INTRODUCCIÓN A LA ESTADISTICA INFERENCIAL

En Esta oportunidad vamos a analizar cómo pueden utilizarse las distribuciones de

probabilidad para solucionar muchos problemas.
Para abarcar las distribuciones de probabilidad, primero estudiaremos algunos conceptos
claves que deberemos tener en cuenta y que seguro en estadística Descriptiva se
mencionaron:
Variable aleatoria: Es una función cuyo valor es el resultado de un evento aleatorio.
EJEMPLO 1: Supóngase que se lanza una moneda dos veces de tal forma que el espacio
muestral es S= {cc, sc, cs, ss}. Represéntese por X el número de caras que pueden resultar.
Con cada punto muestral podemos asociar un número para X como se muestra en la
Tabla.

Tabla n° 1.

Se concluye que X es una variable aleatoria.

Las variables aleatorias pueden ser discretas o continuas:

Variable aleatoria discreta: Una variable aleatoria discreta puede asumir sólo ciertos valores, con
frecuencia números enteros, y resulta principalmente del conteo. El número de caras en el
experimento en el experimento del lanzamiento de la moneda es un ejemplo, el resultado del
lanzamiento de un dado, el número de camiones que llegan por hora al puerto de carga, etc, son
ejemplos de variables aleatorias discretas.

Variable aleatoria Continua: Resulta principalmente de la medición y puede tomar cualquier valor,
al menos dentro de un rango dado. Son ejemplos de variables aleatorias continuas la estatura de
los clientes en una tienda de ropa, los ingresos de los empleados en un centro comercial, el tiempo
transcurrido entre la llegada de cada cliente en un negocio, etc. En cada caso, la variable aleatoria
puede medirse con cualquier valor, incluyendo fracciones de la unidad.
 DISTRIBUCIÓN DE PROBABILIDAD

Una distribución de probabilidad es un despliegue de todos los posibles resultados de un

experimento junto con las probabilidades de cada resultado.

Ejemplo 2: Supongamos que lanzamos una moneda tres veces, los posibles resultados, es decir, su
espacio muestral seria: S={ccc,ccs,csc,css,scc,scs,ssc,sss}= 8

Así podemos definir las probabilidades de lanzar una moneda tres veces y de obtener, ninguna
cara, 1 cara, 2 cara o tres caras así:

Resultados Probabilidad La probabilidad de que la variable aleatoria X tome algún valor

(Caras)
x
0 1/8
1 3/8
2 3/8
3 1/8
∑ 1
Tabla N° 2
especifico, se escribe 𝑃(𝑋 = 𝑥𝑖 ).
Por tanto, la probabilidad de que los tres lanzamientos de una
moneda resulten en tres caras es decir ccc, es: 𝑃(𝑋 = 3) = 1/8
De que resulten don caras, (ccs, csc, scc), es: 𝑃(𝑋 = 2) = 3/8
Es importante aclarar que la sumatoria de todas las
probabilidades es igual a 1:
∑𝑃(𝑋 = 𝑥𝑖 ) = 1
Y que dichas probabilidades están en un rango entre 0 y 1:

0 ≤ 𝑃(𝑋 = 𝑥𝑖 ) ≤ 1

La grafica de la probabilidad esta dad por:

 MEDIA O VALOR ESPERADO DE UNA VARIABLE ALEATORIA DISCRETA

El valor esperado o media, de una variable aleatoria es una medida de la localización central de la
variable aleatoria. Es una idea fundamental en el estudio de las distribuciones de probabilidad.

Durante muchos años, el concepto ha sido puesto en práctica con bastante regularidad por las
compañías aseguradoras y, en los últimos 20 años, también ha sido usado ampliamente por
muchas de las personas que deben tomar decisiones en condiciones de incertidumbre.

Para obtener el Valor esperado de una VAD, multiplicamos cada valor que la variable pueda tomar
por la probabilidad de ocurrencia de ese valor y luego sumamos los productos:

𝐸(𝑥) = µ = ∑ 𝑥𝑓(𝑥) (Ec. 1)

VARIANZA PARA UNA VARIABLE ALEATORIA DISCRETA

La varianza se usa para resumir la variabilidad en los valores de la variable aleatoria.

Var(x) = σ2 = ∑(𝑥 − µ)2 𝑓(𝑥)

La desviación estándar

La desviación estándar, es la raíz cuadrada de la varianza y se simboliza por σ

σ = √σ2

Tomando el mismo ejemplo anterior

Del Ejemplo 2: El experimento estadístico de lanzar una moneda 3 veces al aire para observar el
número de caras obtenido genera una distribución de probabilidad discreta, pues solo es posible
obtener un número finito de caras desde cero hasta tres.

La función de probabilidad sabemos que es:

Tabla N°3

El valor esperado o la media de la variable seria:

La varianza está dada por:
 Ejemplo N° 3:

En una clínica para el tratamiento del cáncer de mama no se tiene manera de saber con exactitud
cuántas mujeres van a ser atendidas en un día cualquiera, de modo que el número de mujeres del
día siguiente es una variable aleatoria. Los registros diarios de la clínica muestra que los valores de
la variable aleatoria van desde 100 hasta 115 mujeres al día, entonces esta es una variable
aleatoria discreta VAD.

La siguiente tabla lista el número de veces que se ha alcanzado cada nivel durante los últimos 100
días:

N° de mujeres examinadas diariamente Distribución de probabilidad por n° de

durante 100 días. mujeres examinadas
N° de Mujeres N° de días que se Examinadas Probabilidad de que
examinadas observó este nivel Valor de la variable la variable tome ese
X (frecuencia) aleatoria valor
100 1 X P(x)
101 2 100 0.01
102 3 101 0.02
103 5 102 0.03
104 6 103 0.05
105 7 104 0.06
106 9 105 0.07
107 10 106 0.09
108 12 107 0.10
109 11 108 0.12
110 9 109 0.11
111 8 110 0.09
112 6 111 0.08
113 5 112 0.06
114 4 113 0.05
115 2 114 0.04
Total 100 115 0.02
Tabla N° 4 Total 1
Tabla N° 5

Observa que la tabla proporciona una

distribución de frecuencia. Podemos utilizar
este registro para hallar la probabilidad a
cada evento y encontrar una distribución de Con estos valores podemos calcular el
probabilidad. valor esperado de la variable aleatoria.

µ = ∑ 𝑥𝑃(𝑥)
Para ello dividimos cada valor de la columna
de la derecha (N° de días que se observó el
nivel) entre 100. Esto es lo que en Descriptiva
se conoce como frecuencia Relativa . Aquí
P(x)
 Calculo del valor esperado de la VAD
N° de mujeres esperadas al día.
Examinadas Probabilidad de que
Valor de la variable la variable tome ese
X*P(x)
aleatoria valor
X P(x)
100 0.01 1.00
101 0.02 2.02
102 0.03 3.06
103 0.05 5.15
104 0.06 6.24
105 0.07 7.35
106 0.09 9.54
107 0.10 10.70
108 0.12 12.96
109 0.11 11.99
110 0.09 9.90
111 0.08 8.88
112 0.06 6.72
113 0.05 5.65
114 0.04 4.56
115 0.02 2.30
Valor esperado de la Variable Aleatoria µ
108.02
“N° de mujeres esperadas al día”

¿Qué significa
esto?

Significa que en un periodo largo, el número de

mujeres examinadas diariamente deberá tener un
promedio de aproximadamente 108,02.
La directora de la clínica podría basar sus decisiones
en el valor esperado del número de mujeres
examinadas debido a que éste es un promedio
ponderado de los resultados que espera en el futuro.