Docente:

Mercedes Aida Osorio Maza

mosorio@uni.edu.pe

2019 - I
SEMANA 5 TEORIA
TEMAS A DESARROLLAR
 Definición de variable Aleatoria.

 Variable Aleatoria Discreta: funciones de

cuantía y Funciones de Distribución.

 Esperanza y Varianza Matemática.

 VARIABLE ALEATORIA
Sea  un experimento, una
variable aleatoria x es una
función cuyo dominio es el
espacio muestral  y cuyo
rango es el conjunto de
números reales, tal que para
cada uno de los elementos  
 le corresponde un número
real: x() = x.
Ejemplo
Si se lanza dos monedas, luego
  (c, c)(c, s)(s, c)(s, s)
Sea: x  número de caras que se obtiene
x
x (c,c)  2  Rx
x (c,s)  1 (c, c)
2
(s, c)
x (s,c)  1 (c, s)
1
0
x (s,s)  0 (s, s)

Luego: R x  0,1,2
D x  (c, c)(c, s)(s, c)(ss) 
CLASES DE VARIABLE ALEATORIA

VARIABLE ALEATORIA

Variable Aleatoria Variable Aleatoria

Discreta Continua
1.- VARIABLE ALEATORIA DISCRETA
Es discreta si el conjunto de valores que toma es
numerable o contable.
Su función de probabilidad(llamada también
función de cuantía) se determina por:

P(x  x i ) x i  0,1,2....

Px (x)  
 0
 En otro caso
Debe cumplir ciertas propiedades:

1.  P(x i )  0

2. - P
i 1
(x i ) 1

3. - Px j  x  x k   Px j1   Px j2   ..........Px k1 

Distribución de probabilidad de “x”
Se le llama así al hecho de asignar probabilidades
para cada valor de la variable aleatoria.

Las principales distribuciones discretas son:

a) Distribución Binomial
b) Distribución Poisson
c) Distribución Hipergeometrica
Ejemplo
Si se lanza dos monedas y definimos a x la variable aleatoria
que determina el número de caras tendremos:

Xi 0 1 2
P(x = xi) ¼ 2/4 ¼
Gráfica:
P(x  x i )

x
0 1 2
Función De Distribución Acumulada F(x)
Si “x” es una variable aleatoria discreta o continua
definimos a F(x) como la distribución acumulada de
la variable a:
F x   P x  x i 

Sí “x” Variable Aleatoria Discreta: La función de

distribución acumulada será:
n
F(x)  P(x  x)   P(x i )
i 1
Ejemplo
Si se lanza 2 monedas y xi = numero de caras.
Hallar la función de distribución acumulada.
Sea:
  (c, c)(c, s)(s, c)(s, s)

axb F(x)  P(x  x)   P(x)

x P(x  x i )
x0 0
1
0 4
0  x 1 0  14  14
2
1 4 1 x  2 1
4  2
4  3
4
1
2 2x
4 1
4  24  14  1
Para el caso discreto el gráfico F(x) es una función escalera:
Esperanza Matemática E(x)
Es la media aritmética o el promedio de la
variable x.

Sea “x” una Variable Aleatoria Discreta con rango

x1, x2,........xn y función de probabilidad P(x)
entonces:

 n
n i yi
E (x)   xP(x) E (y) 
x 0 i 1 n
Si H(x) es una función de “x”


E (H (x ) )   H (x) P(x)
x 0

H(x)  x , x , (2x  8) etc.

2 3
Propiedades

1. - E (a)  a
2. - E (ax)  aE (x)
3. - E (ax  b)  aE (x)  b
4. - E (x  y)  E (x)  E (y)
Varianza de una Variable V(x)
Sea “x” una Variable Aleatoria con función de
probabilidad P(x), la varianza de una Variable
Aleatoria se define:
Sea la varianza para datos agrupados:

n 2
n i (y i - y) ni
V(x)   Luego  P(x)
i 1 n n
Si x es una Variable Aleatoria Discreta


V(x)   (x  u x ) P(x) 2

x 0
Propiedades

1. - V(a)  0
2. - V(ax)  a2V(x)
3. - V(ax  b)  a2V(x)
4. - V(x  y)  V(x)  V(y)
 VIDEO INTRODUCTORIO DE
VARIABLE ALEATORIA DISCRETA