Unidad 4.

LOGRO
Al finalizar la unidad 4, el estudiante aplica la teoría de la probabilidad para la toma de decisiones
en base a datos históricos y en condiciones de incertidumbre.

Variable aleatoria
Se denomina variable aleatoria a toda función que asocia cada elemento de un espacio muestral Ω a
un número real.

La variable aleatoria es una función que atribuye a cada evento un número que no es aleatorio o
imprevisible, sino fijo y predeterminado. Lo que es aleatorio es el resultado del experimento sobre
cuyo espacio muestral se define la variable aleatoria.

Ejemplo 4.1
A continuación, se describen algunas variables aleatorias

Experimento Variable aleatoria x Valores posibles

Inspección de un lote de 75 radios Número de radios defectuosos 0, 1, 2, 3, …, 75
100 llamadas de ventas Total de ventas realizadas 0, 1, 2, 3, …, 100
Construcción de nueva biblioteca Porcentaje del proyecto terminado luego de 6 meses 0  x  100

Funcionamiento de un almacén Número de clientes que entran en un día 0, 1, 2, …

Aunque muchos experimentos tienen resultados experimentales que naturalmente se prestan a

valores numéricos, en otros no ocurre así. Por ejemplo, para lanzar una moneda una vez, el resultado
experimental puede ser cara o sello, ninguno de los cuales tiene un valor numérico natural. Sin
embargo, aun así podemos expresar los resultados en función de una variable aleatoria, una
posibilidad es asignar x = 1 si el resultado del experimento es cara y x = 0 si el resultado experimental
es sello.

Variable aleatoria discreta

Una variable aleatoria es discreta si el conjunto de valores que puede tomar es finito o infinito
numerable. Una variable aleatoria discreta asume cada uno de los valores con cierta probabilidad
que se denota: P(X = xi)

Ejercicio 4.1

El jefe de mantenimiento de una empresa de transporte interprovincial de pasajeros está interesado

en el volumen diario de buses que entran al taller para algún servicio. Los registros históricos que
lleva actualizados cuidadosamente muestran que cinco es el número máximo de buses que alguna
vez ingresaron al taller y representa de una manera adecuada lo que puede ocurrir en el futuro.

La variable aleatoria es:

Los valores que toma la variable es:

1
Distribución de probabilidad de una variable aleatoria discreta
La distribución de probabilidad de una variable aleatoria discreta X es una función f(x) que asigna a
todo número real x, la probabilidad de que X asuma ese valor, esto es:

▪ f(x)  0
▪  f ( x) = 1
▪ f(x) = P(X = x)

Ejemplo 4.2

La cantidad de almuerzos demandados al día en el comedor universitario se modela con una variable
aleatoria X que tiene la siguiente distribución de probabilidad.

x 10 15 17 18 20 25
f(x) a 0.12 0.35 2a 0.14 0.09

a. ¿Cuál es la variable aleatoria?

X: La cantidad de almuerzos demandados al día en el comedor universitario.

b. ¿Cuál es la probabilidad de que se demanden 18 platos?

Primero debemos calcular el valor de a, para esto aplicamos la propiedad

∑ 𝑓(𝑥) = 𝐚 + 0.12 + 0.35 + 2𝐚 + 0.14 + 0.09 = 1
Por lo que el valor de a = 0.10
𝑃(𝑋 = 18) = 0.20

c. ¿Cuál es la probabilidad de que se demanden más de 18 platos?

𝑃(𝑋 > 18) = 𝑃(𝑋 = 20) + 𝑃(𝑋 = 25)

𝑃(𝑋 > 18) = 0.14 + 0.09 = 0.23

d. ¿Cuál es la probabilidad de que se demanden a lo más 17 platos?

𝑃(𝑋 ≤ 17) = 𝑃(𝑋 = 10) + 𝑃(𝑋 = 15) + 𝑃(𝑋 = 17) = 0.57

e. La probabilidad que se demanden al menos 15 platos, pero no más de 20 platos es:

𝑃(15 ≤ 𝑋 ≤ 20) = 0.12 + 0.35 + 0.20 + 0.14 = 0.81

f. La probabilidad que se demanden menos de 25 platos es:

𝑃(𝑋 < 25) = 1 − 𝑃(𝑋 ≥ 25) = 1 − 0.09 = 0.91

En este caso se uso la propiedad del complemento
g. Si se sabe que en este día la demanda será a lo más de 18 platos, ¿Cuál es la probabilidad
que se demanden más de 15 platos?
𝑃(15 < 𝑋 ≤ 18) 0.55
𝑃(𝑋 > 15 / 𝑋 ≤ 18) = = = 0.7143
𝑃(𝑋 ≤ 18) 0.77

2
Ejercicio 4.2
En la tienda IBM SHOP, la demanda mensual de impresoras es una variable aleatoria con la siguiente
función de probabilidad.
X: Número de impresoras demandadas 80 90 100 120 130 140
f(x) 3k 0.25 0.35 0.10 0.10 k

Responda a cada una de las siguientes preguntas

a. ¿Cuál es la probabilidad de que se demanden 80 impresoras?

b. ¿Cuál es la probabilidad de que se demanden menos de 100 impresoras?

c. ¿Cuál es la probabilidad de que se demanden a lo más 90 impresoras?

d. La probabilidad que se demanden más de 100 impresoras, pero no más de 130 impresoras
es:

e. La probabilidad que se demanden más de 80 impresoras es:

f. Si se sabe que hoy la demanda será mayor a 90 impresoras, ¿Cuál es la probabilidad que se
demanden a lo más 130 impresoras?

3
Ejemplo 4.3
Calcule a para que la siguiente función sea una función de probabilidad. Grafique f(x)
f(x) = ax x = 1, 2, 3, 4, 5
a. Obtener el valor de a por la propiedad:

∑ 𝑓(𝑥) = 1𝑎 + 2𝑎 + 3𝑎 + 4𝑎 + 5𝑎 = 1
𝑎 = 1/15
b. Gráfica:

Valor esperado de una variable aleatoria discreta:

El valor esperado o esperanza matemática de una variable aleatoria X o media de una distribución
de probabilidad de X se denota E(x).
𝑛

𝜇𝑥 = 𝐸(𝑋) = ∑ 𝑥𝑖 . 𝑝𝑖
𝑖=1
Y se interpreta como el valor que se espera obtener en promedio al experimentar una y otra vez.
Valor esperado de una función de variable aleatoria discreta:
Sea g(x) una función de la variable aleatoria discreta X. El valor esperado de g(x):
𝑛

𝜇𝑔(𝑥) = 𝐸(𝑔(𝑥)) = ∑ 𝑔(𝑥𝑖 ) . 𝑝(𝑥𝑖 )

𝑖=1

Propiedades del valor esperado

Si a y b son constantes, entonces:
E(aX + b) = a E(X) + b = a µx+ b

Como casos particulares se tiene:

▪ E(b) = b
▪ E(X + b) = E(X) + b = µx + b
▪ E(aX) = a E(X) = a µx
Si X e Y son variables aleatorias, a y b son constantes, entonces:
E(aX + bY) = a E(X) + b E(Y) = a µx + a µy

Varianza de una variable aleatoria discreta:

𝑛

𝜎𝑋2 = 𝑉(𝑋) = ∑(𝑥𝑖 − 𝜇𝑋 )2 𝑝(𝑥𝑖 )

𝑖=1

4
Propiedades de la varianza
1. 𝜎𝑋2 = 𝑉(𝑋) = 𝐸(𝑋 2 ) − 𝐸(𝑋)2

2. Si a y b son constantes, entonces:

𝑉(𝑏) = 0
𝑉(𝑎𝑋) = 𝑎2 𝑉(𝑋)
𝑉(𝑋 + 𝑏) = 𝑉(𝑋)
Desviación estándar de una variable aleatoria discreta:
𝜎𝑋 = √𝑉𝑎𝑟(𝑋)
Coeficiente de variación CV
Una de las medidas de variabilidad que podríamos usar es el CV, tal como lo usamos en la unidad de
medidas de resumen. Esta vez definiremos el CV de la siguiente manera:
𝜎𝑋
𝐶𝑉 = × 100%
𝐸(𝑋)
Ejemplo 4.4
La cantidad de almuerzos demandados al día en el comedor universitario se modela con una variable
aleatoria X que tiene la siguiente distribución de probabilidad.
x 10 15 17 18 20 25
f(x) 0.10 0.12 0.35 0.20 0.14 0.09

El costo de cada almuerzo es de seis soles y las vende a diez soles. Todo almuerzo no vendido en el
día se desecha. Calcule el valor esperado y la variabilidad relativa de la utilidad diaria.
a. Cálculo del valor esperado de la utilidad diaria

Primero obtendremos el valor esperado de la cantidad de almuerzos demandados al día

𝐸(𝑋) = 10 × 0.10 + 15 × 0.12 + 17 × 0.35 + ⋯ + 25 × 0.09 = 17.4

La cantidad de almuerzos demandados que se espera obtener tiende a 17.4 platos

La utilidad generada por la venta de un plato se expresa en la siguiente ecuación:

Utilidad = Precio de venta (10 soles) – precio de costo (6 soles)

Para 𝒙 platos demandados se tiene: 𝑈(𝑥) = 4𝑥

La utilidad esperada es: 𝐸[𝑈(𝑥)] = 𝐸[4𝑥] = 4𝐸[𝑥] = 4 × 17.4 = 69.6

La utilidad que se espera obtener por la venta diaria de almuerzos tiende a 69.6 soles

b. Para obtener la desviación estándar primero calcularemos la varianza

𝐸(𝑋 2 ) = 102 × 0.10 + 152 × 0.12 + 172 × 0.35 + ⋯ + 252 × 0.09 = 315.2
𝑉(𝑋) = 𝐸(𝑋 2 ) − 𝐸 2 (𝑋) → 𝑉(𝑋) = 315.2 − 17.42 = 12.44
La varianza de la utilidad es:
𝜎𝑈2 = 𝑉[𝑈(𝑋)] = 𝑉[4𝑥] = 42 × 12.44 = 199.04
La desviación estándar de la utilidad es:

𝜎𝑈 = √199.04 = 14.1082
El coeficiente de variación
𝜎𝑈
𝐶𝑉𝑈 = × 100% = 20.27%
𝐸(𝑈)
5
Ejercicio 4.3
En la tienda IBM SHOP, la demanda mensual de impresoras es una variable aleatoria con la siguiente
función de probabilidad.
X: Número de impresoras demandadas 80 90 100 120 130 140
f(x) 0.15 0.25 0.35 0.10 0.10 0.05

Cada impresora cuesta $85 y se vende a $99, ¿Cuál será la ganancia esperada mensual y la desviación
estándar?

Ejemplo 4.5
Sea 𝒙 variable aleatoria cuya función de probabilidad es
𝑥
𝑓(𝑥) = ; 𝑥 = 0, 1, 2, 3, 4
10
a. Calcule 𝑬(𝟑𝒙 + 𝟖)
0 1 2 3 4
Primero calculamos 𝐸(𝑥) = 0 × 10 + 1 × 10 + 2 × 10 + 3 × 10 + 4 × 10 = 3

Por propiedad de valor esperado 𝑬(𝟑𝒙 + 𝟖) = 3𝑬(𝑥) + 8 = 3(3) + 8 = 17

b. Calcule el valor de 𝑽(𝟐𝒙 − 𝟕)

0 1 2 3 4
Primero calculamos 𝐸(𝑥 2 ) = 02 × + 12 × + 22 × + 32 × + 42 × = 10
10 10 10 10 10

𝑉(𝑋) = 𝐸(𝑋 2 ) − 𝐸 2 (𝑋)

𝑉(𝑋) = 10 − 32 = 1

Por propiedad de valor esperado 𝑉(2𝑥 − 7) = 22 𝑉(𝑥) = 4 × 1 = 4

6
Ejercicios propuestos

1. La demanda diaria de una herramienta en el almacén de Enigma S.A. es una variable aleatoria D
cuya distribución de probabilidades está dada por la tabla que sigue:

D 1 2 3 4 5
P(D = d) a 4 / 16 b c 1 / 16

a. Calcule el valor de a, b y c, si se sabe que la distribución de probabilidad es simétrica.

b. Calcule e interprete el valor numérico del promedio de la demanda diaria de la herramienta.
c. Si la utilidad Y en dólares del bien está dada por la relación: Y = 10 + 2D. Halle la distribución
de probabilidades de la utilidad diaria.
d. Calcule e interprete la utilidad diaria esperada.

2. Enigma S.A. produce artículos perecibles. A continuación, se presenta una tabla con los datos
históricos de las demandas semanales obtenidas en las últimas 50 semanas y el número de
semanas de ocurrencia:

Número de productos demandados 2 000 3 000 4 000 5 000

Número de semanas 15 25 5 5

a. Si la compañía decide programar la producción de dicho artículo tomando exactamente el

valor esperado de la demanda, ¿cuántas unidades de dicho artículo debe producir la
compañía semanalmente?
b. Cada unidad tiene un costo de 5 soles y se vende a 10 soles. Si el producto no se vende
durante la semana siguiente a la producida, se debe rematar a un precio 2.5 soles. Todos los
productos ofrecidos en remate se venden. ¿Cuántas unidades debe producirse
semanalmente la compañía para maximizar su utilidad esperada?

3. Considere un grupo de 5 donantes de sangre, de los cuales sólo 2 tienen sangre ORh+. Se obtiene
5 muestras de sangre, una de cada individuo y en forma aleatoria son analizadas una por una,
hasta identificar una muestra ORh+, Si se quiere calcular la probabilidad de encontrar una
muestra de dicho tipo de sangre luego de una cantidad de pruebas,

a. Defina la variable aleatoria.

b. Construya la tabla de distribución de probabilidades y su gráfica.
c. Determine el valor de la media y de la desviación estándar de la distribución.

4. Dada la siguiente función de probabilidad.

f(x) = k2x x = 1, 2, 3, 4, 6

a. Calcule k para que la función sea una función de probabilidad

b. 𝑃(2 ≤ 𝑥 < 4)
c. 𝑃(𝑥 ≤ 4 /𝑥 > 1)