forma en la
que se asignarn las probabilidades a cada valor que puede tomar la variable aleatoria.

Por lo que
Definicin 3.3
Sea
una v.a. discreta, se define su funcin de probabilidad 1

como:
donde

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.3
En una ciudad se observa el tiempo que transcurre de un sismo a otro, el cual
se representa mediante la v.a. . Obtener el rango de .
Resolucin
Considerando que de un sismo a otro debe de transcurrir algn tiempo, y que
no se sabe cunto tardar en ocurrir el nuevo sismo, se tiene:

Para cualquier funcin de probabilidad de una v.a. discreta debe cumplirse lo

siguiente:

T a mbi n lla mada: funcin m asa de p r ob ab ilid ad o distribucin de

probabilidad.

Es muy comn la notacin

S))))))))))))))))))))))))))))))))))))Q
Las variables aleatorias pueden clasificarse en discretas, continuas o mixtas. Se
estudiarn las caractersticas de las discretas y de las continuas, dejando las mixtas como
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

, donde se resalta el hecho de que la funcin

proporciona probabilidad. En estas notas se utiliza la notacin

hacer nfasis en que es una funcin.

para

PROBABILIDAD y ESTADSTICA

Tema III

Pg. 3
Verificando la propiedad (1)

Definicin 3.4 Propiedades de la funcin de Probabilidad

1)
2)

Verificando (2)
Debe cumplirse que

3)
es decir
Debe observarse la analoga de estas propiedades con los axiomas de la
probabilidad. Para determinar si una funcin es una funcin de probabilidad, se deben
cumplir las propiedades anteriores, en particular se deben probar (1) y (2).
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.4
Considrese el lanzamiento de una moneda. Se desea observar el nmero de
lanzamientos hasta que "caiga" por primera vez un sol. Obtener una expresin
para la funcin de probabilidad y verificar que cumple con las primeras dos
propiedades.
Resolucin
Sea
la v.a. que representa el nmero de lanzamientos necesarios para
observar por primera vez un sol.
El rango de la v.a. es

De la serie geomtrica se sabe que:

converge a

cuando

y diverge cuando
.
Relacionando la funcin de probabilidad con la serie geomtrica se tiene que
.
Slo falta restar el primer trmino cuando

, de donde

Por lo que s se satisface (2).

S))))))))))))))))))))))))))))))))))))Q
Debe observarse con mucho cuidado el hecho de que una vez definida la v.a.,
debe poderse obtener el rango de dicha variable, es decir el conjunto de valores que la
variable aleatoria puede tomar; sin embargo, el dominio de la funcin de probabilidad
puede extenderse a todos los reales, para facilitar la notacin en anlisis posteriores.

.
.
.
En general
Fig.
3.2 Variable Aleatoria y Funcin de
Probabilidad.

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

PROBABILIDAD y ESTADSTICA

Tema III

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.5
Considrese la v.a.
cuyos posibles valores son 0, 1, 2, 3 y 4; y que tiene la
siguiente funcin de probabilidad.

a)

Determinar el valor de la constante

b)

de probabilidad.
Calcular

Resolucin
a)
Para que

para que

sea una funcin

Pg. 4

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.6
Al examinar pozos de agua en una regin con respecto a dos tipos de impurezas
encontradas frecuentemente en el agua potable, se encontr que el 20% de los
pozos no revelaban impureza alguna, el 40% tenan la impureza del tipo A y
el 50% la impureza del tipo B (naturalmente, algunas tenan ambas impurezas).
Si se selecciona un pozo de la regin al azar, obtener la distribucin de
probabilidad para , esto es, el nmero de impurezas encontradas en el pozo.
Resolucin
Sea
el evento en el cual se tiene la impureza A, y
el evento en el cual se
tiene la impureza B, entonces, la siguiente tabla muestra las probabilidades de
las intersecciones de los eventos:

Total

sea una funcin de probabilidad, deben cumplirse las

propiedades 1 y 2.
Si
entonces se cumple que

Total

Y por otro lado:

De donde

De donde
b)

S))))))))))))))))))))))))))))))))))))Q
Los problemas que generalmente resultan ms interesantes son aquellos en los
que se debe obtener la funcin de probabilidad para una variable aleatoria discreta a
partir de un problema en particular.

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

Por lo que la funcin de probabilidad es:

0.2

0.7

0.1

S))))))))))))))))))))))))))))))))))))Q
Una funcin de probabilidad generalmente se representa de manera grfica
utilizando lneas verticales que representan la probabilidad, como se muestra en la
siguiente figura.

PROBABILIDAD y ESTADSTICA

Tema III

Pg. 5
El rango de la v.a. es
Sea

el evento en el cual el interruptor

funciona, para

Fig. 3.3 Grfica de una funcin de

Probabilidad
Sin embargo, en el presente curso se preferir la representacin puntual, para
hacer nfasis en que se trata de una funcin muy semejante a las estudiadas en los cursos
de clculo, pero que solamente toma valores puntuales. La representacin que se
utilizar es entonces:

Finalmente la distribucin es:

Fig. 3.4 Grfica de una funcin de

Probabilidad
))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.7
Cuando se encienden, cada uno de los tres interruptores del diagrama siguiente
trabaja en forma correcta con una probabilidad de
. Si un interruptor trabaja
en forma correcta, puede pasar la corriente por l cuando se enciende.
Determinar la distribucin de probabilidad , el nmero de trayectorias
cerradas de

cuando los tres interruptores se encienden.

0.019

0.252

0.729

S))))))))))))))))))))))))))))))))))))Q
Un ejemplo ms elaborado de la obtencin de una funcin de probabilidad es
el mostrado en el siguiente ejemplo.
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.8
De la gente que llega a un banco de sangre como donador, uno de cada tres
tiene sangre tipo

, y uno de 15 sangre tipo

personas que llegan al banco, sea

. Para las siguientes tres

el nmero que tiene sangre

las

que tienen
.
Si se supone que las proporciones de los tipos de sangre se mantienen
constantes (independencia), determinar las distribuciones de probabilidad para
y
Resolucin
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

PROBABILIDAD y ESTADSTICA

Tema III

Pg. 6

VARIABLES ALEATORIAS CONTINUAS

Resolucin
Se tiene que:
, Probabilidad de que una persona tenga
, Probabilidad de que una persona tenga

Definicin 3.5
Una v.a.
se dice continua si puede tomar valores de un conjunto
infinito no numerable de valores.
Las variables aleatorias continuas tambin tienen una funcin que
proporciona informacin sobre la probabilidad, dicha funcin se define a continuacin.

Definicin 3.6 Propiedades de la Funcin de Densidad

Sea
una variable aleatoria continua, se define su funcin de densidad
, como una funcin con las siguientes propiedades:

En general:
1)
,

2)
3)

En forma tabular, se tiene:

Recordando las propiedades de la integral definida, se tienen los siguientes

resultados:
a)
b)
En trminos simples, las propiedades de la funcin de densidad dicen que la
funcin debe ser no negativa (1); y que la probabilidad del espacio muestral debe ser
igual a la unidad (2). De los resultados debe destacarse el hecho de que la probabilidad
de que una variable aleatoria continua tome exactamente un valor es cero (a), lo cual
debe interpretarse como: la probabilidad de que una variable aleatoria continua tome
exactamente un valor es prcticamente cero.
Una funcin de densidad, se representa grficamente de igual forma que una
funcin continua en el clculo, como puede observarse en la figura 5.

S))))))))))))))))))))))))))))))))))))Q

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

PROBABILIDAD y ESTADSTICA

Tema III

Pg. 7

Fig. 5 Grfica de una funcin de densidad.

Debe observarse de la propiedad (3), que para obtener la probabilidad de que
una variable aleatoria est dentro de cierto intervalo, se integra sobre ese intervalo;
recordando la interpretacin geomtrica de la integral, se puede decir que la probabilidad
coincide con el "rea" bajo la curva
.
El siguiente ejemplo muestra el uso de la propiedad 2 de las funciones de
densidad, la propiedad 3 para el clculo de probabilidades y adicionalmente, ilustra la
forma en la que se pueden calcular probabilidades condicionales, utilizando una
variacin de la definicin de probabilidad condicional vista en el captulo anterior,

c)

d)

.
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.9
El tiempo requerido por los estudiantes para presentar un examen de una hora
es una variable aleatoria con una funcin de densidad dada por

a)

Determinar el valor de

b)

Trazar la grfica de

c)

Calcular la probabilidad de que un estudiante termine en menos de

media hora.
Dado que cierto estudiante necesita al menos 15 minutos para
presentar el examen, obtener la probabilidad de que necesite al menos
30 minutos para terminarlo.

d)

.
.

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.10
La temperatura de encendido de un interruptor con control termosttico de un
sistema de acondicionamiento de aire se ajusta a 60 F, pero la temperatura real
a la cual el interruptor acciona es una variable aleatoria que tiene la funcin
de densidad de probabilidad

Resolucin
a)

, de donde

a)
b)

b)
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

Calcular la probabilidad de que sea una temperatura mayor de 60 F

la necesaria para que accione el interruptor.
Si se utilizan en forma independiente dos de tales interruptores,
calcular la probabilidad de que ambos necesiten que la temperatura
sea mayor de 60 F para que se accionen.

PROBABILIDAD y ESTADSTICA

Tema III

Pg. 8

Resolucin
a)
b)

Sea

la variable aleatoria que representa la temperatura a la cual el

interruptor se acciona, entonces:

para

por lo que:

Sin importar si la variable aleatoria es discreta o continua, la funcin de

distribucin tiene las siguientes propiedades, que se deducen directamente de la
definicin.
Propiedades de la Funcin de Distribucin
,

1)
2)

Para el mayor valor en el rango de la variable aleatoria

; es

decir:

Para un valor menor al primer valor en el rango de la variable aleatoria

S))))))))))))))))))))))))))))))))))))Q

; es decir:

FUNCIN DE DISTRIBUCIN
La funcin de distribucin, tambin llamada funcin de distribucin acumulativa,
muestra el comportamiento acumulado de una variable aleatoria.

3)

es no decreciente; es decir:
Si

4)
Definicin 3.7
Si
es una variable aleatoria, entonces su funcin de distribucin

La funcin

entonces

La probabilidad de que una variable aleatoria est en el intervalo

dada por:

est

, se define como una funcin que asocia a cada valor real, la

probabilidad de que la variable aleatoria asuma valores menores o
iguales que l.

Para generalizar la propiedad (4) al intervalo cerrado

los casos discreto y continuo.

, deben utilizarse

La funcin de distribucin se obtiene de la siguiente manera:

La representacin grfica de la funcin de distribucin para una v.a discreta es
una funcin escalonada con discontinuidades de salto, mientras que para una variable
aleatoria continua es una funcin continua.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

PROBABILIDAD y ESTADSTICA

Tema III

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.11
Sea
una variable aleatoria con funcin de probabilidad

a)
b)

El tiempo requerido por los estudiantes para presentar un examen de una hora
es una variable aleatoria con una funcin de densidad dada por
,

-5

-1

1.5

0.2

0.01

0.3

0.29

0.2

Construir la funcin de distribucin de

Trazar su grfica.

Pg. 9

en forma tabular.

Resolucin
a)
La forma tabular de la funcin de distribucin se obtiene directamente
de la funcin de probabilidad, sumando las casillas a la izquierda y
la del valor que se desea.

-5

-1

1.5

0.2

0.21

0.51

0.8

a)

Obtener

b)

Trazar la grfica

c)

Utilizar

del inciso (a) para encontrar

Resolucin
a)

,
Finalmente

b)

c)

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

b)

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.12

PROBABILIDAD y ESTADSTICA

Tema III

Pg. 10
En este intervalo debe considerarse lo que se acumula de
adelante, as como todo lo acumulado en el intervalo anterior.

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.13
Una gasolinera tiene dos bombas, que pueden bombear cada una hasta 10,000
litros de gasolina por mes. La cantidad total de gasolina bombeada en un mes
es una variable aleatoria
(expresada en diez mil litros), con una funcin de
densidad de probabilidad dada por

a)

Trazar la grfica de

b)

Obtener

c)

Calcular la probabilidad de que la gasolinera bombee entre 8,000 y

12,000 litros en un mes.
Si se sabe que la gasolinera ha bombeado ms de 10,000 litros en un
mes en particular, obtener la probabilidad de que haya bombeado ms
de 15,000 litros durante el mes.

d)

Finalmente

.
Obsrvese que la funcin de distribucin es no decreciente, por lo que
inicia teniendo el valor cero y termina teniendo el valor de uno.

y construir su grfica.

Resolucin
a)

c)

d)

S))))))))))))))))))))))))))))))))))))Q

b)

en

Para
Para

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

PROBABILIDAD y ESTADSTICA

Tema III

VALOR ESPERADO DE UNA VARIABLE ALEATORIA

resultado de la repeticin.

El concepto de valor esperado es sin duda uno de los ms importantes en el estudio de

las distribuciones de probabilidad. Tiene sus orgenes en los juegos de azar, debido a que
los apostadores queran saber cul era su expectativa en un juego despus de participar
en l muchas veces.
Por ejemplo, considrese una pequea rifa que depende del resultado de un
dado. El boleto para participar en la rifa cuesta un peso, y el apostador recibe cinco
pesos si el resultado es 6 (tiene una ganancia de 4 pesos), y en caso contrario pierde el
valor del boleto con el que particip en la rifa. Despus de un gran nmero de juegos,
cual ser su prdida o ganancia? Para contestar se debe considerar a la distribucin de
probabilidad como la frecuencia relativa a largo plazo de los resultados que se
obtendrn, de manera que, si
es la variable aleatoria que representa el resultado del
dado, la probabilidad de ganar es
perder es

Pg. 11

Es muy comn denotar al valor esperado de una variable aleatoria

, y en ocasiones, simplemente como

mediante

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.14
Un automovilista desea asegurar su coche por 50,000 U.M. 3. La compaa
aseguradora estima que una prdida total puede ocurrir con una probabilidad
de 0.002, un 50% de prdida con una probabilidad de 0.01 y un 25% de
prdida con una probabilidad de 0.1. Ignorando todas las otras prdidas
parciales, qu prima deber cobrar anualmente la compaa aseguradora para
tener una utilidad promedio por automvil de 500 U.M.?
Resolucin
Sea la prima y

, mientras que la probabilidad de

la variable aleatoria que representa la utilidad, entonces

, de donde la ganancia esperada promedio por rifa es:

Es decir, despus de jugar un gran nmero de veces, el apostador pierde un

sexto de peso en promedio por rifa.

Para que la utilidad promedio sea de

de donde

Debe observarse que la operacin que se realiz es un promedio ponderado de

la ganancia de cada rifa. De hecho de esta forma se define el valor esperado de una
variable aleatoria discreta. Para el caso de una variable aleatoria continua la definicin
es similar.

Por lo que

, se debe satisfacer

U.M.
Definicin 3.8
Sea
una variable aleatoria con distribucin de probabilidad
valor esperado de

. El

es:

El valor esperado es muy utilizado en la teora de decisiones. Es decir, en

situaciones de incertidumbre se toma una decisin basada en la expectativa de repetir un
gran nmero de veces una situacin similar y determinar el valor esperado como
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

La prima deber de ser de

U.M.
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.15
La funcin de densidad de la variable aleatoria continua , el nmero total de
horas, en unidades de 100 horas, que una familia utiliza una aspiradora durante
un ao est dado por

Unidades Monetarias

PROBABILIDAD y ESTADSTICA

Tema III

Pg. 12

y el uso de las propiedades de la suma y de la integral.

El valor esperado de una variable aleatoria discreta puede ser interpretado como
el centro de masa de una distribucin de masas
colocadas en los puntos
del
Obtener el nmero promedio de horas por ao que la familia utiliza la
aspiradora.

eje

El valor esperado de una variable aleatoria continua puede ser interpretado

como la abscisa del centroide de la figura formada por la funcin
junto con el eje

Resolucin
(y los extremos de

MOMENTOS DE UNA VARIABLE ALEATORIA

La aspiradora se usa en promedio 100 horas al ao.

S))))))))))))))))))))))))))))))))))))Q

Sea
una variable aleatoria, se define su
como:

PROPIEDADES DEL VALOR ESPERADO

1)

El valor esperado de una constante

3)

El valor esperado de una variable aleatoria por una constante, es la constante

por el valor esperado de la variable aleatoria

El valor esperado de la cantidad

producto de

4)

5)

Si

por el valor esperado de

es una funcin de

-simo momento con respecto al origen

, es la misma constante.
y el

2)

si los hubiera).

donde
ms

-simo momento con respecto a la media 4 como

El primer momento con respecto al origen es el valor esperado

son constantes, es el

Por las caractersticas del operador valor esperado, es posible obtener

momentos con respecto a la media a partir de momentos con respecto al origen, como
en el siguiente ejemplo

, entonces:

El valor esperado de una suma de funciones es igual a la suma de los valores

esperados.
Si
y
son funciones de , entonces

Las demostraciones son inmediatas a partir de la definicin del valor esperado

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

Es decir, el segundo momento con respecto a la media se puede obtener a travs

de dos momentos con respecto al origen, y de similar forma el tercer momento con
respecto a la media se puede obtener con tres momentos con respecto al origen, y as
sucesivamente.

o valor esperado.

PROBABILIDAD y ESTADSTICA

Tema III

Pg. 13

Tpico Especial: FUNCIN GENERADORA DE M OM ENTOS

Debido a que los momentos permitirn calcular algunas de las caractersticas numricas
de las variables aleatorias, es conveniente estudiar una forma alterna para obtener los
momentos. La funcin generadora de momentos permite calcular con facilidad algunos
momentos, que utilizando la definicin resultan mucho ms complicados.

Definicin 3.9
Sea
una variable aleatoria se define su funcin generadora de
momentos como

por lo que sustituyendo en la definicin de la funcin generadora de momentos

de donde

y si el valor esperado existe, genera todos los momentos con respecto al

origen.
Al calcular el valor esperado
manera que

es finalmente slo funcin de

se considera como constante, de

y no contiene

. La variable

Para obtener el
respecto de

-simo momento con respecto al origen se deriva

y se vala en

veces con

de la funcin generadora es una variable muda, puesto que para calcular el momento
debe valuarse la variable. Es muy comn que se denote a la funcin generadora como
; sin embargo, aqu se preferir la mayscula
, debido a que la minscula se
utiliza en el curso de estadstica para definir los momentos muestrales, y se prefiere
sobre debido a que se utiliza como variable aleatoria en una funcin de densidad
muy importante que se estudiar en detalle en el tema 6.
La razn por la cual la funcin

genera los momentos con respecto al

origen y la forma en que lo hace puede observarse a continuacin

y para ello, la funcin

debe ser

veces derivable en cero.

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.16
Considrese la variable aleatoria
con funcin de probabilidad

La serie de M aclaurin es:

Expresando

-4

-2

10

20

0.01

0.3

0.25

0.04

0.24

0.16

en serie de Maclaurin se tiene:

Si

Construir la funcin generadora de momentos y utilizarla para calcular la media

de la variable aleatoria.
Resolucin

sustituyendo
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

PROBABILIDAD y ESTADSTICA

Tema III

Pg. 14

Por lo que

integrando por partes se obtiene

Valuando en cero:
Por lo que
S))))))))))))))))))))))))))))))))))))Q
Para una variable aleatoria discreta, cuya funcin de probabilidad est definida
por una tabla, resulta ms laborioso utilizar la funcin generadora para obtener su media
o valor esperado, que haber utilizado simplemente la definicin. En general, la funcin
generadora facilita el anlisis cuando la obtencin por medio de la definicin es
laboriosa, y lo dificulta cuando la obtencin del valor esperado es muy fcil por medio
de la definicin.
Y recordando que la funcin generadora debe ser continua y
derivable en el origen, entonces

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.17
La funcin de densidad de probabilidad de una variable aleatoria est
determinada por:

de donde

b)
a)
b)

Determinar la funcin generadora de momentos de .

Utilizar la funcin generadora de momentos para obtener la media de
.

Para obtener la media, o valor esperado, se sabe que:

por lo que
,

Resolucin
a)
La funcin generadora de momentos est definida por
por lo que:

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

S))))))))))))))))))))))))))))))))))))Q

veces

PROBABILIDAD y ESTADSTICA

CARACTERSTICAS
ALEATORIA

Tema III

NUMRICAS

DE

LA

VARIABLE

Si bien, el comportamiento probabilstico de las variables aleatorias queda

completamente especificado mediante las funciones de probabilidad o de densidad,
segn sea el caso, en ocasiones es conveniente trabajar con algunas caractersticas
numricas que describen el comportamiento de la variable aleatoria.

Pg. 15
Al observar las probabilidades de la tabla se observa que:

S))))))))))))))))))))))))))))))))))))Q

M ediana
Las caractersticas numricas se clasifican en tres:
-

Es aquel valor para el cual la probabilidad de que la variable aleatoria tome valores
menores o iguales a dicho valor es 0.5. Se denota por .

Medidas de tendencia central.

Medidas de dispersin.
Parmetros de forma.

Matemticamente, la mediana es el valor

tal que

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.19

M EDIDAS DE TENDENCIA CENTRAL

Las medidas de tendencia central son la media, la moda y la mediana.

Sea la funcin de densidad

M edia
La media o valor esperado, que tambin recibe el nombre de esperanza matemtica, se
estudi antes. En muchas aplicaciones se considera como el valor ms representativo de
una variable aleatoria Se denota por .

Obtener la media, la mediana y la moda.

M oda

Resolucin

Es aquel valor para el cual la funcin de probabilidad o funcin de densidad, segn sea
el caso, toma su valor mximo. Se denota por
.

La media est dada por

Integrando por partes se tiene que:

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.18
Considrese la variable aleatoria
con funcin de probabilidad

-4

-2

10

0.01

0.3

0.25

0.04

0.24

0.16

Obtener la moda de la variable aleatoria.

Resolucin
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

La mediana est dada por

de donde

La moda es el valor en el cual se encuentra el mximo, por lo que derivando e

igualando a cero para obtener el mximo:

PROBABILIDAD y ESTADSTICA

Tema III

Pg. 16

En otras palabras, puede decirse que la desviacin media es el promedio de los

valores absolutos de las dispersiones alrededor de la media.
No existe solucin.
Por otro lado, no se puede considerar ningn extremo del intervalo, puesto que
en ambos casos es abierto
.
Se concluye que la funcin no tiene moda.
S))))))))))))))))))))))))))))))))))))Q

Debido a la dificultad matemtica que implica trabajar con el valor absoluto,

recurdese que el valor absoluto est definido mediante dos reglas de correspondencia,
se utiliza una funcin cuadrtica para eliminar el problema que se genera por las
diferencias positivas y negativas, dando lugar a la variancia.
Variancia

Como se pudo observar en el ejemplo anterior, no es necesario que existan

todas las medidas de tendencia central, de hecho la media y la moda pueden no existir.
La media no existe cuando la integral para las vv.aa. continuas no converge; la moda no
existe en casos como el anterior, o bien, cuando para cualquier valor de la variable la
funcin toma el mismo valor 5.

La variancia 6 se denota por

o bien por

y se define como el promedio del

cuadrado de la diferencia de la variable aleatoria y su media.

Matemticamente:

M EDIDAS DE DISPERSIN
Las medidas de dispersin indican la lejana de los valores que puede tomar la variable
aleatoria. Las principales medidas de dispersin son el rango, la desviacin media, la
variancia, la desviacin estndar y el coeficiente de variacin.
De la definicin de la variancia, y utilizando las propiedades del valor esperado,
se puede escribir la variancia como:

Rango
Es la mediada de dispersin ms simple. El rango se define como la diferencia entre el
mayor valor que puede asumir la variable y el menor valor que puede asumir.

Debe recordarse que en este momento se est considerando que

Desviacin media

es una

caracterizacin exacta de la distribucin de frecuencias de una poblacin, es decir,

proporciona toda la informacin de la poblacin, por lo que se puede escribir:

La desviacin media de una variable aleatoria es el valor esperado de la diferencia en

valor absoluto entre los valores de
y su media. Se denota
Matemticamente:

en el curso de Estadstica se estudiarn los casos en los cuales no se cuenta con toda la
informacin de la poblacin.
La variancia es el segundo momento con respecto a la media.

Algunos autores dicen que en este caso todos los valores son modas.

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

Algunos autores utilizan la traduccin "varianza".

PROBABILIDAD y ESTADSTICA

Tema III

CARACTERSTICAS DE LA VARIANCIA
1)

La variancia de una constante es cero.

2)

La variancia de una constante por la variable aleatoria es el cuadrado

de la constante por la variancia de la variable aleatoria

Pg. 17

distribucin simtrica con respecto a la media.

Debido a que la variancia queda en unidades cuadradas, se obtiene la raz

cuadrada para regresar a las unidades originales, lo que da lugar a la desviacin estndar.
Desviacin estndar
Sesgo positivo
La desviacin estndar se define como la raz cuadrada positiva de la variancia. Se
denota por
. Esto es:

Simtrica

Sesgo negativo

El sesgo positivo tambin se llama sesgo hacia la derecha, y el sesgo negativo

hacia la izquierda.

Tpico Especial: Coeficiente de curtosis

Coeficiente de Variacin
El coeficiente de variacin mide la dispersin relativa a la media de una distribucin de
probabilidad, y se utiliza para comparar la dispersin de dos distribuciones de
probabilidad.
Se define como la desviacin estndar entre la media. Se denota
.

El coeficiente de curtosis mide el grado de aplanamiento, o bien, indica que tan

puntiaguda es la distribucin. Se define como el cuarto momento con respecto a la media
estandarizado. Se denota por
.

El valor del coeficiente de curtosis se compara con el nmero tres.

PARM ETROS DE FORM A
Los parmetros de forma son el coeficiente de sesgo y el coeficiente de curtosis.
Coeficiente de sesgo
El coeficiente de sesgo mide el grado de simetra de una distribucin de probabilidad.
Se define como el tercer momento con respecto a la media estandarizado. Se denota por
.

Platicrtica
El valor del coeficiente de sesgo se compara contra cero, que indica una
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

Mesocrtica

Leptocrtica

PROBABILIDAD y ESTADSTICA

Tema III

Pg. 18

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.20
Considrese una variable aleatoria continua con la funcin de densidad dada
por
Desviacin estndar

Coeficiente de variacin
Determinar todas las caractersticas numricas de la variable aleatoria

Resolucin
Medidas de tendencia central:

Parmetros de forma:

Media,
Sesgo,
Moda,
Mediana,
Para encontrar la mediana deben de utilizarse en orden las reglas de
correspondencia de la funcin de densidad, hasta obtener la regla con la cual
se acumule la probabilidad de 0.5
Para la primera regla de correspondencia, con
, se tiene:

pero

por lo que

La distribucin es simtrica.

Curtosis
Esto es

, de donde

, y puesto que el valor obtenido s se

pero

encuentra dentro de intervalo

, entonces la mediana es

Medidas de dispersin:
Rango,
Desviacin media

por simetra

Variancia

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

por lo que

La distribucin es platicrtica.

S))))))))))))))))))))))))))))))))))))Q

PROBABILIDAD y ESTADSTICA
Ejemplo 3.21

Tema III

Pg. 19

Rendimiento Esperado

Un empresario debe decidir entre invertir en el proyecto

o el . Segn los
estudios realizados por sus analistas cada proyecto puede generar distintos
rendimientos dependiendo de situaciones relacionadas con la competencia y la
poltica nacional. En resumen se tiene la siguiente informacin:

Probabilidad

a)
b)
c)

0.1

-25

-40

0.2

0.4

15

16

0.2

30

40

0.1

45

66

c)

Determinar el rendimiento esperado de los activos

y .
Determinar la desviacin estndar y coeficiente de variacin de los
rendimientos de los proyectos
y .
Jerarquizar los proyectos con base en el rendimiento esperado, el
riesgo del proyecto y el riesgo por rendimiento prometido.

Resolucin
a)
Sean

los rendimientos de los proyectos

Con base en el rendimiento esperado, el mejor proyecto es el

Con base en el riesgo del proyecto, el mejor proyecto es el

.
Con base en el riesgo por rendimiento prometido, el mejor proyecto
es el
.
S))))))))))))))))))))))))))))))))))))Q

TPICOS ESPECIALES: TEOREM A DE CHEBYSHEV

El teorema de Chebyshev o la desigualdad de Chebyshev proporciona una cota para la
probabilidad de que una variable aleatoria se aleje un cierto nmero de desviaciones
estndar de la media. La cota no siempre genera un intervalo reducido; sin embargo, se
requiere muy poca informacin de la variable aleatoria para generar el intervalo, de
hecho, basta con conocer la media y la desviacin estndar.

Teorema de Chebyshev
La probabilidad de que cualquier variable aleatoria
de

b)
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

tome un valor dentro

desviaciones estndar de la media es por lo menos

; es decir,

De hecho, la desigualdad de Chebyshev se puede escribir tambin como:

PROBABILIDAD y ESTADSTICA

Tema III

Pg. 20

Por lo que deben existir 41 tarjetas de impresora en el inventario.

o bien, utilizando el complemento

S))))))))))))))))))))))))))))))))))))Q

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.22
Una variable aleatoria tiene una media
, con una variancia
,
y una distribucin de probabilidades conocida. Utilizando el teorema de
Chebyshev, obtener:
a)
.
b)

Resolucin
a)
b)

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.23
Tener a mano un suministro adecuado de refacciones es funcin importante del
almacn de una gran empresa electrnica. Se estudi la demanda mensual de
tarjetas para impresoras de microcomputadoras durante algunos meses y se vio
que el promedio o media es 28 y la desviacin estndar es 4. Cuntas tarjetas
de impresora deben tener a la mano al principio de cada mes para asegurar que
la demanda ser mayor que la oferta cuando mucho con una probabilidad de
0.10?
Resolucin
Sea
la variable aleatoria que representa la demanda.
Utilizando el teorema de Chebyshev con

se tiene :

es decir :

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

PROBABILIDAD y ESTADSTICA

Tema III

AUTOEXAM EN
1.-

Sea

Pg. 21

TEM A III

una variable aleatoria con funcin de densidad

donde

. La probabilidad de que

A)

B)

est entre 1 y 2 es:

C)

D)

E)
A) 2

2.-

C)

D)

E)

Los siguientes enunciados se relacionan con una distribucin de probabilidad

discreta, EXCEPTO:

3.-

B) 1

5.-

Dada la variable aleatoria

A) La suma de todas la probabilidades es uno.

B) Se puede presentar como una frmula.
C) A cada valor de la variable se le asigna una probabilidad.
D) Se puede representar en forma grfica.
E) Su funcin de distribucin es continua.

entonces el valor de

Sea

A)

una variable aleatoria discreta con funcin de distribucin

con funcin de densidad

es:

B) 1

C) 2

D) 3

E) Ninguna de las anteriores.

6.-

Entonces

A) 1

es:

B) 0

C) 0.2

D) 0.3

E) 0.5

Una compaa de seguros debe determinar la cuota anual a cobrarse por un

seguro de cincuenta mil pesos para hombres cuya edad se encuentra entre los
30 y 35 aos. Con base en las tablas actuariales el nmero de fallecimientos al
ao, para este grupo, es de 5 por cada mil. Si
es la v.a. que representa la
ganancia de la compaa de seguros, entonces el monto de la cuota anual para
que la compaa no pierda, a pesar de tener un nmero grande de tales seguros
es:

4.-

Si la variable aleatoria

tiene la funcin de densidad que se muestra en la

figura, entonces el valor de

es:

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

A) 100
B) 250
E) Ninguno de los anteriores.

C) 5000

D) 50,000

PROBABILIDAD y ESTADSTICA
7.-

Tema III

Pg. 22

Dada la funcin de densidad

D)

la funcin de distribucin acumulativa es:

E) Ninguna de las anteriores.

8.-

El tiempo que toma reparar una computadora personal es una variable aleatoria
con funcin de densidad

A)

El costo de la reparacin depende del tiempo, y es igual a

. El costo

esperado al reparar una computadora personal es:

A) 68.28
B) 70
E) Ninguna de las anteriores.
B)

9.-

C) 1

D) 16.56

Dada la funcin de probabilidad

0.1

0.2

0.4

0.3

Su funcin generadora de momentos es:

C)

1)

2)

3)

4)

5)

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.

PROBABILIDAD y ESTADSTICA
10.-

Si la variable aleatoria
entonces

Tema III

Pg. 23

tiene una distribucin asimtrica a la derecha

corresponden

BIBLIOGRAFA
Hines, W illiam W . y M ontgomery, Douglas C. - Probabilidad y Estadstica para
ingeniera, cuarta edicin..- CECSA.- Mxico, 2005.
Milton, Susan J. Y Arnold, Jesse C.- Probabilidad y Estadstica para con aplicaciones
para ingeniera y ciencias computacionales, cuarta edicin.- McGraw-Hill.- Mxico,
2004..
Devore, Jay L.- Probabilidad y Estadstica para ingeniera y ciencias, sexta edicin.Editorial Thomson.- Mxico, 2005.
W ackerly Dennis D .- Mendenhall, W illiam, et al.- Estadstica Matemtica con
Aplicaciones, sexta edicin.- Editorial Thomson.- Mxico, 2002.

en ese orden, a:

A)
B)
C)
D)
E)

La media, la moda y la mediana.

La moda, la media y la mediana.
La mediana, la media y la moda.
La moda, la mediana y la media.
Ninguna de las anteriores.

W alpole, Ronald E., et al.- Probability and Statistics for Engineers and Scientists.Pearson.- USA, 2007.
Montgomery, Douglas C. y Runger, George C.-Probabilidad y Estadstica aplicadas a
la Ingeniera, segunda edicin.- Limusa-W iley.- Mxico, 2002.
Scheaffer, Richard L. y McClave, James T.- Probabilidad y Estadstica para Ingeniera.Grupo Editorial Iberoamrica.- Mxico, 1993.
Canavos, George C.- Probabilidad y Estadstica Aplicaciones y Mtodos.- McGrawHill.- Mxico, 1988.
Meyer, Paul L.- Probabilidad y Aplicaciones Estadsticas.- Addison W esley
Iberoamericana.- Mxico, 1992.
Borras Garca, Hugo E., et al.- Apuntes de Probabilidad y Estadstica.-Facultad de
Ingeniera.- Mxico, 1985.
Rosenkrantz, W alter A.- Introduction to Probability and Statistics for Scientists and
Engineers.- McGraw-Hill.- EE.UU., 1997.
Ross Sheldon M - Probabilidad y Estadstica para Ingeniera y Ciencias-McGraw-Hill.Mxico, 2002.

)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.