Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 7 Variable Aleatoria-Esperanza y Varianza
Tema 7 Variable Aleatoria-Esperanza y Varianza
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.
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 .
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.
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:
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.
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:
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
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
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
x 0 1 2
P(x) 1/4 1/2 1/4
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
NOTA: f(x) no representa la probabilidad de nada. Sólo cuando la función se integra entre dos límites
produce una probabilidad.
EJEMPLO 9:
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
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
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:
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
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) ]
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
s2 = 0.9375.
s = √ 0.9375 = 0.97
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.