FUNCIONES ALEATORIAS

“Los débiles tiemblan ante la opinión, los tontos la desafían, los

sabios la juzgan, los expertos la dirigen”
Marie Jeanne Rolan de la Platerie

“Aunque hace mucho tiempo que la opinión pública es invocada

para lo mejor y lo peor, sólo recientemente bajo la guía de Gauss,
Fisher y otros grandes de la probabilidad y la estadística, los
medios pretenden iluminar a la opinión pública sondeándola en
asuntos sociales y políticos”
MOVE

Definición de variable aleatoria –va-

Una variable aleatoria X es una función matemática cuyo dominio es el espacio

muestral S y cuyo recorrido Rx es un subconjunto de los números reales R.

La variable aleatoria X se dice que es discreta cuando Rx es un subconjunto

de números reales finito o infinito numerable; es continua si Rx es infinito no

numerable.

Función de distribución de probabilidad -fdp-

Una función f(x) es una fdp si x es una variable aleatoria y:

1. f (x) ≥ 0 para todo x∈R

1=¿ f (x) si x es discreta ¿ ¿¿¿

2. Si Rx = { x ∈ R / f( x ) > 0 }
{∑
x∈ Rx

3. P ( x ≤ a) = F ( a)

P ( x≤a ) = ¿ ∑ f ( x ) si x es discreta ¿ ¿¿
{
x≤ a
a F se le llama función de distribución acumulativa –fda-
Observación: P(x ¿ a) es el área acumulada sobre el conjunto de valores x
¿ a. En el caso de una va discreta es una suma de rectángulos y en el caso

continuo es el área bajo la curva f(x) en el intervalo (- ∞ , a].

Experimento Binomial.
Un experimento aleatorio consiste en observar ternas de mosquitos al microscopio
y contar el número de mosquitos en cada terna que están contagiados de un virus

1
específico. Cuando un mosquito tiene virus denotamos P(virus)=P(1)= 3 y

2
complementariamente P(no virus)=P(0)= 3

- Describa exhaustivamente el espacio S de ternas resultantes.

- Defina la variable aleatoria X : número de mosquitos que aparecen en
cada terna y las funciones de probabilidad puntual fdp y acumulativa fda para
dicha variable.

Observe que
- #S = 23 = 8
2 21 4
- 2
P(100) = P(1) P (0) =
( 3) 3
=
27
 - P(X=1) = P
{10 ¿}{010¿} {} = 3P(100) =
3 ( 4 27 )= 12 27
Observe que los valores

x 0 1 2 3
f(x) 8/27 12/27 6/27 1/27

2 13 ( 3 ¿) ¿ ¿ ¿
Corresponden a la expansión
( )
+
3 3 y que f(x)= ¿
Veremos más adelante que este ejemplo corresponde a una distribución binomial.

Experimento Geométrico.
Se desarrolla un plan estratégico de defensa que consiste en lanzar misiles de
intersección hasta que haya una falla. Describir el espacio muestral S de
secuencias de lanzamientos, la variable aleatoria que indica el número de éxitos y
las funciones de probabilidad fdp y fda correspondientes si p es la probabilidad de
acertar en un lanzamiento.

Sea : P ( E ) = P (éxito lanzamisil) = p

P ( F ) = P (falla lanzamisil) = 1 – p

E y F son sucesos independientes, es decir

P ( E1 E2 F ) = P ( E1 ∩ E 2 ∩ F ) = P ( E1 ) P ( E 2 ) P ( F ) = p2 ( 1 − p )
P ( Ei ∩ F i ) = 0
es decir Ei y Fi son excluyentes, en cada lanzamiento i
hay éxito o fracaso pero no ambos resultados a la vez.
3
P ( E 1 E 2 E3 F ) = P ( x = 3 ) = p ( 1 − p ) = f ( 3 )
x
a f ( x ) = p ( 1 − p ) , 0 ≤ p ≤ 1 , x = 0 , 1 , 2 ,.. . se le denomina fdp geométrica ya
que los valores de f corresponden a una progresión geométrica de razón p, en

efecto f ( x + 1 ) = p f ( x ) .
Es claro que f  x es una fdp, pues 0 ≤ f (x ) ≤ 1 para todo x y que

∞
F (∞ ) = ∑ f ( x ) = 1
x=o .
Veamos la prueba:
2 3 x
F ( x ) = q + p q + p q + p q + . ..+ p q
2 3 x x+1
− p F ( x ) = − p q − p q − p q +... +− p q − p q
Sumando las dos igualdades

( 1 − p ) F ( x ) = q − p x+1 q
q F ( x ) = q ( 1 − p x +1 )
q F (∞ ) = q ( 1 − p ∞ ) ∴ F ( ∞) = 1

Distribución De Cauchy.
Debida al Barón Augustin Cauchy 1789-1857 matemático francés. Esta fdp es un
caso particular de la distribución t de student con un grado de libertad
A
f (x) = , A >0
Su función es 1 + x2 . Calculemos A de forma que f sea una
fdp de va X continúa en los reales R.

∞ ∞ dx
1 = ∫−∞ f ( x ) dx = A ∫−∞ 1 + x 2 = A [ arc tan ∞ − arctan −∞ ]
−1
=π A=1 de donde A=π
Valor Esperado De Una Función

Sea x una v.a. con valores posibles en R x ⊂ , sea f( x ) su fdp, entonces el

valor esperado o la esperanza de cualquier función h(x) E(h(x)) se calcula así:

E [ h(x)]=¿ ∑ h(x)f(x) Si x es discreta ¿ ¿¿¿

{ Rx
Observe que si h(x)=ax+b es una función lineal, entonces

E [ h(x)]= E [ aX+b ]
E [ h(x)]=¿ ∑ [ aX+b ] f(x) ¿ ¿¿¿ ¿
{ Rx
¿
Por las propiedades de los operadores lineales integral y sumatoria

E[ h(x)]=¿ a∑ xf(x)+ b∑ f(x) ¿ ¿¿¿

{ Rx Rx

Como f(x) es una fdp, 1=¿ ∑ f(x) ¿ ¿¿¿

{ Rx
entonces definimos μ como la esperanza de la va x

μ=E [ x ]=¿ ∑ xf(x) si x es discreta ¿ ¿¿¿

{ Rx
Tenemos entonces que
E [ aX+b ]=aE [ X ] +b
Independientemente del carácter discreto o continuo de la va X.
E es también un operador lineal que hereda sus propiedades de los también
operadores lineales la integral y sumatoria.
Varianza de una variable aleatoria
De manera similar, independientemente del carácter discreto o continuo de la va X,
2
definimos h( x )=[ x- μ ] entonces la varianza de la va x será:

2 2

σ =E [ ( x-μ ) ]=V ( x )
.

Equivalentemente

Entonces

σ 2=E [ x ] −E [ x ]=V [ x ]
2 2

También

V [ aX+b ] =a2 V [ X ]
Ejercicio: Calcular E(x) y V(x) en los experimentos binomial y Geométrico y en la
función de Cauchy

Modelo Hipergeométrico.

En un caso particular la función hipergeométrica es de la forma

p(x)=(3 ¿) ¿ ¿¿¿¿
¿ , con x=0,1,2,3 .
Comprobar que es una fdp y hallar E(x), E(x2) y V(x).

Evaluemos primero la función p

x= 0, 1, 2, 3
p(x)= 4/35 18/35 12/35 1/35
∞
1
∑ p( x )=35 ( 4+ 18+12+ 1 )=1
Luego 0
 3
1 9
Además E( x )=∑ xp( x )= ( 0×4+1×18+2×12+3×1 )=
0 35 7
3
1 ( 2 15
también E (x 2 )=∑ x 2 p( x )= 0 ×4 +12 ×18+22 ×12+32 ×1 )=
0 35 7
24
entonces V ( x )=E ( x 2 )−E2 ( x )=
49

Ejemplo 1. Comprobar que f ( x )=2 ( x−1 ) , 1≤x≤2 es una fdp y hallar E(x),
E(x2) y V(x).
2 2
x2
∞
En efecto ∫ f ( x )dx=2∫ ( x−1 ) dx=2 −x =1
−∞ 1 2 1
[ ]
2 2
x3 x 2 5
∞
E ( x )= ∫ xf ( x )dx=2 ∫ ( x−1 ) xdx=2 −
−∞ 1 3 2 1
=
3 [ ]
2 2
x4 x3
∞
2 2
E ( x ) = ∫ x f ( x )dx=2∫ ( x−1 ) x dx=2 −
−∞ 1 4 3 1
2
= [ ]
Y V ( x )=E ( x 2 ) −E2 ( x )

Distribución De Probabilidad Uniforme O Rectangular.

Decimos que X es una v.a. uniforme o rectangular si la fdp es una función

constante, es decir,

1
f ( x ,k )=¿ { k para todo x∈ R ⊂ R,k>0 ¿ ¿¿¿
x

Si X es discreta, k es el total de puntos o valores del recorrido discreto finito R x, en

este caso k es entero positivo.
Si X es continua k es la longitud del intervalo que recorre X, que es de la forma
R X ={ x : a≤x≤a+ k , k >0 }

1
f ( x ,5 )= para x=−2,−1,0,1,2
Ejemplo 2. Sea 5 , calcular E(x), V(x), P(x ¿ 0) y
P(x<-2).
1
f(-2)= f(-1)= f(0)= f(1)= f(2)= 5
E(x)=0, E(x2)=V(x)=2
3
P(x ¿ 0)= f(-2)+ f(-1)+ f(0)= 5
P(x<-2)=0

1
f ( x ,3 )= para 1≤x ≤4
Ejemplo 3. Sea 3 . Calcular E(x), V(x) y P(x ¿ 4)
E(x)=2.5

V ( x )=E ( x 2 ) −E2 ( x )
25
=7-
4
2
3 1 1
= y P( x≤2)=∫ dx=
4 1 3 3
P(x ¿ 4)=f(1)+f(2)+f(3)+f(4)=F(4)=1

1
Ejemplo 4. Calcular E(x), E(x2) y V(x) si x es una v.a. continua con f( x ,k)= k ,
para a≤x≤a+ k
a+k a+k
1 1
E ( x )= xf ( x )dx=
∫ xdx= x2|a+k
∫
a
k a 2k a
k
E ( x )=a+
2
a+k a+k
1 1
E ( x ) = ∫ x f ( x)dx= ∫ x 2 dx= x 3|a+k
2 2

a
k a 3k a
k2
E( x 2 )=a2 +ak +
3
k2 k2
(
V ( x )=E ( x 2 ) −E2 ( x )= a 2 +ak +
3 )(- a 2 +ak +
4 )
k
V ( x)=
12
Ejemplo 5. Consideremos un dado regular en forma de tetraedro que tiene sus
vértices marcados con los números 6, 7, 8 y 9. Sea X la v. a. que indica el número

en el vértice superior cuando se lanza el tetraedro. Halle S, R x ; la fdp; E (X)

, V ( X ) , P(x ¿ E(x)), P(7 ¿ x ¿ 8) y P(x= E(x)).

 S = R x = {6 ,7,8,9}
1
f (x , 4) =
4

4
1 1
E (X) = ∑ xi = ( 6 + 7 + 8 + 9 ) = 7 .5 = X̄
k 1 4
4
1
V (X) =
k
∑ ( X i − X̄ )2 = 14 ( 2 [ 0 .5 2 + 1 . 52] ) = 1. 25
1 .
2
P(x ¿ E(x)) = P(6 ¿ x ¿ 7.5) = P(x=6) + P(x=7) = 4
2
P(7 ¿ x ¿ 8) = P(x=7) + P(x=8) = 4
P(x= E(x)) = P(x=7.5) = 0