Variables Aleatórias

César A. Gómez

Escuela de Estadı́stica
Definición 1
Una variable aleatoria X , (en lo sucesivo abreviaremos v.a) es una función
que asigna a cada pósible resultado ω en el espacio muestra S un único
número real X (ω) ∈ R.

Consideremos los siguientes ejemplos :

1 En el experimento que consiste en el lanzamiento de una moneda,

considere la va X definida como :

 0 Si ω = cara

X (ω) =

1 Si ω = sello


Variables Aleatórias 1 / 14
2 En una urna hay 50 bolas rojas y 50 bolas negras. Considere el
experimento que consiste en sacar una balota al azar y consideremos
la va Y definida por

 0
 Si ω = balota roja
Y (ω) =

1 Si ω = balota negra


3 En una población se estima que 50 % de los recien nacidos

corresponden a niños, considere la va Z definida por

 0 Si ω = niño

Z (ω) =

1 Si ω = niña


Variables Aleatórias 2 / 14
Observe la similitud de las vas X , Y y Z , en los ejemplos anteriores. Otros
ejemplos de variables aleatorias pueden ser
Ej. 1
En el experimento que consiste en el lanzamiento de un dado, donde

S = {1, 2, 3, 4, 5, 6}.

Considere la va Z definida por

Z (ω) = ω.

Ası́ por ejemplo Z (1) = 1, Z (2) = 2, etc.

Variables Aleatórias 3 / 14
Ej. 2
Considere el experimento que consiste en contar el número de llamadas
entre las 12:00 AM y las 6:00PM que se resiben durante un dia en un call
center (central telefónica). Considere la va W definida como

W (ω) = ω, donde ω ∈ S = {1, 2, 3, 4, . . .}.

Variables Aleatórias 4 / 14
Ej. 3
Considere el experimento que consiste en examinar uno a uno los fúsibles
producidos secuencialmente por una máquina y considere la va X definida
como el número de fúsibles buenos que se encuentran antes de detectar
uno defectuoso.
Observe que en este experimento el espacio muestras S se puede ordenar
del siguiente modo

S = {M, BM, BBM, BBBM, . . .}.

La va X está definida entonces como

X (M) = 0, X (BM) = 1, X (BBM) = 2, X (BBBM) = 3, . . . etc.

Variables Aleatórias 5 / 14
Tipos de Variables Aleatórias

Definición 2
Una v.a se denomina discreta si el conjunto de valores que toma la
variable es finito ó númerable (lo cúal quiere decir que puede ser infinito
pero sus elementos pueden ser enumerados, ası́ primero, segundo, tercero,
etc.).

Variables Aleatórias 6 / 14
Definición 3
Una variable aleatória se denomina continua si:
1 El conjunto de valores que puede tomar la v.a forma un intervalo de
la recta, dicho intervalo puede ser por ejemplo
(−∞, ∞) o (−∞, b] o [a, ∞) o (a, ∞) o (a, b), o [a, b], etc. ó incluso
la unión de inetrvalos disyuntos.
2 Para cualquier x en el rango de valores de la v.a X , se tiene que

P(X = x) = 0.

Variables Aleatórias 7 / 14
Distribuciones de Probabilidad para Variables Alectorias Dis-
cretas

Definición 4
Una distribución de probabilidad para una v.a discreta X es una función
p(x), tal que si
B = {x1 , x2 , x3 , . . .},

es el conjunto de valores del rango de X entonces

p(xi ) = P(X = xi ), para xi ∈ B.

A la función de distribución de probabilidad de una v.a aleatória X

también se le denomina función de masa de probabilidad y se abrevia
f.m.p, vamos a seguir empleando esta terminologı́a.

Variables Aleatórias 8 / 14
Es claro que si p(x) es una f.m.p de una v.a discreta, siempre se debe
tener que

X
p(xi ) = 1. (1)
todos los xi

es decir

p(x1 ) + p(x2 ) + p(x3 ) + · · · = 1. (2)

Variables Aleatórias 9 / 14
Ej. 4
Un sistema de 6 generadores proporciona la energı́a necesaria en una
planta de ensamblado. Sea X el número de generadores en uso durante
una hora de funcionameinto normal. Y considere la siguiente f.m.p para X

x 0 1 2 3 4 5 6
p(x) 0.05 0.1 0.15 0.25 0.2 0.15 0.1
Cuadro 1: fmp de X = # de generadores en uso.

Variables Aleatórias 10 / 14
Se pueden por ejemplo calcular probabilidades de interés, utilizando las
propiedades

P(X ≤ 2) = P({0}) + P({1}) + P({2}),

= P({X = 0}) + P({X = 1}) + P({X = 3})

= p(0) + p(1) + p(3)

= 0.05 + 0.1 + 0.15.

(3)

Variables Aleatórias 11 / 14
Definición 5
El valor médio, o simplemente média de la va X , (también valor
esperado de X ) es el número denotado por E [X ] y que se calcula con la
fmp p(x) de la va X ası́

E [X ] = x1 p(x1 ) + x2 p(x2 ) + x3 p(x3 ) + · · · ,

X
= xi p(xi ).
todos los xi
(4)

Variables Aleatórias 12 / 14
Función de Distribución Acumulada

Definición 6
La función de distribución acumulada, (abreviada fda en lo sucesivo) de
una va X discreta con fmp p(x). Es una función F (x) definida para todo
valor real x como
X
F (x) = P(X ≤ x) = p(y ). (5)
y ≤x

Variables Aleatórias 13 / 14
Proposición 1
Para 2 números cualesquiera a y b con a < b

P(a ≤ X ≤ b) = F (b) − F (a− ) (6)

donde

F (a− ) = lı́m F (x).

x→a−

Variables Aleatórias 14 / 14