UNMSM – FISI - NOTAS DE CLASE - TEMA: PROBABILIDADES

VARIABLES ALEATORIAS

Habiéndose considerado las distribuciones de frecuencias de conjuntos de datos, en la primera parte de este
curso de estadística, y los fundamentos de la probabilidad ahora, ya podemos combinar estas ideas para
elaborar distribuciones de probabilidad, las cuales se asemejan a las distribuciones de frecuencias relativas.
La diferencia básica entre estos dos tipos de distribuciones es el uso de la variable aleatoria. La variable
aleatoria de una distribución de probabilidad corresponde a la variable respuesta de una distribución de
frecuencias.
Hemos visto que en muchos experimentos los resultados no necesariamente son números. Hay situaciones
experimentales donde se requiere expresar los resultados mediante números. Para ello se introduce el
concepto de variable aleatoria.

VARIABLE ALEATORIA

Intuitivamente hablando, una variable aleatoria es una descripción numérica (cantidad) del resultado de un
experimento y que puede tomar diferentes valores.

DEFINICIÓN

Una variable aleatoria X es una función real valorada, definida en el espacio muestral, cuyos valores son
números reales.

Simbólicamente,
X: Ω Rx ⊂ R, Rx ¿ φ
Gráficamente,

Ω
Reales
X

.
A las variables aleatorias se les denota con letras mayúsculas X, Y, Z. A los valores que asumen las
variables aleatorias se les denota con letras minúsculas x, y, z, respectivamente.

OTROS EJEMPLOS:

1) Del salón de clase, se elige un alumno al azar y se considera el número de cursos matriculados.
El espacio muestral está constituído por todos los alumnos del aula.
La variable X, que a cada alumno le hace corresponder el número de cursos matriculados, es una
variable aleatoria y sus posibles valores son 3, 4, 5, 6, 7.

2) En un estudio sobre la composición familiar, el número de hijos por familia es una variable aleatoria,
la cual puede tomar valores enteros entre 0 y n.

3) Al hacer disparos a un blanco, el número de aciertos es una variable aleatoria.

4) Si se lanzan dos dados simultáneamente, la función X que a cada resultado (i, j) le hace corresponder
la suma de puntos es una variable aleatoria, y los valores que puede tomar son: 2, 3, ...,12 .

PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI Pá gina 1

 UNMSM – FISI - NOTAS DE CLASE - TEMA: PROBABILIDADES
5) El número de llamadas telefónicas recibidas diariamente por una compañía es una variable aleatoria,
la cual puede tomar valores enteros entre cero y algún número grande.

6) El número de hijos que tienen los profesores de esta universidad es una variable aleatoria. Si los
datos observados se presentan como una distribución de frecuencias relativas, se obtiene una
“distribución de probabilidades”, cuya representación gráfica es equivalente a un histograma de
frecuencias relativas.

En general, nos interesamos en los posibles valores de la v. a. X. Así por ejemplo, al lanzar dos monedas se
tiene Ω = {cc, cs, sc, ss}. Si definimos la v. a. X como el número de caras obtenidas en los dos
lanzamientos, se tiene que X(cc) = 2, X(cs) = X(sc) = 1, X(ss) = 0; de modo que estos valores conforman el
recorrido o rango de la v. a. X, denotado como Rx = {0, 1, 2}.

Con la función X como variable aleatoria, usaremos eventos de la forma (X = 1), (X< 2), (0<X<2), etc., a
los cuales les corresponde un subconjunto de Ω y por tanto, podremos evaluar sus probabilidades.

TIPOS DE VARIABLES ALEATORIAS

Según su recorrido, las variables aleatorias pueden ser de dos tipos: discretas y continuas.

Son variables aleatorias discretas aquellas que pueden tomar un conjunto finito o infinito numerable de
valores. Así, las variables descritas en los ejemplos anteriores son discretas.

OTROS EJEMPLOS:

1) Experimento: Inspeccionar un lote de 100 productos.

Variable aleatoria X: Número de productos defectuosos.
Posibles valores: 0,1, 2, 3, 4, 5, 6, ......100

2) Experimento: Observar el funcionamiento de una tienda durante un día.

Variable aleatoria X: Número de clientes atendidos.
Posibles valores: 0,1, 2, 3, 4, 5, 6, 7, 8, 9............

3) Experimento: Aplicar una prueba de conocimientos, que consta de 20 preguntas, a un alumno.

Variable aleatoria X: No. de respuestas correctas dadas por el alumno en la prueba.
Posibles valores: 0, 1, 2, 3, 4, 5,......20

4) Experimento: Preguntar a un cliente si estuvo conforme o no con el servicio recibido en una línea
aérea.
Variable aleatoria X: Percepción de un cliente respecto al servicio recibido en una línea aérea.
Posibles valores: 0: Si el cliente no está conforme con el servicio.
1: Si el cliente está conforme con el servicio recibido.

Son variables aleatorias continuas aquellas que pueden tomar cualquier valor dentro de un intervalo de
números reales; vale decir, que su recorrido es un conjunto infinito no numerable de valores. Como ejemplos
tenemos los puntajes de ingreso a la universidad, la resistencia a la tensión de una cuerda de nylon, los
niveles de contaminación del aire, el peso de una persona, su edad, su estatura, el tiempo que dura una bujía,
la duración de un dispositivo electrónico, etc.

DISTRIBUCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI Pá gina 2

 UNMSM – FISI - NOTAS DE CLASE - TEMA: PROBABILIDADES

La distribución de probabilidad de una variable aleatoria es una manera de modelar la forma como se
distribuyen los valores de la variable.
Asociados a cada uno de los valores de una variable aleatoria discreta X existen los números p(xi) que
denotan la probabilidad con que X toma cada valor de su recorrido. Tales números cumplen las propiedades
siguientes:

a) p(xi) ¿ 0, para todo i

∑ p( x i )=1
b) i
La función p(xi) se llama función de probabilidad de la v. a. X.
La colección de pares (xi, p(xi)), para i = 1, 2, ..., se llama distribución de probabilidad de la variable
aleatoria X.
La distribución de probabilidad de una v. a. discreta X permite estudiar completamente a la variable
aleatoria y se la puede representar por medio de una fórmula, una tabla o una gráfica que indique las
probabilidades p(xi) correspondientes a cada uno de los valores de X.

EJEMPLO 7:
De un grupo de 6 estudiantes, donde 3 son varones, se eligen 2 estudiantes al azar. Sea la v. a. X “el número
de varones elegidos”. Encontrar la distribución de probabilidad de X.
6
SOLUCIÓN: La elección aleatoria de dos de seis estudiantes se puede hacer de C2 = 15 maneras. Por lo
tanto, Ω contiene 15 puntos muestrales, en forma de pares, igualmente probables. Los posibles valores de
X son 0, 1 y 2.
La función de probabilidad de cada valor de X es:

C 30 C 32

p(0) = P(X = 0) = C62 = 3/15 = 1/5

3 3
C1C1
p(1) = P(X = 1) = 15 = 9/15 = 3/5
3 3
C2C0
p(2) = P(X = 2) = 15 = 3/15 = 1/5

La distribución de probabilidad se presenta en la tabla que sigue y en el lado derecho se muestra la

representación gráfica de la misma.
__________ p(xi)
x p(x)
__________
0 1/5
1 3/5
2 1/5
__________ 0 1 2 xi

Puede observarse que, para cada valor de X se cumple: 0≤p (x )≤1 , y la suma de probabilidades asignadas
a cada valor de X es igual a 1

PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI Pá gina 3

 UNMSM – FISI - NOTAS DE CLASE - TEMA: PROBABILIDADES
Esta distribución de probabilidad de X también se puede representar por medio de una fórmula, como la
siguiente:
C 3x C 32−x

p(x) = C 62 , para x = 0, 1, 2.

Las distribuciones de probabilidad son modelos que se utilizan para representar distribuciones empíricas.

EJEMPLO 8:
Si se define la v. a. X como el número de caras observadas al tirar dos monedas, entonces X puede tomar los
valores 0, 1, 2. La probabilidad asociada a cada valor es como sigue:
P(X = 0) = P( salga ninguna cara) = ¼
P(X = 1) = P(salga una cara) = ½
P(X = 2) = P(salgan dos caras) = ¼

La distribución de probabilidad aparece a continuación:

x 0 1 2
P(x) 1/4 1/2 1/4

DISTRIBUCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA CONTINUA

Formalmente, una variable aleatoria es continua si es posible encontrar una función f (x ) no negativa que
cumple las siguientes propiedades:

a) f (x )³0
¥

b) ∫-¥ f ( x)dx=1
∞
c)
P(a≤X≤b)=∫−∞ f (x )dx , donde a, b∈R , a<b
La función f que describe la manera como se comporta la variable aleatoria se llama función de densidad
de la v.a. X.
El conjunto {RX , f(x)} se llama distribución de probabilidad de la v.a. X y contiene toda la información
necesaria para estudiar completamente a la variable.
Según la propiedad (c), P(a≤X≤b) representa el área bajo la curva f(x) limitada por las rectas
x = a y x = b.
Asimismo, como consecuencia de la propiedad c), la probabilidad de que una variable aleatoria continua
x0

tome un valor x0 es cero, puesto que P(X = x0) = 0

∫x f ( x)dx=0
De acuerdo a esta igualdad, la probabilidad de que el peso X de una persona sea 50 kilos es 0; ello no
significa que el evento [X = 50] sea imposible. Por las diferentes limitaciones de los instrumentos de
medición, no es posible dar el peso exacto de la persona, a lo más podremos indicar que su peso está en un
determinado intervalo.

NOTA: f(x) no representa la probabilidad de nada. Sólo cuando la función se integra entre dos límites
produce una probabilidad.

EJEMPLO 9:

PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI Pá gina 4

 UNMSM – FISI - NOTAS DE CLASE - TEMA: PROBABILIDADES

Sea la variable aleatoria continua X con función de densidad f dada por

f(x) = 2x , para 0<x<1

1
f (x )³0 y ∫0 2xdx=1
Claramente, .
1/2
∫0 2 xdx=1/ 4
Para calcular P(X<1/2) debemos evaluar la integral .

EJEMPLO 10:

Dada f(y) = cy2 , para 0<y<2, encontrar el valor de c para que f(y) sea una función de densidad válida.
2 2
∫ cy dy=1
Buscaremos el valor de c tal que 0 . Integrando resulta c = 3/8.
2 2
P( 1≤Y <2 )=∫1 3 / 8 y dy=7 /8 .
Podemos evaluar

EJEMPLO 11:

Un vendedor de kerosene tiene un tanque de 150 galones que se llena al principio de cada semana. Su
demanda semanal tiene una frecuencia relativa que crece constantemente desde cero hasta 100 galones y
permanece constante entre 100 y 150 galones. Si Y denota la demanda semanal, en cientos de galones, la
frecuencia relativa de la demanda se puede representar por

f ( y)= y para 0≤ y≤1

1 para 1<y ≤1.5
0 en otro lugar
Calcular: P(0<Y<0.5) y P(0.5<Y<1.2).
0 .5
∫0 ydy=0.125
P(0<Y<0.5) =
1 1.2

P(0.5<Y<1.2) = ∫0 .5 ydy + ∫1 dy = 3/8 + 0.2 =0.575

ESPERANZA Y VARIANZA DE UNA VARIABLE ALEATORIA

Se ha observado que la distribución de probabilidad de una variable aleatoria es un modelo teórico

para la distribución empírica de datos asociados a una población real. Si el modelo es una representación
exacta de la realidad, las distribuciones teórica y empírica son equivalentes. Por consiguiente es natural que
se intente encontrar la media y la varianza de una variable aleatoria y así obtener medidas descriptivas o
parámetros para la distribución de probabilidad.

DEFINICIÓN:

Sea X una v.a. discreta con función de probabilidad p(xi). Entonces el valor esperado de X ( o la esperanza
de X) está definido por:
E ( X ) =∑ x i∗p( x i)
I

PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI Pá gina 5

 UNMSM – FISI - NOTAS DE CLASE - TEMA: PROBABILIDADES
Si p(xi) es una caracterización exacta de la distribución de frecuencias de la población, entonces E(X) = m
, la cual es la media de la población.

EJEMPLO 12:
Considerando los datos del ejemplo 8 tenemos:
E(X) = (0x1/4) + (1x1/2) + (2x1/4) = 1. Es el valor alrededor del cual se sitúan los valores de la variable
aleatoria X.

DEFINICIÓN:

El valor esperado de una variable aleatoria contínua X se define como:

∞
E( X )=∫−∞ x f ( x)dx , siempre que exista la integral.

La cantidad f(x)dx corresponde a p(x) para el caso discreto, y la integración involucra en su desarrollo una
analogía con la sumatoria.
A menudo se usa la expresión media de X en lugar de esperanza de X.

EJEMPLO 13:
Con los datos del ejemplo 9, calcularemos la media.

1 1
E( X )=∫0 x(2 x)dx=∫0 2x 2 =2/3

PROPIEDADES DE LA ESPERANZA DE UNA VARIABLE ALEATORIA:

1) Si la v. a. X es tal que P(X = c) = 1, siendo c una constante, entonces E( X) = c.

2) E(cX) = c E(X), siendo c una constante.

3) E(X ± c) = E(X) ± c, donde c es una constante.

4) Sean X e Y dos variables aleatorias cualesquiera. Entonces,

E(X+Y) = E(X) + E(Y).

2
5) E[(X- μ )2] = E(X2) - μ

El alumno comprobará que algunas veces es ventajoso el uso de las propiedades para hacer cálculos de la
esperanza de algunas funciones.

DEFINICIÓN:

2
La varianza de una variable aleatoria X está definida como el valor esperado de ( X−m) . Es decir,
2
Var ( X )=E[( X −m) ]

La desviación estándar de X es la raíz cuadrada positiva de Var(X).

Var ( X )=∑ ( x i −m)2 p( x i )

Si X es v.a . discreta, i

PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI Pá gina 6

 UNMSM – FISI - NOTAS DE CLASE - TEMA: PROBABILIDADES
¥ 2
Var ( X )=∫-¥ ( x−m) f ( x )dx
Si X es v.a. contínua,

EJEMPLO 14: Hallar la media, la varianza y la desviación estándar de la v.a.Y, cuya distribución de
probabilidad es
y: 0 1 2 3
p(y): 1/8 ¼ 3/8 ¼

m = E(Y) = (0)(1/8) + (1)(1/4) + (2)(3/8) + (3)(1/4) = 1.75

s2 = {(0-1.75)2 (1/8) + (1-1.75)2 (1/4) + (2-1.75)2 (3/8) + (3-1.75)2 (1/4)

s2 = 0.9375.

s = √ 0.9375 = 0.97

PROPIEDADES DE LA VARIANZA DE UNA VARIABLE ALEATORIA

1) V(x) ¿ 0
2) Si X = a, con probabilidad 1, entonces V(X) = 0.
3) V(X ± c) = V(X).
4) V(cX) = c2X
5) V(aX + b) = a2V(X).
6) V(X) = E(X2) – [E(X)]2.

PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI Pá gina 7