UNMSM FISI EAPIS CURSO: ESTADISTICA II SEMESTRE

2014-2
UNIDAD 2: VARIABLES ALEATORIAS
Habindose considerado las distribuciones de frecuencias de conjuntos de datos en el primer curso de
estadstica y los fundamentos de la probabilidad ahora, ya podemos combinar estas ideas para elaborar
distribuciones de probabilidad, las cuales se asemejan a las distribuciones de frecuencias relativas. La
diferencia bsica entre estos dos tipos de distribuciones es el uso de la variable aleatoria. La variable
aleatoria de una distribucin de probabilidad corresponde a la variable respuesta de una distribucin de
frecuencias.
Hemos visto que en muchos experimentos los resultados no necesariamente son nmeros. Hay situaciones
experimentales donde se requiere expresar los resultados mediante nmeros. Para ello se introduce el
concepto de variable aleatoria.
VARIABLE ALEATORIA
Intuitivamente hablando, una variable aleatoria es una descripcin numrica (cantidad) del resultado de un
experimento y que puede tomar diferentes valores.
DEFINICIN
Dado un Campo de Probabilidad ( , A, ), la funcin X que asigna a cada punto muestral un nmero
real X( ) es llamada una variable aleatoria si que se cumple la condicin siguiente:
{ / X( ) a} A, , para todo a real.
Simblicamente,
X:

Rx R ,

Rx

Grficamente,

Reales
X

Una variable aleatoria X es una funcin real valorada, definida en el espacio muestral, cuyos valores son
nmeros reales.
En adelante, denotaremos al conjunto { / X( ) a} = [X a]. Entonces, para que X sea v. a. se
exige que el conjunto [X a] sea un evento, para todo real a.
Aseguramos que cualquier subconjunto de sea un evento, definiendo el sigma lgebra como el conjunto
potencia de .
.
A las variables aleatorias se les denota con letras maysculas X, Y, Z. A los valores que asumen las variables
aleatorias se les denota con letras minsculas x, y, z, respectivamente.
EJEMPLO: Sea = { 1, 2 , 3}. Sea la funcin X tal que X( 1) = 0 y X( 2) = X( 3) = 1.
Vamos a definir el mnimo sigma lgebra para que X sea variable aleatoria. Se puede comprobar que el
mnimo sigma lgebra donde X es variable aleatoria es: A, = {, , { 1}, { 2 , 3}}.
PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI

Pgina 1

UNMSM FISI EAPIS CURSO: ESTADISTICA II SEMESTRE

2014-2
EJERCICIO: Hallar el mnimo -lgebra para que Y sea v. a., cuando Y( 1 ) = Y( 2) = 0 y Y( 3 ) = 1.
Hallar el mnimo sigma lgebra para que Z sea v. a. sabiendo que Z( 1) = 0, Z( 2) = 1 , Z( 3) = 2.
OTROS EJEMPLOS:
1) Del saln de clase, se elige un alumno al azar y se considera el nmero de cursos matriculados.
El espacio muestral est constitudo por todos los alumnos del aula.
La variable X, que a cada alumno le hace corresponder el nmero de cursos matriculados, es una
variable aleatoria y sus posibles valores son 3, 4, 5, 6, 7.
2) En un estudio sobre la composicin familiar, el nmero de hijos por familia es una variable aleatoria,
la cual puede tomar valores enteros entre 0 y n.
3) Al hacer disparos a un blanco, el nmero de aciertos es una variable aleatoria.
4) Si se lanzan dos dados simultneamente, la funcin X que a cada resultado (i, j) le hace corresponder
la suma de puntos es una variable aleatoria, y los valores que puede tomar son: 2, 3, ...,12 .
5) El nmero de llamadas telefnicas recibidas diariamente por una compaa es una variable aleatoria,
la cual puede tomar valores enteros entre cero y algn nmero grande.
6) El nmero de hijos que tienen los profesores de esta universidad es una variable aleatoria. Si los
datos observados se presentan como una distribucin de frecuencias relativas, se obtiene una
distribucin de probabilidades, cuya representacin grfica es equivalente a un histograma de
frecuencias relativas.
En general, nos interesamos en los posibles valores de la v. a. X. As por ejemplo, al lanzar dos monedas se
tiene = {cc, cs, sc, ss}. Si definimos la v. a. X como el nmero de caras obtenidas en los dos
lanzamientos, se tiene que X(cc) = 2, X(cs) = X(sc) = 1, X(ss) = 0; de modo que estos valores conforman el
recorrido o rango de la v. a. X, denotado como Rx = {0, 1, 2}.
Con la funcin X como variable aleatoria, usaremos eventos de la forma (X = 1), (X< 2), (0<X<2), etc., a
los cuales les corresponde un subconjunto de y por tanto, podremos evaluar sus probabilidades.
TIPOS DE VARIABLES ALEATORIAS
Segn su recorrido, las variables aleatorias pueden ser de dos tipos: discretas y continuas.
Son variables aleatorias discretas aquellas que pueden tomar un conjunto finito o infinito numerable de
valores. As, las variables descritas en los ejemplos anteriores son discretas.
OTROS EJEMPLOS:
1) Experimento: Inspeccionar un lote de 100 productos.
Variable aleatoria X: Nmero de productos defectuosos.
Posibles valores: 0,1, 2, 3, 4, 5, 6, ......100
2) Experimento: Observar el funcionamiento de una tienda durante un da.
Variable aleatoria X: Nmero de clientes atendidos.
Posibles valores: 0,1, 2, 3, 4, 5, 6, 7, 8, 9............
PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI

Pgina 2

UNMSM FISI EAPIS CURSO: ESTADISTICA II SEMESTRE

2014-2
3) Experimento: Aplicar una prueba de conocimientos, que consta de 20 preguntas, a un alumno.
Variable aleatoria X: No. de respuestas correctas dadas por el alumno en la prueba.
Posibles valores: 0, 1, 2, 3, 4, 5,......20
4) Experimento: Preguntar a un cliente si estuvo conforme o no con el servicio recibido en una lnea
area.
Variable aleatoria X: Percepcin de un cliente respecto al servicio recibido en una lnea area.
Posibles valores: 0: Si el cliente no est conforme con el servicio.
1: Si el cliente est conforme con el servicio recibido.
Son variables aleatorias continuas aquellas que pueden tomar cualquier valor dentro de un intervalo de
nmeros reales; vale decir, que su recorrido es un conjunto infinito no numerable de valores. Como ejemplos
tenemos los puntajes de ingreso a la universidad, la resistencia a la tensin de una cuerda de nylon, los
niveles de contaminacin del aire, el peso de una persona, su edad, su estatura, el tiempo que dura una buja,
la duracin de un dispositivo electrnico, etc.
DISTRIBUCIN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA
La distribucin de probabilidad de una variable aleatoria es una manera de modelar la forma como se
distribuyen los valores de la variable.
Asociados a cada uno de los valores de una variable aleatoria discreta X existen los nmeros p(xi) que
denotan la probabilidad con que X toma cada valor de su recorrido. Tales nmeros cumplen las propiedades
siguientes:
a) p(xi) 0, para todo i
p ( xi ) 1
b) i
La funcin p(xi) se llama funcin de probabilidad de la v. a. X.
La coleccin de pares (xi, p(xi)), para i = 1, 2, ..., se llama distribucin de probabilidad de la variable
aleatoria X.
La distribucin de probabilidad de una v. a. discreta X permite estudiar completamente a la variable aleatoria
y se la puede representar por medio de una frmula, una tabla o una grfica que indique las probabilidades
p(xi) correspondientes a cada uno de los valores de X.
EJEMPLO 7:
De un grupo de 6 estudiantes, donde 3 son varones, se eligen 2 estudiantes al azar. Sea la v. a. X el nmero
de varones elegidos. Encontrar la distribucin de probabilidad de X.
6
SOLUCIN: La eleccin aleatoria de dos de seis estudiantes se puede hacer de C 2 = 15 maneras. Por lo
tanto, contiene 15 puntos muestrales, en forma de pares, igualmente probables. Los posibles valores de X
son 0, 1 y 2.
La funcin de probabilidad de cada valor de X es:

C 03C 23
6
p(0) = P(X = 0) = C 2 = 3/15 = 1/5
PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI

Pgina 3

UNMSM FISI EAPIS CURSO: ESTADISTICA II SEMESTRE

2014-2
C13C13
p(1) = P(X = 1) = 15 = 9/15 = 3/5
C 23C 03
p(2) = P(X = 2) = 15 = 3/15 = 1/5
La distribucin de probabilidad se presenta en la tabla que sigue y en el lado derecho se muestra la
representacin grfica de la misma.
__________
p(xi)
x
p(x)
__________
0
1/5
1
3/5
2
1/5
__________
0
1
2 xi
Puede observarse que, para cada valor de X se cumple: 0 p( x ) 1 , y la suma de probabilidades asignadas a
cada valor de X es igual a 1
Esta distribucin de probabilidad de X tambin se puede representar por medio de una frmula, como la
siguiente:
C x3 C 23 x
6
p(x) = C 2 , para x = 0, 1, 2.
Las distribuciones de probabilidad son modelos que se utilizan para representar distribuciones empricas.
EJEMPLO 8:
Si se define la v. a. X como el nmero de caras observadas al tirar dos monedas, entonces X puede tomar los
valores 0,1,2. La probabilidad asociada a cada valor es como sigue:
P(X = 0) = P( salga ninguna cara) =
P(X = 1) = P(salga una cara) =
P(X = 2) = P(salgan dos caras) =
La distribucin de probabilidad aparece a continuacin:
x
0
1
P(x)
1/4
1/2

2
1/4

FUNCIN DE DISTRIBUCIN DE X
Conociendo la distribucin de probabilidad de una variable discreta X, se puede hallar la funcin de
distribucin acumulativa de X, definida como:
F(a) = P(X a), para todo nmero real a.

Siendo X discreta, F(a) = P(X a) = p(xi),

xi a.

PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI

Pgina 4

UNMSM FISI EAPIS CURSO: ESTADISTICA II SEMESTRE

2014-2
En el ejemplo de arriba, F(2) = P(X 2) =

p( i )

= p(x1) + p(x2) + p(x3) = 1/4 +1/2 +1/4 = 1

i=1

PROPIEDADES

P(X > a) = 1 - P(X a) = 1 - F(a)

P(a < X b) = P(X b) - P(X a) = F(b) F(a)
P(X < a) = F(a - 0)
P(X = a) = F(a) F(a - 0)
EJEMPLO: Para la v. a. definida en el ejm. 8, la funcin de distribucin de X est dada por

x<0
0 x< 1

0.25
F(x) =

P(X x)

1 x< 2

0.75

x 2

Grficamente:
F(x)
1
0.75

0.25
0

DISTRIBUCIN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA CONTINUA

Formalmente, una variable aleatoria es continua si es posible encontrar una funcin f ( x ) no negativa que
cumple las siguientes propiedades:
a) f ( x )0

b)

c)

P (a X b) f ( x)dx , donde a, b R , a b

f ( x ) dx 1

PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI

Pgina 5

UNMSM FISI EAPIS CURSO: ESTADISTICA II SEMESTRE

2014-2
La funcin f que describe la manera como se comporta la variable aleatoria se llama funcin de densidad
de la v.a. X.
El conjunto {RX , f(x)} se llama distribucin de probabilidad de la v.a. X y contiene toda la informacin
necesaria para estudiar completamente a la variable.
Segn la propiedad (c), P (a X b) representa el rea bajo la curva f(x) limitada por las rectas
x = a y x = b.
Asimismo, como consecuencia de la propiedad c), la probabilidad de que una variable aleatoria continua
x0

f ( x)dx 0
tome un valor x0 es cero, puesto que P(X = x0) = x0
De acuerdo a esta igualdad, la probabilidad de que el peso X de una persona sea 50 kilos es 0; ello no
significa que el evento [X = 50] sea imposible. Por las diferentes limitaciones de los instrumentos de
medicin, no es posible dar el peso exacto de la persona, a lo ms podremos indicar que su peso est en un
determinado intervalo.
NOTA: f(x) no representa la probabilidad de nada. Slo cuando la funcin se integra entre dos lmites
produce una probabilidad.
EJEMPLO 9:
Sea la variable aleatoria continua X con funcin de densidad f dada por
f(x) = 2x , para 0<x<1
Claramente,

f ( x )0 y

2xdx 1 .
0

1/ 2

Para calcular P(X<1/2) debemos evaluar la integral

2 xdx 1/ 4 .
0

EJEMPLO 10:
Dada f(y) = cy2 , para 0<y<2, encontrar el valor de c para que f(y) sea una funcin de densidad vlida.
Buscaremos el valor de c tal que

cy 2 dy 1
2

Podemos evaluar

. Integrando resulta c = 3/8.

P (1 Y 2) 1 3 8 y dy 7 / 8.
2

EJEMPLO 11:
Un vendedor de kerosene tiene un tanque de 150 galones que se llena al principio de cada semana. Su
demanda semanal tiene una frecuencia relativa que crece constantemente desde cero hasta 100 galones y
permanece constante entre 100 y 150 galones. Si Y denota la demanda semanal, en cientos de galones, la
frecuencia relativa de la demanda se puede representar por
f ( y ) y para 0 y 1
1 para 1 < y 1.5
0 en otro lugar

PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI

Pgina 6

UNMSM FISI EAPIS CURSO: ESTADISTICA II SEMESTRE

2014-2
Calcular: P(0<Y<0.5) y P(0.5<Y<1.2).
0.5

ydy 0125
.
P(0<Y<0.5) =
0

P(0.5<Y<1.2) =

0.5

ydy +

1.2

dy
1

= 3/8 + 0.2 =0.575

FUNCIN DE DISTRIBUCIN DE X:
a

P(X a) =

F ( a )= f ( x ) dx , a R

EJEMPLO: Con los datos del ej. 9, el alumno podr comprobar que F(x) = x2, cuando 0 x <1 ;
0, cuando x < 0; 1, cuando x 1.
EJERCICIO: obtener la funcin de distribucin de las variables aleatorias definidas en los ejemplos 10 y
11.

PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI

Pgina 7