Variables Aleatorias

FUNCIONES DE PROBABILIDAD DISCRETAS Y CONTINUAS

Variables aleatorias
Una variable aleatoria (𝑋) se puede ver formalmente como una función
definida en el espacio muestral de un experimento, entonces hay un valor
numérico (w) de la variable aleatoria correspondiente a cada posible resultado.

𝑋: Ω ՜ ℝ
w՜ 𝑋(w)

𝑋 : La cantidad de vehículos que pasan una intersección durante un período dado

𝑋 5 min = 10 𝑣𝑒ℎí𝑐𝑢𝑙𝑜𝑠
Ejemplo
•Número de hijos en una familia
•Número de cuartos en una casa
•El tiempo de duración de una pieza de un equipo
•El número de errores en un página de un libro
•La corriente eléctrica que pasa por un punto dado.
 Ejemplo
𝑋: Ω ՜ ℝ
¿Cuál es el espacio muestral (Ω)?
1՜𝑋 1 = 1
Ω = 1,2,3,4,5,6 2՜𝑋 2 = 2
3՜𝑋 3 = 3
¿Cómo se define la variable aleatoria (𝑋)?
4՜𝑋 4 = 4
𝑋: Ω ՜ ℝ
5՜𝑋 5 = 5
w՜ 𝑋(w)
6 ՜ 𝑋 6 =6

𝑋 = 1,2,3,4,5,6
Ejemplo

𝑌 = 0,1
Ejemplo
Un dado es lanzado dos veces:
Ω= 𝑖, 𝑗 : 𝑖, 𝑗 = 1,2,3,4,5,6

Algunas variables aleatorias que se podrían definir son:

𝑋(𝑤)= suma de los valores de las caras en 𝑤.
𝑋 𝑤 = 2,3,4, … , 12
𝑍(𝑤)= valor absoluto de la diferencia de las caras en 𝑤.
𝑍 𝑤 = 0,1,2,3,4,5
Variables discretas
Una variable aleatoria (v.a.) es discreta si los valores que
asigna forman un conjunto contable (finito o infinito).

Ejemplo:
Sea X el número de caras al lanzar dos monedas.

Ω= 𝑖, 𝑗 : 𝑖, 𝑗 = 0,1,2
CONJUNTO FINITO
Función de probabilidad
Una variable aleatoria puede especificarse estadísticamente
por su distribución o ley de probabilidad, mediante una
función matemática.

Función de masa
Variable discreta
de probabilidad
 Función de probabilidad
Definición:
La función de probabilidad de una variable aleatoria discreta X da las
probabilidades puntuales de los valores tomados por X.
Para los posibles x
Axiomas

Para los eventos irrealizables

Suma de todos los posibles x

Si hay certeza del resultado

Mutuamente excluyente
Ejemplo
El número de inundaciones registradas por año en una medición estación:
Función de distribución acumulada de
una variable aleatoria discreta (CDF)
Una función de distribución acumulada, Fx(x), es la
probabilidad de no excedencia de x.

Función monotónica
Ejemplo
Ejemplo
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: F(2.5)=?
¿Cuál es la probabilidad de
xi P{X=xi}=pi F(xi)=Fi que una camada tenga 2
x1 P{X=0}=0.2 ? crías?
x2 P{X=1}=0.3
x3 P{X=2}=0.3 ¿Cuál es la probabilidad de
x4 P{X=3}=0.2 que el número de crías en
una camada sea mayor o
igual a 2.2?
Variable aleatoria continua
X es una v.a. continua si toma valores en un conjunto no numerable.
Ejemplo
Con el fin de realizar un control de calidad en una fábrica de baterías,
se mide el tiempo de duración de baterías elegidas al azar y se define
la v.a.
X= tiempo de duración de una batería.
X es continua en el tiempo (0-∞)
Es posible discretizar en días, horas, minutos.
La probabilidad puntual se puede representar con un histograma
Área=1.
Ejemplo
Función de densidad de probabilidad
(PDF)
Definición:
Una v.a. X es continua si existe una función

llamada función de densidad de la v.a. X tal que:

Función de densidad de probabilidad
En particular, si A = [a,b] , entonces
Propiedades
Para que una función f (x) sea una función de densidad,
debe satisfacer:

f (x) no es una probabilidad sino el valor de una función en un

punto.
Ejemplo

a) Calcular el valor de la constante a.

b) Calcular P(X>=2)
Función de distribución acumulada
La función de distribución acumulada de una v.a. continua X con
función de densidad f (x) se define para todo x ∈ ℜ, como:
Ejemplo
Obtenga la función de distribución acumulada de la siguiente
función:

Función de distribución acumulada

Propiedades
Sea X una v.a. continua:
Si X es una V.A continua con función de densidad f(x) y
función acumulada F(x), entonces en todo punto donde F(x)
es derivable se tiene:
Distribución Uniforme
Definición: Se dice que X tiene distribución Uniforme en el intervalo
[A,B ], si su función de densidad es:

Donde,

es decir, la densidad es constante sobre el intervalo [ A,B ] y 0 fuera

de él. A y B son los parámetros de la distribución.
Distribución Uniforme
Ejemplo
¿Cuál es la función de distribución acumulada de 𝑋 ∽ 𝑈 𝐴, 𝐵 ?
Ejemplo
Sea X con función de densidad

a) Definan la función de distribución F(x).

b) Obtenga el 25-percentil de esta distribución (p=0.25)

Descriptores de las variables aleatorias
Descriptores numéricos

1. Media
1. Media o Valor
2. Desviación estándar
esperado
3. Coeficiente de
2. Momentos
asimetría

MUESTRA DE DATOS Medidas de las variables aleatorias

Esperanza o valor esperado

El valor promedio de una variables aleatoria después de un

número grande de experimentos, es su valor esperado.
Esperanza o valor esperado

𝐸 𝑋 = 𝜇𝑥 = ෍ 𝑥 ∙ 𝑃(𝑥)
𝑥

Si X es discreta y 𝑃(𝑥) es una Si X es continua y 𝑓(𝑥) es una

función de probabilidad función de densidad de probabilidad
𝐸 𝑋 = 𝜇𝑥 = ෍ 𝑥 ∙ 𝑃(𝑥)
𝑥
Ejercicio
Una persona tiene US1000 a un interés del 10 % anual.
Por otra parte, se le presenta la oportunidad de incorporar sus US1000 a una
empresa cuya rentabilidad anual responde a la siguiente perspectiva:
– Ganar US200 con probabilidad 0.7.
– Perder US150 con probabilidad 0.3.
¿Qué decisión cree que debe tomar esta persona?
Ejercicio
Propiedades de la esperanza
Momentos
Varianza - V(X)
2 2 2 Si X es discreta y 𝑃(𝑥) es una
𝑉 𝑋 = 𝜎 = 𝐸(𝑋 − 𝜇𝑥 ) = ෍ 𝑥 − 𝜇𝑥 𝑃(𝑥) función de probabilidad
𝑥

Si X es continua y 𝑓(𝑥) es una

función de densidad de probabilidad

SEGUNDO MOMENTO RESPECTO A LA MEDIA.

Varianza
La varianza de una variable es el promedio de lo que dista la variable
de su valor esperado. (Se eleva al cuadrado para que no haya
compensación entre los signos y su computo sea más sencillo.

La VarX es una medida de la dispersión de la variable respecto a la

media.
Ejemplo
Momentos
Si X es discreta y 𝑃(𝑥) es una
𝜇𝑟′ 𝑟 2 𝑟
= 𝐸(𝑋 ) = ෍ 𝑥 − 𝜇 𝑓(𝑥) función de probabilidad
𝑥

𝜇𝑟′ = 𝐸(𝑋 𝑟 )2 = න 𝑥 − 𝜇 𝑟 𝑓(𝑥) Si X es continua y 𝑓(𝑥) es una

función de densidad de
−∞ probabilidad

Segundo momento: varianza

Tercer momento: asimetría
Cuarto momento: curtosis