productos agrcolas, etc., todas en teora pudieran tomar cualquier valor en un intervalo
de medicin. Por ejemplo, dependiendo de la precisin del instrumento de medicin, se
podra obtener un caudal de un ro en 3.1 m3/minuto 3.2 m3/minuto; pero tambin es
posible que este caudal tome el valor de 3.17.
2. Distribuciones de Probabilidad de V.A.
2.1 Probabilidades de V.A discretas.
Una V.A discreta puede ser descrita por medio de probabilidades de que cada valor
individual ocurra cuando un experimento aleatorio se realice. La lista de todos los
resultados numricos posibles y sus probabilidades asociadas a cada resultado se llama
la distribucin de probabilidad de una V.A. Aqu tenemos el ejemplo clsico del
lanzamiento de una moneda: S la lanzamos tres veces (este hecho es el experimento
aleatorio) la moneda y solo nos interesa saber el nmero de veces en que caiga el lado de
la cara, entonces la caracterstica o la variable aleatoria que nos interesa estudiar es
el nmero de cara y la denotamos como X. Ahora bien, los resultados posibles dentro
del espacio muestral ya definido serian: 0, 1, 2, y 3 veces que caiga cara. Estos valores
sern denominados como x. Formalmente, podemos escribir este resultado en una tabla
o cuadro como sigue:
Pero de dnde salieron esas fracciones?, primero que nada veamos que el nmero de
veces que lanzaremos la moneda es la base para el conteo de el nmero de veces en
que caiga el lado de la cara. Cuales serian los posibles resultados para esta variable
aleatoria? Es posible que al lanzar tres veces la moneda surjan varios resultados tericos
y debemos considerar el orden en que estos resultados se produzcan, veamos la
siguiente tabla o cuadro. Llamamos E para escudo y C para cara.
Interpretemos los resultados anteriores, sabemos que existen 8 casos posibles, pero solo
4 resultados:
1) ninguna salga cara (todas las tres veces fue escudo), por tanto el primer resultado
terico es 0 cara, x = 0 de un total de 8 casos slo se puede dar una vez.
2) slo una vez de los tres lanzamientos es cara, x = 1 de un total de 8 casos, este
resultado se puede dar tres veces.
3) es posible que en dos oportunidades apareci cara x = 2 de un total de 8 casos, este
resultado se puede dar en tres casos.
4) que todas las veces cay cara, es decir, tres veces en los tres lanzamientos x = 3 de
un total de 8 casos y este resultado es posible una sola vez.
As, que los resultados posibles para la variable aleatoria, X, llamada el nmero de veces
en que caiga el lado de la cara, al lanzar una moneda tres veces, son x1=0 cara, x2=1
cara, x3=2 caras y, x4=3 caras, cuyas probabilidades de ocurrencia de cada resultado es
1/8, 3/8, 3/8 y 1/8, respectivamente. Como ahora se resume en la tabla o cuadro de la
distribucin de probabilidades
Para los valores x = 0, 1, 2, 3 nmero de veces en que caiga el lado de la cara, al lanzar
una moneda tres veces. Con esta funcin de probabilidad podemos usarla para hallar
varias probabilidades de acuerdo a uno varios eventos de inters. Por ejemplo, La
probabilidad de que al lanzar la moneda tres veces, el nmero de caras est entre 1 y 2;
De esta manera, para hallar las probabilidades como las postuladas anteriormente se
obtienen hallando el rea bajo la curva entre los dos lmites, por lo que determinar P(1.9
X 2.1) es igual que P(1.9 < X< 2.1).
Las probabilidades para variables aleatorias continuas con dominios bien definidos
tienen propiedades similares a las discretas:
1) El rea total bajo la curva entre los resultados ms bajos y ms altos debe sumar 1.
2) Las probabilidades entre dos lmites, x1 y x2, deben ser 0 P(x1 X x2) 1.
La Media y Varianza de una Variable Aleatoria Discreta
La media de una V.A puede obtenerse a partir de la distribucin de probabilidades que
esta tenga. Y se define como el promedio ponderado de todos los posibles resultados de
una V.A, donde los pesos o ponderaciones son las probabilidades asociadas a cada uno.
Por ejemplo, si retomamos el caso del lanzamiento de la moneda tres veces y deseamos
conocer el nmero promedio de veces en que aparezca cara se obtiene asi:
Debido a que la suma de las probabilidades debe sumar 1, el denominador siempre ser
1, por tanto la frmula quedara resumida y generalizada de la siguiente manera, para
una V.A discreta:
La cual permitir realizar los clculos a mano. Al aplicar la raz cuadrada del valor de la
varianza se obtendr la desviacin estndar y se denotar simplemente con la letra
griega .
La Media y Varianza de una Variable Aleatoria Continua
Para el clculo de la media de V.A continuas se debe utilizar la tcnica del clculo
integral. Y la ecuacin general es
Donde a x b. Esta integral lo que permite es determinar el rea bajo la curva de una
densidad de probabilidades determinada. Afortunadamente, ya existen tablas de
probabilidades ya calculadas o software de computacin (como en Excel) que pueden
ser usadas para algunas densidades de probabilidad tericas ya conocidas en la
literatura estadstica, como se ver en captulos por venir. Como para la media, el
clculo de la varianza para variables continuas requiere de un entendimiento del clculo
integral. La ecuacin se describir a continuacin, pero al igual que para la media, slo
se har para tenerla como referencia
Donde a x b.
p( y )
n!
p y ( 1 p )( n y )
( n y )! y!
= n*P
2 = n*P*(1- P)
Ejemplo 1: Sea Y una variable aleatoria con distribucin binomial, con n= 10 y
probabilidad de ocurrencia de un evento en inters o xito de P = 0.8; formalmente se
usa la notacin Y ~ b(n=10, P=0.8). Hallar la tabla de distribucin de probabilidades
asociada a cada valor de Y y graficarla en un histograma. Para hallar cada una de las
probabilidades asociadas podemos hacerlo aplicando directamente la formula de la
funcion de probabilidad binomial mostrada anteriormente
p( y )
n!
p y ( 1 p )( n y )
( n y )! y!
p( y 0 )
10!
0.8 0 ( 1 0.8 )( 100 )
( 10 0 )!0!
p( y 1 )
10!
0.8 1 ( 1 0.8 )( 10 1 )
( 10 1 )!1!
p( y 2 )
10!
0.8 2 ( 1 0.8 )( 10 2 )
( 10 1 )!1!
P(Y=y)
0.000
0.000
0.000
0.001
0.006
0.026
0.088
0.201
0.302
0.268
10
0.107
= n*P = 10*0.8 = 8
y la varianza
0.35
0.3
Prob
0.25
0.2
0.15
0.1
0.05
0
0
Numero de exito
10
e y
p( y )
,
y!
Al igual que con la funcin de distribucin binomial, es posible calcular la probabilidad
exacta de cada uno de los valores que tome Y aplicando la formula anterior. Ntese que
los posibles valores que puede tomar Y son 0, 1, 2, 3, 4, 5, , hasta infinito.
Ejemplo 2. Sea Y una variable aleatoria que sigue una distribucin Poisson con Lamda
() igual a 5, formalmente se usa la notacin Y ~ P(=5) construya la tabla de
distribucin y grafquela
p( y 0 )
e 5 5 0
,
0!
p( y 1 )
e 5 5 1
,
1!
p( y 2 )
e 5 5 2
,
2!
Y as hasta encontrar p(y=10), atencin aqu, he usado hasta y=10 solo como referencia,
se puede construir hasta cualquier valor de y mximo que este pueda tomar en la
realidad; por ejemplo, si realizamos un muestreo en un rodal y contamos el numero de
parcelas con presencia de de rboles de la especie Teca, los nmeros pueden ser desde 0
parcelas hasta un numero finito de parcelas que se hayan seleccionado para tal estudio
(25 parcelas, por ejemplo). A continuacin se tiene la tabla de distribucin de frecuencias
y la grafica respectiva.
Y P(Y=y)
0
0.007
0.034
0.084
0.140
0.175
0.175
0.146
0.104
0.065
0.036
10 0.018
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
1
10
11
12
13
14
15
f( y)
( y )2
1
exp
2
2
2
Esta funcin tiene una media denominada y una varianza 2 y formalmente podemos
usar la notacin Y ~ N (, 2) es decir, que la variable aleatoria continua Y sigue una
distribucin normal con parmetros media denominada y una varianza 2
Distribucin Normal estndar o tipificada
Para facilitar el calculo de las probabilidades de variables continuas asociadas a una
distribucin normal es posible usar una transformacin de la variable original en una
nueva variable tambin continua que llamaremos Z.
As esta nueva variables sigue una distribucin normal con media 0 y varianza 1
Z ~ N (=0, 2=1)
Grficamente podemos visualizar esta transformacin de una variable continua Y a una
estndar Z de la siguiente manera:
0.60
0.40
P (a < X < b) ?
0.20
0.00
3031323334353637383940
Valores de DAP
a
0.6
0.5
0.4
0.3
0.2
0.1
0
Probabilidad
p(
p(
-4
-2
33.1 35
36.8 35
z
)
1
1
Valores de z
Dada la variable dimetro a la altura de pecho DAP una variable aleatoria que tiene una
distribucin normal con media 35 cm y una varianza de 1 cm2. entonces determnese la
probabilidad de encontrar rboles que presenten DAP entre 33,1 y 36,8 cm, es decir
p (a X b) = p (33,1 y 36,8)
=
p(
p(
33.1 35
36.8 35
z
)
1
1