Estadstica I

Variables Aleatorias Discretas

VARIABLE ALEATORIA DISCRETA

Muchas veces se desea resumir con un nmero el resultado de un experimento aleatorio. En
muchos de los ejemplos relativos a experimentos aleatorios que han sido considerados hasta
ahora, el espacio muestral es slo una descripcin de los posibles resultados. En algunos casos
tales descripciones son suficientes, pero en otros se hace til asociar un nmero con cada
resultado del espacio muestral. Es as como se llega a la definicin de variable aleatoria.
Una variable aleatoria X es una funcin que asigna un nmero real a cada resultado en el
espacio muestral de un experimento aleatorio. El conjunto de los posibles valores de la
variable aleatoria X se denomina rango. Diremos que la variable aleatoria es discreta si su rango
es finito (o infinito contable).
A menudo el inters recae en la probabilidad de que una variable aleatoria X tome un valor
particular x, esto se denota P(X=x). La distribucin de probabilidad de X ser entonces la
descripcin del conjunto de valores posibles de X (rango de X), junto con la probabilidad
asociada con cada uno de estos valores. La distribucin de probabilidad de una variable aleatoria
es a menudo el resumen ms til de un experimento aleatorio.
Diremos que la funcin p(x)=P(X=x) que va del conjunto de valores posibles de la variable
aleatoria X al intervalo [0, 1] es la funcin distribucin de probabilidad para X si y slo si se
satisfacen las siguientes propiedades:
0 p(x) 1 para todo x

p x 1
x

Se define la distribucin acumulada F(x) para la variable aleatoria X como

p t
F(x) = P(X x) = t
x

Ejemplo 1
Prof. Fernando Salazar

Estadstica I
Variables Aleatorias Discretas

Experimento aleatorio: se lanza una moneda 3 veces

= { ccc, ccs, csc, css, scc, scs, ssc, sss }
Sea X : # caras observadas
x
p(x)

1
8

1
8

La distribucin anterior es una distribucin de probabilidades para la variable aleatoria X, en

efecto 0 p(x) 1 para todo x (x = 0, 1, 2 y 3) y adems

p x 1. Para determinar la
x

distribucin acumulada de probabilidad observe que

P(X 0) = P(X = 0) =

1
8

P(X 1) = P(X = 0) + P(X = 1) =

1 +3 = 1
8
8
2

P(X 2) = P(X = 0) + P(X = 1) + P(X = 2) =

1 +3 +3 =7
8
8
8
8

P(X 3) = P(X= 0) + P(X= 1) + P(X= 2) + P(X= 3) =

1 + 3 + 3 + 1 =1
8
8
8
8

Se tiene entonces,
x
F(x)

1
8

1
2

7
8

3
1

Si X es una variable aleatoria, y el experimento aleatorio que determina el valor de X se repite

muchas veces, entonces se obtiene una secuencia de valores para X. A partir de esta secuencia de
valores se puede identificar el valor promedio o valor esperado de la variable aleatoria X, que
denotamos E X , y se define en la forma siguiente:
E X

xp x
x

Prof. Fernando Salazar

Estadstica I
Variables Aleatorias Discretas

Propiedades:
a) E(k)=k
b) E(kX)=kE(X)
c) E(XY)=E(X)E(Y)
d) E(g(X))=g(x)p(x)
Para el ejemplo dado, E X = xp x = 0 p 0 1p 1 2p 2 3p 3
x

1 3
3
1 12 3
= 0 . 1. 2. 3.
8
8
8
8 8 2

A veces, el inters es determinar la variabilidad de la variable aleatoria. Definimos entonces la

varianza de la variable aleatoria X, denotada V X , 2 mediante la siguiente ecuacin:
V(X)=E[(X-E(X))2] y su forma reducida es:
V X = E X2 E X 2

donde,

E X2

x2 p x
=
x

Para el ejemplo dado,

E X2

1
8

2
0 2 p 0 1
p 1
22 p 2 32 p 3

3
8

3
8

1 24
3
8 8

= 0 . 1. 4. 9.
3
Entonces, V X = 3
2

12 9
4

3
4

Propiedades de la Varianza:
a) V(k)=0
b) V(kX)=k2V(X)
c) V(XY)=V(X)+V(Y) si X y Y son independientes
La desviacin estndar de la variable aleatoria X es la raz cuadrada positiva de la varianza, es
decir, = V X .

DISTRIBUCIN BINOMIAL
Un ensayo Bernoulli es un experimento aleatorio que slo admite dos posibles resultados,
denotados xito y fracaso. La probabilidad de xito se denota p.
Prof. Fernando Salazar

Estadstica I
Variables Aleatorias Discretas

Por lo tanto si denotamos el xito por 1 y el fracaso por 0 se tiene:

P(1)= p P(0)=1-p=q
Adems se cumple: E(X)= p V(X)=pq
Un proceso Bernoulli es un proceso en el cual se verifican las siguientes condiciones:
El experimento aleatorio se repite n veces en idnticas condiciones
Hay slo dos posibles resultados en cada repeticin del experimento, llamados arbitrariamente
xito y fracaso
La probabilidad de xito, denotada p, es la misma para cada repeticin (permanece constante
entre repeticiones)
las n repeticiones del experimento aleatorio son independientes entre s
Consideremos ahora la variable aleatoria X: # xitos observados en n repeticiones. Suponga
que se quiere determinar la probabilidad de observar x xitos en n repeticiones; esto es, se desea
determinar P(X = x). Como lo importante es observar x xitos en n repeticiones, el orden de
ocurrencia de los mismos es irrelevante; as, para contar de cuntas formas pueden observarse x
n

xitos en n repeticiones empleamos las combinaciones x . Por otro lado, como las n

repeticiones del experimento son independientes entre s y calcular P(X = x) equivale a calcular
la probabilidad de una interseccin de eventos (en las que cada evento corresponde a un xito o a
un fracaso), tenemos que la probabilidad de un punto muestral cualquiera asociado al
experimento es px qn x; en definitiva:
n

x n x
parax 0 , 1, 2,...,n
P(X = x) = x p q

x n x
Dado que 0 x p q 1 y

n x n x
p q
1, resulta que
x
x 0
n

x n x
parax 0 , 1, 2,...,n determina una distribucin de probabilidades
P(X = x) = x p q

denominada distribucin binomial.

En resumen, se dice que la variable aleatoria X tiene distribucin binomial si su funcin

distribucin de probabilidad est dada por
n x n x
p q
si x 0 , 1 , ... , n
p x = x

0
otros valores

Prof. Fernando Salazar

Estadstica I
Variables Aleatorias Discretas

Se puede demostrar que para una variable aleatoria con distribucin binomial
E X

= n.p

V X

= n.p.q

Prof. Fernando Salazar

Estadstica I
Variables Aleatorias Discretas

DISTRIBUCIN HIPERGEOMETRICA:
Una variable aleatoria X tiene una distribucin hipergeomtrica si se toma una muestra sin
reemplazo de un conjunto de N elementos, de los cuales k son considerados de una categora en
especial (aciertos) y los otros N-k son considerados de otra categora (fallas) y se desea obtener x
aciertos de una muestra de n elementos ensayos. Se expresa de la siguiente formula:
k N k

x n x
P( X x)
N
n

E ( x)

nk
N

para x 0,1, 2,....., n

N n nk ( N k )
.
N 1
N2

Ejemplos:
.- En una urna hay 8 esferas rojas y 6 esferas blancas si se escoge una muestra de 5 esferas de las
cuales 3 son rojas cual es la probabilidad que eso ocurra.
.- Cual es la media y varianza del problema anterior.
.- Un producto industrial particular se embarca en lotes de 20. Un proyecto de muestreo
elaborado consiste tomar una muestra de cinco artculos de cada lote y el rechazo del lote se
realizara si se encuentra ms de un artculo defectuoso. Si un lote contiene cuatro defectuoso.
Cul es la probabilidad de que se rechace el lote?

Prof. Fernando Salazar

Estadstica I
Variables Aleatorias Discretas

DISTRIBUCIN POISSON
Los experimentos que dan valores numricos de una variable aleatoria X que ocurre durante un
intervalo de tiempo dado o en una regin especfica se denominan experimentos Poisson. El
intervalo puede ser de cualquier longitud: un minuto, un da, una semana, un mes o incluso un
ao; y la regin especfica podra ser: un segmento de lnea, un rea o quizs una pieza de
material. Un experimento Poisson se deriva de un proceso Binomial, el cual verifica las
siguientes propiedades:
el nmero de resultados que ocurren en un intervalo o regin es independiente del nmero de
resultados que ocurren en otro intervalo o regin. (Esto determina una caracterstica que se
conoce como falta de memoria)
La probabilidad de que ocurra un solo resultado durante un intervalo muy corto o una regin
pequea es proporcional a la longitud del intervalo o al tamao de la regin y no depende del
nmero de resultados que ocurren fuera de este intervalo o regin.
la probabilidad de que ocurra ms de un resultado en tal intervalo corto o que caiga en tal regin
pequea es insignificante.
La variable aleatoria X: # de resultados que ocurren durante un experimento Poisson se
denomina variable aleatoria Poisson y su distribucin de probabilidades, dada por
p x

e x
x!

parax 0 ,1,......se

denomina distribucin Poisson; donde es el nmero

promedio de resultados por unidad de tiempo o regin. Para una variable aleatoria con
distribucin Poisson se tiene E X = V X = .

Prof. Fernando Salazar