VARIABLES ALEATORIAS

Definición de variable aleatoria

Una variable aleatoria (v.a.) X es una función real definida en el espacio muestral, S, asociado a un
experimento aleatorio. 𝑋: 𝑆 → ℝ

Ejemplo1:
Se realiza un experimento en un laboratorio cuyo resultado puede ser positivo o negativo. Construir el
espacio muestral y dar una v.a. asociada al experimento.
E = {Positivo, Negativo}
𝑋( 𝑃𝑜𝑠𝑖𝑡𝑖𝑣𝑜 ) = 1
{ 𝑋 ( 𝑁𝑒𝑔𝑎𝑡𝑖𝑣𝑜 ) = 0

X es una variable aleatoria

A un suceso experimental se le asocia un número real a través de la variable aleatoria
Por ejemplo, para los sucesos
A : “el test da positivo” resulta A = {X =1}
B : “el test da negativo” B = {X = 0}
A  B: “dar positivo o negativo” A  B = {X = 0, X = 1} = E

Ejemplo 2
Supongamos que se lanzan dos monedas al aire. El espacio muestral, esto es, el conjunto de resultados
elementales posibles asociado al experimento, es , donde (c representa
"sale cara" y x, "sale cruz").
Podemos asignar entonces a cada suceso elemental del experimento el número de caras obtenidas. De
este modo se definiría la variable aleatoria X como la función
dada por

El recorrido o rango de esta función, IX, es el conjunto IX = {0,1,2, }

Tipos de variables aleatorias

Para comprender de una manera más amplia y rigurosa los tipos de variables, es necesario conocer la
definición de conjunto discreto. Un conjunto es discreto si está formado por un número finito de
elementos, o si sus elementos se pueden enumerar en secuencia de modo que haya un primer elemento,
un segundo elemento, un tercer elemento, y así sucesivamente
Variable aleatoria discreta: una v.a. es discreta si su recorrido es un conjunto discreto. La variable
del ejemplo anterior es discreta.
Variable aleatoria continua: una v.a. es continua si su recorrido no es un conjunto numerable.
Intuitivamente esto significa que el conjunto de posibles valores de la variable abarca todo un
intervalo de números reales. Por ejemplo, la variable que asigna la estatura a una persona extraída de
una determinada población es una variable continua ya que, teóricamente, todo valor entre, pongamos
por caso, 0 y 2,50 m, es posible

En general, las medidas dan lugar a v.a. continuas y los conteos a v.a. discretas.

1
Marisa Quiroga
Distribución de Probabilidad de una variable aleatoria

La distribución de probabilidad de una variable aleatoria es una función que asigna a cada suceso
definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra.
La distribución de probabilidad está definida sobre el conjunto de todos los sucesos, cada uno de los
sucesos es el rango de valores de la variable aleatoria.
La distribución de probabilidad está completamente especificada por la función de distribución, cuyo
valor en cada x real es la probabilidad de que la variable aleatoria sea menor o igual que x.

Variable Aleatoria Discreta

Definición:
X es una v.a. discreta si toma valores en un conjunto numerable {x 1, x2, x3, ..., xi, ... }

Función de probabilidad puntual de una variable aleatoria discreta

Sea X una v.a. discreta que toma los valores x 1, x2, x3, ... , xi , ... La función de probabilidad puntual
de X se define como la probabilidad del suceso preimagen de x i por la función X, y lo indicaremos
𝑃 (𝑋 = 𝑥𝑖 ) .

X x1 x2 x2 ..

P ( X = xi) p1 p2 p3 …

Proposición:
Sea X v.a. discreta y f(x) su función masa de probabilidad. Entonces:
1. f(x) ≥ 0 para todo x ∈ ℜ
2. Σ f(x) = 1
x∈ℜ
3. En general, para cualquier conjunto B, P[X∈B] = Σ P(X=x), donde x son los posibles valores de B

Función de distribución de una variable aleatoria

Es la probabilidad de que X sea menor o igual a x

𝐹(𝑥) = 𝑃 (𝑋 ≤ 𝑥) = 𝑃 (𝑋 = 𝑥1 ) + 𝑃 (𝑋 = 𝑥2 ) + … … + 𝑃 (𝑋 = 𝑥 ) .

Y, tal como corresponde a la definición de distribución de probabilidad, esta expresión representa la

suma de todas las probabilidades desde hasta el valor .

Ejemplo 3
Se desea realizar un estudio sobre el número de crías en una camada.
Sea la v.a. X :“Número de crías en una camada”

X toma los valores x=0, 1, 2, 3, con probabilidades P{X=0}=0.2; P{X=1}=0.3; P{X=2}=0.3; P{X=3}=0.2
Por ejemplo: F(2.5) = P{X ≤ 2.5} =P{X = 0} + P {X = 1} + P{X = 2} = 0.8
¿Cuál es el número de crías que divide a las camadas en dos partes iguales?mm F(x) = 0.5 ⇒ x = 1
¿Cuál es la probabilidad de que una camada tenga 2 crías?
P{X=2}=P{X ≤ 2} − P{X ≤ 1} = (2 −F(1) = 0.3
¿Cuál es la probabilidad de que el número de crías en una camada sea mayor o igual a 2.2?
P{X ≥ 2.2}= 1 − P{X < 2.2} = 1 − P{X ≤ 2} = 1 − F(2) = 0.2

2
Marisa Quiroga
Ejemplo 4
Una mujer portadora de hemofilia tiene 3 hijos ¿Cuál es el espacio muestral apropiado para estudiar
la posible hemofilia de estos?

a) Cada hijo puede padecer hemofilia (s) o no (n), por tanto S1={sss, ssn, sns, nss, snn, nsn, nns, nnn}
En este espacio muestral, el suceso "dos hijos padecen hemofilia" se representa como A 1={ssn, sns,
nss} y el suceso "los dos primeros no la padecen" como A2={nns, nnn}
b) Pueden padecer hemofilia los tres hijos (3), dos (2), ...S2={3, 2, 1, 0}
En este espacio muestral, el suceso "dos hijos padecen hemofilia" es A 1={2} y el suceso "los dos
primeros no la padecen" no se puede representar porque en el espacio muestral no está contemplado
el orden.
c) Se podría definir una variable que asignara a cada punto muestral el número de orden en el espacio
muestral.
X: sss 1; ssn 2; sns 3;...
Pero otra posible v.a.: a cada punto muestral le asigne el número de s.

Nota: Relación de la f.p.p. y la F de distribución cuando la v.a. toma valores enteros

P[ X = x ] = P [ X ≤ x ]− P[ X ≤ x −1] = F (x) − F ( x −1 )

P [ xi ≤ X ≤ xj] = P [ X ≤ xj] − P [ X < xi] = P [ X ≤ xj] − P [ X ≤ xi − 1 ] = F(xj) − F(xi−1)

Ejemplos.
P[2≤X≤8]=F(8)−F(1)
P[2≤X<8]=P[2≤X≤7]=F(7)−F(1)
P[2<X≤8]=P[3≤X≤8]=F(8)−F(2)

Características de una variable aleatoria.

Surge la necesidad de definir medidas que sinteticen el comportamiento de la variable aleatoria

Esperanza Matemática de una variable aleatoria discreta

También se llama Valor esperado o media poblacional

𝝁 = 𝑬(𝑿) = ∑ 𝒙. 𝑷(𝑿 = 𝒙)
𝒙𝝐𝑰𝒎𝑿

Ejemplo 5: Se tira un dado. Se define como v.a. el número que sale ¿Cuál es su media?
La variable X puede tomar los valores 1, 2, ..., 6 y para todos ellos f(x) = 1/6. En consecuencia la media
es

Obsérvese que es un número que la v.a. no puede alcanzar. ¿Qué significa? .

3
Marisa Quiroga
Se define ahora una función sobre X: el premio: si sale 1 ó 2 se gana 100 ptas, si sale 3 se gana 500 y
si sale 4, 5 ó 6 no se gana nada

x h
1 100
2 100
3 500
4 0
5 0
6 0

¿Cuál es el valor medio de esta función?

¿qué significa? es el valor medio a la larga: si se juega un número grande de veces la ganancia final es
como si en cada jugada se hubiera ganado 116,6 pts.

Varianza:
Se define como:

aunque para el cálculo se suele usar esta otra fórmula equivalente:

Desvío Estándar:
Es la raíz cuadrada de la varianza. Se indica 
Mide la dispersión de la variable alrededor de la media.

Ejemplo.
X : “Número de crías en una camada”
X toma los valores x=0, 1, 2, 3, con probabilidades P(X=0)= 0.2 ; P(X=1)=0.3 ;P(X=2)=0.3 ; P(X=3)=0.2
E [X ]=

4
Marisa Quiroga
Ejercicios:

1) Una variable aleatoria X puede tomar los valores 30, 40, 50 y 60 con probabilidades 0.4, 0.2, 0.1 y
0.3. Represente en una tabla la función de probabilidad,
P(X = x), y la función de distribución de probabilidad.

2) Con la variable aleatoria X, cuya función de probabilidad viene dada enla tabla siguiente
X P(X)
X 10 12 14 15 17 20
P(X) 0.1 0.3 0.25 0.14 0.15

a). Determine la esperanza y varianza

b) Determine la función de distribución de probabilidad

3)Un trabajador recibirá un premio de 3000, 2000 o 1000 euros, según el tiempo que tarde en
realizar un trabajo en menos de 10 horas, entre 10 y 15 horas y más de 15 horas, respectivamente. La
probabilidad de realizar el trabajo en cada uno de estos casos es de 0.1, 0.4 y 0.5.
1. Determinar la esperanza y la función de probabilidad de la variable aleatoria X=premio recibido.
2. Dar una nueva variable aleatoria, Y, con valor 1 si tarda menos de 10 horas y valor 0, en caso
contrario. Obtenga distribución de probabilidad, esperanza y varianza

4) Supongamos la variable tipo histológico de un tumor, con los valores 1, 2, 3, 4. Si la fdp fuera

x f(x)

1 0,22

2 0,27

3 0,30

4 0,21

significaría que la probabilidad del tipo 2 es 0,27, etc.

5) Supongamos un experimento aleatorio consistente en lanzar dos dados al aire. Bajo este
experimento las siguientes serían v.a:
1 .Sea X la v.a. su ma de los valores de los dados donde X puede tomar valores x= 2,3,4,…,12.
2 .Sea Y la v.a número de pares en los dados donde Y puede tomar los valores y= 0,1,2.
3. Sea Z la v.a número de impares en los dados donde Z puede tomar los valores z=0,1,2.

5
Marisa Quiroga