JUAN DAVID MENDIVELSO V.

Experimento aleatorio: aquel que proporciona diferentes resultados aun cuando se

repita siempre de la misma manera.
Espacio muestral (S): Conjunto de los posibles resultados de un experimento aleatorio.
Espacio muestral discreto: espacio muestral formado por un conjunto finito (o infinito
contable) de resultados.
Evento (E): Subconjunto del espacio muestral de un experimento aleatorio.

Ejemplo: Considere un experimento donde se seleccionan dos componentes y se

clasifican conforme cumplen o no los requerimientos de temporización eléctrica del
producto.
Variable aleatoria (X): una función que asigna un número real a cada resultado el espacio
muestral de un experimento aleatorio. Se denota con x, al valor posible de X. El conjunto
de los posibles valores de la variable aleatoria X recibe el rango de X.

Ejemplo: El sistema de comunicación por voz de una empresa tiene 48 líneas externas. En
un determinado momento, se observa el sistema y algunas líneas están ocupadas. Sea X la
variable aleatoria que denota el número de líneas en uso. Entonces X puede tomar
cualquier valor entero de cero a 48.
La distribución de probabilidad o distribución de una variable aleatoria X es una descripción
del conjunto de valores posibles de X (rango de X), junto con la probabilidad asociada con
cada uno de estos valores.

La distribución de probabilidad de una variable aleatoria puede darse de muchas maneras.

Para una variable que puede tomar un número pequeño de valores, lo más simple es
proceder a un listado de los valores posibles junto con las probabilidades respectivas. En
otros casos, es conveniente expresar en términos de una fórmula la probabilidad de que la
variable aleatoria X tome un valor x.
Variable aleatoria discreta: variable aleatoria con un rango finito (o infinito contable).
Ejemplo: Se utiliza un instrumento electrónico para medir pesos de empaques, hasta la libra
más cercana. El instrumento de medición sólo tiene cinco dígitos. Cualquier peso mayor del
que puede mostrarse aparece como "99999". La variable aleatoria es el peso que aparece
en el instrumento.

El evento que está formado por todos los resultados para los que X=x se denota como
{X=x}, y la probabilidad de este evento como P(X=x).
La función fx(x) = P(X=x) que va del conjunto de los valores posible de la variable
aleatoria discreta X al intervalo [0,1] recibe el nombre de función de probabilidad, y
satisface las siguientes propiedades:
El Valor esperado (media) de una variable aleatoria discreta X, denotada por µx o E(X), es

Supóngase que la media de X es µx y que la función de probabilidad de X es fx(x). La varianza de una variable
aleatoria discreta X, denotada por 𝜎𝑥2 o V(X) es

La desviación estándar de una variable aleatoria X, denotada por𝜎𝑥 , es la raíz cuadrada de la varianza.
a) Distribución uniforme discreta

b) Distribución Binomial
c) Distribución Geométrica ENSAYO DE
d) Distribución Binomial Negativa BERNOULLI
e) Distribución Hipergeométrica
f) Distribución Poisson.
En los experimentos donde se requiera medir un parámetro con bastante exactitud, las
mediciones de interés pueden representarse con una variable aleatoria. Es razonable
modelar el rango de los valores posibles de la variable aleatoria con un intervalo (finito o
infinito) de números reales.
Si el rango de una variable aleatoria X contiene un intervalo (ya sea finito o infinito) de
números reales, entonces X es una variable aleatoria continua.

Ejemplo: Peso de una pieza de plástico moldeada por inyección.

Una función Fx(x) es una función de densidad de probabilidad de la variable aleatoria
continua X si para cualquier intervalo de números reales [x1,x2], satisface:

Propiedades:
La media de una variable aleatoria continua X, denotada por µx o E(X), es

La varianza de una variable aleatoria continua X, denotada por 𝜎𝑥2 o V(X) es

La desviación estándar de una variable aleatoria continua X es

a) Distribución uniforme continua
b) Distribución normal. (Aproximación normal a las distribuciones
Binomial y Poisson)
c) Distribución exponencial. (Propiedad de la carencia de memoria)
d) Distribución Erlang Y Gamma.
e) Distribución Weibull.
Una variable aleatoria X con una función de densidad de probabilidad

Tiene una distribución normal con parámetros µ (-∞ < µ < ∞) y 𝜎 (𝜎>0).

𝑋~𝑁(𝜇, 𝜎 2 )

Así mismo E(X) = µ y V(X) = 𝜎 2

Propiedades y características:
 Hay un número infinito de funciones de densidad normal,
una para cada combinación de µ y 𝜎.
 µ mide la ubicación de la distribución y 𝜎 mide su
dispersión.
 Es simétrica respecto al eje vertical.
 Es asintótica con su eje horizontal x.
 El valor máximo de la función de densidad de probabilidad
1
es el cual se presenta en x=µ
2𝜋𝜎
-Una variable aleatoria normal con µ = 0 y 𝜎 2 =1 recibe el nombre de
variable aleatoria normal estándar y se denota como Z. 𝑋~𝑁(0,1)
-Si X es una variable aleatoria normal con E(X) = µ y V(X)= 𝜎 2 , entonces
la variable aleatoria
𝑋−𝜇
𝑍=
𝜎
es una variable aleatoria normal estándar.
-La creación de una nueva variable aleatoria con esta transformación se
conoce como estandarización.