VARIABLE ALEATORIA:

CONCEPTO Y CLASIFICACIÓN
 Variables Aleatorias

Concepto Discreta y Continua

Fun. de probabilidad Fun. de densidad

F. de distribución

Esperanza y Varianza
Propiedades
1. Concepto de Variable aleatoria

El resultado de un experimento aleatorio puede

ser descrito en ocasiones como una cantidad
numérica.
En estos casos aparece la noción de variable
aleatoria

Función que asigna a cada elemento del espacio

muestral un número
 EJEMPLO:

Se desea realizar un control de calidad sobre cierto

producto fabricado, llevando adelante el siguiente
experimento estadístico: se toma una muestra
aleatoria de tres piezas y se clasifica cada una en dos
posibles resultados: defectuosa y no defectuosa.
A dichos eventos se los simboliza D y N,
respectivamente.

El espacio muestral resultante es:

Ω = {NNN, NND, NDN, DNN, NDD, DND, DDN, DDD}

Definamos una cantidad X de la siguiente manera:

X: Cantidad de piezas defectuosas que se encuentra en

una muestra aleatoria de tamaño tres.

Esta cantidad puede tomar distintos valores en forma

aleatoria; estos se representan con x (minúscula) y son,
para este experimento,

Rx = {0, 1, 2, 3}. = {𝑥𝑜 ; 𝑥1 ; 𝑥2 ; 𝑥3 }

2 Variable Aleatoria: Notación

- Las letras mayúsculas (X, Y, Z, etc)

representarán a las variables aleatorias.

- La letra griega ω representará un elemento

genérico del espacio muestral.

- X(ω) será la representación funcional de la

variable aleatoria X.

- Las letras minúsculas (x, y, z, etc)

representarán valores particulares en el
recorrido de la variable.
 Variables Aleatorias

Función que asigna a cada punto del espacio muestral

un número real
X: R
Esta función se llama variable porque puede tomar
diferentes valores, y se llama también aleatoria porque los
valores que toma son al azar, y es medible porque se puede
calcular su probabilidad.

Ejemplo:  = no falla , falla 

X(No falla ) = 0
X( falla ) = 1
 Variables Aleatorias

 A cada ω  
le corresponde
Espacio Muestral falla
no falla exactamente
un valor X(ω)

X({no falla}) = 0 X({falla}) = 1

Conjunto
IR Números
Reales
- 0 1 +

X: Rx IR
X-1(-, x)   Familia de eventos elementales
3. Definición de Variable Aleatoria
Cuando se asocia un número real único a los
resultados de un experimento aleatorio, a la variable
que toma estos números se le llama variable
aleatoria.

Una variable aleatoria se denota por X y se define

como una función real definida en un espacio
muestral Ω .

Abreviadamente: X = { (w,x) / w є Ω, X(w) = x , x є R }

 Variables Aleatorias

ωi
 A X(ωi) = b; si ω 
ωk
X(ωk) = a
RX

a b

• El dominio de la variable aleatoria X es el espacio muestral  y el rango

es un subconjunto de los números reales que denotaremos por Rx ,
• Rx = { w1, w2 , w3, …, wi, … } = valores posibles del experimento aleatorio,
para cada i escribiremos X = wi
• Luego un evento A en ω induce un evento en el espacio muestral RX
 Variables Aleatorias

ωi
 A X(ωi) = b; si ω 
ωk
X(ωk) = a
RX

a b
( a<x<b )
Nótese que para cada par
( a<xb ]
de números reales a y b
existen los siguientes [ ax<b )
conjuntos: [ axb ]
- x<b )
- xb ]
( x>a 
( xa 
Propiedades:
1.- Por ser A un suceso, tiene definida una
probabilidad, y por tanto, podemos obtener la
probabilidad de que la v.a. tome valores inferiores
a un x dado:
P( A) = P( X  x )
2.- Se puede obtener también la probabilidad de
que una v.a. tome valores dentro de un intervalo:
P(a  X  b ) = P X  b - P X  a
Ejemplos: Consideremos los siguientes
experimentos:
1. Observar las fallas que tuvo Luis al contestar un
examen de veinte preguntas de opción múltiple,
sea:
X: número de errores de Luis en el examen
X = { 0; 1; 2; … ; 20 }; es decir, los valores que
toma X, son de 0 a 20
2. Observar durante una hora los clientes que llegan
a un banco y definir la variable aleatoria:
X: número de clientes que llegaron al banco en una
hora
X toma los valores 0; 1; 2; … ; y se suele denotar por
X = { 0; 1; 2; … }
Ejemplos :
3. Observar el trabajo de un empleado
durante ocho horas y definir:
X: tiempo que utiliza el empleado en
terminar una pieza del producto
Entonces, X = { 0 < x ≤ 8 }; x: horas
4. Observar la duración de una llamada
telefónica,
X: tiempo de duración de la llamada.
Entonces: X = { x / x ≥ 0 }
4. VARIABLE ALEATORIA: Clasificación
A) Variables aleatorias discretas: cuando el conjunto de todos los
valores que puede tomar la variable es finito o infinito numerable.
Ejm1: Sea X la variable que nos define el “número de alumnos
aprobados en la asignatura de probabilidad en un grupo de 20
alumnos”.
Entonces Rx = {0, 1, 2, 3, 4, 5,....,20} alumnos aprobados.
Ejm 2: Se lanza una moneda 3 veces. Sea X una función definida por
X(A) = nc – ns . Determinar Rx.
Solución:  = { ccc, ccs, csc, scc, css, ssc, scs, sss }
Los valores de X son:
X(ccc) = 3 – 0 = 3
X(ccs) = X(csc) = X(scc) = 2 – 1 = 1
X(css) = X(scs) = X(ssc) = 1 – 2 = – 1
X(sss) = 0 – 3 = –3
Por tanto Rx = { – 3, – 1, 1, 3 }
X = Número de caras que aparecen al lanzar dos monedas

 X ( )
→ 
(c, c ) 2
(c, s ) 1 V. A. DISCRETA
( s, c )
RX = 0,1,2
( s, s ) 0
VARIABLE ALEATORIA: Clasificación
B) Variables aleatorias continuas: cuando el conjunto de todos los
valores que puede tomar la variable es infinito no numerable. es
decir, cuyos valores del rango pertenecen a los números reales, se
le permite asumir cualquier valor dentro de determinados límites.
Puede ser un intervalo, una unión de intervalos o todos los reales.
Ejm 1: Sea X una variable aleatoria que representa el “tiempo de
vida de un transistor”. Esta variable aleatoria es continua, pues su
rango (los valores que puede tomar) son todos los puntos del
intervalo [0, +  [.
Ejm 2: Sea X la variable que nos define el “tiempo de antigüedad, en
años, de los trabajadores de una empresa”. Entonces
X = { 14.8 años, 12.0 años, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8}
Algunos valores de una variable aleatoria
pueden ser mas probables que otros, lo que
da origen al concepto de distribución de
probabilidad de una Variable Aleatoria (V.A.)
5. FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD
(V.A. Discreta)
LA FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE
ALEATORIA DISCRETA (X), ES AQUELLA FUNCIÓN,
f(x), QUE ASOCIA A CADA VALOR DE LA VARIABLE x
LA PROBABILIDAD DE QUE ESTA ADOPTE ESE
VALOR.
f(x) = P(X = xi ) = p(xi).
Donde:
f (x) ≥ 0 para todo real x

Σx f (x) = 1

(EQUIVALENTE A LA FRECUENCIA RELATIVA)

Función de Probabilidad v.a. Discreta
A cada resultado posible xi se asocia un número f(xi) = P(X(s) = xi)
llamado la probabilidad de xi
Los f(xi) deben satisfacer

• 0  f(xi)  1; i = 1, 2, 3, ... , n

f(xi)
• S f(xi) = 1
i

El conjunto de pares (xi, f(xi)) se le

denomina Función de Probabilidad
o Cuantia.

x
x1 x2 x3 x4 x5 x6 xn

P(X=5) = f(5) Función de Probabilidad de “masa”

Función de Frecuencia
Ejemplo: Sea el experimento “extraer
independientemente dos artículos de un proceso
de producción” y se define la variable aleatoria
X = número de artículos defectuosos.
Supongamos que el 5% de los artículos son
defectuosos.
a) Hallar los valores que asume X,
b) Determinar la probabilidad en los valores de X.
Solución
a) Los valores que asume X son: X = { 0, 1, 2 }, esto
significa que en un proceso de producción puede ocurrir
que no exista artículo defectuoso o que haya un artículo
defectuoso o los dos artículos extraídos sean defectuosos.
b) Para cada caso considerado calculamos su probabilidad:
• P(x = 0) = p (0) = P (bb) = (0,95)2 = 0,9025
• P(x=1) = p(1) = P(bd)+P(db) = P(b).P(d)+ P(d).P(b)
= 2 P(d).P(b)
=2(0,95)(0,05) = 0,095
• P(x = 2) = p (2) = P (dd) = (0,05)2 = 0,025
Los valores que toma X, junto con sus
respectivas probabilidades, los representamos
en la siguiente tabla:
X P(x)
0 0.9025
1 0.0950
2 0.0025
TOTAL 1,000
Ejemplo: Sea el experimento: lanzar 3 monedas y
observar el resultado. En este espacio muestral ,
se define la función
X : “número de caras obtenidas en las tres
monedas”. Hallar:
a) El espacio muestral
b) El recorrido de la variable aleatoria
c) La probabilidad asociada al experimento
 Función de probabilidad (V. A. Discretas)

• Asigna a cada posible valor de 40%

una v.a.d. su probabilidad. 35%

Recuerda los conceptos de 30%

frecuencia relativa y 25%
diagrama de barras. 20%

15%
Ejemplo 10%
X = Número de caras al
5%
lanzar 3 monedas.
0%
0 1 2 3

X 0 1 2 3
P(x) 1/8 3/8 3/8 1/8
Ejemplo: Se tiene 8 fichas contenidas en una urna,
se desea seleccionar dos fichas azules. Calcular la
probabilidad asociada al experimento.

? V.A. X = Número de fichas azules

RX = 0,1,2

X=0 X=1 X=2

x 0 1 2
P( X = x ) 3/28 15/28 10/28

Ω=8 32 6 5 3 30 5 4 20
= 2 = =
8 7 56 8 7 56 8 7 56
6. FUNCION DE DISTRIBUCION ACUMULADA DE
UNA VARIABLE ALEATORIA DISCRETA (X):
AQUELLA FUNCION, F(x), QUE ASOCIA A CADA
VALOR DE LA VARIABLE LA PROBABILIDAD DE
QUE ESTA ADOPTE ESE VALOR O CUALQUIERA
INFERIOR.

F( x i) = P(X  x i )

F( x max ) = 1

(EQUIVALENTE A LA FRECUENCIA RELATIVA ACUMULADA)

 DISTRIBUCIÓN DE PROBABILIDAD ACUMULATIVA
DE UNA VARIABLE ALEATORIA DISCRETA
j
F ( x j ) = P( X  x j ) =  xi
i =1

La FDA es una función no decreciente de X con las siguientes

Propiedades:
1.- 0  F ( x )  1
3.- F(X) es no decreciente 𝐹(𝑥𝑖 ) ≥ 𝐹(𝑥𝑗 ) ∀ 𝑥𝑖 ≥ 𝑥𝑗
4.- F(X) es contínua a la derecha
5.- P(a  X  b ) = F (b ) - F (a ) P(X > x) = 1−𝐹(𝑥)
 EJEMPLO: Caso de un V.A. discreta

Y1 Y2 X=Y1+Y2 Y1 Y2 X=Y1+Y2
Experimento: lanzar dos
1 1 2 4 1 5
dados y observar la V.A.
1 2 3 4 2 6
X : la suma de los puntos de 1 3 4 4 3 7
las caras que quedan hacia 1 4 5 4 4 8
arriba. 1 5 6 4 5 9
1 6 7 4 6 10

Las formas en que puede 2 1 3 5 1 6

2 2 4 5 2 7
ocurrir cada uno de los
2 3 5 5 3 8
valores que toma la VA X se 2 4 6 5 4 9
muestran en la tabla. 2 5 7 5 5 10
2 6 8 5 6 11
3 1 4 6 1 7
Observemos que hay 1 3 2 5 6 2 8
posibilidad en 36 de que X=2,
3 3 6 6 3 9
mientras que hay 2
3 4 7 6 4 10
posibilidades en 36 de que X=3
3 5 8 6 5 11
3 6 9 6 6 12
Las probabilidades para cada valor de la VA X se muestran
en la tabla. En este ejemplo la tabla representa la función de
distribución de probabilidad (fdp) de la VA X.

Representación gráfica de la función de distribución de probabilidad de la VA X

X P(X=x) P(X)

2 1/36
3 2/36
P(x)

4 3/36
5 4/36
6 5/36
7 6/36
8 5/36
9 4/36
10 3/36 X
11 2/36
12 1/36
DISTRIBUCIÓN DE PROBABILIDAD ACUMULATIVA
DE UNA VARIABLE ALEATORIA DISCRETA
Las probabilidades acumuladas para cada valor de la VA X se
muestran en la siguiente tabla que representa la función de
distribución acumulativa (FDA) de la VA X.
X P(Xx) P(X<=x)

2 1/36

3 3/36

4 6/36

5 10/36

6 15/36

7 21/36

8 26/36
j
F ( x j ) = P( X  x j ) =  xi
9 30/36

10 33/36
i =1
11 35/36
Esta es una función escalón, hay un salto en cada valor de X y es plana entre ellos.
12 36/36

En nuestro ejemplo: F(3) = P( X<=3 ); F(3) = 1/36 + 2/36 = 3/36

 EJERCICIO
Los resultados de dos prácticas calificadas de
estadística tomadas el semestre anterior indican
que el 70% de alumnos aprobó la primera, el 60%
aprobó la segunda y solo un 8% no aprobó
práctica alguna. Construya y grafique la función de
probabilidad de la variable aleatoria
X: número de prácticas aprobadas por un
estudiante elegido al azar.
Una variable aleatoria X es continua si su recorrido
es un intervalo de la recta real.

Su función de probabilidad es llamada función de

densidad.
7. Función de Densidad de probabilidad: f ( x )
V.A. Continua
Dada una variable aleatoria continua X decimos
que f(x) es una función de densidad, si cumple las
siguientes condiciones:

𝑖) 𝑓 𝑥 > 0 , ∀𝑥 ∈𝑅

𝑖𝑖) න 𝑓 𝑥 𝑑𝑥 = 1
𝑅𝑥
b
iii ) PX (a  X  b) =  f (x )dx
a
La probabilidad de que X tome valores en el intervalo
(a,b) es igual al área encerrada por la gráfica de f(x),
el eje x y las rectas x = a, x = b.

b
P(a  X  b) =  f ( x)dx
La integral definida de
a
la función de densidad
en dichos intervalos
coincide con la
probabilidad de los
mismos.
f(x)

a b
IMPORTANTE: la probabilidad de que la variable X tome un valor
determinado, es CERO: a
P( X = a) =  f ( x)dx = 0
a
además,

P ( a  X  b) = P ( a  X  b) = P ( a  X  b) =
= P ( a  X  b)


-
f ( x)dx = 1
 DISTRIBUCIÓN DE PROBABILIDAD ACUMULATIVA F(x)
DE UNA VARIABLE ALEATORIA CONTINUA
Dada una variable aleatoria continua X, con función de
densidad f(x), la función de distribución F(x) es la función que
para cada valor de la variable nos da la probabilidad de que X
tome ese valor, o cualquier otro inferior.
x
P( X  x) = P( X  x) =  f (t )dt = F ( x)
-
x
F ( x) = P( X  x) =  f (t )dt
a
La FDA es una función no decreciente de X con las siguientes características.
1. F( - ) = 0 La derivada de la función de distribución,
2. F( + ) = 1 es la función de densidad.
3. P(a  X  b) = F(b) - F(a) F ' ( x) = f ( x)
MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR DE UNA VA
Valor esperado o media de una variable aleatoria


 xi P ( xi ) ; si X es discreta.
 = E[ X ] =  i
  xf ( x )dx ; si X es continua.

x

Varianza de una variable aleatoria

෍(𝑥𝑖 − 𝜇)2 𝑃(𝑥𝑖 ) ó = 𝐸(𝑥𝑖 2 ) − 𝐸(𝑥𝑖 ) 2

; si X es discreta.
𝜎2 = ∀𝑖

න(𝑥 − 𝜇)2 𝑓(𝑥)𝑑𝑥 ; si X es continua.

𝑥

Desviación estándar

 = 2
Ejemplo: Calcular la media y la desviación standar de
la distribución de probabilidad de la variable aleatoria
discreta X que se define como el número de caras
cuando se lanzan cuatro monedas.

Ejemplo: Se ha detectado en una línea de producción

que 1 de cada 10 artículos fabricados es defectuoso; se
toman de esa línea tres artículos uno tras otro
a) Obtenga la distribución de probabilidad del
experimento,
b) Encuentre el número esperado de artículos
defectuosos en esa muestra y su desviación estándar.
Ejemplo: Según estadísticas, la probabilidad que
un trabajador de cierta empresa, pueda ser
beneficiado con un seguro especial, es de 0.30.
Se eligen a tres trabajadores, encuentre el
número esperado de trabajadores que puedan
ser beneficiados y su desviación estándar.
Interprete resultados.
Ejemplo: Sea f(x) una función definida en todos
los números reales por,
 3x 2
 si x  [0, 2]
f ( x) =  8
 0 si x  [0, 2]


a) Verificar si f(x) es una función de densidad para alguna

variable aleatoria X.
b) Calcular P[0 < X  1].
Solución.

a) El área bajo la curva y = f(x) a lo largo de su

dominio debe ser igual a 1; entonces,
2 3 2
2
3 2  3x  3
x

0
8
x dx =  
 3(8)  0
=
8
=1
0

b)
1
 3x 2
 x 3


1 1
P[0  X  1] =  dx =   =
0
 8   8 0 8