Captulo 4

Variable aleatoria
Una variable aleatoria es un valor numrico que corresponde a un resultado de un experimento aleatorio. Algunos ejemplos son: nmero de caras obtenidas al lanzar seis veces una moneda, nmero de llamadas que recibe un telfono durante una hora, tiempo de fallo de una componente elctrica, etc. El estudio que haremos en este captulo ser anlogo al que llevamos a cabo en el captulo uno con las variables estadsticas. As retomaremos el concepto de distribucin y las caractersticas numricas, como la media y varianza. El papel que all jugaba la frecuencia relativa lo juega ahora la probabilidad.

4.1.

Denicin de variable aleatoria. Clasicacin.

Sea (, (), P ) un espacio probabilstico. Una funcin X: s R X(s)

es una variable aleatoria, transforma los resultados del espacio muestral en nmeros reales. Las variables aleatorias se clasican en: - Discretas: toman un nmero nito o innito numerable de valores. Por ejemplo, nmero de caras obtenidas al lanzar dos monedas. = {(c, c), (c, +), (+, c), (+, +)}, 63

64 X: (c, c) (c, +) (+, c) (+, +) R 2 1 1 0

Captulo 4. Variable aleatoria

X =Nmero de caras obtenidas es una variable aleatoria que toma valores 0,1,2, y cada uno de ellos lo tomar con una probabilidad. - Continuas: pueden tomar cualquier valor en R. Por ejemplo, tiempo de fallo de una componente.

4.1.1.

Variable aleatoria discreta

Sea (, (), P ) un espacio probabilstico y X una variable aleatoria discreta (v.a.d) que toma valores {xi } Se llama funcin de probabilidad p(x) a la funcin que indica la probabii=1 lidad de cada posible valor de la v.a.d. X, es decir, p(xi ) = P (X = xi ) = pi ,i Se ha de vericar que: (i) 0 pi 1 i (ii) P
i=1

pi = 1

Funcin masa probabilidad

0,4 0,1,10

probabilidad

0,3 0,2 0,1 0 0 2 4 6 8 10

Ejemplo de f.m.p. de v.a.d.

4.1. Denicin de variable aleatoria. Clasicacin.

65

{pi } la funcin de probabilidad de X. Se llama funcin de distribucin de la v.a.d. X, F (x), i=1 con x R, a la probabilidad de que X sea menor o igual que x : F (x) = P (X x) = X pi

Sea (, (), P ) un espacio probabilstico, X una v.a.d, {xi } los valores que toma y i=1

xi x

La funcin de distribucin de una v.a.d. presenta las siguientes propiedades: (i) F () = 0 (ii) F (+) = 1 (iii) F es montona no decreciente, es decir, si xi xj entonces F (xi ) F (xj ) (iv) F es continua a la derecha, tiene lmites a la izquierda y es constante en [xi1 , xi ), donde P toma el valor k<i pk .
Funcin de distribucin
1
probabilidad acumulada

0,8 0,6 0,4 0,2 0 0 2 4 6 8 10

Ejemplo de F.D.D. de v.a.d.

Observaciones: (i) P (X > x) = 1 P (X x) = 1 F (x) (ii) P (xi X xj ) = P (X xj ) P (X xi1 ) = F (xj ) F (xi1 ) (iii) P (xi < X xj ) = F (xj ) F (xi ) (iv) P (X = xi ) = P (X xi ) P (X xi1 ) = F (xi ) F (xi1 ) Delia Montoro Cazorla. Dpto. de Estadstica e I.O. Universidad de Jan.

66

Captulo 4. Variable aleatoria

La v.a.d. queda caracterizada por su funcin de probabilidad, p(x), o por su funcin de distribucin F (x). Ejemplo 4.1: En ocasiones algunas lneas areas venden ms pasajes que los disponibles en un vuelo. Una compaa ha vendido 250 billetes que corresponden a un avin de 200 plazas. Sea X la variable aleatoria que expresa el nmero de viajeros que se presentan en el aeropuerto para tomar el vuelo. La distribucin de X es: xi pi 198 0.05 199 0.09 200 0.15 201 0.20 202 0.23 203 0.17 204 0.09 205 0.02

a. Calcula la probabilidad de que todos los pasajeros que llegan a tomar el vuelo tengan plaza. P (X 200) = F (200) = P (198) + P (199) + P (200) = 0,29 b. Calcula la probabilidad de que se quede sin plaza alguno de los viajeros P (X > 200) = 1 P (X 200) = 0,71 c. Calcula la probabilidad de que lleguen al aeropuerto entre 195 y 200 pasajeros P (195 X 200) = P (198) + P (199) + P (200) = 0,29 d. Cul es la probabilidad de que la primera persona que est en lista de espera tenga sitio en el vuelo?. P (X < 200) = P (X 199) = 0,14

4.1.2.

Variable aleatoria continua

Decamos que las variables aleatorias continuas (v.a.c.) pueden tomar cualquier valor de la recta real. Generalmente presentarn muchos valores distintos (cada uno con muy escasa frecuencia o probabilidad), por lo que en este caso carece de sentido hablar de probabilidad en un punto aislado y se toman probabilidades por intervalos. Sea (, (), P ) un espacio probabilstico y X una v.a.c. con valores en R.Se llama funcin de densidad de la v.a.c. X a una funcin f (x) tal que: (i) f (x) 0, x R

4.1. Denicin de variable aleatoria. Clasicacin.

+ Z (ii) f (x)dx = 1

67

La probabilidad de que X tome valores en un intervalo [a, b], a, b R, viene dada por: P (a X b) = Zb
a

f (x)dx

P(a<X<b)
0,4 0,1 0,3 0,2 0,1 0 -5 -3

f(x)

-1

Por lo tanto, la probabilidad en un punto a es igual a cero. P (X = a) = Observaciones: (i) f (x) no representa la probabilidad de que la variable X tome el valor x. Slamente al integrarla se obtienen probabilidades. (ii) La funcin de densidad presenta la forma del histograma. (iii) P (a X b) = P (a < X b) = P (a X < b) = P (a < X < b) al ser la probabilidad en un punto cero. Sea (, (), P ) un espacio probabilstico, X una v.a.c. con valores en R.y f (x) su funcin de densidad. Se llama funcin de distribucin de la v.a.c. X, F (x), a la probabilidad de que X tome valores inferiores o iguales a x, F (x) = P (X x) = Zx f (u)du, x R Za
a

f (x)dx = 0

La funcin de distribucin de una v.a.c. presenta las siguientes propiedades: Delia Montoro Cazorla. Dpto. de Estadstica e I.O. Universidad de Jan.

68 (i) F () = 0 (ii) F (+) = 1

Captulo 4. Variable aleatoria

(iii) F es montona no decreciente, es decir, si x y entonces F (x) F (y) (iv) F es continua Observaciones: (i) Si f (x) es continua, f (x) = F (x) (ii) P (a X b) = P (X b) P (X a) = F (b) F (a)

1 0,8 0,6 0,4 0,2 0 0 10 20 30 40

Ejemplo de F.D.D. de v.a.c.

Ejemplo 4.2: El nmero de artculos vendidos en una fbrica cada mes (en millones) es una variable aleatoria con funcin de densidad: k(1 x)2 f (x) = 0

0<x<1 en otro caso

a. Calcula el valor de k para que f (x) sea una funcin de densidad.

+ Z Z1 Z1 f (x)dx = f (x)dx = k(1 x)2 dx = 1, 0 0

= 3

b. Obtn la funcin de distribucin de X. 0 Zx Zx x3 f (u)du = 3(1 u)2 du = 3(x + x2 ) F (x) = 3 0 1

x0 0<x<1 x1

4.2. Caractersticas de una variable aleatoria

69

c. Calcula la probabilidad de que en un mes se supere una venta de 0.8 (millones). P (X > 0,8) = 1 F (0,8) = 1 0,99 = 0,01 d. Calcula la probabilidad de que en un mes el nmero de ventas est comprendido entre 0.6 y 0.8 (millones). P (0,6 X 0,8) = F (0,8) F (0,6) = 0,99 0,94 = 0,05 e. Si se quiere tener una garanta del 95 % de que no se agote el producto en un mes determinado, qu cantidad c del mismo debe pedirse a fbrica?. P (X c) = F (c) = 0,95, 3(c + c3 c2 ) = 0,95, 3 c = 0,63.

4.2.
4.2.1.

Caractersticas de una variable aleatoria

Esperanza matemtica

Se dene la esperanza matemtica (o simplemente esperanza) de una v.a. X como su valor medio. Se denota por E(X) o , y se calcula de la siguiente forma: - Si X es discreta: E(X) = - Si X es continua: E(X) = Propiedades de la esperanza: (i) Si C es una constante, E(C) = C. (ii) a, b R, E(aX + b) = aE(X) + b (iii) Si g(X) es una funcin de X, entonces: Delia Montoro Cazorla. Dpto. de Estadstica e I.O. Universidad de Jan.

X i=1

xi pi

xf (x)dx

70 - Si X es discreta: E(g(X)) = - Si X es continua: E(g(X)) = Z

Captulo 4. Variable aleatoria

X i=1

g(xi )pi

g(x)f (x)dx

P P (iv) Si X1 , ..., Xn son variables aleatorias, E( n Xi ) = n E(Xi ). i=1 i=1

4.2.2.

Momentos de una variable aleatoria

Dada una v.a X, se dene su momento de orden k (k = 0, 1, 2, ...) respecto a la media o momento central de orden k como la esperanza de (X )k : k = E((X )k ) Se dene su momento de orden k (k = 0, 1, 2, ...) respecto al origen o momento no central de orden k como la esperanza de X k : k = E(X k ) Observaciones: - 0 = 1 - 1 = - 0 = 1 - 1 = 0 El segundo momento central se llama tambin varianza, y se denota por V ar(X) o 2 , P (x )2 p si X es discreta i i=1 i 2 V ar(X) = E((X ) ) = R + (x )2 f (x)dx si X es continua

A la raiz cuadrada de la varianza se le llama desviacin tpica y se denota por . Propiedades de la varianza: (i) V ar(X) = E(X 2 ) E 2 (X) (ii) Si C es una constante, V ar(C) = 0. (iii) Si a, b son constantes: V ar(aX + b) = a2 V ar(X).

4.3. Funcin generatriz de momentos

71

4.2.3.

Otras medidas

Todas las medidas de centralizacin, dispersin y forma vistas en el Tema 1 pueden calcularse sin ms que sustituir en aquellas frmulas la frecuencia relativa por la probabilidad. As por ejemplo, la mediana de una v.a X ser aquel valor x tal que F (x) = 0,5; la moda el valor con mayor probabilidad (caso discreto) o mxima funcin de densidad (caso continuo); el coeente de variacin /, etc. Ejemplo 4.3: Calculamos la media y varianza de la variable dada en el ejemplo 4.1 E(X) = =
8 X i=1

xi pi = 198 0,05 + 199 0,09 + ... + 205 0,02 ' 201,

es decir, se esperan 201 viajeros para tomar el vuelo. Para la varianza calculamos previamente E(X 2 ), E(X 2 ) = por lo tanto V ar(X) = 2 = E(X 2 ) E 2 (X) = 179,88 Ejemplo 4.4: Calculamos la media y varianza de la variable dada en el ejemplo 4.2. Z1
0 8 X i=1

x2 pi = 1982 0,05 + 1992 0,09 + ... + 2052 0,02 = 40580,88, i

E(X) = =

3x(1 x)2 dx = 0,25,

E(X ) =
2

Z1
0

3x2 (1 x)2 dx = 0,1,

V ar(X) = = E(X 2 ) E 2 (X) = 0,037

4.3.

Funcin generatriz de momentos

Sus propiedades son:

Dada una v.a X se dene su funcin generatriz de momentos en t, t > 0, como: P etxi p si X es discreta i i=1 GX (t) = E(etX ) = R + tx e f (x)dx si X es continua Dpto. de Estadstica e I.O. Universidad de Jan.

Delia Montoro Cazorla.

72

Captulo 4. Variable aleatoria

(i) Esta funcin determina unvocamente la distribucin de probabilidad de la variable aleatoria (ii) A partir de ella se pueden generar los momentos no centrados de la variable: k GX (t) k k = E(X ) = , tk t=0 la funcin generatriz de momentos evaluada en t = 0. Por ejemplo, = G(0), 2 = G(0) [G(0)]2

esto es, el momento no central de orden k es igual a la derivada k-sima respecto a t de

4.4.

Ejercicios

1. El control de la calidad de ciertos productos se realiza contando el nmero de defectos por unidad y comprobando si dicho nmero est comprendido entre ciertos lmites llamados lmites de control. Si el nmero de defectos por unidad en cierto proceso de fabricacin es una variable aleatoria X con funcin masa de probabilidad dada por: P (X = x) = e0,6 0,6x , x = 0, 1, 2, ... x!

a) Determina el nmero medio de defectos por unidad. Nota: x! = x(x 1)(x 2).... X xn ex = n! n=0 b) Si los lmites de control vienen dados por Lmite inferior de control: Lmite superior de control: 3 +3

siendo = E[X], y se considera que el proceso est bajo control estadstico cuando el nmero de defectos que se van observando en una muestra de unidades est comprendido entre dichos lmites.

4.4. Ejercicios

73

Calcula la probabilidad de que una unidad de produccin no caiga entre los lmites de control. Calcula la probabilidad de que en una muestra de 5 unidades, al menos 1 no caiga entre los lmites de control. 2. El tiempo necesario en milisegundos para completar una reaccin qumica est aproximado por una funcin de distribucin dada por: F (x) = 1 e0,01x , x 0 a) Obtn la funcin de densidad. b) Calcula el tiempo esperado para completar la reaccin. c) Calcula el porcentaje de reacciones completas antes de 200 milisegundos. 3. El espesor de un recubrimiento conductor (en micrometros) tiene una funcin de densidad dada por f (x) = 600x2 , 100 < x < 120 a) Obtn la funcin de distribucin. b) Calcula la probabilidad de que el espesor sea inferior a 110 m c) Calcula la probabilidad de que el espesor est comprendido entre 115 y 118 m. d) Si el costo promedio del recubrimiento es de 0.5 euros por micrometro de espesor en cada pieza, cul es el costo promedio del recubrimiento por pieza?. 4. La ley de probabilidad de una variable aleatoria X viene dada por: k si x = 0 p(x) = 2k si x = 1 3k si x = 2 a) Determina k as como P (X 2), P (0 < X < 2). b) Encuentra el menor valor x0 tal que P (X x0 ) > 0,5. c) Calcula la media y la varianza. d) Determina la funcin de distribucin de X y represntala. Delia Montoro Cazorla. Dpto. de Estadstica e I.O. Universidad de Jan.

74 5. La funcin de distribucin de una v.a.c. X est 0 F (x) = 2x x2 1 a) Representa F (x). b) Calcula P (X < 1/2) y P (X > 3/4). c) Determina f (x). d) Calcula la esperanza y varianza. dada por: si x < 0 si 0 x < 1 si x 1

Captulo 4. Variable aleatoria

6. Indica si pueden ser o no variables aleatorias discretas. En caso de que no lo sean, da la razn. En caso de que lo sean, calcula y representa su funcin de distribucin. a) 0 1 X= 2 3

con probabilidad 1/2 con probabilidad 1/10 con probabilidad 2/10 con probabilidad 2/10

b)

c)

7. Indica cules de las siguientes funciones puede ser funcin de densidad de una variable aleatoria continua. En el caso de que no lo sean da la razn. En caso de que lo sean, calcula la funcin de distribucin. a) 1/3 f (x) = 0

0 X= 1

0 X= 1 2

con probabilidad 1/2 con probabilidad 2/15 con probabilidad 8/15

con probabilidad k/3 con probabilidad 1 k/3

si x [0, 2] en otro caso

4.4. Ejercicios

75

b)

8. El kilometraje (en miles de km) que los automovilistas logran de cierto tipo de neumticos es una variable aleatoria con funcin de densidad x 1 e 20 si x > 0 k f (x) = 0 en otro caso

2e2x f (x) = 0

si x [0, ) en otro caso

a) Calcula el valor de k para que f (x) sea funcin de densidad. b) Calcula la probabilidad de que el neumtico dure a lo sumo 10.000 km. c) Calcula la probabilidad de que el neumtico dure entre 16.000 y 24.000 km.

d) Calcula la probabilidad de que el neumtico supere el kilometraje medio o esperado. 9. Consideremos el experimento aleatorio de seleccionar 4 bolas al azar sin reemplazamiento de una urna que contiene 7 bolas rojas y 3 negras. Denamos la v.a X como el nmero de bolas rojas extraidas. Calcula: a) La funcin de probabilidad y la de distribucin de X. b) P (1 X 3), P (1 < X 3) y P (1 X < 3). c) Contesta las cuestiones anteriores si el experimento se realiza con reemplazamiento. 10. Se lanza una serie de cohetes hasta que se alcanza el primer lanzamiento con xito. Si no tiene lugar el xito en la quinta prueba, nalizan los lanzamientos. La probabilidad de xito es 0.8 y los lanzamientos son independientes. El costo del primer lanzamiento es C y el de los sucesivos C/3. Cada vez que tiene lugar un xito se obtienen unos ingresos de valor I. Sea X el resultado econmico del proceso (ingresos-costos). a) Obtener su funcin de probabilidad. b) Si I = 90 euros y C = 30 euros, se esperan ganancias o prdidas?.

Delia Montoro Cazorla.

Dpto.

de Estadstica e I.O. Universidad de Jan.