1

VARIABLE ALEATORIAS
Una Variable Aleatoria es una regla o funcin que asigna un nico nmero real a
cada resultado del espacio muestral de un experimento aleatorio, es decir:
:
Las variables aleatorias se simbolizan, generalmente, con las letras maysculas X, Y, Z.
Se utilizar su correspondiente letra minscula (x, y, z en este caso) para designar sus
posibles valores. Se distinguen dos tipos de variables aleatorias: Discretas y Continuas
Una variable discreta tiene una cantidad o finita o (infinita) enumerable de valores
N Experimento Variable aleatoria X Valores x
1 Lanzar tres monedas Nmero de sellos 0, 1, 2, 3
2
Sacar dos fichas, sin reemplazo, de
una caja con 4 fichas rojas y 3 negras
Nmero de fichas rojas 0, 1, 2
3 Lanzar dos dados
Suma de los nmeros
de las caras
2, 3, ..., 12
4 Clientes que llegan a un mostrador Nmero de clientes 0, 1, 2, ...
5 Llamar a cinco clientes
Cantidad de clientes
que hacen pedido
0, 1, 2, 3, 4, 5
6 Revisar un embarque de 50 radios
Cantidad de radios
defectuosos
0, 1, 2, ..., 50
7
Funcionamiento de un restaurante
durante un da
Sexo del cliente
0 si es hombre
1 si es mujer

Una variable continua tiene una cantidad infinita no enumerable de valores
N Experimento Variable aleatoria X Valores x
1 Escoger una serpiente al azar Longitud de una serpiente x > 0
2
Atencin al pblico de un
banco
Tiempo, entre llegadas de clientes x 0
3
Llenar una lata de bebida
(Max = 12,1 onzas)
Cantidad de onzas 0 x 12,1
4
Proyecto para construir una
nueva biblioteca
Porcentaje terminado del proyectado en
seis meses
0 x 100
5
Ensayar un nuevo proceso
qumico
Temperatura en que se lleva a cabo la
reaccin deseada (min 150F; Max 212F)
150 x 212

2

Variables aleatorias Discretas

Sea una variable aleatoria discreta definida sobre un espacio muestral y
supongamos que toma los valores
1
,
2
,
3
, Decimos que una funcin : 0,1 es
una funcin de probabilidad o funcin de masa de si:

=
=

0



Se puede verificar que cumple las dos siguientes condiciones:
a)

b)

= 1

Ejemplo1
Supngase que se lanza una moneda dos veces y sea X la variable aleatoria que
representa al nmero de caras que resultan. Hallar la probabilidad de que X tome
el valor de 0, 1 y 2.

Ejemplo 2
Para verificar la exactitud de sus estados financieros, las empresas a menudo
emplean auditores que verifiquen sus ingresos. Los empleados de la empresa se
equivocan al registrar los ingresos 5% de las veces. Suponga que un auditor revisa
aleatoriamente tres ingresos. Determine la funcin de probabilidad del nmero de
errores detectado por el auditor.
SOLUCION:
Para i = 1, 2, 3 sea Mi el evento que representa al hecho de que el auditor detect un error
en el ingreso i. De igual manera, sea Bi el evento que representa al hecho de que el auditor
no detect un error en un ingreso i.

De los datos del problema, P(Mi) = 0,05. Por tanto, P(Bi) = 1 P(Mi) = 0,95.
Ahora, sean X la variable aleatoria que representa al nmero de errores detectado por el
auditor y f su correspondiente funcin de probabilidad. Tenemos que Como X puede tomar
los valores 0, 1, 2 3, entonces (utilizaremos la independencia de los eventos Mi, de los Bi y la
de los Mi con los Bi)

f(0) = P(X = 0) = P(B1B2B3) = P(B1) P(B2) P(B3) = (0,95)
3
= 0,857375
f(1) = P(X = 1) = P(B1B2M3 B1M2B3 M1B2B3) = = 3(0,05)(0,95)
2
=0,135375
f(2) = P(X = 2) = P(B1M2M3 M1B2M3 M1M2B3) = = 3(0,05)
2
(0,95) = 0,007125
f(3) = P(X = 3) = P(M1M2M3) = (0,05)
3
= 0,000125

3

En muchas ocasiones, es de mucha ayuda el expresar la distribucin de probabilidad
en forma grfica, la cual puede construirse usando segmentos de rectas verticales.
Los valores de la variable aleatoria se localizan en el eje horizontal y las
probabilidades en el eje vertical, en cada valor se construyen un segmento de recta
vertical de altura igual a la probabilidad de la variable aleatoria (La suma de las
longitudes de los segmentos verticales debe ser igual a 1), para el ejemplo 1 tenemos:


La funcin de Distribucin o Acumulada : de una variable aleatoria discreta
con funcin de masa (), se define as:
= =

En donde la suma anterior recorre todos los valores de que son menores o iguales
que .

Ejemplo 3
Consideremos el lanzamiento de dos monedas del ejemplo 1.
La distribucin de probabilidad de la variable aleatoria nmero de caras que
resultan es

f(0) = P(X = 0) = , f(1) = P(X = 1) = , f(2) = P(X = 2) = .

4

Ahora, hallaremos la funcin de distribucin F de X. en efecto: Como los posibles
valores de X son 0, 1 y 2, primero determinamos F(t) para cada valor t en el conjunto
{0,1,2}




Ahora, determinamos F(t) para cualquier otro nmero t distinto de los valores posibles
que toma x, es decir, distinto de 0, 1, 2.









Por tanto, podemos concluir que


5

El grfico de funcin de distribucin acumulada crece a saltos hasta que alcanza el valor 1,
esto es:



Esperanza de una variable aleatoria
Sea X una variable aleatoria discreta definida sobre un espacio muestral y
supongamos que toma valores
1
,
2
,
3
, (finito o infinito). Sea f la funcin de
probabilidad de X. Entonces, la Esperanza (valor esperado o media) de X,
simbolizada por o E(X) se define as:

Ejemplo 4
Consideremos nuevamente el ejemplo 1, el lanzamiento de dos monedas con funcin
de distribucin:


Por consiguiente, la esperanza de X est dada por




Es decir, cuando el lanzamiento de las monedas se repite un nmero grande de
veces, se espera que resulte en promedio 1 cara.

6

Ejemplo 5
Suponga que una librera compra tres ejemplares de un libro a $10.000 para
venderlos a $20.000, entendiendo que al terminar el periodo de tres meses,
cualquier ejemplar no vendido se vender en $3.000. Si X es la variable aleatoria
nmero de ejemplares vendidos, entonces, la utilidad neta es una variable
aleatoria h(X) que depende de X y que est dada por

h(X) = Ingresos-Costos=$20.000X + $3.000(3 X) $30.000 = $17.000X $21.000.

La Esperanza o media de cualquier funcin h(X) simbolizada como E(h(X)) se define


Si la variable X toma los valores 0, 1, 2 y 3 con las probabilidades 0,1, 0,2, 0,3 y 0,4,
respectivamente, entonces, la utilidad esperada es




Es decir, sobre un nmero muy grande de repeticiones, se espera que el comprador
tenga una utilidad de $13.000.

Propiedades del Valor Esperado.
Sea X una variable aleatoria discreta definida sobre un espacio muestral y a. b
constantes, entonces:





Varianza de una variable aleatoria
Sea X una variable aleatoria discreta definida sobre un espacio muestral y
supongamos que toma valores
1
,
2
,
3
, (finito o infinito). Sea f y la funcin de
probabilidad y esperanza de X, respectivamente. Entonces, la Varianza de X,
simbolizada por
2
o V(X) se define as:


La desviacin estndar de X, denotada por , se define como la raz cuadrada
positiva de la varianza.

7

Se puede probar que la varianza tambin se puede expresar as:




Ejemplo 6
Del ejemplo 4, hemos encontrado que la esperanza de X es = 1, luego tendramos
que:

Con esto, la desviacin estndar de X es


Ejemplo 7
Del ejemplo 5, hemos encontrado que la esperanza de E(h(X))=$13.000, siendo h(X) la
utilidad neta , Por consiguiente la varianza de h(X) es:


La desviacin estndar de h(X) es igual a


Propiedades del Valor Esperado.
Sea X una variable aleatoria discreta definida sobre un espacio muestral y a. b
constantes, entonces: