VARIABLES ALEATORIAS.

Experimento aleatorio: Es aquel experimento realizado al azar del cual se conocen todos los
posibles resultados.
Ejemplos:
 Lanzamiento de una moneda.
 Extracción de una bola de color amarillo de una caja.

Espacio muestral (Ω ): Es el conjunto de todos los posibles resultados del experimento

Suceso o evento: Es cualquier subconjunto del espacio muestral. Se acostumbra denotarlos

con letra mayúscula tales como A, B, C… etc.

Variable aleatoria: Es una función que asocia un número real a cada elemento del espacio
muestral.

Recorrido de la variable: Son todos los resultados posibles que puede asumir dicha variable.

Ejemplo:
a) De una caja que contiene 4 pelotas negras y 2 verdes, se seleccionan 3 de ellas en
sucesión sin reemplazo.
Determine para la variable X: “Numero de pelotas verdes”, el espacio muestral,
recorrido de la variable y una tabla que los represente.
b) Se sacan dos pelotas en sucesión, sin reemplazo, de una urna que contiene 4 pelotas
rojas y 3 negras.
Determine para la variable X: “Numero de pelotas rojas”, el espacio muestral,
recorrido de la variable y una tabla que los represente.
c) Se lanzan 3 monedas (una a la vez) de igual forma y valor al azar. Determine para la
variable X : “ Al lanzar la moneda se obtiene cara”, el espacio muestral, recorrido de la
variable y una tabla que los represente.

Conceptos:
1) Si el espacio muestral contiene un número finito de posibilidades o una secuencia
interminable con tantos elementos como números naturales existen, entonces se llama
espacio muestral discreto.
Los tres ejemplos anteriores corresponden a espacio muestral discreto.
2) Si el espacio muestral contiene un número infinito de posibilidades igual al número de
puntos de un segmento de línea, entonces se llama espacio muestral continuo.
Por ejemplo: tiempo necesario para ejecutar una reacción química.

Una v.a se llama v.a discreta si se puede contar su conjunto de resultados posibles.
Una v.a se llama v.a continua si se puede tomar en una escala continua.

En la mayoría de los problemas prácticos, las v.a continuas representan datos medidos, tales
como alturas, pesos, temperaturas, distancias o períodos de vida; mientras que las v.a
discretas representan datos que se cuentan ,tales como el número de artículos defectuosos de
una muestra de k artículos o el número de accidentes por año en una vía rápida en una
determinada ciudad.
 Distribuciones Discretas de Probabilidad.

Una v.a discreta asume cada uno de sus valores con una cierta probabilidad.
Con mucha frecuencia es conveniente representar con una fórmula todas las probabilidades
de una v.a X . Dicha fórmula, necesariamente, debe ser función de los valores numéricos x, y
que se representa por f ( x ) , g ( x ) , h(x), etc. Por lo tanto, designaremos por
f ( x )=P( X=x )
Al conjunto de pares ordenados por ( x , f ( x ) ) se le llamara función de probabilidad o
distribución de probabilidad de la v.a discreta X .

Concepto : El conjunto de pares ordenados ( x , f ( x ) ) es una función de probabilidad, función

masa de probabilidad o distribución de probabilidad de la v.a discreta X si satisface las
siguientes condiciones :

0 ≤ f ( x )≤ 1 ∀ x ∈ R

∑ f ( x)
x∈ Rec X

f ( x )=P( X=x )

Ejemplos:

1) Una moneda se lanza dos veces. Sea X : “Numero de caras obtenidas”

Determine espacio muestral, recorrido de la variable y función de probabilidad.

Ω={ ( c , c ) ; ( c , s ) ; ( s , c ) ; ( s , s ) }
Rec X = {0, 1, 2}
Ω X
CC 2
CS 1
SC 1
SS 0

1
f ( 0 )=P ( X=0 )=
4
2
f ( 1 ) =P ( X=1 )=
4
1
f ( 2 ) =P ( X=2 )=
4

x f(x) = P(X=x)
0 1
4
1 1
2
2 1
4
 1
si x=0

{ 4
1
f ( x )= si x=1
2
1
4
si x=2

2) De una caja que contiene 4 monedas de $ 100 y 2 monedas de $ 50 se seleccionan 3 de ellas

al azar sin reemplazo. Determine la distribución de probabilidad para el total T de las tres
monedas.

T: Total de las tres monedas A: Monedas de $ 100 B: Monedas de $ 50

Monedas X
AAA 300
AAB 250
ABA 250
BAA 250
ABB 200
BAB 200
BBA 200
BBB 150

x f(x)
150 1
8
200 3
8
250 3
8
300 1
8

1
si x=150

{
8
3
si x=200
8
f ( x )=
3
si x=250
8
1
si x=300
8
 0.1 si x=1 ó x=3
3) Sea X una v.a discreta con función de probabilidad f(x) =

a) Determine
{
0.2 si x =0 ó x=4
0.4 si x=2
0 en otros casos

P ( 1≤ X < 4 ) =f ( 0 ) + f (1 )+ f ( 2 )+ f ( 3 )=0.2+ 0.1+0.4+ 0.1=0.8

P ( 1≤ X ≤ 4 )=f ( 0 )+ f ( 1 )+ f ( 2 ) +f ( 3 ) + f ( 4 )=1
P ( X >2 )= f ( 3 )+ f ( 4 )=0.1+0.2=0.3
P ( X >0 )=1−P ( X ≤ 0 )=1−f ( 0 )=1−0.2=0.8
b) Determine F(x)

0 si x <0

{
0.2 si 0≤ x <1
F ( x )= 0.3 si 1≤ x< 2
0.7 si 2≤ x< 3
0.8 si 3 ≤ x < 4
1 si x ≥ 4

Función de Distribución Acumulada.

Si X es una v.a discreta se define la función de distribución acumulada o función de
probabilidad acumulada como:
F : R → R [0 ,1]
x → F ( x )=P ¿ ≤ x ¿

Propiedades:
1.- 0 ≤ F ( x ) ≤ 1 ∀ x ∈ R
2.- F es una función monótona no decreciente (creciente)
3.- a) P ( a< x ≤ b )=F ( b )−F ( a )
b) P ( a ≤ x ≤b )=F ( b )−F ( á )
c) P ( a< x <b ) =F ( b́ )−F (a)
d) P ( a ≤ x <b )=F ( b́ )−F ( á )
e) P ( x=a ) =F ( a ) −F ( á )

Ejemplos:
1) Sea X una v.a discreta con función de distribución acumulada
0 si x <−1

{ 0.1 si−1≤ x< 3

F ( x )= 0.2 si 3≤ x <5
0.5 si 5≤ x <7
1 si x ≥ 7

Calcular las siguientes probabilidades:

a ¿ P ( X=5 )=F ( 5 ) −F ( 5́ )=0.5−0.2=0.3
b ¿ P ( 2≤ X ≤ 5 )=F ( 5 ) −F ( 2́ )=0.5−0.1=0.4
c ¿ P ( 3 ≤ X <7 ) =F ( 7́ ) −F ( 3́ ) =0.5−0.1=0.4
d ¿ P ( 3 ≤ X ≤7 )=F ( 7 )−F ( 3́ ) =1−0.1=0.9
e ¿ P ( 3< X< 7 )=F ( 7́ )−F ( 3 )=0.5−0.2=0.3
f ¿ P ( 3< X ≤ 7 )=F ( 7 )−F ( 3 )=1−0.2=0.8
g ¿ P ( X=2 )=F ( 2 )−F ( 2́ ) =0.1−0.1=0
h ¿ P ( X=3 )=F ( 5 ) −F ( 3́ )=0.2−0.1=0.1
i¿ P ( X >5 )=1−P ( X ≤5 )=1−F (5 )=1−0.5=0.5
j ¿ P ( X ≥5 ) =1−P ( X <5 ) =1−F ( 5́ ) =1−0.2=0.8

2) Se lanza una moneda en forma sucesiva hasta que sale cara.

a) Determine la variable aleatoria X.
b) Determine un espacio muestral apropiado.
c) Determine el recorrido de la variable X.
d) Calcular las probabilidades de los siguientes sucesos:
i) Sale cara en el primer lanzamiento.
ii) Sale cara en el segundo lanzamiento.
iii) La cara buscada sale en el n-ésimo lanzamiento.
iv) Se deben realizar más de 4 lanzamientos para hallar la cara buscada.
v) Se deben realizar menos de 3 lanzamientos para hallar la cara buscada.
e) Determine la función de probabilidad acumulada
f) Determine F(5), F(2), F(3.5), F(0), F(1), F(-1)

a) X : “Número de lanzamientos necesarios para conseguir la cara buscada”

b) Ω={c , ( s , c ) , ( s , s , c ) , ( s , s , s , c ) , … ….. }
c) Rec X = {1, 2, 3, 4,….}
d) c i : Enel lanzamiento i−é simo sale cara
si : Enel lanzamiento i−é simo sale sello
1
i) P ( c 1 )=P ( X =1 )=
2
1
ii) P ( s 1 ∩ c 2) =P ( x =2 )=
4
1
iii) P ( s 1 ∩ s 2 ∩ s3 ∩… ..∩ c n )=P ( X =n )=
2n
iv) P( X > 4) = P ( X=5 )+ P ( X =6 ) + P ( X =7 ) + P ( X=8 ) +… (P.G)
1 1 1 1
= 5+ 6+ 7+ 8+…
2 2 2 2
1 1
= 25 1
1−
2
1
=
16
P ( X > 4 ) = 1− { P ( X =4 ) + P ( X=3 )+ P ( X =2 ) + P ( X=1 ) }
1 1 1 1
{
= 1 - 4+ 3+ 2+ 1
2 2 2 2 }
15 1
= 1- =
16 16
1 1 3
v) P ( x<3 )=P ( X=1 ) + P ( X =2 )= + =
2 4 4
 1 + 1 + 1 + …+ 1
e ¿ F ( x ) =P ( X=1 ) + P ( X=2 ) + P ( X =3 ) + P ( X= [ x ] ) =
2 22 23 2[ x ]
1 [ x]
1
1−
2 ()1 [x ]
=
2
1−
1
=1−
2 ()
2

0 si x <1
F(x) =
{
1−
1 [x ]
2 () si x ≥ 1

31
f ¿ i ¿ F ( 5 )=P ( X ≤5 )=P ( X=1 ) + P ( X =2 )+ P ( X=3 ) + P ( X =4 )+ P ( X=5 ) =
32
3
ii ¿ F ( 2 )=P ( X ≤ 2 )=P ( X=1 ) + P ( X =2 )=
4
7
ii i¿ F ( 3. 5 )=P ( X ≤ 3.5 )=P ( X=1 )+ P ( X =2 ) + P ( X=3 )=
8
iv ¿ F ( 0 ) =P ( X ≤ 0 ) =0
1
v ¿ F ( 1 )=P ( X ≤ 1 )=P ( X=1 ) =
2
vi¿ F (−1 )=P ( X ≤−1 )=0

Esperanza o Valor Esperado.

El valor esperado se utiliza como una medida de centro de una distribución de probabilidad de
una variable aleatoria.
Definición:
Sea X una v.a discreta con función de probabilidad f(x). Sea además, g(x) una función de la v.a
X. Se define el valor esperado o esperanza de g(x) como:

E [ g ( x ) ]= ∑ g ( x ) ∙ f ( x)
x ∈Rec X

Casos Particulares:
1) Si g ( x )=x entonces se está calculando la esperanza de la v.a X.
E [ x ]= ∑ x ∙ f ( x )=μ
x ∈Rec X

2) Si g ( x )=( x−μ)2 entonces E [ g ( x ) ] se llama la varianza de la v.a X y se denota

por σ 2
σ 2=E [ g (x) ] = ∑ (x−μ)2 ∙ f ( x)
x ∈Rec X
2
σ =√ σ es la desviacion estandar . σ mide la dispersion de la v . a X con
 respecto a su media μ.

Propiedades de la Esperanza y la Varianza.

1) E(c) = c c es una constante
2) E(cx) = c E(x) c es una constante
3) E(cx + k) = c E(x) + k c, k constantes
4) E[g(x) + h(x)] = E[g(x)] + E[h(x)]
5) σ 2 ( c )=0 c es una constante
2 2 2
6) σ ( cx )=c σ ( x ) c es una constante
2 2 2
7) σ ( cx +k )=c σ ( x) c, k constantes