You are on page 1of 8

Universidad Nacional de Salta Ctedra: Estadstica

Facultad de Ingeniera Asignatura: Probabilidad y Estadstica



Distribucin de Probabilidad de Variables Aleatorias Discretas
Notas Complementarias

Est. Mara Esther Capilla. Ao 2014

1
Estas notas complementarias, tienen por objeto servir de gua en el anlisis de los
conceptos introductorios del tema Distribucin de Probabilidad de Variables
Aleatorias, que pueden ser ampliados siguiendo la bibliografa que figura al final. Es
conveniente, durante su lectura, establecer las analogas pertinentes con los conceptos
aprendidos durante el desarrollo de los tpicos de Estadstica Descriptiva.

1. Variable aleatoria: Sea S el espacio muestral generado por un experimento
aleatorio. Una variable aleatoria Y es una funcin definida en S que toma valores
en los nmeros reales, tal que la pre-imagen de cualquier intervalo de los reales es
un suceso de S.
Ejemplo 1: Sea un experimento aleatorio en el que se lanzan dos monedas al
aire y se observa la cara que aparece en cada caso. Definimos a la variable
aleatoria Y como el nmero de caras que aparecen. El diagrama de la Figura 1
muestra la manera en que la variable aleatoria Y asigna un nmero real a cada uno
de los posibles resultados del experimento aleatorio.

Figura 1
Sea ahora G la ganancia del juego si, por cada cara que aparece el jugador
recibe $10 y adems, debe apostar $11 para poder jugar. La Tabla 1 muestra los
posibles valores de Y e G.
Tabla 1
Y : n de caras 0 1 2
G: ganancia -11 -1 9

Notemos que Y G 10 11! " # es tambin una variable aleatoria.
Distribucin de probabilidad de variables aleatorias discretas. Notas complementarias.

2

Generalizando, si Y es una variable aleatoria y c una constante, entonces
Y c U ! # , tambin es una variable aleatoria. Si adems c 0 $ , cY V # es una
variable aleatoria.
Adems, si X e Y son variables aleatorias, W X Y # ! es tambin una
variable aleatoria. Extendiendo el concepto, sean k variables aleatorias
k
Y Y Y ,..., ,
2 1
, entonces
%
#
#
k
i
i
Y T
1
es una variable aleatoria.
Una variable aleatoria es discreta cuando puede asumir un nmero contable
de valores. Se origina principalmente en procesos de conteos y generalmente toma
valores enteros. Por ejemplo: nmero de camiones que llegan por hora a un puerto
de carga.
Una variable aleatoria es continua cuando puede tomar un nmero infinito
de valores que corresponden a los puntos de un intervalo de una recta. Resulta
principalmente de procesos de medicin. Por ejemplo: tiempo transcurrido entre la
llegada de dos clientes a un cajero automtico.

2. Distribucin de Probabilidad: Es una expresin matemtica, tabla o diagrama
que permite asociar una probabilidad de ocurrencia a un valor, o intervalo de
valores, de una variable aleatoria. A continuacin nos referiremos a la distribucin
de probabilidad de variables aleatorias discretas.
Sea Y una variable aleatoria discreta que toma los valores
n
y y y ,..., ,
2 1
, la
funcin p es la funcin de cuanta o funcin de probabilidad de Y si se cumple
que & ' & '
i i
y Y P y p # # .
Adems se verifica que:
( & ' 0 )
i
y p
( & '
%
#
#
n
i
i
y p
1
1
Aplicando este concepto al Ejemplo 1, el diagrama de la Figura 2 explicita la
distribucin de probabilidad de la variable Y : nmero de caras al lanzar dos
monedas al aire.
Universidad Nacional de Salta Ctedra: Estadstica
Facultad de Ingeniera Asignatura: Probabilidad y Estadstica

Distribucin de Probabilidad de Variables Aleatorias Discretas
Notas Complementarias

Est. Mara Esther Capilla. Ao 2014

3

Figura 2
Tambin puede expresarse la funcin de probabilidad de Y empleando una tabla
como la siguiente.

Tabla 2: Funcin de probabilidad de Y: Nmero de caras al lanzar dos monedas al aire.
y : n de caras 0 1 2
& ' y p 0,25 0,5 0,25

Grficamente:

Figura 3: Funcin de probabilidad de Y: Nmero de
caras al lanzar dos monedas al aire.
*Sugerencia: Emplear la funcin de probabilidad para calcular la probabilidad
de observar por lo menos una cara.

3. Funcin de Distribucin de una variable aleatoria: A menudo necesitamos
resolver situaciones que dependen de la probabilidad de que la variable aleatoria
Distribucin de probabilidad de variables aleatorias discretas. Notas complementarias.

4

asuma valores inferiores o iguales a un valor dado. Si Y es una variable aleatoria,
& ' Y F es su funcin de distribucin si & ' & ' y Y P y F + # .
Adems & ' Y F satisface las siguientes condiciones:
( & ' 1 0 + + Y F
( Si a b , entonces ( ) ( ) F a F b + . Esta propiedad implica que & ' Y F es no
decreciente y que & ' & ' & ' a F b F b Y a P " # + ,
( & ' & ' 1 # - , # - Y P F y & ' & ' 0 # "- , # - " Y P F

Si Y es una variable aleatoria discreta que toma los valores
n
y y y ,..., ,
2 1
,
entonces su funcin de distribucin puede calcularse en base a la siguiente
expresin,
& ' & ' & '
%
+ .
# + #
y Y
i
y p y Y P y F
La Tabla 3 muestra la funcin de distribucin de Y : nmero de caras al
lanzar dos monedas al aire, y la Figura 4 su representacin grfica.

Tabla 3: Funcin de distribucin de Y: Nmero de caras al lanzar dos monedas al aire
y : n de caras 0 1 2
& ' y F 0,25 0,75 1,00


Figura 4: Funcin de distribucin de Y: Nmero de caras al
lanzar dos monedas al aire.
*Sugerencia: Emplear la funcin de distribucin para calcular la probabilidad de
observar por lo menos una cara.
Universidad Nacional de Salta Ctedra: Estadstica
Facultad de Ingeniera Asignatura: Probabilidad y Estadstica

Distribucin de Probabilidad de Variables Aleatorias Discretas
Notas Complementarias

Est. Mara Esther Capilla. Ao 2014

5
4. Indicadores: Al igual que una distribucin emprica, la distribucin de una
variable aleatoria puede describirse en trminos de su tendencia central, dispersin
e indicadores de posicin relativa.

4.1. Valor esperado: Tambin llamado esperanza matemtica, es la media aritmtica
de la distribucin a largo plazo, es decir el valor promedio de la variable
aleatoria, que se observara si se efectuaran infinitas reiteraciones del experimento
aleatorio. Se la simboliza & ' Y E o empleando la letra griega ! .

Propiedades
( El valor esperado de una constante es la misma constante. Si c es una
constante, entonces & ' E c c #
( Si Y es una variable aleatoria con una distribucin conocida, puede
interesarnos la distribucin de otra variable aleatoria que es funcin de ella,
por ejemplo d cY W ! # , con c y d constantes. Si sumamos una constante a
una variable aleatoria, la esperanza de la nueva variable se aumenta en dicha
constante. Por otra parte, si multiplicamos una variable aleatoria por una
constante, la esperanza de la variable resultante de tal operacin, ser la de la
variable original multiplicada por la constante. Por lo tanto,
& ' & ' & ' d Y cE d cY E W E ! # ! # .
( El valor esperado de los desvos de Y respecto a la esperanza de la
distribucin es cero, es decir: & ' / 0 0 # " Y E Y E

Cuando la variable aleatoria es discreta, la esperanza se calcula como el
promedio ponderado de los valores que puede asumir la variable aleatoria Y ,
donde la ponderacin de cada valor posible es su probabilidad de ocurrencia. Es
decir, si Y es una variable aleatoria que toma los valores
n
y y y ,..., ,
2 1
, entonces
& ' & '
%
#
#
n
i
i i
y p y Y E
1

*Sugerencia 1: Aplicar la frmula anterior para calcular la ganancia esperada
del juego planteado en el Ejemplo 1.
Distribucin de probabilidad de variables aleatorias discretas. Notas complementarias.

6

*Sugerencia 2: Aplicar la frmula anterior para demostrar que si Y es una
variable aleatoria discreta, entonces la esperanza de d cY W ! # , donde c y d son
dos constantes cualesquiera, es igual a & ' d Y cE ! .
*Sugerencia 3: Verificar que se cumple que & ' / 0 0 # " Y E Y E

4.2. Varianza. Por ser un indicador de tendencia central, la esperanza matemtica es
til para proporcionar un resultado medio a largo plazo, es decir cuando se replica
un experimento aleatorio una y otra vez. Sin embargo, en forma anloga a lo que
ocurre en las distribuciones empricas, no brinda informacin respecto a la
dispersin de los resultados individuales que pueden observarse. La medida ms
importante de dispersin o variabilidad es la varianza.
Puede definirse como la media aritmtica de los desvos cuadrticos de Y
respecto a la & ' Y E , para infinitas reiteraciones del experimento aleatorio. Se
acostumbra simbolizarla con & ' Y V o con
2
" .
Por lo expresado, & ' & ' / 0
2
Y E Y E Y V " #
El desvo estndar " , se obtiene como la raz cuadrada de la varianza.
*Sugerencia: Aplicar las propiedades de esperanza para verificar que la & ' Y V
puede obtenerse como & ' & ' / 0
2 2
Y E Y E " .

Propiedades
( El varianza de una constante es igual a cero. Si c es una constante, entonces
& ' 0 V c # .
( Si Y es una variable aleatoria con una distribucin conocida, y d cY W ! # ,
donde c y d son dos constantes cualesquiera, entonces
& ' & ' & ' Y V c d cY V W V
2
# ! # . Es decir que la varianza de una distribucin no
se modifica si aadimos una constante a los valores de la variable. En cambio,
si multiplicamos los valores de la variable aleatoria por una constante, la
varianza de la distribucin de la nueva variable, ser la de la distribucin
original multiplicada por el cuadrado de la constante.

Cuando la variable aleatoria es discreta, la varianza se calcula como el
promedio ponderado de los desvos cuadrticos entre los valores que puede asumir
Universidad Nacional de Salta Ctedra: Estadstica
Facultad de Ingeniera Asignatura: Probabilidad y Estadstica

Distribucin de Probabilidad de Variables Aleatorias Discretas
Notas Complementarias

Est. Mara Esther Capilla. Ao 2014

7
la variable aleatoria Y y su esperanza. La ponderacin de cada valor posible es su
probabilidad de ocurrencia. Si Y es una variable aleatoria discreta que toma los
valores
n
y y y ,..., ,
2 1
, entonces & ' & ' / 0 & '
%
#
" #
n
i
i i
y p Y E y Y V
1
2

*Sugerencia 1: Aplicar la frmula anterior para calcular la varianza de la
ganancia del juego planteado en el Ejemplo 1.
*Sugerencia 2: Aplicar la frmula anterior para demostrar que si Y es una
variable aleatoria discreta, entonces la varianza de d cY W ! # , donde c y d son
dos constantes cualesquiera, es igual a & ' Y V c
2
.

5. Variable aleatoria estandarizada
Una variable aleatoria estandarizada se obtiene, a partir de una variable
aleatoria cualquiera, restando la esperanza matemtica y dividiendo por el desvo
estndar. Es decir, dada una variable aleatoria y con & ' ! # Y E y & '
2
" # Y V
finitas, siempre puede construirse la variable aleatoria estandarizada
"
! "
#
Y
Z .
La esperanza de una variable aleatoria estandarizada es siempre cero, y su
varianza es igual a uno.
* Sugerencia: Aplicar las propiedades de la esperanza matemtica para
demostrar que & ' 0 E Z # y & ' 1 V Z #

6. Desigualdad de Chebyshev
Cuando no se conoce la distribucin de probabilidad de una variable
aleatoria, podemos utilizar este resultado, para describirla parcialmente en funcin
de su esperanza matemtica y su varianza. Proporciona lmites para la
probabilidad de ocurrencia de intervalos de valores de la variable en estudio. Este
teorema afirma que si Y es una variable aleatoria con & ' E X ! # y & '
2
V X " # ,
ambas finitas, entonces para cualquier constante 0 k 1 ,
& '
2
1
1
k
k Y P " ) , " " !
Distribucin de probabilidad de variables aleatorias discretas. Notas complementarias.

8

En otras palabras, siempre que se cumplan las condiciones enunciadas,
cualquiera sea la distribucin de Y , podemos establecer la probabilidad mnima
de ocurrencia de valores de la variable aleatoria, dentro de un intervalo simtrico
respecto al valor esperado y proporcional al desvo estndar de la misma.
Notemos que, dado que la probabilidad de cualquier evento vara entre cero y
uno, esta desigualdad tiene aplicacin prctica si 1 k 1 .
*Sugerencia 1: Empleando 1, 25 k # , comprobar esta desigualdad para la variable
discreta definida en el Ejemplo 1.

Bibliografa
( Estadstica matemtica con aplicaciones. Denis D. Wackerly, William
Mendenhall, Richard L. Scheaffer.Editorial Thomson. Sexta Edicin. Mxico.
2002
( Probabilidad y Estadstica para Ingeniera. R. Scheaffer y J. Mc Clave
( Probabilidad y aplicaciones estadsticas. Paul L. Meyer Editorial Addison
Wesley Iberoamericana. Mxico 1992