Probabilidades y Estadstica
Edmundo Pea Rozas, Juan Garcs Seguel
1
Unidad 3: Variables Aleatorias Unidimensionales
Antecedentes Generales
En la unidad anterior se presentaron los conceptos bsicos relacionados con el clculo de probabilidades
asociadas a eventos de un determinado espacio muestral.
En ocasiones, se necesita cuantificar o medir resultados asociados a un experimento aleatorio. Para ello, es til el
concepto de variable aleatoria.
Variable Aleatoria Definicin
Sea un experimento, con espacio muestral S. Una variable aleatoria es una funcin X que asigna a cada uno de
los elementos S s un nmero real X(s) .
Es importante notar que a cada elemento S s le corresponde exactamente un valor X(s). Valores diferentes de
S s pueden tener un mismo valor X(s).
Recorrido de la variable aleatoria ( )
X
R
Corresponde al conjunto de todos los valores posibles que puede tomar la variable aleatoria X.
Ejemplo: Para el experimento aleatorio de lanzar una moneda dos veces. Se pueden definir muchas variables
aleatorias para este experimento, por ejemplo:
X: variable aleatoria que denota el nmero de caras observadas.
Y: variable aleatoria que denota el nmero de sellos observados.
Notar que para el experimento aleatorio en cuestin, el espacio muestral est dado por:
S={(C,C), (C,S), (S,C), (S,S)}
Para el caso de la variable aleatoria X, sta asocia un nmero real a cada elemento del espacio muestral, es decir:
Para ) , ( C C s = , ( ) 2 ) , ( = = C C s X
Para ) , ( S C s = , ( ) 1 ) , ( = = S C s X
Para ) , ( C S s = , ( ) 1 ) , ( = = C S s X
Para ) , ( S S s = , ( ) 0 ) , ( = = S S s X
Entonces, el recorrido de la variable aleatoria X est dado por: { } 2 , 1 , 0 =
X
R
Ejemplo: Un Experimento consiste en inspeccionar los artculos fabricados en una cadena de produccin, hasta
detectar uno defectuoso. Los artculos producidos pueden clasificarse como defectuosos o no defectuosos,
dependiendo de si cumplen con las especificaciones correspondientes.
Se define la notacin: s: Sano o no defectuoso y d: Defectuoso
Se define una variable aleatoria X, que denota el nmero de inspecciones hasta encontrar el primer artculo
defectuoso. Notar que el espacio muestral asociado a este experimento es:
Probabilidades y Estadstica
Edmundo Pea Rozas, Juan Garcs Seguel
2
{ } ,... , , , , ssssd sssd ssd sd d S = , el cual es infinito numerable
El recorrido de la variable aleatoria es: { } ,... 4 , 3 , 2 , 1 =
X
R
Ejemplo: Consideremos el experimento de observar al azar dos recin nacidos. Supongamos que nos interesa el
nmero de varones, X; entonces, X es una variable aleatoria que puede ser considerada como una funcin
numrica definido en el espacio muestral siguiente:
S= {(0,0), (0,1), (1,0), (1,1)}
donde 0 y 1 representan mujer y varn respectivamente. Para definir X en este espacio muestral,
descompongamos primero el espacio muestral en los tres subconjuntos siguientes:
x
1
= cero varones = {(0,0)}
x
2
= un varn = {(0,1), (1,0)}
x
3
= dos varones = {(1,1)}
La variable aleatoria X, o el nmero de recin nacidos varones, ha sido generada por dos observaciones de nios
recin nacidos, donde los valores posibles que puede tomar la variable son x
1
=0, x
2
= 1 y x
3
=2
Ejemplo: Si se lanzan 2 dados, el espacio muestral es {(1,1) (1,2)... (6,6)}. En total 36 pares como resultados. Si
se define la variable aleatoria X = suma de las caras, entonces la variable podr tomar los valores 2, 3, 4,..., 12.
Como en el caso anterior, existen varios pares de caras asociadas a un mismo valor, de tal forma que se puede
construir la siguiente tabla.
X= Suma de
las caras
Pares
2 (1,1)
3 (1,2), (2,1)
4 (1,3), (2,2), (3,1)
5 (1,4), (2,3), (3,2), (4,1)
6 (1,5), (2,4), (3,3), (4,2), (5,1)
7 (1,6), (2,5), (3,4), (4,3), (5,2), (6,1)
8 (2,6), (3,5), (4,4), (5,3), (6,2)
9 (3,6), (4,5), (5,4), (6,3)
10 (4,6), (5,5), (6,4)
11 (5,6), (6,5)
12 (6,6)
Ejemplo: A partir de un conjunto de 25 personas adultas se elige una al azar para medir su estatura. Se define la
v.a. X, que denota la estatura medida de la persona elegida al azar, en centmetros. Entonces, el recorrido de esta
variable aleatoria puede ser: { } 270 80 : = x x R
X
Eventos Equivalentes
Un concepto que puede ser til, especialmente en lo que se tratar ms adelante, es el de eventos equivalentes.
Para una v.a. X , definida sobre un espacio muestral S. Su recorrido
X
R puede tambin considerado como otro
espacio muestral. Es decir, si
X
R B , es posible hablar del evento B.
Por lo tanto, si { } B s X S s A = ) ( : y
X
R B , se dice que los eventos A y B son equivalentes y adems
) ( ) ( B P A P = .
Probabilidades y Estadstica
Edmundo Pea Rozas, Juan Garcs Seguel
3
Lo anterior se muestra grficamente:
Clasificacin de variables aleatorias
Las variables aleatorias pueden clasificarse en trminos de su recorrido. Si el recorrido de una variable aleatoria
es finito o infinito numerable, se dice que la variable aleatoria es discreta.
Si el recorrido de una variable aleatoria es infinito en un cierto intervalo, se dice que la variable aleatoria es
continua.
Variables aleatorias discretas
Como se mencion anteriormente, si el recorrido de una variable aleatoria es finito o infinito numerable, se dice
que la variable aleatoria es discreta.
Sea X una v.a. Discreta. A cada resultado posible
X i
R x , se asocia un nmero ( ) ( )
i i X
x X P x p = = , llamado
Probabilidad de
i
x . Los nmeros ( ) ,... 2 , 1 , = i x p
i X
deben satisfacer:
i) ( ) i x p
i X
, 0
ii) ( ) 1 =
i
i X
x p
La funcin p se llama Funcin de Probabilidad de la v.a X. La coleccin de pares ( ) ( )
i X i
x p x , se conoce como
Distribucin de Probabilidad de X.
Observacin Importante: Sea
X
R B , entonces ( ) ( ) ( )
X
x B x B
P B p x P X x
= = =
Ejemplo: Considerar el lanzamiento de una moneda balanceada en cuatro ocasiones. Sea X la v.a. que indica el
nmero de caras observadas. Determinar la funcin de probabilidades. Notar que el recorrido de la variable es
{ } 4 , 3 , 2 , 1 , 0 =
X
R . Ahora, para cada
X
R x :
1 1 1 1 1 1 1 1 1 4
( 0) ( 1) 4
2 2 2 2 16 2 2 2 2 16
1 1 1 1 6 1 1 1 1 4
( 2) 6 ( 3) 4
2 2 2 2 16 2 2 2 2 16
1 1 1 1 1
( 4)
2 2 2 2 16
P X P X
P X P X
P X
= = = = = =
= = = = = =
= = =
Por ejemplo, si se desea calcular la probabilidad de que aparezca ms de una cara, entonces:
Probabilidades y Estadstica
Edmundo Pea Rozas, Juan Garcs Seguel
4
4 4
2 2
6 4 1 11
( 1) ( ) ( )
16 16 16 16
X
x x
P X p x P X x
= =
> = = = = + + =
Tambin, para calcular esta probabilidad, pudo haberse utilizado la propiedad del complemento, es decir:
[ ] [ ]
1 4 11
( 1) 1 ( 1) 1 (0) (1) 1 ( 0) ( 1) 1
16 16 16
X X
P X P X p p P X P X
(
> = = + = = + = = + =
(
Si se desea calcular la probabilidad de que aparezcan entre 1 y 3 caras (1 y 3 incluidos), se calcula:
8
7
16
4
16
6
16
4
) ( ) 3 1 (
3
1
= + + = =
= x
X
x p X P
Ejemplo: Suponga que un mago tiene en su sombrero cuatro cartas, numeradas del 1 al 4. Comienza a extraer
una a una las cartas, sin reposicin, hasta que logre sacar la que tiene el nmero 3. Se define la variable aleatoria
X, que denota el nmero de intentos hasta que logra encontrar la carta sealada.
i) Encuentre la funcin de probabilidad de X.
El recorrido de la variable es } 4 , 3 , 2 , 1 { =
X
R . Ahora;
4
1
) 1 ( = = X P ,
4
1
3
1
4
3
) 2 ( = = = X P ,
4
1
2
1
3
2
4
3
) 3 ( = = = X P ,
4
1
1
2
1
3
2
4
3
) 4 ( = = = X P
Por lo tanto, la funcin de probabilidad de X es posible escribirla de la siguiente forma:
1
( ) ( ) ; 1, 2, 3, 4
4
X
p x P X x x = = = =
ii) Calcule ) 2 ( > X P .
[ ] 5 , 0
4
1
4
1
1 ) 2 ( ) 1 ( 1 ) 2 ( 1 ) 2 ( =
(
+ = = + = = = > X P X P X P X P
iii) Calcule ) 1 ( X P .
4
1
) 1 ( ) 1 ( = = = X P X P
Ejemplo: Si se lanzan 2 dados y X es la suma de sus caras
X= Suma de
las caras
Pares P(X=x
i
)
P(Xx
i
)
2 (1,1) 1/36 1/36
3 (1,2), (2,1) 2/36 3/36
4 (1,3), (2,2), (3,1) 3/36 6/36
5 (1,4), (2,3), (3,2), (4,1) 4/36 10/36
6 (1,5), (2,4), (3,3), (4,2), (5,1) 5/36 15/36
7 (1,6), (2,5), (3,4), (4,3), (5,2), (6,1) 6/36 21/36
8 (2,6), (3,5), (4,4), (5,3), (6,2) 5/36 26/36
9 (3,6), (4,5), (5,4), (6,3) 4/36 30/36
10 (4,6), (5,5), (6,4) 3/36 3/363
11 (5,6), (6,5) 2/36 35/36
12 (6,6) 1/36 36/36
Probabilidades y Estadstica
Edmundo Pea Rozas, Juan Garcs Seguel
5
Variables Aleatorias Continuas
Recordar que si el recorrido de una variable aleatoria es infinito dentro de un intervalo, se dice que X es una v.a.
Continua.
Si X es una v.a. continua, entonces existe una funcin f llamada Funcin de densidad de probabilidad (f.d.p.)
de X, que satisface las siguientes propiedades:
i) ( ) x x f
X
, 0
ii) ( ) 1 =
dx x f
X
iii) Para valores a y b cualquiera, tal que < < < b a , ( )
=
b
a
X
dx x f b X a P ) (
Ejemplo: Se sabe que la concentracin diaria de cierto contaminante en el aire, tiene funcin de densidad:
( ) 0 ,
2 /
> =
x ce x f
x
X
Cuando la concentracin excede los 6mg/litro, la autoridad debe decretar estado de emergencia ambiental.
Calcule la probabilidad de que se produzca esta situacin.
Desarrollo:
En primer lugar, se debe encontrar el valor de la constante c, de forma que ( ) x f
X
corresponda realmente a una
fdp. Para ello, se observa que para cualquier 0 c , ( ) x x f
X
0 . Ahora, debe cumplirse que ( ) 1 =
dx x f
X
.
Por lo tanto:
( ) 1 1
0
2 /
= =
dx ce dx x f
x
X
. Resolviendo, se obtiene finalmente que 2 / 1 = c .
Entonces, la funcin de densidad de probabilidad para esta variable aleatoria est definida por:
( ) 0 ,
2
1
2 /
> =
x e x f
x
X
Ahora, para calcular la probabilidad de que la un da la autoridad deba decretar emergencia ambiental, es
equivalente a calcular ) 6 ( > X P , es decir:
0498 , 0
2
1
) 6 (
6
2 /
= >
dx e X P
x
Tambin, probabilidad anterior pudo haberse planteado de la siguiente forma:
0498 , 0
2
1
1 ) 6 ( 1 ) 6 (
6
0
2 /
= = >
dx e X P X P
x
Ejemplo: Un estudiante toma un bus para ir a la Universidad. Este bus pasa cada 5 minutos. El estudiante no
sale todos los das a la misma hora, por lo que el tiempo de espera puede ser considerado como una variable
aleatoria X, en el intervalo [0,5] minutos. Se ha encontrado la siguiente funcin de densidad para X:
( )
=
c o e
x
x f
X
. . , 0
5 0 ,
5
1
a) Verificar que se trata de una funcin de densidad
b) Calcule la probabilidad de que el tiempo de espera est entre 2 y 3 minutos
c) Calcule la probabilidad de que el tiempo de espera sea superior a 4 minutos.
Probabilidades y Estadstica
Edmundo Pea Rozas, Juan Garcs Seguel
6
Desarrollo:
a) Es efectivamente una fdp, ya que ( ) x x f
X
0 , y adems ( )
= =
5
0
1
5
1
dx dx x f
X
b) Se pide calcular ( ) 2 , 0
5
1
) 3 2 (
3
2
3
2
= = = dx dx x f X P
X
c) Se pide calcular ( ) 2 , 0
5
1
) 4 (
5
4 4
= = = >
dx dx x f X P
X
Funcin de Distribucin Acumulada
Para una variable aleatoria X, se define la Funcin De Distribucin Acumulada:
( ) ( ),
X
F t P X t t =
Es importante notar que esta funcin est definida en todo el conjunto de los nmeros reales.
Si X es una variable aleatoria discreta, entonces:
( ) ( ),
X X
x t
F t p x t
Si X es una variable aleatoria continua, entonces:
( ) ( ) ,
t
X X
F t f x dx t
Observaciones:
i)
X
F es no decreciente.
ii) lim ( ) 0
X
t
F t
= , y lim ( ) 1
X
t
F t
=
Ejemplo: Para la siguiente distribucin de Probabilidad, encontrar la funcin de distribucin acumulada de la
variable aleatoria X:
Para 2, ( ) 0
X
t F t < =
Para
1 1
2 3, ( ) 0
4 4
X
t F t < = + =
Para
1 1 3
3 4, ( ) 0
4 2 4
X
t F t < = + + =
Para
1 1 1
4, ( ) 0 1
4 2 4
X
t F t > = + + + =
En resumen la funcin de distribucin acumulada para la variable aleatoria X queda definida de la siguiente
forma:
0, 2
1/ 4, 2 3
( )
3/ 4, 3 4
1, 4
X
t
t
F t
t
t
<
,
la cual se puede representar grficamente:
Probabilidades y Estadstica
Edmundo Pea Rozas, Juan Garcs Seguel
7
Como se puede apreciar, se trata de una funcin escaln. Siempre, cuando se tiene una variable aleatoria
discreta, la funcin de distribucin acumulada tiene esta forma.
Ejemplo: Sea una variable aleatoria X, con funcin de densidad de probabilidad definida por:
2 , 0 1
( )
0, . .
X
x x
f x
e o c
=
Encuentre la funcin de distribucin acumulada.
Desarrollo:
Aplicando la definicin, se tiene:
Para 0, ( ) ( ) 0 0
t t
X X
t F t f x dx dx
< = = =
Para
0
2
0
0 1, ( ) ( ) 0 2
t t
X X
t F t f x dx dx xdx t
= = + =
Para
0 1
0 1
1, ( ) ( ) 0 2 0 1
t t
X X
t F t f x dx dx xdx dx
> = = + + =
Por lo tanto, la funcin de distribucin acumulada para la variable aleatoria est definida por:
2
0, 0
( ) , 0 1
1, 1
X
t
F t t t
t
<
>
Clculo de Probabilidades usando Funcin de distribucin acumulada
Es ocasiones, slo se dispone de la funcin de distribucin acumulada asociada a una variable aleatoria X. Si
bien es relativamente sencillo obtener la funcin de densidad o de probabilidad (segn sea el caso) a partir de la
funcin de distribucin acumulada, es posible obtener las probabilidades para cualquier intervalo, utilizando
directamente esta funcin. En efecto, se puede verificar lo siguiente:
Probabilidades y Estadstica
Edmundo Pea Rozas, Juan Garcs Seguel
8
Esperanza de una Variable Aleatoria
Se ha visto que una variable aleatoria puede caracterizarse a partir de su funcin de probabilidad o densidad, o de
su funcin de distribucin acumulada.
Cabe sealar que tambin es posible obtener constantes que permiten hacerse una idea rpida acerca de una
variable aleatoria. Una de esas constantes es la Esperanza, o Valor Esperado, y se denota por [ ] E X o
X
.
Sea X una variable aleatoria. Se define la esperanza de X, en el caso discreto, de la siguiente forma:
[ ] ( )
X
X
x R
E X xp x
=
y en el caso continuo:
[ ] ( )
X
E X xf x dx
Ahora, de forma ms general, Sea X una variable aleatoria y H(X) una funcin de esta variable aleatoria X. La
esperanza de H(X) una variable aleatoria se define, en el caso discreto, de la siguiente forma:
[ ( )] ( ) ( ) ( ) ( )
X X
X
x R x R
E H X h x p x h x P X x
= = =
y en el caso continuo:
[ ( )] ( ) ( )
X
E H X H x f x dx
Notar que es posible encontrar el valor esperado slo si la serie converge, o la integral existe, segn sea el caso.
Propiedades:
Sea X una variable aleatoria, H(X) y G(X) funciones de la variable aleatoria, y k una constante. Entonces:
Ejemplo: Calcule el valor esperado de la variable aleatoria cuya distribucin de probabilidad est dada por:
Probabilidades y Estadstica
Edmundo Pea Rozas, Juan Garcs Seguel
9
1 1 1
[ ] 2 3 4 3
4 2 4
E X = + + =
Ahora, sea Y=H(X)=X
2
. Calcule el valor esperado de H(X).
2 2 2
1 1 1 19
[ ( )] 2 3 4
4 2 4 2
E H X = + + =
Ejemplo: Calcule el valor esperado de la variable aleatoria cuya funcin de densidad est dada por:
( ) 0 ,
2
1
2 /
> =
x e x f
x
X
/ 2
0
1
[ ] ( ) 2
2
x
X
E X xf x dx x e dx
= = =
Ahora, sea Y=H(X)=3X. Calcule el valor esperado de H(X).
Por propiedades de la esperanza, se tiene que [ ( )] [3 ] 3 [ ] 3 2 6 E H X E X E X = = = =
Ejemplo: Calcular el valor esperado de una variable aleatoria cuya funcin de densidad est dada por:
( )
=
c o e
x
x f
X
. . , 0
5 0 ,
5
1
5
0
1
[ ] ( ) 2, 5
5
X
E X xf x dx x dx
= = =
Si ahora se tiene que Y=H(X)=3X
2
+1, calcule la esperanza de H(X).
Un camino puede ser el siguiente:
2 2 2
[ ( )] [3 1] [3 ] [1] 3 [ ] [1] E H X E X E X E E X E = + = + = +
Donde
5
2 2 2
0
1 25
[ ] ( )
5 3
X
E X x f x dx x dx
= = =
. Por lo tanto, volviendo a la expresin anterior:
2
25
[ ( )] 3 [ ] [1] 3 1 26
3
E H X E X E = + = + = .
Otra forma puede haber sido calcular la integral que aparece al aplicar directamente la definicin de esperanza.
Varianza o Dispersin
La varianza o dispersin de una variable aleatoria X se denota por
2
X
o ( ) Var X , y se define por:
( )
2
2
X X
E X
(
=
Tambin se define la desviacin tpica o estndar de X, como la raz cuadrada positiva de la varianza, es decir:
( )
2
X X
E X
(
=
La varianza es un indicador respecto de qu tan dispersos estn los valores de la variable aleatoria.
Para su clculo, puede resultar ms prctico usar la siguiente expresin:
[ ] ( )
2
2 2
X
E X E X ( =
La varianza presenta las siguientes propiedades:
Probabilidades y Estadstica
Edmundo Pea Rozas, Juan Garcs Seguel
10
Ejemplo: Encuentre la varianza de la variable aleatoria X, cuya distribucin de probabilidad est definida por:
Como se calcul anteriormente:
1 1 1
[ ] 2 3 4 3
4 2 4
E X = + + = , y
2 2 2 2
1 1 1 19
[ ] 2 3 4
4 2 4 2
E X = + + =
Ahora
[ ] ( ) ( )
2 2
2 2
19
3 0, 5
2
X
E X E X ( = = =
Ejemplo: Calcular la varianza de una variable aleatoria X, cuya funcin de densidad est dada por:
( )
=
c o e
x
x f
X
. . , 0
5 0 ,
5
1
Desarrollo. Se tiene que:
5
0
1
[ ] ( ) 2, 5
5
X
E X xf x dx x dx
= = =
y
5
2 2 2
0
1 25
[ ] ( )
5 3
X
E X x f x dx x dx
= = =
Entonces:
[ ] ( ) ( )
2 2
2 2
25 25
2, 5
3 12
X
E X E X ( = = =
