Funcin de probabilidad para variable

discreta
Funcin de probabilidad para variable discreta

Sea p(x) una funcin de probabilidad de una variable X si p(x) es la probabilidad de que la variable
aleatoria tome el valor x, con x perteneciente al recorrido de la variable aleatoria. Pensemos en el
siguiente experimento aleatorio:

En un corral hay 5 corderos de los cuales dos son negros y 3 son blancos. Un experimento
consiste en sacar los corderos uno a uno del corral y la variable aleatoria cuenta la cantidad de
corderos sacados hasta encontrar el primer cordero negro. Entonces, si tuviramos suerte y el
primer cordero extrado fuera negro, entonces la variable aleatoria tomara el valor 1. Si saliera un
cordero blanco y luego uno negro, entonces la variable aleatoria tomara el valor 2 y as
sucesivamente. Por lo tanto, la variable aleatoria puede tomar valores {1, 2, 3, 4}. Ahora bien
miremos algunos resultados del experimento y el valor que le asigna la variable:

Como vemos la variable aleatoria no puede tomar valor 5, porque ya saliendo el tercer cordero
blanco necesariamente el cordero siguiente va a ser negro. Ahora calculemos las probabilidades:

Necesitamosqueenlaprimerasacadasalgainmediatamenteuncorderonegro,porlotanto,tenemos2posibilidadesde5.

Paraquelavariablealeatoriatomevalor2,tienequeprimerosaliruncorderoblanco,osea,3posibilidadesde5ydespussaliruno
negro,osea,2posibilidadesde4corderosquequedan.

Paraquelavariablealeatoriatomevalor3,debensalirdoscorderosblancosprimeroydespusdebesaliruncorderonegro.Osea,el
primeroblancoson3de5,luegootroblancosoloquedan2de4,yelterceronegroquedan2negrosde3corderos.

Una de las propiedades importantes de cualquier variable aleatoria bien definida es que:

Lo que quiere decir que si sumamos las probabilidades de la variable aleatoria para todos los
valores del recorrido debe ser 1. Verificamos para nuestro ejemplo:
P(X=1)+P(X=2)+P(X=3)+P(X=4)=0,4+0,3+0,2+0,1=1
Entonces ahora definimos la funcin de probabilidad para esta variable aleatoria como:

e.o.c =en otro caso.

Que puede ser graficada de la siguiente forma:

Para un mejor entendimiento miremos otro ejemplo. Para una urna que contiene 3 bolitas rojas, 1
bolita verde y 6 bolitas blancas se define el experimento aleatorio sacar dos bolitas con
reposicin. Y se define la variable aleatoria como X = {nmero de bolitas blancas obtenidas}. Por
lo tanto, la variable aleatoria puede tomar valores {0, 1, 2} ahora calculando las probabilidades:

El primer clculo se basa en obtener una bolita no blanca (o sea, las 3 rojas o la verde) y despus
otra no blanca de nuevo.
El segundo clculo se basa en sacar una bolita blanca primero y despus una no blanca o sacar
una no blanca primero y despus una blanca.
El tercer clculo se basa sacar una bolita blanca primero y despus otra blanca.
Por lo tanto, la funcin de probabilidad es:

Ahora practica con estos ejercicios:

Ejemplos
1. Se lanzan dos dados no cargados y se define la variable aleatoria X como la diferencia positiva
entre los valores obtenidos. Entonces si P(X) representa la funcin de probabilidad para la variable
aleatoria X, cul(es) de las siguientes aseveraciones es (son) correcta(s)?
I) P(X=0) = P(X=6)
II) P(X=5) = 1/9
III) P(X=3) = 1/6
A) Solo I
B) Solo II
C) Solo III
D) Solo II y III
E) I, II y III
2. La siguiente tabla muestra la funcin de probabilidad para una variable aleatoria X. Entonces,
cul de las siguientes opciones es FALSA?

P(X)

0,2

0,3

0,1

A) P(X2)=0,6 B) P(X2)<1)+p(x<="" p="">

3. Al lanzar 3 monedas al aire se define la variable aleatoria X como la cantidad de caras
obtenidas. Entonces, cul es la probabilidad de que la variable aleatoria tome valor 3?
A) 1/4
B) 1/8
C) 1/2
D) 1/6
E) 3/8
4. Arturo Vidal tiene un 30% de probabilidades de anotar un gol al lanzar un penal. Si en una
definicin a penales por el campeonato mundial debe tirar 3 penales y se define la variable
aleatoria como la cantidad de penales convertidos, cul de las siguientes tablas representa la
funcin de probabilidad para la variable?

Funcin de probabilidad para variable

discreta
Funcin de probabilidad para variable discreta

Sea p(x) una funcin de probabilidad de una variable X si p(x) es la probabilidad de que la variable
aleatoria tome el valor x, con x perteneciente al recorrido de la variable aleatoria. Pensemos en el
siguiente experimento aleatorio:

En un corral hay 5 corderos de los cuales dos son negros y 3 son blancos. Un experimento
consiste en sacar los corderos uno a uno del corral y la variable aleatoria cuenta la cantidad de

corderos sacados hasta encontrar el primer cordero negro. Entonces, si tuviramos suerte y el
primer cordero extrado fuera negro, entonces la variable aleatoria tomara el valor 1. Si saliera un
cordero blanco y luego uno negro, entonces la variable aleatoria tomara el valor 2 y as
sucesivamente. Por lo tanto, la variable aleatoria puede tomar valores {1, 2, 3, 4}. Ahora bien
miremos algunos resultados del experimento y el valor que le asigna la variable:

Como vemos la variable aleatoria no puede tomar valor 5, porque ya saliendo el tercer cordero
blanco necesariamente el cordero siguiente va a ser negro. Ahora calculemos las probabilidades:

Necesitamosqueenlaprimerasacadasalgainmediatamenteuncorderonegro,porlotanto,tenemos2posibilidadesde5.

Paraquelavariablealeatoriatomevalor2,tienequeprimerosaliruncorderoblanco,osea,3posibilidadesde5ydespussaliruno
negro,osea,2posibilidadesde4corderosquequedan.

Paraquelavariablealeatoriatomevalor3,debensalirdoscorderosblancosprimeroydespusdebesaliruncorderonegro.Osea,el
primeroblancoson3de5,luegootroblancosoloquedan2de4,yelterceronegroquedan2negrosde3corderos.

Una de las propiedades importantes de cualquier variable aleatoria bien definida es que:

Lo que quiere decir que si sumamos las probabilidades de la variable aleatoria para todos los
valores del recorrido debe ser 1. Verificamos para nuestro ejemplo:
P(X=1)+P(X=2)+P(X=3)+P(X=4)=0,4+0,3+0,2+0,1=1
Entonces ahora definimos la funcin de probabilidad para esta variable aleatoria como:

e.o.c =en otro caso.

Que puede ser graficada de la siguiente forma:

Para un mejor entendimiento miremos otro ejemplo. Para una urna que contiene 3 bolitas rojas, 1
bolita verde y 6 bolitas blancas se define el experimento aleatorio sacar dos bolitas con
reposicin. Y se define la variable aleatoria como X = {nmero de bolitas blancas obtenidas}. Por
lo tanto, la variable aleatoria puede tomar valores {0, 1, 2} ahora calculando las probabilidades:

El primer clculo se basa en obtener una bolita no blanca (o sea, las 3 rojas o la verde) y despus
otra no blanca de nuevo.
El segundo clculo se basa en sacar una bolita blanca primero y despus una no blanca o sacar
una no blanca primero y despus una blanca.
El tercer clculo se basa sacar una bolita blanca primero y despus otra blanca.
Por lo tanto, la funcin de probabilidad es:

Ahora practica con estos ejercicios:

Ejemplos
1. Se lanzan dos dados no cargados y se define la variable aleatoria X como la diferencia positiva
entre los valores obtenidos. Entonces si P(X) representa la funcin de probabilidad para la variable
aleatoria X, cul(es) de las siguientes aseveraciones es (son) correcta(s)?
I) P(X=0) = P(X=6)
II) P(X=5) = 1/9
III) P(X=3) = 1/6
A) Solo I
B) Solo II
C) Solo III
D) Solo II y III
E) I, II y III
2. La siguiente tabla muestra la funcin de probabilidad para una variable aleatoria X. Entonces,
cul de las siguientes opciones es FALSA?

P(X)

0,2

0,3

0,1

A) P(X2)=0,6 B) P(X2)<1)+p(x<="" p="">

3. Al lanzar 3 monedas al aire se define la variable aleatoria X como la cantidad de caras
obtenidas. Entonces, cul es la probabilidad de que la variable aleatoria tome valor 3?
A) 1/4
B) 1/8
C) 1/2
D) 1/6
E) 3/8
4. Arturo Vidal tiene un 30% de probabilidades de anotar un gol al lanzar un penal. Si en una
definicin a penales por el campeonato mundial debe tirar 3 penales y se define la variable
aleatoria como la cantidad de penales convertidos, cul de las siguientes tablas representa la
funcin de probabilidad para la variable?

5. Si el recorrido de una variable aleatoria X es {1, 2, 3} y se conoce que P(X=1 2) = 0,7 y P(X=2
3) = 0,5, por lo tanto, P(X=2) =
A) 0,1
B) 0,2
C) 0,3
D) 0,4
E) 0,5
Claves: 1 E, 2 B, 3 B, 4 E, 5 B

5. Si el recorrido de una variable aleatoria X es {1, 2, 3} y se conoce que P(X=1 2) = 0,7 y P(X=2
3) = 0,5, por lo tanto, P(X=2) =
A) 0,1
B) 0,2
C) 0,3
D) 0,4
E) 0,5
Claves: 1 E, 2 B, 3 B, 4 E, 5 B

CONTENIDOS
MDULO 1 (Nivel: Primero Medio)
Eje Temtico: Datos y azar
Contenidos Curriculares:

Medidas de tendencia central - Histogramas y

polgonos - Tamao de muestra - Tamao de
muestra y poblacin

Medidas de tendencia central

Histogramas y polgonos
Tamao de muestra
Tamao de muestra y poblacin

Recursos Relacionados

Medidas de tendencia central

Una medida de tendencia central es un valor nico que intenta describir un conjunto de datos mediante la identificacin de la posici
dentro de ese conjunto de datos. Como tal, las medidas de tendencia central a veces se llaman medidas de tendencia central. Tamb
clasifican como estadsticas de resumen. La media (a menudo llamado el promedio) es probablemente la medida de tendencia centr
ms familiarizado, pero hay otros, como la mediana y la moda.

La media, la mediana y la moda son medidas vlidas de tendencia central, pero en condiciones diferentes, algunas de las medidas d
central se vuelven ms apropiado usar que otros. En las secciones siguientes, vamos a ver en la media, la moda y la mediana, y apr
calcular ellos y en qu condiciones son las ms apropiadas para ser utilizado.
La media (Aritmtica)

La media (o promedio) es la medida ms popular y conocido de la tendencia central. Se puede utilizar tanto con los datos discretos y
aunque su uso es ms a menudo con los datos continuos (ver nuestros tipos de variables gua para los tipos de datos). La media es
suma de todos los valores en el conjunto de datos dividido por el nmero de valores en el conjunto de datos. Por lo tanto, si tenemos
en un conjunto de datos y tienen valores de x 1, x 2, , ..., x n, la media muestral, por lo general denota por

Esta frmula se suele escribir de una manera ligeramente diferente utilizando la letra mayscula griega,
"suma de ...":

(x bar pronunciado), e

, Pronunciado "sigma", q

Usted puede haber notado que la frmula anterior se refiere a la media de la muestra. As que, por qu hemos llamado una media
Esto se debe a que, en las estadsticas, muestras y poblaciones tienen significados muy diferentes y estas diferencias son muy impo
aunque, en el caso de la media, que se calculan de la misma manera. Reconocer que estamos calculando la media poblacional y no
de la muestra, se utiliza la letra minscula griega "mu", denotados como :

La media es esencialmente un modelo de su conjunto de datos. Es el valor que es ms comn. Usted se dar cuenta, sin embargo,
no es a menudo uno de los valores reales que se han observado en el conjunto de datos. Sin embargo, una de sus propiedades imp
que minimiza el error en la prediccin de cualquier valor en su conjunto de datos. Es decir, es el valor que produce la menor cantidad
todos los otros valores en el conjunto de datos.

Una propiedad importante de la media es que incluye todos los valores establecidos en el marco del clculo de sus datos. Adems, l
la nica medida de tendencia central donde la suma de las desviaciones de cada valor de la media es siempre cero.
Cundo no utilizar la media

La media tiene una desventaja principal: es particularmente susceptible a la influencia de los valores atpicos. Estos son valores que
inusuales en comparacin con el resto del conjunto de datos por ser especialmente pequeo o grande en valor numrico. Por ejemp
los salarios del personal de una fbrica de abajo:

El salario medio de estos diez personal es $ 30.7k. Sin embargo, la inspeccin de los datos en bruto sugiere que este valor medio pu
la mejor manera de reflejar con precisin el salario tpico de un trabajador, como la mayora de los trabajadores tienen salarios en el
gama. La media se est sesgada por los dos grandes salarios. Por lo tanto, en esta situacin, nos gustara tener una mejor medida d
central. Como vamos a descubrir ms tarde, tomando la mediana sera una mejor medida de tendencia central en esta situacin.

Otro momento en el que por lo general preferimos la mediana sobre la media es cuando nuestros datos es asimtrica (es decir, la di
frecuencias de nuestros datos es sesgada). Si tenemos en cuenta la distribucin normal - ya que es la evaluado con mayor frecuenc
estadsticas - cuando los datos es perfectamente normal, la media, la mediana y la moda son idnticos. Por otra parte, todos ellos re
valor ms tpico en el conjunto de datos. Sin embargo, ya que los datos se vuelven sesgados de la media pierde su capacidad de pr
mejor ubicacin central para los datos porque los datos sesgados arrastran lejos del valor tpico. Sin embargo, la mediana mejor con
posicin y no es tan fuertemente influenciada por los valores sesgados.
La mediana

La mediana es la puntuacin media de un conjunto de datos que se han dispuesto en orden de magnitud. La mediana es menos afe
valores atpicos y datos asimtricos. Para el clculo de la mediana, supongamos que tenemos los siguientes datos:

Primero tenemos que reorganizar esos datos en orden de magnitud (el ms pequeo primero):

Nuestra marca mediana es la marca media - en este caso, 56 (resaltado en negrita). Es la marca media porque hay 5 cuentas ante s
cuentas despus de ella. Esto funciona bien cuando se tiene un nmero impar de las puntuaciones, pero lo que sucede cuando se ti
nmero par de puntuaciones? Y si tuviera slo 10 puntuaciones? Bueno, usted simplemente tiene que tomar las dos puntuaciones
promediar el resultado. As pues, si nos fijamos en el ejemplo siguiente:

Volvemos a reorganizar esos datos en orden de magnitud (el ms pequeo primero):

Slo que ahora tenemos que tomar la puntuacin 5 y 6 de nuestro conjunto de datos y un promedio de ellos para obtener una med
Moda

La moda es el puntaje ms frecuente en nuestro conjunto de datos. En un histograma que representa la barra ms alta en un grfico
histograma. Puede, por lo tanto, a veces considerar el modo como la opcin ms popular. Un ejemplo de un modo se presenta a con

Normalmente, la moda se utiliza para los datos categricos donde queremos saber cul es la categora ms comn, como se ilustra
continuacin:

Podemos ver por encima de que la forma ms comn de transporte, en este conjunto de datos en particular, es el autobs. Sin emba
los problemas con el modo es que no es nica, por lo que nos deja con problemas cuando tenemos dos o ms valores que comparte
frecuencia ms alta, como a continuacin:

Ahora estamos atrapados en cuanto a que el modo que mejor describe la tendencia central de los datos. Esto es especialmente prob
cuando tenemos datos continuos porque somos ms propensos a no tener ningn un valor que es ms frecuente que el otro. Por eje
considere la medicin de peso de 30 pueblos (a los 0,1 kg). Qu probabilidades hay de que vamos a encontrar dos o ms persona
exactamente el mismo peso (por ejemplo, 67,4 kg)? La respuesta, probablemente es muy poco probable - que mucha gente podra e
pero con una muestra tan pequea (30 personas) y una amplia gama de posibles pesos, es poco probable encontrar dos personas c
exactamente el mismo peso; es decir, a los 0,1 kg. Es por esto que el modo est muy rara vez se utiliza con datos continuos.

Otro problema con la moda es que no nos proporcionan una muy buena medida de tendencia central cuando la marca ms comn e
lejos del resto de los datos en el conjunto de datos, como se muestra en el siguiente diagrama:

En el diagrama anterior la moda tiene un valor de 2. Podemos ver claramente, sin embargo, que la moda no es representativa de los
se concentra principalmente en torno a la gama del 20 al 30 de valor. Para utilizar la moda de describir la tendencia central de este c
datos sera engaoso.

Calcular la media aritmtica, la mediana y la moda de la siguiente serie de

nmeros: 5, 3, 6, 5, 4, 5, 2, 8, 6, 5, 4, 8, 3, 4, 5, 4, 8, 2, 5, 4.
SOLUCIN:
Ordenamos la serie de nmeros: 2, 2, 3, 3, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 6, 6, 8, 8, 8
Moda:
Mo = 5
Mediana:
Me= 5+5/2 = 10/2
Me = 5
Media aritmtica
X= 2+2+3+3+4+4+4+4+4+5+5+5+5+5+5+6+6+8+8/20 =
99/20 = 4.95
2. Las puntuaciones obtenidas por un grupo en una prueba han sido: 15, 13, 16,
15, 19, 18, 15, 14, 18. Calcular la moda, la mediana y la media aritmtica.
SOLUCIN:
Ordenamos la serie de nmeros: 13, 14, 15, 15, 15, 16, 18, 18, 19
Moda:
Mo = 15
Mediana:
Me= 15

Media aritmtica

X= 13+14+15+15+15+16+18+18+19/9 = 143/9 = 15.88

3. El nmero de estrellas de los hoteles de una ciudad viene dado por la siguiente
serie: 3, 3, 4, 3, 4, 3, 1, 3, 4, 3, 3, 3, 2, 1, 3, 3, 3, 2, 3, 2, 2, 3, 3, 3. Hallar la moda,
la mediana y la media aritmtica.
SOLUCIN:

Ordenamos la serie de nmeros: 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3,

3, 4, 4, 4.
Moda:
Mo = 3
Mediana:
Me= 3+3/2 = 6/2 = 3
Media aritmtica
X=
1+1+2+2+2+2+3+3+3+3+3+3+3+3+3+3+3+3+3+3+3+4+4+4/24 = 67/24 = 2.79
4. Las calificaciones de 36 alumnos en Matemticas han sido las siguientes: 5, 2,
4, 9, 7, 4, 5, 6, 5, 7, 7, 5, 5, 8, 2, 10, 5, 6, 10, 4, 7, 6, 7, 3, 5, 6, 9, 6, 1, 4, 6, 3, 5, 5,
6, 7. Calcular la moda, la mediana y la media aritmtica.
SOLUCIN:

Ordenamos la serie de nmeros: 1, 2, 2, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5, 6,

6, 6, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 8, 9, 9, 10, 10.
Moda:
Mo = 5
Mediana:
Me= 5+6/2 = 11/2 = 5.5
Media aritmtica
X=
1+2+2+3+3+4+4+4+4+5+5+5+5+5+5+5+5+5+6+6+6+6+6+6+6+7+7+7+7+7+7+8+
9+9+10+10/36 = 205/36 = 5.69
5. En un estudio que se realiz en un asilo de ancianos, se tom las edades de los
envejecientes que pueden caminar sin dificultades. Buscar la media, la mediana y
la moda de las siguientes edades. 69 73 65 70 71 74 65 69 60 62
SOLUCIN:

Ordenamos las edades de menor a mayor 60 62 65 65 69 69 70 71 73

74
Media: Me= 69 + 73 + 65 + 70 + 71 + 74 + 65 + 69 + 60 + 62/10 = 678/10
= 67.8
Quiere decir que la edad promedio de los envejecientes del asilo que pueden
caminar sin dificultad es de 67.8
Mediana: Elementos intermedios: 69, 69
69 + 69 = 138/2 = 69 Por lo tanto, la mediana es de 69.
Moda: Tiene 2 modas, 65 y 69.
6. Se tiene las notas de 11 alumnos en un examen de matemtica:10 ; 12 ; 09 ; 12
; 08 ; 14 ; 12 ; 10 ; 11 ; 12 ; 08.
A) Cul es la moda?
a) 8 b) 10 c) 11 d) 12 e) 9
La respuesta correcta es la d, ya que la nota que ms se repite es el 12.
B. Cul es la mediana?
a) 9 b) 10,5 c) 10 d) 11 e) 12

La respuesta correcta es la d.
Ordenamos los datos: 08, 08, 09, 10, 10, 11, 12, 12, 12, 12, 14 y por ser 11 datos
se escoge la nota del centro que en este caso es el 11.
C. Se elimina la mayor nota. Cul es la mediana de las notas restantes?
a) 10,5 b) 10 c) 11 d) 12 e) 11,5
Al eliminar la mayor de las notas quedan 10, y por ser un nmero par escogemos
las dos notas que quedan en el centro, las sumamos y dividimos por dos:
Me = (10 + 11) / 2 = 21/2 = 10,5 La respuesta correcta es la a.
D. Calcular la media aritmtica.
Sumamos las notas y el resultado lo dividimos por 11.
x= (08+ 08 + 09 + 10 + 10 + 11 + 12 + 12 + 12 +12 + 14) / 11 = 118/11 = 10,72
7. Se tiene a continuacin las edades de 20 alumnos de la I.E ROGERIO
VELASQUEZ 16 18 20 21 19 19 20 18 17 18 21 16 21 19 16 16 17 18 16 18 se
puede decir entonces que la moda es:
A) Unimodal B) Bimodal C) Amodal D) Trimodal E) Multimodal
Ordenamos los datos: 16 16 16 16 16 17 17 18 18 18 18 18 19 19 19 20 20 21 21
21 y notamos que los datos que ms se repiten son el 16 y el 18 por lo tanto la
moda es Bimodal ya que tiene dos modas.