Notas

de
ESTADSTICA
Mario Enrique Borgna

Cuaderno VIII
VARIABLE ALEATORIA DISCRETA
NOTAS DE ESTADSTICA VIII VARIABLES ALEATORIAS DISCRETAS 1

En el cuaderno anterior abordamos a los sucesos aleatorios describindolos primero por

comprensin y luego por extensin, lo que facilit organizar el clculo de probabilidades
mediante la aplicacin del lgebra de las, justamente, probabilidades.
Ahora vamos a introducir otro actor en los experimentos aleatorios como lo es la variable
aleatoria, a la sazn cuantitativa, cuyo rol es asignar un nmero real a cada elemento del
espacio muestral, y consecuentemente a cada uno de los elementos de un determinado
suceso aleatorio. Es decir que lo que antes se relat, por comprensin y por extensin,
ahora lo cuenta una variable aleatoria discreta o, segn el caso, lo mide una variable
aleatoria continua.

VARIABLE ALEATORIA DISCRETA

Una variable estadstica cuantitativa puede transformarse en una aleatoria sin ms trmite que
situarla dentro de un experimento aleatorio1. En cambio a una cualitativa deber aplicrsele algn
procedimiento o mecanismo que convierta sus categoras en valores numricos. Por ejemplo, si
entre las 32 viviendas del barrio (consideradas en esta instancia como una poblacin en s misma y
cuyos datos estn en el cuaderno I) tomamos una al azar, la variable cantidad de ambientes por
vivienda se transforma sin ms en la v.a. X cuyo recorrido todos los valores aleatorios que pueden
llegar a salir al tomar una vivienda al azar es r(X): 1, 2, 3, 4, 5, 6 ambientes. Sus correspondientes
probabilidades no son ms que las frecuencias relativas observadas anteriormente2 para cada uno de
los valores, que ahora son aleatorios. Tambin adoptaremos las frecuencias acumuladas relativas
como probabilidades acumuladas.
Entonces: v.a.X: cuenta cantidad de ambientes en una vivienda tomada al azar en el barrio.

r(X) h(r) F(r)

1 amb. 0,0938 0,0938 h(r) : funcin de probabilidad
2 amb. 0,1562 0,2500
3 amb. 0,2500 0,5000 F(r) : funcin de distribucin
4 amb. 0,3438 0,8438
5 amb. 0,1250 0,9688
6 amb. 0,0312 1
1
Lo que antes era la frecuencia relativa ahora se llama funcin de probabilidad h(r).
Lo que antes era la frecuencia acumulada relativa ahora es la funcin de distribucin F(r).
La h(r) nos devuelve probabilidades puntuales del tipo P(X=a) y la F(r) nos devuelve
probabilidades acumuladas del tipo P(X a).
Algunas de las preguntas que surgen al hacer el experimento aleatorio son:
1) cul es la probabilidad de que esa vivienda tomada al azar tenga 3 ambientes?,
2) cul es la probabilidad de que esa vivienda tomada al azar tenga como mximo 3 ambientes?,

1
En rigor, hay que asegurarse que el proceso observado anteriormente y sometido ahora a un experimento aleatorio
mantenga las mismas caractersticas con que fue observado y las frecuencias relativas puedan ser usadas como
probabilidades.
2
Un proceso aleatorio donde las frecuencias relativas observadas con anterioridad puedan ser usadas como
probabilidades, se llama proceso ergdico.
____________________
Mario Enrique Borgna
NOTAS DE ESTADSTICA VIII VARIABLES ALEATORIAS DISCRETAS 2

3) cul es la probabilidad de que esa vivienda tomada al azar tenga ms de 3 ambientes?,

4) cul es la probabilidad de que esa vivienda tenga ms de 2 y hasta 5 ambientes?.
Calculamos y respondemos:
1) P(X=3) = h(3) = 0,25 (es una probabilidad puntual, es decir la probabilidad para un valor entero)
La probabilidad de que esa vivienda tomada al azar entre las 32 tenga 3 ambientes es del 25%.
2) P(X 3) = F(3) = 0,50 (es una probabilidad acumulada)
o tambin: P(X 3) = h(1) + h(2) + h(3) = 0,0938+0,1562+0,2500 = 0,50
La probabilidad de que esa vivienda tomada al azar entre las 32 tenga hasta 3 ambientes es del 50%.
3) P(X > 3) = h(4)+h(5)+h(6) = 0,3438+0,1250+0,0312 = 0,50
o tambin: P(X > 3) = 1 P(X 3) = 1 F(3) = 1 0,50 = 0,50
La probabilidad de que esa vivienda tomada al azar tenga ms de 3 ambientes es del 50%.
4) P(2 < X 5) = F(5) F(2) = 0,9688 0,25 = 0,7188
o tambin: P(2 < X 5) = h(3) + h(4) + h(5) = 0,25+0,3438+0,1250 = 0,7188
La probabilidad de que esa vivienda tenga ms de 2 y hasta 5 ambientes es del 71,88%
Entonces:3

Propiedades3 de h(r) y F(r)

h(r) 0 (esta propiedad se basa en el 1 axioma del lgebra de probabilidades)
h(r) = 1 (se basa en los axiomas 2 y 3 del lgebra de probabilidades)
h(a) = P(X=a) (probabilidad puntual)
F(a) = P(X a) (probabilidad acumulada; se basa en el 3 axioma)
1 F(a) = P(X > a) (se basa en la propiedad c) del lgebra de probabilidades)
F(b) F(a) =P(a < X b)

Tambin podemos calcular algunas medidas tal cual lo hicimos en estadstica descriptiva, por
ejemplo la media y el desvo estndar o la varianza.
La Media de la v.a. X ya no es un valor observado sino que es un valor esperado. En el juego de
los valores que pueden llegar a salir y sus correspondientes probabilidades se espera que la
vivienda seleccionada tenga 3,34 ambientes.
A la media esperada de una variable aleatoria se la llama ESPERANZA 4: E(X)
Para representar cmo se la calcula, recordemos una de las formas de calcular la media de una
variable estadstica (cuaderno III), en particular:

= Xi . fr
Reemplazando la variable por el recorrido y la frecuencia relativa por la funcin de probabilidad:
E(X) = r(X) . h(r)
Para el ejemplo que estamos viendo es:
E(X) = 1 . 0,0938 + 2 . 0,1562 +3 . 0,2500 + 4 . 0,3438 + 5 . 0,1250 + 6 . 0,0312 = 3,34 ambientes

3
Las propiedades que se enuncian son vlidas en cualquier experimento aleatorio, sea simple o compuesto.
4
El concepto de esperanza matemtica se debe a Christian Huygens (1629-1695), astrnomo y gran fsico terico
holands. Fue l quien public el primer libro sobre probabilidades De ratiociniis in ludo aleae(1657). Se le debe
adems, entre otros trabajos, el descubrimiento del anillo de Saturno y su primer satlite (Systema saturnium, 1659) y
la aplicacin del pndulo en los relojes, cuya teora desarrolla en el Horologium oscillatorium(1673).
____________________
Mario Enrique Borgna
NOTAS DE ESTADSTICA VIII VARIABLES ALEATORIAS DISCRETAS 3

Es decir: si tomamos una vivienda al azar entre las 32 relevadas, se espera que ella tenga 3,34 amb.
Aunque la variable es discreta, es correcto tomar a la esperanza como un nmero real porque es un
indicador definido en el espacio de los nmeros reales (este concepto ya se vio anteriormente).
En realidad en la prctica, con una calculadora de mano o con un programa utilitario como Excel, el
clculo de la esperanza no difiere del que hacemos para la media observada. Simplemente hay que
usar las probabilidades, o las frecuencias relativas, en vez de las frecuencias absolutas. dem para el
desvo estndar D.S.(X), que al utilitario o a la calculadora debe pedrselo como poblacional.
La varianza es: V(X) = D.S.(X)
El grfico para la funcin de probabilidad h(r) de esta variable aleatoria es el mismo grfico de
bastones que se hizo en el cuaderno II para una variable estadstica discreta. Difiere nada ms en
que se debe consignar h(r) en lugar de fr.
El grfico para la funcin de distribucin F(r) es un grfico de escalones construido tal cual se lo
hizo en el cuaderno II, usando ahora exclusivamente las frecuencias acumuladas relativas, es decir,
las probabilidades acumuladas.
__________________________________

Veamos ahora una variable estadstica cualitativa inserta en un experimento aleatorio, para cual
deberamos disear ahora una variable aleatoria. Ejemplo: turnos de inscripcin en la materia
Estadstica (ver cuaderno VII, pgina 7 y siguientes).
Las categoras observadas anteriormente (M, T, N) no son nmeros. Mediante un simple
mecanismo contar convertiremos categoras cualitativas en valores cuantitativos. La variable
aleatoria que diseamos para ese fin contar cantidad de alumnos inscriptos a la tarde (T), por
ejemplo, para un alumno seleccionado al azar (experimento simple):
x : cuenta cantidad de T para un alumno tomado al azar
El recorrido de esta variable es: r(x) : 0 , 1
porque la variable contar cero si el alumno seleccionado al azar estuviera inscripto de maana o
de noche, y contar uno si estuviera inscripto a la tarde.
Y los valores correspondientes de la funcin de probabilidad son:
h(0) = P(x=0) = P(M o N) = P(M N) = P(M) + P(N) = 120/655 + 375 / 655 = 495 / 655 = 0,7557
Esta cuenta se hace aplicando el 3er axioma del
lgebra de las probabilidades, porque los sucesos M y N son mutuamente excluyentes.
h(1) = P(x=1) = P(T) = 160 / 655 = 0,2443

r(x) h(r) F(r)

0T 0,7557 0,7557
1T 0,2443 1 E(x) = 0,2443 T

El experimento simple que se hizo se llama ensayo de Bernoulli 5. Tiene solamente dos resultados
llamados xito uno y fracaso el otro. En el caso desarrollado, se eligi como xito a Tarde y por lo
tanto fracaso es No Tarde y la variable x es una variable de Bernoulli.
La variable aleatoria de Bernoulli cuenta cantidad de xitos al seleccionar al azar un solo
elemento de la poblacin.
__________________________________________________

5
Santiago Jacobo Bernouilli o Bernoulli (1654-1705), matemtico suizo de origen belga. Entre otras cosas fue quien
us por primera vez la palabra integral y escribi el Ars conjectandi sobre el clculo de probabilidades.
____________________
Mario Enrique Borgna
NOTAS DE ESTADSTICA VIII VARIABLES ALEATORIAS DISCRETAS 4

Extraeremos con reposicin (es decir con independencia) 2 alumnos al azar de todos los inscriptos
en Estadstica. Este es un experimento compuesto por repeticin de uno simple.
El espacio muestral es: E = { MM, MT, MN, TM, TT, TN, NM, NT, NN }
Y diseamos una v.a.X que cuente alumnos inscriptos en el turno tarde entre los dos
seleccionados al azar con reposicin. Su recorrido es: r(X): 0, 1, 2.
Los valores de la funcin de probabilidad h(r) son:
h(0) = P(X=0) = P(ningn T) = P(MM,MN,NM,NN) = 0,5711 (clculo en pg.9 cuaderno VII)
h(1) = P(X=1) = P(un T) = P(MT,TM,NT,TN) = 0,3692
h(2) = P(X=2) = P(dos T) = P(TT) = 0,0597 (clculo en pg.9 cuaderno VII)
La distribucin de probabilidades es:
r(X) h(r) F(r)
0T 0,5711 0,5711
1T 0,3692 0,9403 E(X) = 0,4886 T
2T 0,0597 1
Como se puede apreciar, la v.a.X cuenta en nmeros lo que los sucesos relatan por
comprensin y por extensin. Dicho de otra manera, la v.a.X le asigna el nmero 0 al suceso
(MM,MN,NM,NN), un 1 al (MT,TM,NT,TN) y el 2 al suceso (TT) y por ello hemos podido usar
los clculos hechos en el cuadernillo VII explotando la relacin de identidad entre los sucesos
relatados y los contados por X. Son idnticos, por ejemplo, los sucesos (ningn T) y (X=0).
Se espera que entre los dos alumnos seleccionados, haya 0,49 alumnos inscriptos en el turno Tarde
(es decir que prcticamente ninguno de los dos vaya a la Tarde).
Comparando esta esperanza con la del experimento simple anterior, puede verificarse que:
E(X) = n.E(x) = 2x0,2443 = 0,4886. sta, entre otras, es una propiedad6de la Esperanza.

Propiedades6 de E(X) y V(X)

E(C) = C (la esperanza de una constante es ella mismo)
E(C+n.X) = C+n.E(X) (C+n.X es una nueva v.a. resultante de una
transformacin lineal de X)
E(n.X) = n.E(X) (caso particular que se desprende de la propiedad anterior)
E(X+Y) = E(X)+E(Y) (X+Y es una nueva v.a., resultante de sumar X e Y)
V(X+Y) = V(X)+V(Y) (slo si X e Y son independientes)

Problema7: Con el propsito de verificar la exactitud de sus estados financieros, las compaas
tienen auditores permanentes para verificar los asientos contables. Suponiendo que los empleados
de una compaa efectan asientos errneos en el 6% de las veces. Si un auditor verifica dos
asientos al azar:
a) Describir el espacio muestral correspondiente al experimento.
Si los resultados de las verificaciones son independientes entre s:
b) Calcular los valores de la funcin de probabilidad, fundamentando cada clculo en los axiomas
y teoremas del lgebra de probabilidades y las propiedades de las probabilidades compuestas.

6
Las propiedades que se enuncian son vlidas en cualquier experimento aleatorio, sea simple o compuesto.
7
Tomado y adaptado de: Estadstica Gua de Ejercicios, UNLM Prometeo Libros. 2003
____________________
Mario Enrique Borgna
NOTAS DE ESTADSTICA VIII VARIABLES ALEATORIAS DISCRETAS 5

c) Cuntos errores se espera encontrar en esas dos verificaciones?.

d) Cul es la probabilidad de que el auditor encuentre como mnimo un error?
a)
0,06 e
0,06 e
0,94 n
E = {ee,en,ne,nn}
0,06 e
0,94 n
0,94 n

X: cuenta e en 2 verificaciones independientes. Recorrido: r(X) = 0 , 1 , 2

b) h(0) = P(X=0) = P(nn) = P(n) . P(n) = 0,94 . 0,94 = 0,94 = 0,8836
Esta cuenta se hace teniendo presente la independencia entre las
verificaciones.
h(1) = P(X=1) = P(en , ne) = P(en) + P(ne) = P(e) . P(n) + P(n) . P(e) = 2 . P(e) . P(n) =
3er. axioma Estas cuentas se hacen teniendo
presente la independencia entre las verificaciones.
= 2 . 0,06 . 0,94 = 0,1128
h(2) = P(X=2) = P(ee) = P(e) . P(e) = 0,06. 0,06 = 0,06 = 0,0036
Esta cuenta se hace teniendo presente la independencia entre las
verificaciones.
c) E(X) = 0,12 e. Se espera encontrar 0,12 errores entre las dos verificaciones.
d) P(X 1) = h(1) + h(2) = 0,1164.
3er. axioma
__________________________________________________
Si las variables que se cruzan en un experimento bivariado tienen alguna caracterstica comn a
ambas, es posible instalar en dicho experimento compuesto una variable aleatoria que cuente la
cantidad de veces que se presenta esa caracterstica en cada uno de sus sucesos elementales.
En el problema desarrollado en las pginas 12 a 14 del cuaderno VII de Probabilidad, entre las
variables que se cruzan (accidente y embotellamiento) puede imaginarse una caracterstica comn
como es el hecho de que ambas representan inconvenientes para el funcionamiento normal del
trnsito por la autopista. En esas condiciones podemos disear una variable aleatoria X que
cuente cantidad de inconvenientes que pueden presentarse un da cualquiera tomado al azar en la
misma franja horaria (prescindiendo, como si no existieran, otros tipos de inconvenientes distintos
de esos dos), y cuyo recorrido r(X) sera: 0, 1, 2.
Rescatando de la pgina 13 del cuaderno VII la tabla de contingencias que se elabor:

Accidente ___

Accidente (A ) No Accidente (A ) Total

Embotellamiento
Embotellamiento (E) 0,19 0,12 0,31
___

No embotellamiento (E ) 0,01 0,68 0,69

Total 0,20 0,80 1

____________________
Mario Enrique Borgna
NOTAS DE ESTADSTICA VIII VARIABLES ALEATORIAS DISCRETAS 6

los valores de la funcin de probabilidad h(r) son entonces:

__ ___

h(0)=P(X=0)=P(AE ) = 0,68
___ ___

h(1)=P(X=1)=P(AE,EA ) = 0,0,01+0,12 = 0,13

h(2)=P(X=2)=P(AE ) = 0,19
P(X 1) = 1 h(0) = 0,32
E(X) = 0,51 inconvenientes
Se espera 0,51 inconvenientes en un da cualquiera tomado al azar en esa autopista y en esa franja
horaria, y la probabilidad de que haya por lo menos un inconveniente es del 32%.
_________________________________________________

Problema8: El departamento de Bromatologa de un municipio realiza sistemticamente dos

inspecciones independientes en cada restaurante de la ciudad y ste mantiene la habilitacin slo si
ambos inspectores dan un dictamen positivo. El inspector A tiene mucha experiencia y, por lo
mismo, anteriormente slo el 2% de los restaurantes que haban violado el cdigo sanitario
pudieron engaarlo y fueron aprobados por l. El inspector B tiene menos experiencia y aprob el
7% de los que estaban en infraccin. Si se tomara al azar un restaurante entre los que se sabe estn
violando el cdigo sanitario, cul es la probabilidad de que por lo menos uno de los dos
inspectores lo apruebe? y cuntas aprobaciones se espera que haya?.
Inspect.A Inspect.B
0,07 b
0,02 a _
0,93 b
_ 0,07 b
0,98 a _
0,93 b

___
Inspector B No Aprueba ( b )
Aprueba ( b ) Total
Inspector A
Aprueba ( a ) 0,0014 0,0186 0,02
___

No Aprueba ( a ) 0,0686 0,9114 0,98

Total 0,07 0,93 1
___ ___

h(0)=P(X=0)=P(a b) = 0,98 x 0,93 = 0,9114

___ ___ ___ ___

h(1)=P(X=1)= P(a b , a b) = P(a b) + P(a b) = 0,02 x 0,93 + 0,98 x 0,07 = 0,0186 + 0,0686 = 0,0872
h(2)=P(X=2)= P(a b) = 0,0014
Respuestas:
P(X 1) = 1 h(0) = 0,0886 0,09
E(X) = 0,09 aprobaciones 0,1 aprobaciones
Se espera que un restaurante que est violando el cdigo sanitario tenga 0,1 aprobaciones en dos
inspecciones independientes y hay una probabilidad de 9% de que por lo menos una inspeccin lo
apruebe .

8
Tomado y adaptado de: Estadstica Gua de Ejercicios, UNLM Prometeo Libros. 2003
____________________
Mario Enrique Borgna
NOTAS DE ESTADSTICA VIII VARIABLES ALEATORIAS DISCRETAS 7

Problema9: Se toma al azar un estudiante entre los 300 que cursan el primer ao de la Licenciatura
en Administracin. Los inscriptos en Contabilidad son 200 en total, en Matemtica totalizan un
nmero de 100 estudiantes y se constat que hay 30 que estn inscriptos en ambas materias.
X: cuenta la cantidad de inscripciones, en las materias nombradas, que pudiere tener un estudiante
tomado al azar entre los 300 que cursan el primer ao de la Licenciatura en Administracin.
#C = 200 E
#M = 100 C
#(CM) = 30 M
170
30 30 70
#(CM) = #C + #M #(CM) = 270

___________

#(CM) = 30

h(0) = 30/300 = 0,10

h(1) = 170+70 = 0,80
300
h(2) = 30/300 = 0,10
E(X) = 1 materias

Se espera que un estudiante tomado al azar est inscripto en 1 de esas materias y hay una
probabilidad del 90% de que est inscripto en por lo menos una de las dos.

9
Tomado y adaptado de: Estadstica Gua de Ejercicios, UNLM Prometeo Libros. 2003
____________________
Mario Enrique Borgna
NOTAS DE ESTADSTICA VIII VARIABLES ALEATORIAS DISCRETAS 8

DISTRIBUCIN BINOMIAL
Repitiendo 2 o ms veces con independencia un ensayo de Bernoulli (ver pg.3) estamos en
presencia de un experimento compuesto llamado experimento Binomial 9.
Dentro de un experimento binomial pueden definirse ms de una variable aleatoria, con sus
correspondientes distribuciones de probabilidad, cumpliendo distintos roles dentro del mismo
experimento. Ellas son las v.a. binomial, v.a. geomtrica y v.a. de Pascal (o binomial negativa).
La variable aleatoria binomial cuenta xitos en n repeticiones independientes de un ensayo de
Bernoulli.
Los problemas desarrollados en las pginas 4 (dos alumnos tomados al azar) y 5 (verificacin de
dos asientos contables) de este cuaderno, son experimentos binomiales:

xito: T xito: e
___

fracaso: T fracaso: n
probabilidad de xito: P = 0,2443 probabilidad de xito: P = 0,06
probabilidad de fracaso: 1-P= 0,7557 probabilidad de fracaso: 1-P = 0,94
cantidad de verificaciones: n = 2 cantidad de verificaciones: n = 2

Llamando r a un valor puntual del recorrido, cada una de las probabilidades puntuales dadas por la
funcin de probabilidad pueden calcularse separadamente mediante la siguiente frmula binomial:
r nr
P(X=r) = h(r) = nCr . P . (1 P)
Donde el nmero combinatorio nCr calcula la cantidad de combinaciones de n elementos tomados
de a r, es decir que cuenta la cantidad de subgrupos de tamao r que pueden armarse a partir de n
elementos.

n y P constituyen los dos parmetros de la distribucin binomial.

Para calcular alguna probabilidad necesitamos, s o s, conocer la probabilidad de xito en cada

ensayo simple y la cantidad de repeticiones independientes de ese ensayo.
La esperanza y la varianza y en consecuencia el desvo estndar de una variable aleatoria
binomial son respectivamente:
_________________
E(X) = n . P V(X) = n . P . (1-p) DS(X) = n . P . (1-P)

Con la frmula binomial y las expresin de la esperanza de una v.a. binomial, puede verificarse
rpidamente lo calculado en las pginas 4 (dos alumnos tomados al azar) y 5 (seleccin de dos
asientos contables) y agregar el desvo estndar, por ejemplo para el caso de los de asientos:
__________________________

DS(X) = 2 x 0,06 x 0,94 = 0,34e

___________________________________________

9
O esquema de Bernoulli o esquema de las pruebas dicotmicas repetidas con probabilidad constante (es decir con
independencia entre las repeticiones). Estudiado sistemticamente por Santiago Jacobo Bernoulli.
____________________
Mario Enrique Borgna
NOTAS DE ESTADSTICA VIII VARIABLES ALEATORIAS DISCRETAS 9

Problema:
Para cierta enfermedad la probabilidad de que una persona elegida al azar la tenga es de 0,05. Si se
seleccionan 20 personas al azar.
a) Cul es el nmero esperado de personas, entre las 20, que tendran esa enfermedad?.
b) Cul es la probabilidad. de que ninguna persona de las 20 tenga la enfermedad?.
c) Cul es la probabilidad de que no ms de uno (es decir como mximo 1) tengan la enfermedad?
xito: enfermo
fracaso: no enfermo
probabilidad de xito: P = 0,05
probabilidad de fracaso: 1-P = 0,95
cantidad de personas seleccionadas: n = 20
X: cuenta enfermos en 20 personas tomadas al azar.
El recorrido es: r(X) = 0, 1 , 2, ....., 19, 20.
a) E(X) = n . P = 20 x 0,05 = 1 e
Se espera que entre las 20 personas seleccionadas al azar, una tenga esa enfermedad.
b) P(X=0) = h(0) = 0,3585
c) P(X1) = P(X=0) + P(X=1) = h(0) + h(1) = 0,3585+0,3774 = 0,7359

____________________
Mario Enrique Borgna
NOTAS DE ESTADSTICA VIII VARIABLES ALEATORIAS DISCRETAS 10

DISTRIBUCIN DE POISSON
Proceso de Poisson.- Es un proceso aleatorio de naturaleza binomial donde los xitos ocurren en
el transcurso del continuo y fracaso es la no ocurrencia de xito10.
Lo que caracteriza a un determinado proceso de Poisson es la intensidad media () de ocurrencias
de xito en la unidad del continuo. Tal intensidad media fue observada con anterioridad y debe
considerrsela como la cantidad de xitos esperada, mientras el proceso sea el mismo11, para la
unidad del continuo.
Diferentes slo indicaran procesos poissonianos distintos.
En un proceso aleatorio poissoniano puede definirse una variable aleatoria discreta (que se analizar
a continuacin) y ms de una variable aleatoria continua (una de las cuales se ver en el cuaderno
IX).

Variable aleatoria de Poisson. Es una variable discreta y cuenta la cantidad de xitos que podran
ocurrir en un cierto intervalo continuo, durante un proceso de Poisson.
La probabilidad P(X=r) de que sucedan r xitos en un intervalo t dado:
.t
P(X=r) = (.t) . e
r
- depende nicamente de la longitud (t) del intervalo considerado:
r!
- no depende de la ocurrencia de xitos en alguno de los intervalos precedentes12,
- ni del lugar del continuo donde se ubique dicho intervalo13;
.t es la cantidad esperada E(X) de xitos en el intervalo de longitud t y constituye el parmetro
) de la distribucin de Poisson:
(
= E(X) = .t
Para intervalos de diferente longitud t habr distintas distribuciones de probabilidad, cada una con
su propio , todas dentro de un mismo proceso caracterizado por .

h(r) = P(X=r) = . e
r
La funcin de probabilidad se expresa, entonces, as:
r!
Lo particular de esta v.a. es que su varianza tambin es: = V(X)
_____________________________________________________

Problema: Una distribuidora mayorista metalmecnica comprob que para cierta maquinaria
= 3/5 = 0,6 pedidos/da).
recibe, 3 pedidos de embarque cada 5 das hbiles en promedio (
A lo largo de los das, pueden pasar dos cosas: que haya pedidos (xito) o que no haya (fracaso).
El proceso es de naturaleza binomial y se desarrolla a lo largo del tiempo (el continuo). Es un
proceso de Poisson caracterizado por un = 0,6 pedidos/da.
a) Cul es la probabilidad de que en los prximos 10 das hbiles , se reciban 5 pedidos?.
= . t = 0,6 pedidos/da . 10 das = 6 pedidos

10
En un experimento binomial propiamente dicho, los fracasos s pueden ocurrir.
11
En rigor que el proceso sea ergdico y en consecuencia las frecuencias relativas observadas puedan usarse como
probabilidades (ver nota al pie de pgina 1 de este cuaderno ).
12
As se manifiesta aqu la independencia estadstica presente en todo experimento de naturaleza binomial, e implica
que cualquier suceso en el presente intervalo tampoco condiciona a los sucesos que puedan ocurrir en intervalos
sucesivos.
13
Esto define para un proceso aleatorio, su calidad de estacionario.

____________________
Mario Enrique Borgna
NOTAS DE ESTADSTICA VIII VARIABLES ALEATORIAS DISCRETAS 11

h(5) = P(X=5) = 65 . e 6 / 5! = 0,1606

b) Cuntos pedidos se espera que haya en esos prximos 10 das?.
E(x) = 0,6 pedidos/da . 10das = 6 pedidos
Se esperan 6 pedidos para los prximos 10 das hbiles.
c) En esos 10 prximos das hbiles, con qu probabilidad habr como mnimo 3 pedidos?.
P(X=3) = 1P(X<3) = 1[ h(0) + h(1) + h(2)] = 1[0,0025 + 0,0149 + 0,0446] = 0,9380

Glosario:
Variable aleatoria o estocstica: es aquella que en un experimento aleatorio asigna un
nmero a cada resultado del mismo.
Variable aleatoria discreta: asigna un nmero entero a cada resultado aleatorio.
Funcin de probabilidad: asigna una probabilidad a cada valor de una v.a. discreta.
Funcin de distribucin: asigna una probabilidad acumulada a cada valor de una v.a.
Variable aleatoria continua: asigna un nmero real a cada resultado aleatorio.
Experimento de Bernoulli: experimento aleatorio simple que tiene solo dos resultados y
donde se conviene en llamar xito a uno y fracaso al otro.
Experimento binomial: es un experimento compuesto por repeticin de un experimento
simple de Bernoulli y donde las n repeticiones son independientes.
Variable aleatoria binomial: cuenta xitos en n repeticiones independientes de un
experimento de Bernoulli.
Proceso aleatorio de Poisson: es un proceso de naturaleza binomial donde los xitos
ocurren a lo largo del continuo y fracaso es la no ocurrencia de xito.
Variable aleatoria de Poisson: cuenta xitos en intervalos continuos.

____________________
Mario Enrique Borgna