Variable Aleatoria discreta – Año 2020

TEMA 3
VARIABLE ALEATORIA DISCRETA
1. Introducción
2. Variable Aleatoria Discreta
3. Esperanza Matemática y Varianza de una Variable Aleatoria Discreta
4. Modelos especiales de Probabilidad

1. Introducción
Los resultados posibles de un experimento aleatorio (espacio muestral) pueden
asumir valores no numéricos.
Por ejemplo, si el experimento consiste en lanzar dos monedas al aire para observar
el número de caras (c) y cruces (x) que se obtienen, el espacio muestral asociado a
dicho experimento aleatorio es Ω = {(𝑐, 𝑐 ), (𝑐,×), (×, 𝑐 ), (×,×)} , pero suele ser más
sencillo utilizar valores numéricos en lugar de trabajar directamente con los elementos
del espacio muestral.
De este modo surge el concepto de variable aleatoria como el de toda función que
atribuye un único número real a cada resultado elemental o evento simple del espacio
muestral.
En el ejemplo anterior se puede define la variable aleatoria “Número de caras”. Dicha
variable asigna a cada evento simple un número, el número de caras. Las variables
aleatorias se suelen designar con las últimas letras del abecedario, tales como, X, Y,
En este caso, sea X: “Números de caras”
Luego, X(c, c, ) = 2
X(c, x ) = X(x, c) = 1
X(s, s, ) = 0

Observación. La variable X recibe el calificativo de aleatoria por el hecho de que al

realizar el experimento no se puede predecir con certeza qué elemento del espacio
muestral ocurrirá y por ende cuál de todos sus posibles valores asumirá la variable
aleatoria.

Todos los posibles valores que puede tomar la variable se denomina “recorrido de la
variable aleatoria”. Este recorrido puede ser discreto o continua lo que da origen a
clasificar las variables aleatorias como discretas o continuas.

1
 Variable Aleatoria discreta – Año 2020

Variable Aleatoria Discreta. Asume un conjunto finito o infinito de valores enteros.

Por ejemplo, X: ”Cantidad de usuarios en una red eléctrica domiciliaria”.
Variable Aleatoria Continua. Toma un número infinito no numerable de valores
(valores decimales). Por ejemplo, X: ”Área de lotes mensurados en la zona sur de la
ciudad de San Juan”.

Definición. Sea un experimento aleatorio y  el espacio muestral asociado a dicho

experimento. Se llama variable aleatoria a una función X que asigna a cada elemento
 de  un número real X().
En símbolos 𝑿:   𝓡
  𝑿 ()

El conjunto de valores que puede asumir la variable aleatoria se denomina recorrido

o imagen de la variable.
En los ejemplos anteriores,
 Variable  X1: ”Cantidad de usuarios en una red eléctrica domiciliaria”.
Recorrido de la variable X  X: 0, 1, 2, 3, ……..
Clasificación  Variable aleatoria discreta.
 Variable  X2: ”Área de lotes mensurados en la zona sur de la ciudad de San
Juan”.
Recorrido de la variable X  X: [0, 700 ] Unidad de medición m2.
Clasificación  Variable aleatoria continua.

2. Variable Aleatoria Discreta

Ejemplo 1. Se considera el ejemplo 1 dado en el Tema 2 Probabilidad. .
Se eligen tres personas para realizarles un test rápido para detectar la presencia de
cierta enfermedad, el resultado puede ser positivo (+) o negativo (-). de
 ¿Cuál es el espacio muestral?
Ω = { (+ , + , +) ; (+ , + , −) ; (+ , − , +) ; (− , + , +) ; (+ , − , − ) ;
(− , + , −); (− , − , +)( − , − , −)}
Se define la variable
X: “Número de test positivos”
Recorrido de la variable X  X: 0, 1, 2, 3
𝑋:   𝒩 Donde 𝒩 son los número naturales)

2
 Variable Aleatoria discreta – Año 2020

 ¿Cómo calcular probabilidades?

En este caso el evento (-, -, -) significa que no hay test positivo, por lo tanto la
variable X toma el valor cero (0). Por lo tanto,
(+, +, +)  𝑋(+, +, +) = 3
(+ , + , −) ; (+ , − , +) ; (− , + , +)  𝑿(+ , + , −) = 𝑿(+ , − , +) = 𝑿(− , + , +) = 𝟐
(+, −, −): (− , + , −); (− , − , +)  𝑿(+ , − , −) = 𝑿(− , + , −) = 𝑿(− , − , +) = 𝟏
(−, −, −)  𝑋(−, −, −) = 0

¿Cuál es la probabilidad de que no haya test positivo?

𝟏
Esto es, 𝑷(𝒏𝒊𝒏𝒈ú𝒏 𝒕𝒆𝒔𝒕 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒐) = 𝑷(𝑿 = 𝟎) = (1 caso favorable entre 8
𝟖

posibles). Así siguiendo,

𝟑
𝑷(𝒖𝒏 𝒕𝒆𝒔𝒕 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒐) = 𝑷(𝑿 = 𝟏) = 𝟖
𝟑
𝑷(𝒅𝒐𝒔 𝒕𝒆𝒔𝒕 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒐) = 𝑷(𝑿 = 𝟐) = 𝟖
𝟏
𝑷(𝒕𝒓𝒆𝒔 𝒕𝒆𝒔𝒕 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒐) = 𝑷(𝑿 = 𝟎) = 𝟖

Presentando la información en una tabla,

Tabla 1. Distribución de Probabilidad
X: “Número de P( X= x)
test positivos”
x
0 1
𝑃(𝑋 = 0) =
8
1 3
𝑃(𝑋 = 1) =
8
2 3
𝑃(𝑋 = 2) =
8
3 1
𝑃(𝑋 = 3) =
8
∑ 𝑃 (𝑥) = 1
𝑥

En la tabla se observa que P( X= x) es positiva para cualquier valor de x. Además, la

suma total sobre todo el recorrido de la variable es uno. Lo que lleva a generalizar y
definir el concepto de distribución de probabilidad para cualquier variable aleatoria.

3
 Variable Aleatoria discreta – Año 2020

Definición. Sea X una variable aleatoria discreta, se llama función de probabilidad

o de cuantía, a la función f(x) que asigna la probabilidad asociada a cada valor de X.
Es decir 𝑓(𝑥) = 𝑃(𝑋 = 𝑥).
Donde la función verifica las siguientes condiciones,
1. 0 ≤ 𝑓(𝑥 ) ≤ 1 para todo valor de x.
2. ∑𝑥 𝑓(𝑥) = 1 para todo valor x.

Notación. Se utiliza mayúscula X para denotar variables aleatorias y minúsculas x

para representar los valores particulares que puede tomar una variable aleatoria.

En la Tabla 1 se puede escribir la función de cuantía.

Tabla 2. Distribución de Probabilidad
X: “Número de P( X= x) f(x)
test positivos”
x
0 𝟏 𝟏
𝑷(𝑿 = 𝟎) = 𝒇(𝟎) =
𝟖 𝟖
1 𝟑 𝟑
𝑷(𝑿 = 𝟏) = 𝒇(𝟏) =
𝟖 𝟖
2 𝟑 𝟑
𝑷(𝑿 = 𝟐) = 𝒇(𝟐) =
𝟖 𝟖
3 𝟏 𝟏
𝑷(𝑿 = 𝟑) = 𝒇(𝟑) =
𝟖 𝟖

∑ 𝑷(𝒙) = 𝟏
𝒙

Representación gráfica de la función de cuantía.

f(x)
Otra forma de expresar la función de cuantía

1
𝑓 (𝑥) = 𝑥: 0,3
𝑓(𝑥)𝑓(𝑥) { 8
3
𝑓(𝑥) = 𝑥: 1, 2:
8

4
 Variable Aleatoria discreta – Año 2020

Distribución de probabilidad
La distribución de probabilidad de una variable aleatoria discreta se indica de la
siguiente forma,
X: “Definición de la variable”
𝒙 → 𝒓𝒆𝒄𝒐𝒓𝒓𝒊𝒅𝒐
𝑿{ ( )
𝒇 𝒙 → 𝒇𝒖𝒏𝒄𝒊ó𝒏 𝒅𝒆 𝒄𝒖𝒂𝒏𝒕á
Tal que 𝑓(𝑥) es función de cuantía si y solo si verifique
1. 0 ≤ 𝑓(𝑥 ) ≤ 1 para todo valor de x.
2. ∑𝑥 𝑓(𝑥) = 1 para todo valor x.

En el ejemplo 1,
X: “Número de test positivos”
𝑥 ∶ 0, 1, 2, 3
𝑿{ 1 3
𝑓(0) = 𝑓(3) = : 𝑓(1) = 𝑓(2) =
8 8

Función de Distribución Acumulada

Definición. Sea X una variable aleatoria discreta, se llama función de distribución
o función acumulada de la variable X a la función 𝑭(𝒙) que toma como resultado un
valor igual o menor a la probabilidad de X=x. Esto es

𝑭(𝒙) = 𝑷(𝑿 ≤ 𝒙) = ∑ 𝒇(𝒙)

𝑿≤𝒙

Esta función verifica las propiedades siguientes:

 𝟎  𝑭(𝒙𝒊)  𝟏 para todo i
 Si 𝒙  𝒚 , entonces 𝑭(𝒙)  𝑭(𝒚)

Observación. También se puede usar la siguiente notación ,

𝑭(𝒂) = 𝑷(𝑿 ≤ 𝒂) = ∑ 𝒇(𝒙)

𝑿≤𝒂

Ejemplo 2. La función de distribución acumulada para el ejemplo 1 es,

F(0) = P(X  0) = f(0) =1/8
F(1) = P(X  1) = f(0) + f(1) = 1/8 + 3/8 = 4/8
F(2) = P(X  2) = f(0) + f(1) + f(2)= 1/8 + 3/8 +3/8 = 7/8
F(3) = P(X  3) = f(0) + f(1) + f(29 + f(3)= 1/8 + 3/8 + 3/8 + 1/8= 8/8 = 1

5
 Variable Aleatoria discreta – Año 2020

Representación gráfica de la distribución acumulada.

Función de distribución
Acumulada
0 𝑠𝑖 𝑥 < 0
1
0 ≤𝑥<1
8
4
𝐹(𝑥) ∶ 1 ≤𝑥<2
8
7
2≤𝑥<3
8
{1 𝑥 ≥3

3. Esperanza Matemática y Varianza

La información de una muestra, que se extrae alatoriamente de la población, se puede
resumir se mediante los estadísticos (media muestral, varianza de la muestra, etc.).
También se puede resumir la información de una población utilizando medidas
resumen o características numéricas de la variable que representa la población en
estudio.
Las medidas más utilizadas son la Esperanza Matemática, Varianza y Desviación
Estándar. La fórmula de cálculo es diferente para variables aleatorias discretas y
continuas.

3.1. Esperanza Matemática

La esperanza matemática se la denomina también valor esperado o simplemente
esperanza de la variable X.
La Esperanza desde un punto de vista intuitivo, es un promedio de los valores
asumidos por la variable, donde cada valor es “ponderado” por su probabilidad de
ocurrencia.
La esperanza matemática o valor esperado de una variable aleatoria es el concepto
equivalente al de media (aritmética) de la muestra, por eso también se la suele
mencionar como media poblacional. .
Definición: Sea X es una variable aleatoria discreta. Se designa con E[X] a la
esperanza o valor esperado de la variable X dada por la cantidad,

𝐸 [𝑋] = ∑ 𝑥 𝑓(𝑥)
𝑥

Donde 𝑓(𝑥) es una función de cuantía.

6
 Variable Aleatoria discreta – Año 2020

Observación.
 Otra notación para la esperanza o media poblacional  𝜇 = 𝐸 [𝑋] = ∑𝑥 𝑥 𝑓(𝑥)
 En general, dada 𝑔(𝑋) una función cualquiera de X  𝐸 [𝑔(𝑋)] = ∑𝑥 𝑔(𝑥 ) 𝑓(𝑥)

Nota. El nombre “esperanza” proviene de los juegos de azar, ya que hace referencia
a la ganancia esperada por el jugador. Un juego equitativo es aquel en que el valor
esperado es igual a cero, esto es E(X)=0, caso contrario existirá ventaja para el
jugador o la banca.

Propiedades de E[X]
1. E[c ] = c con c una constante cualquiera
Demostración. 𝐸 [𝑐 ] =
⏟ ∑𝑥 𝑐 𝑓(𝑥) = 𝑐 ∑
⏟𝑥 𝑓(𝑥) = 𝑐
𝑝𝑜𝑟 𝑑𝑒𝑓. =1

2. E[c X] = c E[X] con c una constante cualquiera

Demostración. 𝐸 [𝑐 𝑋 ] =
⏟ ∑𝑥 𝑐 𝑥 𝑓(𝑥) = 𝑐 ⏟
∑𝑥 𝑥 𝑓(𝑥) = 𝑐 𝐸[𝑋]
𝑝𝑜𝑟 𝑑𝑒𝑓. =𝐸[𝑋]

3. Sean X , Y dos variables aleatorias cualesquiera  𝐸 [𝑋 ± 𝑌] = 𝐸[𝑋] ± 𝐸[𝑌]

Significa que 𝐸 [𝑋 ± 𝑌] = ∑𝑥,𝑦 (𝑥 ± 𝑦)𝑓(𝑥 ± 𝑦) = 𝐸[𝑋] ± 𝐸[𝑌]
4. Sean X , Y dos variables aleatorias independientes  𝐸 [𝑋 . 𝑌] = 𝐸 [𝑋]. 𝐸[𝑌]
Dos variables aleatorias son independientes cuando la función de probabilidad
conjunta de X.Y es igual al producto de las funciones de probabilidad de cada
variable, es decir, 𝑓 (𝑥. 𝑦) = 𝑓 (𝑥 ). 𝑓(𝑦). Se utiliza este concepto en la demostración.

Ejemplo 3. ¿Cuál es el valor esperado de test positivos en el Ejemplo 1?

X: “Número de test positivos”
Recorrido de la variable X  X: 0, 1, 2, 3
1 3 3 1 12
𝐸 [𝑋] = ∑ 𝑥 𝑓(𝑥) = 0 +1 + 2 +3 = = 1.5
8 8 8 8 8
𝑥

El resultado indica que la esperanza es 1.5 test positivos, pero como el número de
test es entero, se puede concluir que el valor esperado de test positivo es dos
(aproximadamente). El valor de la esperanza depende de la función de probabilidad
y esto significa que si cambia f(x) el valor esperado para la variable será otro.

3.2. Varianza
Se estudia el valor esperado de los desvíos al cuadrado que da origen a la varianza.

7
 Variable Aleatoria discreta – Año 2020

Definición. Sea X es una variable aleatoria discreta. Se designa con V[X] a la

esperanza o valor esperado de los desvíos variable X al cuadrado.
Por lo tanto si 𝑑𝑒𝑠𝑣í𝑜 = 𝑋 – 𝐸[𝑋] entonces
𝑽[𝒙] = 𝑬[ (𝑿 – 𝑬[𝑿] )𝟐 ]
Es decir, para variable aleatoria discreta,

𝑉 [𝑋] = ∑(𝑥 − 𝐸 [𝑋])2 𝑓(𝑥9

𝑥

Donde 𝑓(𝑥) es una función de cuantía.

Observación.
 Otra notación para la varianza poblacional  𝜎 2 = 𝑉 [𝑋] = ∑𝑥(𝑥 − 𝜇)2 𝑓(𝑥)
 Es claro que la varianza de una variable aleatoria es siempre positiva o al
menos cero  𝑉 [𝑋] ≥ 0

Fórmula de cálculo para la varianza.

Desarrollando el cuadrado del binomio de la definición se varianza se demuestra que,
𝑽[𝑿] = 𝑬[𝒙𝟐 ] − (𝑬[𝑿])𝟐

Propiedades de V[X]
1. V[c ] = 0 con c una constante cualquiera
Por definición 𝑉[𝑥] = 𝐸[ (𝑋 – 𝐸 [𝑋] )2 luego en este caso 𝑉[𝑐] = 𝐸[ (𝑐 – 𝐸 [𝑐 ] )2 y
aplicando propiedades de esperanza 𝑉[𝑐] = 𝐸[ (𝑐 – 𝑐 )2 = 0
2. 𝑉[𝑐 𝑋] = 𝑐 2 𝑉[𝑋] con c una constante cualquiera
𝑉 [𝑐 𝑋 ] =
⏟ 𝐸 [ (𝑐 𝑋 )2 ] − (𝐸 [𝑐 𝑥 ])2 = 𝑐 2 (𝐸 [ 𝑋 2 ] − (𝐸 [𝑋])2 ) = 𝑐 2 𝑉[𝑋]
𝑝𝑜𝑟 𝑓ó𝑟𝑚𝑢𝑙𝑎.

3. 𝑉[𝑐 + 𝑋] = 𝑉[𝑋] con c una constante cualquiera

4. Sean X , Y dos variables aleatorias independientes  𝑉 [𝑋 + 𝑌] = 𝑉 [𝑋] + 𝐸[𝑌]
5. Sean X , Y dos variables aleatorias no independientes 
𝑉 [𝑋 + 𝑌] = 𝑉 [𝑋] + 𝐸 [𝑌] − 2 𝑐𝑜𝑣(𝑋, 𝑌)
Donde 𝑐𝑜𝑣(𝑋, 𝑌) es la covarianza entre X,Y y se define como,
𝑐𝑜𝑣(𝑋, 𝑌) = 𝐸 [𝑋. 𝑌] − 𝐸 [𝑋]. 𝐸[𝑌]
Ejemplo 4. ¿Cuál es el valor de la varianza de test positivos en el Ejemplo 1?
X: “Número de test positivos”
Recorrido de la variable X  X: 0, 1, 2, 3

8
 Variable Aleatoria discreta – Año 2020

Utilizando la fórmula de cálculo,

𝑉 [𝑋] = 𝐸 [𝑥 2 ] − (𝐸 [𝑋])2
12
Por ejemplo 4  𝐸[𝑋] =
8
1 3 3 1 19
Por otro lado 𝐸 [𝑋 2 ] = ∑𝑥 𝑥 2 𝑓 (𝑥 ) = 0 +1 +4 +9 =
8 8 8 8 8

19 12 2 1
Luego 𝑉 [𝑋 ] = − (8) = = 0.125
8 8

Desviación Estándar.
La desviación estándar típica de una variable aleatoria es la raíz cuadrada de su
varianza.
𝑫𝑺(𝑿) = √𝑽(𝑿) = 𝝈

Ejemplo 5.
La función de probabilidad de una variable aleatoria X está dada por:
2 p x 1

f ( x)   p x2
4 p x3

a. Encuentre el valor de p, sabiendo que f (x ) es función de cuantía.

Por ser función de cuantía verifica que ∑𝑥 𝑓(𝑥) = 1  2 𝑝 + 𝑝 + 4 𝑝 = 1  7 𝑝 = 1

1
𝑝 = 7

Por lo tanto,
2
7 x 1
 1
f ( x)   x2
7
4 x3
 7

b. Complete, Si E[X] = 2.285 encuentre

 E[2x + 5 ] = 2 E[X] + 5 = …………
 V(2 x + 5) = 4 V(X) = …………………...

c. Se deja al lector que grafique la función de cuantía y la de distribución acumulada.