UNIDAD 2. PROBABILIDAD.

TEMA 9. VARIABLES ALEATORIAS

DISCRETAS Y MODELOS DE
DISTRIBUCIN.

CONTENIDOS DEL TEMA:

1.1. Introduccin a la probabilidad.
1.2. Variables aleatorias: Definicin y tipos.
1.3. Variables aleatorias discretas (v.a.d.)
1.4. Funcin de probabilidad y funcin de distribucin.
1.5. Valor esperado y varianza terica.
1.6. Modelos de distribucin de probabilidad de v.a.d..

1.1. Introduccin.

1.1. Introduccin. Concepto bsicos

Experimento aleatorio: toda accin cuyo resultado no puede
predecirse con certeza. Tiene dos o ms resultados posibles.
Suceso elemental: cada uno de los resultados posibles de un
experimento aleatorio.
Espacio muestral (E): conjunto de todos los resultados posibles o
sucesos elementales de un experimento aleatorio.
Suceso: cualquier subconjunto de los elemento de E. Se representan
con letras latinas maysculas. Tipos:
Imposible: suceso que tal y como est definido E es imposible
que ocurra. O
/
Seguro: suceso que est incluido en E.
Incompatibles o excluyentes: no pueden darse a la vez.

1.1. Introduccin.

1.1. Introduccin.

1.1. Introduccin. Operaciones con sucesos

Unin: subconjunto de elementos de E que estn incluidos al
menos en A o B.

AB

Interseccin: subconjunto de elementos de E que estn

incluidos simultneamente en A y B.

A B

Diferencia: subconjunto de elementos de E que estn incluidos

en A pero no en B.

A B

B A

Complementario de un suceso: subconjunto de elementos de

E que no incluidos en l.

A'

1.1. Introduccin. Operaciones con sucesos

A B

A B

B A

1.1. Introduccin. Operaciones con sucesos

Cuando se tiran dos dados uno blanco y otro negro, hay 36 sucesos
elementales (E).
Se define: - Suceso C: dado blanco igual a 1
- Suceso D: dado negro igual a 1

1.1. Introduccin.
Probabilidad: frecuencia con la que ocurrir un suceso en el caso
hipottico de que los eventos se repitan un nmero infinito de
veces y en las mismas condiciones.
Probabilidad de un suceso: nmero que cuantifica en trminos
relativos las opciones de verificacin de ese suceso.

Definir la
probabilidad

Enfoque clsico o a priori

Enfoque frecuencialista o
a posteriori.

1.1. Introduccin.

1.1. Introduccin.
Enfoque clsico o a priori.
Principio de Indiferencia: todos los elementos del espacio
muestral tienen las mismas opciones de ser verificados al
realizar un experimento aleatorio.

P ( A) =

n A nmero de casos favorables

=
N
nmero de casos posibles

1.1. Introduccin.
Enfoque clsico o a priori.
Ejemplo. Equipo de psiclogos de una empresa
Nombre

Sexo

Edad

Experiencia

Lus Aparicio

Hombre

43

14

Jos Bern rdez

Hombre

36

Mara Carandel

Mujer

56

28

Eduvigis Daz

Mujer

47

12

Roberta Garca

Mujer

28

Enriqueta Lpez
Baldomero Martn
Dorotea Nenuco

Mujer

37

Hombre

46

Mujer

30

Norbeto Prez

Hombre

28

C ndida Zorita

Mujer

26

1.1. Introduccin.
Enfoque clsico o a priori.
Ejemplo. Equipo Psiclogos de una empresa
A= ser hombre
B= ser mujer

1.1. Introduccin.
Enfoque frecuencialista, frecuentista o a posteriori.
Disponemos de los resultados obtenidos en n experimentos
aleatorios

P ( A) = lim
N

nA
nmero de casos favorables
= lim
N
nmero de casos posibles
N

1.1. Introduccin.
Enfoque frecuencialista, frecuentista o a posteriori.

1.1. Introduccin.
Propiedades
a)

0 P ( A) 1

b) La probabilidad de un suceso seguro (E) es 1:

P(E ) = 1

c) La probabilidad de un suceso imposible (O

/ ) es 0:

P (O/ ) = 0
d) La suma de las probabilidades de un suceso y su
complementario es 1:

P( A) + P( A' ) = 1

1.2. Variables Aleatorias.

Experimento Aleatorio: Resultados dependen del azar.
Variable Aleatoria: Funcin o regla que asigna un nmero
real, y slo uno, a cada suceso del espacio muestral.
Estadstica
Descriptiva:

Caracterstica que
deseamos medir.

Probabilidad:

Caracterstica que puede

adoptar cualquier valor de los
posibles.

1.2. Variables Aleatorias.

Ejemplo:
El director de un gabinete de Psicologa cuenta con tres mujeres y
dos hombres y desea escoger a dos personas para realizar una
seleccin. Para no introducir sesgos decide escogerlos al azar.
Llamando X a la variable nmero de mujeres seleccionadas,
cuales seran los valores que toma la variable:
M= Mujer
Espacio Muestral

H= Hombre

Variable Aleatoria

MM

HM

MH

HH

1.2. Variables Aleatorias.

Introducimos tres ratas en un laberinto en forma
de T y estudiamos por que lado salen:
Pueden salir:
- Las tres por la I? III.
-La primera por la I y las otras dos por
la D ? IDD
- etc.
etc.

ESPACIO MUESTRAL
E=[III, IID, IDI, DII, DDI, DID, IDD,
DDD]

1.2. Variables Aleatorias.

Experimento aleatorio: Introducir 3 ratas en un laberinto en forma
de T.
Espacio Muestral: E=[III, IID, IDI, DII, DDI, DID, IDD, DDD]
Suceso: Nmero de ratas que salen por la izquierda..
Espacio Muestral Variable Aleatoria
III

IID

IDI

DII

DDI

DID

IDD

DDD

1.2. Variables Aleatorias.

TIPOS
Variable Aleatoria Discreta: v.a.d
v.a.d..
Se define sobre espacios muestrales finitos o infinitos, pero
numerables.

Variable Aleatoria Continua: v.a.c

v.a.c..
Se define sobre espacios muestrales infinitos, no numerables.

1.3. Variables Aleatorias Discretas.

Conceptos fundamentales
Funci
Funci
n de probabilidad de una v.a.d
v.a.d..
Aquella funcin que asocia a cada valor de la variable la
probabilidad de que sta adopte ese valor:
f(xi) = P(X=x i)
Funci
Funci
n de distribuci
distribucin de una v.a.d
v.a.d..
Aquella funcin que asocia a cada valor de la variable la
probabilidad de que sta adopte al menos ese valor:
f(xi)= P(X<=x i)

1.4. Funcin de probabilidad y funcin de

distribucin de v.a.d.
Lancemos al aire una moneda tres veces consecutivas. El
espacio muestral E estar constituido por los siguientes
sucesos elementales y se define v.a.d. n de caras.

E
XXX

X na

f(xi)=P(X=xi)

F(xi)=P(X<=xi)

f(0)=P(X=0)= 1/8= 0,125

F(0)=P(X<=0)= 1/8= 0,125

f(1)=P(X=1)= 3/8 = 0,375

F(1)=P(X<=1)= 4/8= 0,5

f(2)=P(X=2)= 3/8= 0,375

F(2)=P(X<=2)= 7/8 = 0,875

f(3)=P(X=3)= 1/8 = 0,125

F(3)=P(X<=3)= 8/8 = 1

CXX
XXC
XCX
XCC
CCX
CXC
CCC

Casos posibles= 8

1.4. Funcin de probabilidad y funcin

de distribucin de v.a.d.
Gr
Gr
fico de la funci
funcin de distribuci
distribucin de una v.a.d
v.a.d..
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
0

1.4. Funcin de probabilidad y funcin

de distribucin de v.a.d.
Gr
Gr
fico de la funci
funcin de probabilidad de una v.a.d
v.a.d..
1,2
1
0,8
0,6
0,4
0,2
0
0

1.5. Esperanza matemtica y varianza

terica de las v.a.d.
Probabilidad:

Descriptiva:
Media Aritmtica.

Esperanza matemtica o valor

esperado.

Esperanza Matemtica: Valor igual a la media que se

obtendra en caso de observarse un nmero infinito de valores
de la variable aleatoria.
Eo
Sumatorio de los productos de cada valor por su probabilidad.
E(x)= = Sxi * f(xi)

1.5. Esperanza matemtica y varianza

terica de las v.a.d.
Probabilidad:

Descriptiva:

Varianza Terica.

Varianza.

Varianza terica: Varianza que se obtendra sobre los valores

observados en el caso de que el nmero de observaciones
creciese infinitamente.

s2

1.5. Esperanza matemtica y varianza

terica de las v.a.d.
E

na

X2

f(xi)

xi*f(xi)

xi2*f(xi)

XXX

1/8=0,125

3/8=0,375

0,375

0,375

3/8=0,375

0,75

1,5

1/8=0,125

0,375

0,375

CXX
XXC
XCX
XCC
CCX
CXC
CCC

E ( X ) = (0 * 0,125) + (1* 0,375) + (2 * 0,375) + (3 * 0,125) = 1,5

2 = (02 *0,125) + (12 *0,375) + (22 *0,375) + (32 *0,125) 1,52 = 0,75

1.4. Esperanza matemtica y varianza

terica de las v.a.d.
Propiedades
1. El valor esperado y la varianza de una constante son iguales,
respectivamente a esa constante y a cero.
E(a)= a

s 2(a)= 0

2. Si a los valores de una v.a.d. se les suma una constante, la

esperanza se ve incrementada en esa constante y la varianza no
se altera.
Si

Y =X + a

Entonces

E(Y)= E(X) + a

s 2(Y)= s 2(X)

1.4. Esperanza matemtica y varianza

terica de las v.a.d.
3. Si a los valores de una v.a.d
v.a.d.. se les multiplica una constante, la
esperanza se ve multiplicada por esa constante y su varianza por
el cuadrado

Si

Y =a* X

Entonces E(Y)= E(X) * a

s 2(Y)= a2 *s 2(X)

TABLA RESMEN
DISTRIBUCI N DE FRECUENCIAS

FUNCIN DE PROBABILIDAD

X: valores obtenidos de la muestra

X: todos los valores posibles

p i: proporcin o frecuencia relativa

f(xi): funcin de probabilidad

P (X=xi)

p a: proporcin o frecuencia relativa

acumulada

F(xi): funcin de distribucin

P (X = xi)

Media:

Esperanza matemtica:

Varianza:

Varianza Terica:

1.5. Modelos de distribucin de

probabilidad para v.a.d.
En la prctica la funcin de probabilidad de la mayora de
las v.a.d. se ajusta a un modelo terico expresado
mediante una frmula concreta.
La funcin de probabilidad se ajusta al
modelo terico expresado en la
frmula

Consecuencia: las propiedades del modelo concreto

pueden aplicarse a la variable estudiada.

1.5. Modelos para variables discretas.

La distribuci
distribucin Uniforme
Todos los valores asumibles por una variable son
equiprobables.. Entonces, la funci
equiprobables
funci n de probabilidad es la
1
misma para todos los valores:

f ( xi ) =

Ejemplo: Para un dado de 6 caras equiprobables

0,25
0,2
0,15
0,1
0,05
0
1

1.5. Modelos para variables discretas.

La distribuci
distribucin Uniforme
Esperanza matemtica:

Comprobacin:

1.5. Modelos para variables discretas.

La distribuci
distribucin Uniforme
Varianza terica:

2
(
X mx X mn +1) 1
=

12

Comprobacin:

2
(
6 1 + 1) 1 6 2 1 35
=
=
=
= 2,92

12

12

12

1.2. Modelos para variables discretas.

La distribucin Binomial
Todo experimento aleatorio con dos posibles resultados,
mutuamente excluyentes (experimento de Bernoulli) y
repetidos N veces.

1.2. Modelos para variables discretas.

La distribucin Binomial
Si: 1. v.a.d. es dicotmica: se cumple (1) o no se cumple (0)
una condicin,
2. Se realiza una secuencia de N ensayos en los que la
probabilidad de verificacin de la condicin es constante e
es independiente del resto de ensayos :
p
3. Se define la v.a. X como el nmero de veces en los N
ensayos en los que se cumple la condicin,
Entonces: la v.a. X se ajusta a un modelo binomial con
parmetros N y p , se representa por:

X B ( N , )

1.5. Modelos para variables discretas.

La distribucin Binomial
Funci
Funci
n de probabilidad: (X= 0,1)

N
f ( x i ) =
xi
Esperanza matem
matem tica:
Varianza te
terica:

xi

(1 ) N xi

E ( X ) = N *

2 = N * * (1 )

1.25. Modelos para variables discretas.

Experimento aleatorio: Introducir 3 ratas en 1 laberinto en forma
de T.
Suceso: Nmero de ratas que salen por la izquierda..
Espacio Muestral

Variable Aleatoria

III

IID

IDI

DII

DDI

DID

IDD

DDD

1.5. Modelos para variables discretas.

La distribucin Binomial
Xi

ni

f(x i)

F(x i)

1/8=0,125

0,125

3/8=0,375

0,5

3/8=0,375

0,875

1/8=0,125

1.5. Modelos para variables discretas.

La distribucin Binomial
Cmo podemos aplicar el modelo binomial al
ejemplo de las tres ratas y el laberinto en T?
-Variable aleatoria X :Salir por lado izquierdo
-Modelo binomial con parmetros B(3, 0,5)
-Valores 0, 1, 2 y 3

1.5. Modelos para variables discretas.

La distribucin Binomial
Xi ni
0
1
2
3

3
0
3
1
3
2
3
3

f(x i)
0

* 0,50 * 0,503 = 0,125

* 0,501 * 0,50 2 = 0,375
1

* 0,502 * 0,50 = 0,375

* 0,503 * 0,500 = 0,125

1.5. Modelos para variables discretas.

Sea la variable X ( n de aciertos al azar en un test de 4
preguntas con 2 respuestas cada una)
X~ B(X; 4, 0,5)

1.2. Modelos para variables discretas.

Sea la variable X ( n de aciertos al azar en un test de 4
preguntas con 2 respuestas cada una)
X~ B(X; 4, 0,5)
X
0
1
2
3
4

f(x)
0,0625
0,25
0,375
0,250
0,0625

N Repeticiones

N xitos

Probabilidad xito

Sea la variable X (n de aciertos al azar en un test de 4

preguntas con 2 respuestas cada una); X~ B(X; 4, 0,5)
Cul es la probabilidad de acertar 2 preguntas?
P(X=2)= 0,375

N Repeticiones

N xitos

Probabilidad xito

Sea la variable X (n de aciertos al azar en un test

de 4 preguntas con 2 respuestas cada una);
Cul es la probabilidad de acertar 3 preguntas?
P(X=3)= 0,250

1.5. Modelos para variables discretas.

La distribucin Binomial
De acuerdo con un estudio publicado por un grupo de socilogos de la
Universidad de Massachussets, aproximadamente el 60% de los
consumidores de Valium en dicho estado, lo tomaron por primera vez debido
a problemas psicolgicos.
Encuentre la probabilidad de que entre los siguientes ocho consumidores
entrevistados en este estado:
a) 3 comiencen a tomar Valium por problemas psicolgicos.

X ~ B(x, n, p)
X: (tomar Valium por razones psicolgicas)
B (8, 0,6)

Tomar Valium por problemas psicolgicos: B (8, 0,6)

Cul es la probabilidad de 3 sujetos lo consuman
por problemas psicolgicos?
P(X=3)= 0,124