Variables Aleatorias I

Mallén Arenas

Departamento de Matemáticas
Facultad de Ciencias
Universidad de Chile

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 1 / 30

 1 Introducción

2 Variables Aleatorias Discretas

3 Variables Aleatorias Continuas

4 Funciones de variable aleatoria

5 Esperanza de una variable aleatoria

6 Varianza de una variable aleatoria

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 2 / 30

 Introducción

Introducción

Definición
Dado un experimento aleatorio , Ω el espacio muestral asociado a . Una
función X que asigna a cada elemento ω en Ω uno y solamente un número
real x = X(ω), se llama variable aleatoria. Es decir, X es una función real,

X : Ω −→ IR
El dominio de la variable aleatoria X es Ω y el rango es un subconjunto de
IR que lo denotaremos por RX o R(X). El rango RX de la variable
aleatoria X está dado por el siguiente conjunto de números reales:

RX = {x ∈ IR : X(ω) = x, algún ω ∈ Ω} = X(Ω).

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 3 / 30

 Introducción

Ejemplo
Pensemos en los estudiantes de una universidad A, cada estudiante vamos
a concebirlo como un suceso, a este suceso vamos a asignarle su altura ası́
diremos que Juan mide 1.72, Pedro mide 1.66 mts. Es decir, estamos
cuantificando los estudiantes X(Juan) = 1.72, X(Pedro) = 1.66 mts.

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 4 / 30

 Introducción

Definición (Eventos Equivalentes.)

Sea Ω un espacio muestral asociado a un experimento aleatorio , y X una
variable aleatoria con rango RX definida sobre Ω. Un evento A en Ω y un
evento EX en RX se dice que son eventos equivalentes, si

A = {ω ∈ Ω : X(ω) ∈ EX }

Definición
A es un evento en el espacio muestral Ω y EX un evento en el rango RX
de la variable aleatoria X, entonces definimos la probabilidad de EX como:

P (EX ) = P (A), A = {ω ∈ Ω : X(ω) ∈ EX }.

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 5 / 30

 Variables Aleatorias Discretas

Variables Aleatorias Discretas

Definición
Si el rango de la variable aleatoria X, es un conjunto finito o infinito
numerable, se llama variable aleatoria discreta. En este caso:

RX = {x1 , x2 , x3 , . . . }.

Obs: Podemos asumir que RX está ordenado es decir:

x1 < x2 < · · · < xn < . . . .

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 6 / 30

 Variables Aleatorias Discretas

Definición (Función o Ley de Probabilidad)

Sea X una variable aleatoria discreta con rango RX . Una función definida
por:
X
p(x) = P (X = x) = P ({ω : X(ω) = x}) = P (ω)
{ω:X(ω)=x}

y satisface las siguientes condiciones:

1 p(x) > 0, si x ∈ RX .
P
x∈Rx p(x) = 1.
2

Se llama función de probabilidad o ley de probabilidad (también llamada

función de cuantı́a) de la variable aleatoria X.

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 7 / 30

 Variables Aleatorias Discretas

La colección de pares (x, p(x)) se llama distribución de probabilidad de X.

La distribución de probabilidad se representa usualmente en una tabla,
como muestra la figura:
x x1 x2 x3 ...
p(x) p(x1 ) p(x2 ) p(x3 ) ...
También se puede representar gráficamente.
La probabilidad de un evento E en RX , se define de la siguiente manera:
X X
P (E) = p(x) = P (X = x)
x∈E x∈E

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 8 / 30

 Variables Aleatorias Discretas

Ejemplo
En un lote de 10 artı́culos, hay 3 artı́culos defectuosos. Del lote se toma al
azar una muestra de cuatro artı́culos sin reposición. Sea X la variable
aleatoria que representa el número de artı́culos defectuosos en la muestra.
a) Describir el dominio de X;
b) Determinar la función de probabilidad de X;
c) Graficar la función de probabilidad de X.

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 9 / 30

 Variables Aleatorias Discretas

Ejemplo
Considere el lanzamiento de una moneda tres veces y defina
X(ω) = nC − nS . Hallar la distribución de probabilidad y construir su
tabla.

Ejemplo
Para cada una de las siguientes funciones, determine la constante k para
que f (x) sea una función de probabilidad de una variable aleatoria X.
a) f (x) = kx, x = 1, 2, 3, ..., 10
x
b) f (x) = k 13 , x = 1, 2, 3, ...

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 10 / 30

 Variables Aleatorias Discretas

Función de Distribución de una variable Aleatoria Discreta

Otro concepto importante en el desarrollo de los siguientes capı́tulos es el
de función de distribución, o función de distribución acumulativa, como se
conoce algunas veces, debido a que se considera eventos de la forma:

{X ≤ x}

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 11 / 30

 Variables Aleatorias Discretas

Definición
Sea X una variable aleatoria discreta con función de probabilidad,
p(xi ) = P (X = xi ) , sea x un número real cualquiera, la función de
Distribución de X se denota por F (x) y se define como:
X X
F (x) = P (X ≤ x) = p(xi ) = P (X = xi ).
xi ≤x xi ≤x

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 12 / 30

 Variables Aleatorias Discretas

Propiedades de la función de distribución

Prop.1. 0 ≤ F (x) ≤ 1, pues F (x) es una probabilidad para cualquier
x real y las probabilidades están limitadas por 0 y 1.
Prop.2. F (x) es una función no decreciente. Sean x1 , x2 ∈ IR tales
que x1 < x2 , entonces se tiene F (x1 ) ≤ F (x2 ).
Prop.3. a) F (∞) = P (X ≤ ∞) = 1, pues el evento {X ≤ ∞} es
el conjunto de todos los números reales.
b) F (−∞) = P (X ≤ −∞) = 0, pues el evento
{X ≤ −∞} es el conjunto nulo.
Prop.4. Sea xk , xk+1 ∈ RX ,si x es tal que xk < x < xk+1 , entonces
F (x) = F (xk ). Es decir, la función F (x) es constante e
igual a F (xk ) para todo x ∈ [xk , xk+1 ]. Esto implica, que si
X es una variable discreta, F (x) es una función escalonada.

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 13 / 30

 Variables Aleatorias Discretas

Nota:
a) La función de distribución da directamente P (X ≤ a) = F (a);
b) P (X ≥ a) = 1 − P (X < a) = 1 − F (xk ), si xk < a ≤ xk+1 ;
c) La función de distribución F (x) se puede usar para determinar la
probabilidad de cualquier clase con relación a X; en particular se
tiene:
P (a < X ≤ b) = F (b) − F (a)
P (a ≤ X ≤ b) = F (b) − F (a) + P (X = a)
P (a < X < b) = F (b) − F (a) − P (X = b)
P (a ≤ X < b) = F (b) − F (a) − P (X = b) + P (X = a)
p(xi ) = P (X = xi ) = F (xi ) − F (xi−1 ).

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 14 / 30

 Variables Aleatorias Continuas

Variables Aleatorias Continuas

Definición
Decimos que X es una variable aleatoria continua con rango RX si existe
una función f (x) integrable, llamada función de densidad de probabilidad
asociada a X, que satisface las siguientes condiciones:
1 f (x) ≥ 0, ∀x ∈ IR
R
RX f (x)dx = 1
2

3 La probabilidad de un evento A = {x : a < X ≤ b} está dada por:

Z b
P (A) = P (a < X ≤ b) = f (x)dx
a

Obs: Asumiremos que f (x) = 0 si x ∈

/ RX .

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 15 / 30

 Variables Aleatorias Continuas

Observación: Es importante darse cuenta que f (x) no representa la

probabilidad de algo y que solamente cuando la función se integra entre
dos puntos produce una probabilidad.

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 16 / 30

 Variables Aleatorias Continuas

Obs: Si X es una variable aleatoria continua podemos ver que:

La Probabilidad de un punto es nula, es decir si x0 ∈ RX , entonces

P (X = x0 ) = 0;

De lo anterior se deduce que:

P (a < X ≤ b) = P (a ≤ X ≤ b) = P (a < X < b) = P (a ≤ X < b).

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 17 / 30

 Variables Aleatorias Continuas

Ejemplo
Considere la variable aleatoria continua X con fdp dada por:
(
kx, si 0 ≤ x ≤ 1;
f (x) =
0, en otro caso.

a) Determine la constante k para que f (x) sea una función de densidad

de probabilidad;
b) Calcule P (X < 1/2)

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 18 / 30

 Variables Aleatorias Continuas

Función de distribución variable aleatoria continua

Definición
Sea X una variable aleatoria continua con función de densidad f (x). La
función de distribución (o función de distribución acumulada) de la
variable aleatoria X, denotada por F (x), se define por:
Z x
F (x) = P (X ≤ x) = f (x)dx, ∀x ∈ IR.
−∞

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 19 / 30

 Variables Aleatorias Continuas

Propiedades de la funcion de distribucion

Al igual que en el caso discreto tenemos que:

0 ≤ F (x) ≤ 1, ∀x ∈ IR

F (−∞) = lim F (x) = 0 y F (∞) = lim F (x) = 1

x→−∞ x→∞

La función de distribución es no decreciente, esto es si a ≤ b,

entonces:
F (a) ≤ F (b),

lim F (x + h) = F (x),
h→0

con h > 0; o sea F es continua por la derecha, en todos los puntos.

Se cumple
dF (x)
f (x) = .
dx

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 20 / 30

 Funciones de variable aleatoria

Funciones de variable aleatoria

Si conocemos la distribución de una variable aleatoria X y sea H(x) una

función real. Tenemos que Y = H(X) es también una variable aleatoria.
(Ej: X 2 ,log(X), etc.)
Si X es una variable discreta entonces Y = H(X) es también
discreta y en tal caso.

P (Y = yj ) = P (H(X) = yj )
= P −1
P(X = H (yj ))
= xi :H(xi )=yj P (X = xi ).

Obs: H −1 (y) = {x : H(x) = y}.

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 21 / 30

 Funciones de variable aleatoria

Ejemplo
Suponga que la variable aleatoria X toma los tres valores -1, 0 y 1 con
probabilidades 1/3,1/2 y 1/6, respectivamente. Sea Y = 3X + 1 ¿Cuál es
la función de probabilidades de la variable aleatoria Y ?

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 22 / 30

 Funciones de variable aleatoria

Si X es una variable aleatoria continua entonces Y = H(X) puede

ser discreta o continua. Por ejemplo si H es una función continua
estrictamente creciente, entonces Y = H(X) es continua y podemos
calcular su fdp como sigue:

FY (y) = P (Y ≤ y)
= P (H(X) ≤ y)
= P (X ≤ H −1 (y))
= FX (H −1 (y)),

derivando a ambos lados obtenemos:

dH −1 (y)
fY (y) = fX (H −1 (y)) .
dy

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 23 / 30

 Funciones de variable aleatoria

Ejemplo
Suponga que la variable aleatoria continua X tiene fdp dada por:
(
2x, si 0 ≤ x ≤ 1;
f (x) = .
0, en otro caso.

Sea Y = 3X + 1 ¿Cuál es la función de probabilidades de la variable

aleatoria Y ?

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 24 / 30

 Esperanza de una variable aleatoria

Esperanza de una variable aleatoria

Definición
Sea X una v.a. con rango RX y función de probabilidad p(x) si es
discreta o función de densidad f (x) si es continua. El valor esperado o
esperanza matemática de X, se denota por E(X). Y se define:
X
E(X) = xp(x),
x∈RX

si X es una variable aleatoria discreta;

Z Z ∞
E(X) = xf (x)dx = xfX (x)dx,
x∈RX −∞

si X es una variable aleatoria continua.

La esperanza de X, se llama también, media de la variable aleatoria, y se
denota por µ.
Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 25 / 30
 Esperanza de una variable aleatoria

Propiedades de la esperanza matemática

Teorema
Sea X una variable aleatoria, e Y = H(X) una función de X. EL valor
esperado de la función H(X), denotamos por E[H(X)], se define por
i) X
E(H(X)) = H(x)p(x),
x∈RX

si X es discreta;
ii) Z Z ∞
E(H(X)) = H(x)f (x)dx = H(x)fX (x)dx,
x∈RX −∞

si X es continua.

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 26 / 30

 Esperanza de una variable aleatoria

Teorema
Si X es una variable aleatoria, a y b constantes. Entonces
E(a) = a;
E(aH(X)) = aE(H(X));
E(aH(X) + bG(X)) = aE(H(X)) + bE(G(X)).

Corolario
Sea X una variable aleatoria y si a y b son constantes, entonces:

E(aX + b) = aE(X) + b.

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 27 / 30

 Varianza de una variable aleatoria

Varianza de una variable aleatoria

Definición
La varianza de una variable aleatoria X, se denota por Var(X) o por la
letra griega σ 2 y se define como:

V ar(X) = σ 2 = E[(X − E(X))2 ] = E[(X − µ)2 ]

Definición
La Dasviación Tı́pica o Desviación Estándar de una variable aleatoria X,
se denota por σ o σX y se define como:
p
σ = σX = V ar(X).

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 28 / 30

 Varianza de una variable aleatoria

Propiedades de la varianza y desviación tipica

Teorema
Si X es una variable aleatoria con media µ, la varianza de X está dado
por:
V ar(X) = σ 2 = E(X 2 ) − [E(X)]2 = E(X 2 ) − µ2

Teorema
Si X es una variable aleatoria, a y b constantes, entonces

Var(aX + b) = a2 Var(X)

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 29 / 30

 Varianza de una variable aleatoria

Consecuencia del teorema:

1 Si a = 0, Var(b) = 0, la varianza de una constante es cero;

2 2. Si b = 0, Var(aX) = a2 Var(X).

Teorema
Si X es una variable aleatoria y c una constante, entonces
1 σcX = |c|σX
2 σX+c = σX

Mallén Arenas (Dpto. de Matemáticas) Variables Aleatorias I 30 / 30