Distribución de Probabilidad Unidad III

1. Variable aleatoria

Mapa de conceptos

¿Cómo osamos hablar de leyes del azar? ¿No es el azar la antítesis de toda ley?
Bertrand Russell
Introducción
El concepto de la distribución de probabilidad es paralelo al de distribución de frecuencias que vimos en la primera unidad del curso.
Una distribución de probabilidad es una función que relaciona mediciones o conteos con probabilidades. En una distribución de
frecuencias, la suma de las frecuencias debe ser N y en una distribución de probabilidad, la suma de las frecuencias debe ser 1. Las
distribuciones de frecuencias de probabilidad, así como las de frecuencias, se pueden especificar por medio de una tabla, o una gráfica.
Las distribuciones de probabilidad más importantes son las teóricas, que se pueden dar mediante una función o regla, la cual puede ser
de función de probabilidad o función de densidad, dependiendo si la variable es discreta o continua, respectivamente.
Antes de estudiar las distribuciones de probabilidad será necesario introducir algunos elementos fundamentales para entender y
resolver los problemas presentados en esta unidad. Veremos cómo se funden tales distribuciones en una sola para responder
interrogantes que antes no habíamos podido solucionar satisfactoriamente.
Las variables aleatorias son aquellas que se asocian a la ocurrencia de un fenómeno aleatorio, cuyos valores dependen de alguno o
algunos de los resultados de un experimento o fenómeno aleatorio; se clasifica en:
1. Variables aleatorias discretas
2. Variables aleatorias continuas
Si los valores de la variable provienen de un conteo, se trata de una variable discreta, si dichos valores provienen de una medición,
entonces la variable es continua.
A continuación te presentamos algunos ejemplos sobre la variable aleatoria discreta y su distribución de probabilidad.

Ejemplo 1
Considera el experimento aleatorio de lanzar 2 monedas y observar el número de águilas que aparecen.
Sea el espacio muestral del experimento  S={aa,as,sa,ss}; que son todos los posibles casos que pueden ocurrir cuando se lanzan dos
monedas, donde a   representa águila y s  sol.
Ahora representamos X como la variable aleatoria del número de águilas, que puede tomar los valores de 0 águilas, 1 águila ó 2
águilas, esto es: x = 0,1,2
Ordenando todos los posibles resultados del experimento en una tabla, que llamaremos tabla de distribución de probabilidad y que
es similar a las tablas de distribución de frecuencias que se construyeron en la primera unidad, cuando se vio estadística descriptiva.
Distribución de probabilidad
En esta tabla de distribución de probabilidad:
A  X se le llama, variable aleatoria
A P(X), probabilidad de cada evento (valores que toma la variable aleatoria)
También podemos graficar la distribución de probabilidad por medio de un histograma.

Histograma

Las distribuciones de probabilidad pueden representarse a través de una tabla, una gráfica o una fórmula, en cuyo caso a tal regla de
correspondencia se le denomina función de probabilidad.
Una función de probabilidad debe cumplir con las siguientes propiedades:

0≤P(X)≤1

∑P(X) =1

En la tabla observamos que las probabilidades P(x) son 1/4, 2/4 y 1/4, todas son menores que uno y mayores que cero, cumpliendo la
1 2 1 4
primera propiedad 0≤P(X)≤1; mientras que la suma de dichas probabilidades, ∑P(X) = + + + =1, cumple con la propiedad 2.
4 4 4 4
NOTA Recuerda que el símbolo ∑ significa sumatoria, de tal formar que la
expresión ∑P(X) se lee la sumatoria de la probabilidad de X.
Ejemplo 2
Imagina un dado que ha sido modificado, de manera que tiene una cara con un punto, dos caras con dos puntos y tres caras con tres
puntos, se lanza y observamos el número de cara que cae.
1 cara ---1 punto       2 caras --- 2 puntos       3 caras --- 3 puntos.
Sea X: el número de puntos observados cuando se lanza el dado.
1
Como el dado tiene seis caras y una de ellas tiene un punto, entonces la probabilidad de que caiga la cara con un punto es   , en
6
1
símbolos matemáticos sería X=1 con P(X=1)= , y así sucesivamente como se observa en la siguiente tabla.
6

Esta distribución se puede representar por medio de una función, esto es:
X
P(X)= para X =1,2,3
6
A esta expresión se le conoce como, función de probabilidad de una variable aleatoria.
NOTA: Recuerda que una función de probabilidad debe cumplir con las
propiedades:
0≤P(X) ≤1
∑P(X) =1

Haciendo las sustituciones pertinentes se puede comprobar, como en el ejemplo anterior, que cumple con las dos propiedades y que,
por lo tanto, se dice que es una función de probabilidad.
También podemos construir la gráfica.
Histograma

Ejemplo 3
Ahora vamos a verificar si la siguiente expresión es o no una función de probabilidad. En caso de que no lo sea, debemos modificarla
para convertirla en función de probabilidad. Una vez que obtengamos la distribución probabilística haremos el histograma.
6−x −7
S(X)= 36 para x = 2,3,4,….12
Sustituyendo cada valor de la variable en la función, construimos la tabla de distribución.
 1.2 Valor esperado o esperanza matemática
El valor esperado o esperanza matemática es una medida de tendencia central, es la media de una variable aleatoria discreta y
corresponde al resultado teórico de un número infinito de ensayos. Se considera como el valor esperado, en el sentido que constituye
el valor promedio que esperaríamos obtener si los ensayos continuaran en forma indefinida.
El valor esperado o esperanza matemática se
simboliza con µ o E(X), y se define como
µ= E(X) = ∑ X●P(X)

En la Unidad I, calculábamos la media aritmética por medio de la expresión:

Donde ƒ1 es la frecuencia y n el total de datos; n es la frecuencia relativa, también llamada probabilidad frecuencial.

En forma similar se calcula la media para una distribución de probabilidad, por medio de la expresión:

ƒi
Observa la similitud entre las dos fórmulas:   (frecuencia relativa o probabilidad frecuencial), es similar a P(X) (probabilidad de la
n
variable aleatoria); y no se diga de la gran similitud de la variable aleatoria X, con la marca de clase M, en las tablas de distribución
frecuencial.

Regresando al Ejemplo 1, calculamos el valor esperado de la forma siguiente:

Este valor significa que en promedio se espera que caiga solamente 1 águila, después de realizar lanzamientos una gran cantidad de
veces.
Básicamente, la desviación estándar y la varianza se interpretan de la misma forma que en la estadística descriptiva (ver Unidad I,
Medidas de dispersión y su justificación) y se calculan por medio de las expresiones:
Varianza
σ2 = ∑ x2P(x)-µ2
Desviación estándar
σ =√ σ 2
σ = √ ∑ x 2 P(x )−μ2

La varianza, para el Ejemplo 1, es:

y la desviación estándar es:

Este último valor significa que en promedio cada valor de la variable aleatoria se encuentra, aproximadamente, a 0.71 unidades de
distancia de la media, o valor esperado, que es 1.
En un juego de dinero, el valor esperado E(X) del juego se considera como "el juego del jugador". Se dice que el juego es favorable
al jugador si E(X) es positivo y desfavorable si E(X) es negativo, si E(X)=0, el juego es legal.
Ejemplo 4
Un jugador lanza un dado común. Si sale un número primo gana dicho número de dólares, pero si no sale número primo, entonces
pierde esa cantidad de dólares.
¿Cómo es el juego para el jugador: favorable, desfavorable o legal?
Tabla de distribución de probabilidad

Los número negativos, -1, -4, y -6, corresponden al hecho de que el jugador pierde si no sale un número primo.
El valor esperado del juego es:

−1
E ( X )= =−0.167; por lo tanto, el juego es desfavorable para el jugador, puesto que el valor esperado es negativo.
6
Esto significa -0.167 que, después de que el jugador ha jugado una gran cantidad de veces, el jugador va a perder en promedio esa
cantidad de dinero.

Ejemplo 5
Un jugador lanza dos monedas comunes. Gana $1,000 ó $2,000 según aparezcan 1 ó 2 águilas. Por otra parte, pierde $5,000 si no
aparece águila. Determina el valor esperado E(X) del juego y si éste es favorable o desfavorable al jugador.
1 1
La probabilidad de que 2 águilas sucedan es  4 , P ( aa )=  
4
1 1
De dos soles es  P ( ss )=  
4, 4
1 1
De una águila  P ( a )=  
2, 2
Así, la probabilidad de ganar $2,000 es ¼, de ganar $1,000 es ½ y de perder $5,000 es ¼.

Tabla de distribución de probabilidad

El valor esperado es:

Esto significa que en promedio el jugador perderá $250, después de jugar una gran cantidad de veces.

Conclusión
En este tema se hizo especial énfasis en tres conceptos: la distribución de probabilidad, la función de probabilidad y la esperanza
matemática; cada concepto se ejemplificó con diversos experimentos, en los que se hace una comparación con la distribución de
frecuencias que se trató en la Unidad 1.