Distribución de probabilidades discretas

PROBLEMA
Hay una campaña en un centro médico del poblado de Ucayali, sobre maternidad
responsable a un grupo de mujeres. Una vez finalizada la charla se les entrega un
papelito con una única pregunta:
¿Desearía usted ser esterilizada?
1. Si 2. No

Usted alumna de la maestría en Salud Publica con mención en Salud Reproductiva,

está interesada en investigar si las charlas tienen un efecto favorable en el sentido de
que las mujeres se decidan a ser sometidas a la esterilización.
Ante este tipo de situaciones en la cual uno se encuentra todos los días, tenemos que
acudir a las Distribuciones de Probabilidades. En nuestro ejemplo, la variable Deseo
ser esterilizada, es una variable cualitativa, discreta. Por lo tanto se requieren de las
Distribuciones de Probabilidades Discretas. Que es la que estudiaremos en este
trabajo.

VARIABLE ALEATORIA
Una variable se dice que es aleatoria, si los posibles valores que puede tomar son
determinados por el azar. En otras palabras se sabe qué valores puede tomar la
variable pero no se tiene certeza de su ocurrencia, sólo se sabe que puede ocurrir con
una cierta probabilidad. Por ejemplo, en una epidemia de cólera, se sabe que una
persona cualesquiera puede enfermar o no (eventos), pero no se sabe cuál de los dos
eventos va a ocurrir. Solamente se puede decir que existe una probabilidad de que la
persona enferme.
Las variables aleatorias se clasifican:
1. Discretas: aquellas que resultan de contar el número de casos en los que el
evento de interés ocurre, por ejemplo: número de hijos de una familia, número
de veces que llega una paciente al servicio de emergencia, etc.
2. Continuas: aquellas que resultan producto de una medición, por ejemplo: el peso,
el nivel de hemoglobina, etc.

DISTRIBUCION DE PROBABILIDADES DISCRETAS

Sigamos con nuestro ejemplo del centro médico de departamento de Ucayali. Nuestra
variable de interés seria:
Deseo ser esterilizada.
Supongamos que a la charla asistieron tres mujeres, entonces definimos como
variable aleatoria a:
X: Número de mujeres que desearían ser esterilizadas.
Antes de hacerles la pregunta sobre su deseo de ser esterilizadas, puede considerar
las posibles respuestas:
X = 0  Ninguna desearía ser esterilizada
X = 1  Sólo una de las mujeres desearía
X = 2  Dos mujeres desearían
X = 3  Las tres mujeres desearían

Antes de verificar las respuestas de las 3 mujeres seleccionada; no sabe cuántas

estarán de acuerdo en ser esterilizadas, pero si conociera las probabilidades de
ocurrencia de cada uno de los posibles valores de la variable podría predecir su
ocurrencia con una cierta probabilidad. El conjunto de las probabilidades de ocurrencia
de los posibles valores de la variable aleatoria se denomina distribución de
probabilidades.

En nuestro ejemplo:
X Probabilidad
0 0.125
1 0.375
2 0.375
3 0.125
A esto se le llama distribución de probabilidades discreta. Discreta porque la
variable X deseo ser esterilizada es discreta.

Nosotros estudiaremos dos tipos de distribuciones de probabilidades discretas: la

Binomial y la de Poisson, para su solución, utilizaremos las matemáticas y también el
Excel.

www.ieszaframagon.com/matematicas/estadistica/...aleatoria/tema5_2.ht...
1. DISTRIBUCIÓN DE PROBABILIDAD PARA VARIABLES ALEATORIAS
DISCRETAS.

1.1.-VARIABLES ALEATORIAS
Partimos de un determinado experimento y de su espacio muestral asociado E. Una
variable aleatoria es una aplicación, que al cualquier suceso del espacio muestral le
asocia un número. O sea, para hablar de variable aleatoria, nuestro experimento tiene
que ser de tal forma que cada posible suceso o resultado se pueda expresar mediante
un número.

Ejemplos de variables aleatorias:

 Puntuación obtenida al lanzar un dado. Es una variable aleatoria pues cada

posible resultado se puede expresar mediante un número.
 Edad de una persona elegida al azar.
 Altura de un árbol.
 Número de caras al lanzar tres monedas.
 Número de personas en una muestra de 50 que comen frutas habitualmente.

No son variables aleatorias:

 Sacar una prenda dentro de un cajón.

 Sacar una bola de una urna que contiene bolas blancas, negras y verdes.
 Elegir una persona al azar que le guste el teatro o no.

En los últimos ejemplos, tal como están planteados no serían variables aleatorias,
pero a veces podemos asociarles valores para que sí lo sean. Por ejemplo, si yo digo
que el suceso "le gusta el teatro" vale 1 y el suceso "no le gusta el teatro" vale 0, ya
tendría definida una variable aleatoria sobre el experimento elegir una persona, que
valdría 1 si le gusta el teatro y 0 si no le gusta.

El concepto de variable aleatoria surge ante la necesidad de cuantificar los resultados

de los experimentos aleatorios para poder realizar un estudio matemático de dichos
resultados.

El concepto de variable aleatoria y variable estadística es muy similar, solo que en

variables estadísticas contamos y partimos de datos concretos, mientras que en
variables aleatorias partimos de lo que puede pasar antes de realizar el experimento.

Así pues, con variables aleatorias, también hacemos la división en discretas y

continuas, las representamos con los mismos gráficos y podemos calcular los mismos
parámetros. La diferencia estribará en que en las variables estadísticas miramos las
frecuencias (absolutas o relativas) y en las variables aleatorias miraremos las
probabilidades de ocurrencia de cada suceso.

1.2.-VARIABLES ALEATORIAS DISCRETAS

Una variable aleatoria se dirá discreta si el conjunto de valores que toma es un

conjunto numerable, es decir, que sólo puede tomar unos valores concretos. Dicho
conjunto lo denotaremos por: {x1, x2, x3,...., si}
Toda variable aleatoria discreta tiene asociada una función de probabilidad, que a
cada valor, le marca la probabilidad de que la variable tome dicho valor. Esta
probabilidad viene a jugar el mismo papel que la frecuencia relativa en los temas de
estadística.

Ejemplo 1: Obtener la función de probabilidad de la variable "puntuación obtenida al

lanzar un dado".
Valores Función de
Definimos la variable aleatoria X= puntuación obtenida. de la probabilidad
variable pi = P[𝑋 = 𝑥i]
Los posibles resultados son: 1, 2, 3, 4, 5 y 6 y todos esos Xi
valores tienen una probabilidad de 1 / 6. 1 1
6
Si ponemos en forma de tabla los resultados, la función 2 1
de probabilidad quedaría: 6
3 1
6
4 1
6
5 1
6
6 1
6
Ejemplo 2: Obtener la función de probabilidad de la variable "número de caras
obtenidas al lanzar tres monedas"

Antes que nada, vamos al construir el espacio muestral del experimento lanzar tres
monedas. Éste sería:

E = {(c,c,c); (c,x,c); (x,c,c); (c,c,x); (c,x,x,); (x,c,x); (x,x,c); (x,x,x)}

Si definimos X = nº de caras obtenidas, vemos que los posibles valores son: 0, 1, 2 y

3; y la función de probabilidad será:
Como puedes observar en los dos
xi 0 1 2 3 ejemplos, la suma de todas las
probabilidades tiene que ser 1, pues
1/8 = 3/8 = 3/8 = 1/8 =
pi estaríamos considerando el espacio
0.125 0.375 0.375 0.125
muestral completo
Parámetros de una variable aleatoria
La ventaja de trabajar con variables aleatorias es que podemos hacer cálculos que
adquieren significado sobre el comportamiento de la variable. En una variable
aleatoria, podemos calcular todos los parámetros que habíamos visto en la estadística
unidimensional: media, varianza moda, mediana, percentiles, desviaciones, etc.,
aunque nosotros vamos a centrarnos en las dos primeras, la media y la varianza,
(bueno o la desviación típica que era la raíz de la varianza si recuerdas)
MEDIA: La media de una variable aleatoria se llama ESPERANZA MATEMÁTICA, se
representa por E(X) o por µ y viene a darnos el "valor esperado" de la variable al
realizar el experimento aleatorio. La fórmula para calcularla es

VARIANZA: El significado es el mismo que en la estadística. Aporta una medida sobre

la dispersión de los valores de X. Para calcularla usamos una de las dos fórmulas,
aunque es más aconsejable la segunda:

Veamos un par de ejemplos:

Ejemplo: Calcula la media y la varianza de la variable del Ejemplo 1

Valores Función de
de la probabilidad
variable pi = P[𝑋 =
Lo que significa que el valor esperado en el Xi 𝑥i]
1 1
lanzamiento de un dado es 3,5
6
2 1
6
3 1
6
Y si queremos calcular la desviación típica, haríamos la raíz 4 1
cuadrada de ese resultado y obtendríamos, 1.708
6
5 1
6
Ejemplo: Calcula la esperanza y la varianza de la 6 1
variable número de caras del ejemplo 2 6

xi 0 1 2 3
1/8 = 1/8 =
pi 3/8 = 0.375 3/8 = 0.375
0.125 0.125

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

Luego el número de caras esperado en el lanzamiento de tres monedas es una y

media.
Var (X) =(02·0,125 + 12·0,375 + 2 2·0,375 + 32·0,125 ) - 1.52 = 3 - 2.25 = 0.75

Ejercicios
1.- En la siguiente tabla se presenta la distribución del número de hijos de un grupo
de 100 parejas:
Nº de hijos 0 1 2 3 4 5 7
Nº de parejas 15 40 23 10 7 4 1

a. Obtener la función de probabilidad de la variable aleatoria nº de hijos

b. ¿Cuál es la probabilidad de una pareja elegida al azar tenga menos de dos
hijos?
c. ¿Cuál es la probabilidad de que tenga más de tres hijos?
d. Si se elige un hijo al azar, ¿cuál es la probabilidad de que no tenga hermanos?
e. Determina el número de hijos esperado al seleccionar una familia al azar.
f. Calcula la varianza de la variable.

2.- Una variable aleatoria discreta tiene la siguiente función de probabilidad:

Xi -2 -1 0 1 2 3
pi 0.08 0.21 0.1 0.23 0.04

a. Calcula el dato que falta.

b. Halla la media y la desviación típica.
c. Calcula P[X > 1] y P[ -1.5 < X < 2]

3.- ¿Cuál es el dinero que espera ganar un jugador que lanza dos dados de quinielas
(o sea, solo con tres caras, 1, X y 2) y recibe 90 dólares si salen dos doses; 45 dólares
si sale un dos y paga 81 dólares si no sale dos?

VALOR ESPERADO
Se llama también esperanza matemática. Se trata de un operador matemático que
al ser aplicado a la función probabilidad permite el cálculo de ese valor en el caso
discreto, mientras que en el caso continuo se lo aplica a la función frecuencia.

Esperanza matemática

En estadística la esperanza matemática (también llamada esperanza, valor

esperado, media poblacional o media) de una variable aleatoria , es el número
que formaliza la idea de valor medio de un fenómeno aleatorio.
Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la
probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho
suceso. Por lo tanto, representa la cantidad media que se "espera" como resultado de
un experimento aleatorio cuando la probabilidad de cada suceso se mantiene
constante y el experimento se repite un elevado número de veces. Cabe decir que el
valor que toma la esperanza matemática en algunos casos puede no ser "esperado"
en el sentido más general de la palabra - el valor de la esperanza puede ser
improbable e incluso imposible.

Por ejemplo, el valor esperado cuando tiramos un dado equilibrado de 6 caras es 3,5.
Podemos hacer el cálculo

La esperanza matemática o valor esperado de una variable aleatoria discreta es la

suma del producto de la probabilidad de cada suceso por el valor de dicho suceso.

Los nombres de esperanza matemática y valor esperado tienen su origen en los

juegos de azar y hacen referencia a la ganancia promedio esperada por un jugador
cuando hace un gran número de apuestas.

Si la esperanza matemática es cero, E(x) = 0, el juego es equitativo, es decir, no

existe ventaja ni para el jugador ni para la banca.

Ejemplos
1 Si una persona compra una papeleta en una rifa, en la que puede ganar de 5.000
dólares o un segundo premio de 2000 dólares con probabilidades de: 0.001 y 0.003.
¿Cuál sería el precio justo a pagar por la papeleta?

E(x) = 5000 · 0.001 + 2000 · 0.003 = 11 dólares

2 Un jugador lanza dos monedas. Gana 1 o 2 pesos si aparecen una o dos caras.
Por otra parte pierde 5 pesos si no aparece cara. Determinar la esperanza
matemática del juego y si éste es favorable.

E = {(c,c);(c,x);(x,c);(x,x)}

p(+1) = 2/4

p(+2) = 1/4

p(−5) = 1/4
E(x)= 1 · 2/4 + 2 · 1/4 - 5 · 1/4 = −1/4. Es desfavorable

Esperanza matemática o media Varianza

Desviación típica

Calcular la esperanza matemática, la varianza, y la desviación típica, de la distribución de

probabilidad de las puntuaciones obtenidas al lanzar un dado.

x2·
x pi x·pi
pi
1

6 1 6