Está en la página 1de 8

TEMA 1.

- VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
1.1 VARIABLES ALEATORIAS UNIDIMENSIONALES.

Definición de variable aleatoria (v.a.)
Es una función que asigna un valor numérico a cada suceso elemental del
espacio muestral. Se designa con X.
Ejemplo: Si se lanzan tres monedas al aire y se observan los posibles resultados,
podemos definir la variable aleatoria X = “nº de caras obtenidas” y así observamos que:
Suceso aleatorio
(c,c,c)
(c,c,x)
(c,x,c)
(x,c,c)
(c,x,x)
(x,c,x)
(x,x,c)
(x,x,x)

X (nº de caras)
3
2
2
2
1
1
1
0

Se ha definido una auténtica variable aleatoria, porque a cada suceso elemental
le corresponde un número.
Variable aleatoria discreta.
Una v.a. X es discreta si puede tomar un número finito o infinito numerable de
posibles valores.
Ejemplo: El número de piezas defectuosas de un lote de piezas fabricadas. El número de
llamadas a una centralita en un intervalo de tiempo.
Variable aleatoria continua.
Una v.a. X se dice que es continua cuando puede tomar infinitos valores no
numerables, o bien, cuando puede tomar cualquier valor de un intervalo de la recta real.
Ejemplo: Tiempo que tarda un alumno en hacer un examen para el que se ha dado un
máximo de 2 horas. La duración de las llamadas telefónicas de una empresa. El tiempo
que transcurre entre la llegada de dos coches consecutivos a una gasolinera.
1.1.1 Distribución de Probabilidad de una Variable Aleatoria Discreta.

Supongamos una v.a. X que toma los valores x1, x2, x3, ... xr y sea p1, p2, p3, ...pr
las probabilidades con que toma esos valores. Se suele denotar pi = p(X = xi) = p(xi)
Función de probabilidad o función de cuantía de una v.a. X discreta es la función que
asigna a cada valor de X su probabilidad que pondremos p(X = xi) = pi
La Función de probabilidad o función de cuantía se puede presentar de tres formas:
a) En forma de “tabla”:
X x1 x2
P p1 p2


xr
pr

 n k
 p (1  p ) n k Si k = 0, 1 2, ...n
k
 

b) En forma de “fórmula”. Ejemplo: P( X  k )  

es continua cuando puede tomar cualquier valor de un intervalo de la recta real R. Función de distribución Se define la función de distribución de una v. Las funciones de distribución de las v. discretas son escalonadas. del ejemplo cumple estas propiedades. como una función acumulativa tal que F ( x)  Pr( X  x ) Obsérvese que el valor de x varía desde -∞ hasta +∞ y toma valores desde cero hasta 1. c) En forma de gráfica de diagrama de barras.a. Ejemplo 1.a.2 (pag 20) Un lote de 100 lámparas contiene 10 defectuosas. Estudiar la v.Tema 1. Una v. “nº de lámparas defectuosas en una selección aleatoria de dos lámparas”. (Ver el ejemplo de construir la función de distribución del experimento de lanzar tres monedas) 1.2 Distribución de Probabilidad de una Variable Aleatoria Continua.a..Variables aleatorias. (Ver la función de probabilidad de la variable aleatoria del ejemplo de las tres monedas) Propiedades que ha de cumplir una función de probabilidad 1º. que es lo máximo que puede acumular.a. Por tanto. sino en todos los de un José Luís Gutiérrez de Mesa 2 . Un minorista decide tomar dos lámparas aleatoriamente y si ninguna de las dos es defectuosa acepta el lote de las 100.1.P ( X  xi )  0 para todo xi n  P( X  x )  1 2º.i 1 i Observar que la v. no toma valores en unos cuantos puntos.a.

b Por tanto es P (a  X  b)  a f ( x) dx que.  b)  f ( x) dx  1 Esta segunda propiedad indica que el área que hay bajo la curva es 1 y representa el total de la probabilidad. a) f ( x)  0 Para cualquier valor de x. Se representa por f(x). que la función de distribución sea continua (sin saltos) y derivable en todos sus puntos salvo en un número finito de ellos. por tanto.Variables aleatorias.. es el área que hay bajo la curva a la izquierda de x.Tema 1. por tanto. Gráficamente se representa: Propiedades de la función de distribución de las variables aleatorias continuas José Luís Gutiérrez de Mesa 3 . Ver el ejemplo del tiempo de llegada de un autobús Propiedades que ha de cumplir una función f(x) para ser una función de densidad. Se ha de verificar. que P(X = x) = 0 y también que P ( X  x)  P ( X  x ) Función de distribución F(x) x Es por definición. igual que en caso discreto. F ( x)  Pr( X  x)   f (t )dt Por tanto. se representa: Se verifica. intervalo. gráficamente. Función de densidad de una variable aleatoria continua es el límite al que tiende la densidad de frecuencias relativas del histograma de frecuencias relativas cuando la amplitud de los intervalos tiende a cero.

.. d) Hallar P(X≤16) y P(X<17). Ejemplo 1.. 32 del libro) Sea una variable aleatoria continua X cuya función de densidad f(x) es:  1 15  x  17 f ( x)   2 Se pide:  0 en el resto a) Probar que es una función de densidad.25≤X≤16..Se verifica también que F’(x) = f(x) para cualquier valor x de la recta real.75).3 (pág. e) Hallar la función de distribución y su valor en x = 16..Variables aleatorias. continua verifica las siguientes propiedades: 1. c) Hallar P(15<X<16) y P(16.F(-) = 0 2.Tema 1.. José Luís Gutiérrez de Mesa 4 .P (a  X  b)  a f ( x) dx = F(b) – F(a) y 5.a. La función de distribución de una v.F(+) = 1 3. b) Hacer su representación gráfica.Si xi < xj entonces F(xi) ≤ F(xj) b 4.

10 libro pág 61) José Luís Gutiérrez de Mesa 5 .yj) Representa las distintas probabilidades de que X e Y tomen cualquiera de sus valores. 1. y i 1 j 1 i j ) 1 Ejemplo: Una caja contiene 4 bombillas buenas y 1 defectuosa..a.Y) Una variable aleatoria bidimensional (X.yj) =P(X = xi . que toma los valores x1.a.Y) tome el valor (xi. Se define F ( x)  P ( X  x. . x2. x3. La representación gráfica se hace mediante un diagrama de barras bidimensional. Función de probabilidad o de cuantía P(xi. y xi  x1 y j  y1 i j ) que representa la probabilidad acumulada para valores de X inferiores o iguales a x y para valores de Y inferiores o iguales a y.yj) ≤ 1 r b) y s  P( x ..a.Y) es la formada por la v.2.Tema 1. ys La probabilidad de que la v. y3. .. 1. que toma los valores y1. Función de distribución bidimensional.2 VARIABLES ALEATORIAS BIDIMENSIONALES. Si X es una v. y2. Una variable aleatoria bidimensional (X. Ejemplo (1. Y  y )  x y   P( x . Y conjuntamente. (X. discretas.a. xr e Y es otra v. X que toma valores con la v.Variables aleatorias.a.yj) es la probabilidad conjunta de que X = xi y que Y = yj que se denota por pij = P(xi. Se hacen dos extracciones consecutivas sin reemplazamiento y se definen las siguientes variables aleatorias:  0 si la primera escogida es buena  1 si la 1ª escogida es defectuosa X  0 si la segunda escogida es buena  1 si la 2 ª escogida es defectuosa Y Obtener la función de cuantía bidimensional y su representación gráfica. Y = yj) Se suele representar en forma de cuadro o tabla. aunque algunas veces se puede poner con una única “formula”.Y) es discreta si tanto la X como la Y son v... Para que sea una auténtica función de probabilidad bidimensional se ha de verificar que: a) 0 ≤ P(xi.1 Variable Aleatoria Bidimensional Discreta (X.a.

si aparece un número par (divisible por 2) le asignamos un 1 y si aparece un número impar. La siguiente tabla representa la distribución conjunta de la variable aleatoria X.1) Distribuciones marginales.a. e Y. hallar la función de probabilidad de X condicionada a que Y tome el valor 1.a. Hallar F(2. Y de tal forma que le asignamos un uno si el número que aparece es múltiplo de 3 y un cero si no lo es.7 libro..a. Recordando que P ( A B)  P( A  B) P ( B) Se define la probabilidad (función de probabilidad) de la v.. Análogamente. y j ) j  1.3) y F(3..s Que equivale a sumar por filas y columnas la función de probabilidad conjunta.s P( X  xi ) Pi  Ejemplo 1: En el ejemplo anterior... Y condicionada a que la variable X tome el valor xi.Variables aleatorias. Distribuciones condicionadas. numeradas desde el número 1 hasta el 21.r y.Tema 1.a. Ejemplo 1. Si (X.yj). se definen las funciones de probabilidad marginal de X y de Y respectivamente: s s Pi   Pij  P( xi . de manera que no hay dos bolas con el mismo número. bidimensional discreta con función de probabilidad P ij = P(xi. análogamente:  P(Y  y j ) P j  Y  yj  Se define la probabilidad de la v. nº de sobres de azúcar solicitados por taza. y j )  j  1. y consideramos la v.. X. y j ) i  1. Obtener José Luís Gutiérrez de Mesa 6 . nº de tazas de café servidas por un camarero. definimos la v. Elegimos una bola al azar. X condicionada a que la variable Y toma el valor yj: P( X  xi .. como:  yj P    X  xi  P( X  xi . Ejemplo: Hallar las distribuciones marginales del ejemplo anterior. tal que...Y) es una v.r j 1 j 1 r r i 1 i 1 y P j   Pij  P ( xi ... Y  y j ) P( xi . Y  y j ) P ( xi .a. le asignamos un cero. Deseamos conocer dos características de estos números: su divisibilidad por 2 y por 3. Sea una urna con 21 bolas. y j )  x  P i   i  1.

.Y).Tema 1.2. 1.Y) Una variable aleatoria bidimensional (X. ) f ( x. b) Las distribuciones marginales. a) La distribución de probabilidad CONJUNTA. Ejemplo 3: De un grupo de parlamentarios compuesto por tres del PP.Variables aleatorias.P(B). tal que el volumen situado debajo de ella es igual a 1 y se obtiene como paso al límite del histograma bidimensional. que representa el nº de parlamentarios del PP que entran en el comité y sea Y la v. y )  0       x. Decimos que las variables aleatorias X e Y son independientes cuando la función de distribución conjunta F(x. si se verifica: a) b) f ( x. cuando las amplitudes de los intervalos en X y en Y tienden a cero.a.a.Y) es continua si tanto la X como la Y son v.j para cualquier par de valores i y j Ejemplo: Comprobar si son independientes X e Y en los ejemplos anteriores.2 Variable Aleatoria Bidimensional Continua (X. y ) dxdy  1 Interpretación gráfica. Independencia de variables aleatorias Recordando que si dos sucesos A y B son independientes P(AB) = P(A). continuas. Obtener las distribuciones marginales. Sea X la v. deben seleccionarse un comité de dos personas. Obtener la distribución de probabilidad conjunta de X e Y. que representa el nº de parlamentarios del PSOE que forman parte del comité.F(y) que equivale a decir que Pij = Pi.y) es una función de densidad de una variable aleatoria bidimensional (X. dos del PSOE y uno de IU. y  ( .P. Hallar la distribución condicionada de X a que Y tome el valor 1.y) se puede poner como producto de las funciones de distribución de cada una de ellas F(x).a.y) representa una superficie en la parte positiva de los ejes X e Y del espacio tridimensional. Función de densidad bidimensional continua (función de densidad conjunta) Una función f(x. José Luís Gutiérrez de Mesa 7 . La función de densidad f(x. c) La probabilidad de que el número elegido sea divisible por 3 sabiendo que es par.

7. y ) dxdy y representa el volumen bajo la gráfica (superficie) limitada por x1. 6. y1  Y  y2 )  x2 y2 x1 y1   f ( x. Función de Distribución Se define: F ( x. 5. 8 y 13 del libro.Variables aleatorias. y1 e y2. x2.Tema 1. José Luís Gutiérrez de Mesa 8 .. y )  P( X  x. Se define: P ( x1  X  x2 . Y  y )  x y     f ( x. y ) dxdy Recomendación: Hacer los ejercicios 1.