UNIVERSIDAD NACIONAL DE

CHILECITO

CARRERA:

 TECNICATURA UNIVERSITARIA
EN ANÁLISIS DE ALIMENTOS

 LICENCIATURA EN ENOLOGÍA

 INGENIERÍA MECATRÓNICA

 TOPOGRAFÍA

ESTADÍSTICA

Docentes: Lic. Jorge Leyva

Lic. Gabriel Quiroga

AÑO: 2020

1
 CAPITULO Nº 6

DISTRIBUCION DE PROBABILIDAD

6.1 Variables Aleatorias

Una variable aleatoria es una descripción numérica del resultado de un experimento

aleatorio. Generalmente se la denota con una letra Mayúscula de imprenta, X, Y, Z.

Es decir en todo proceso de observación o experimento podemos definir una variable

aleatoria asignando a cada resultado del experimento un número:

a) Si el resultado del experimento es numérico porque contamos o medimos, los

posibles valores de la variable coinciden con los resultados del experimento.
b) Si el resultado del experimento es cualitativo, hacemos corresponder a cada
resultado un numero arbitrariamente; por ejemplo, 0, si el elemento es bueno, y 1, si
es defectuoso.

Ejemplos:

1. En el fenómeno de analizar la cantidad de hijos en un hogar. Podríamos definir la

siguiente variable aleatoria.

X=0, 1, 2,….., n

2. En el fenómeno de analizar la calidad de un producto.

0=malo, 1=regular, 2=bueno, 3=muy bueno, 4=excelente

Diremos que se ha definido una variable aleatoria o que se ha construido un modelo de

distribución de probabilidad cuando se especifican los posibles valores de la variable con
sus probabilidades respectivas.

Ejemplos:
Para el ejemplo 1. Podríamos haber visitado 62 hogares y haber construido la siguiente
distribución de probabilidades

Números de hijos P(x)

0 0.1
1 0.2
2 0.26
3 0.34

2
 4 0.1
6.1.1 Variables aleatorias discretas

Diremos que una variable aleatoria es discreta cuando toma un número de valores finitos,
o infinito numerable.
La distribución de la variable suele definirse mediante la función de probabilidad
(también llamada función de cuantía) o la función de distribución.

Función de probabilidad

Llamaremos función de probabilidad, , o f(x) a la función que indica las probabilidades

de cada posible valor

Condiciones requeridas para una distribución de probabilidad discreta

Para el ejemplo 2. Podríamos haber analizado la calidad de un producto 50 veces y haber

construido la siguiente distribución de probabilidades o función de probabilidad.

Calidad del producto P(x)

0 0.1
1 0.1
2 0.15
3 0.30
4 0.35

Como se interpreta esta resultado de una distribución de probabilidad o para que nos sirve
dicha distribución?

Nos permite sacar algunas conclusiones: por ejemplo, la probabilidad de encontrar que el
producto sea de mala calidad es de 0.1.

Función de distribución

Una forma equivalente de caracterizar la distribución de una variable es mediante la

función de distribución, F(x), definida en cada punto como la probabilidad de que la
variable aleatoria x tome un valor menor o igual que .

3
La función de distribución, que se define para todo punto del eje real, es siempre no
decreciente, y por convenio:

Siguiendo el ejemplo de analizar la calidad de un Producto. En la práctica seria aumentar

una columna más para expresar la función de distribución

Calidad del producto P(x) F(x)

0 0.1 0.1
1 0.1 0.2
2 0.15 0.35
3 0.30 0.65
4 0.35 1

Aquí, también podemos sacar algunas conclusiones, por ejemplo; existe una probabilidad
del 0.2 de que el producto sea malo o regular.

Observación: Si bien en los ejemplos que hemos mencionados hemos expresado de forma
tabular a la distribución de una variable o a la función de distribución, también se la puede
expresar de forma gráfica o analítica (esta última mediante modelos estadísticos).

6.1.2 Variables aleatorias continúas

Diremos que una variable aleatoria es continua cuando puede tomar cualquier valor de un
intervalo. Por ejemplo, el peso de un producto alimenticio, la altura de una planta, el tiempo
de arribo de un avión a un aeropuerto, etc.

Nos es posible conocer el valor exacto de una variable continua, ya que medir su valor
consiste clasificarlo dentro de un intervalo. Los modelos de variables aleatorias continuas
se basan en este principio, y se pueden caracterizar mediante la función de densidad (su
equivalente a la distribución de probabilidad) o la función de distribución.

Función de densidad

Llamaremos función de densidad a una función continua que verifica las condiciones

4
El conocimiento de la función de densidad f(x) permite calcular cualquier probabilidad por
integración. Por ejemplo, la probabilidad de que la variable x sea menor que . Este
resultado se obtiene fácilmente calculando el área bajo la función de densidad hasta el
punto mediante:

Análogamente la probabilidad de que la variable x tome un valor entre y se calculara

como

Función de distribución

La función de distribución para una variable aleatoria continua se define como en el caso
discreto por:

Para el caso continuo es

La función de distribución de una variable continúa será una función continua que verifica
tres propiedades

1) , ya que

2) , ya que, por construcción

3) Es no decreciente: si ,

6.2 Medidas características de una variable aleatoria

5
Podemos construir medidas características de la distribución de una variable aleatoria
análogamente a como lo hicimos para una distribución de frecuencias.

6.2.1 Medidas de centralización

La medida de centralización más utilizada es la media ( ) o esperanza matemática, ,

de la variable, que se obtiene promediando cada posible valor por su probabilidad.

En el caso discreto

En el caso continuo

Siguiendo el ejemplo 1

Para el ejemplo 1. La esperanza matemática, seria:

=0*0.1+1*0.2+2*0.26+3*0.34+4*0.1=2.14 ≈ 2

Que significa este valor?

Si bien es cierto que un hogar puede no tener ningún hijo, o uno, dos, tres o cuatro hijos, se
espera (por eso se llama esperanza) que dicho hogar tenga en promedio dos hijos.

6.2.2 Medidas de dispersión

Podemos asociar a cada medida de centralización una de dispersión. A la media se le asocia

la desviación típica, cuyo cuadrado es la varianza, definida para variables continuas por:

Para variables discretas las integrales se convierten en sumas y las probabilidades p(x)
sustituyen a los elementos de probabilidad F(x)dx. Con lo cual queda:

Continuando con el ejemplo 1, su Var(x) seria:

Var(x) = (0-2.14)2+(1-2.14)2+…..+4-2.14)2= 10.09

6
La desviación típica es: Ds(x) = √ 10.09 = 3.17
Observación; Si a la esperanza le sumo y le resto el desvío estándar (o desviación típica),
tengo un intervalo de valores que puede asumir la variable aleatoria que estamos
analizando.

Para el ejemplo que estamos siguiendo significa que, sin bien se espera encontrar en
promedio 2 hijos por hogar, el número de hijos que encontraremos en un hogar será entre 0
y 5.