Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Competencias a desarrollar:
Como vimos en la sección 4.1 los espacios muestra de los experimentos son de naturaleza
muy distinta y sus elementos pueden ser no numéricos, sin embargo en muchas situaciones
nos interesa facilitar el cálculo de probabilidades en los espacios muestra desde un punto de
vista numérico. El concepto de variable aleatoria es el que nos permite realizar esta
transición.
Una variable aleatoria X de un espacio muestra 𝑆𝑆 es una función 𝑋𝑋: 𝑆𝑆 → 𝑅𝑅 que asigna un
número real 𝑋𝑋(𝑠𝑠) a cada elemento 𝑠𝑠 de 𝑆𝑆. El rango de 𝑋𝑋 como función, es decir
{𝑋𝑋(𝑠𝑠)|𝑠𝑠 ∈ 𝑆𝑆} se denota por 𝑅𝑅𝑋𝑋 y se denomina rango de la variable aleatoria 𝑿𝑿.
Si 𝑅𝑅𝑋𝑋 es un conjunto finito o numerable decimos que 𝑋𝑋 es una variable aleatoria discreta.
Si 𝑅𝑅𝑋𝑋 es no numerable decimos que 𝑋𝑋 es una variable aleatoria continua.
Ejemplo 5.1.1
En el ejemplo 4.1.1 se determinó que el espacio muestra para el experimento de tirar una
moneda tres veces y observar la sucesión de caras y sellos es:
𝑆𝑆 = {(𝑐𝑐, 𝑐𝑐, 𝑐𝑐), (𝑐𝑐, 𝑠𝑠, 𝑐𝑐), (𝑐𝑐, 𝑐𝑐, 𝑠𝑠), (𝑐𝑐, 𝑐𝑐, 𝑠𝑠), (𝑐𝑐, 𝑠𝑠, 𝑠𝑠), (𝑠𝑠, 𝑐𝑐, 𝑠𝑠), (𝑠𝑠, 𝑠𝑠, 𝑐𝑐), (𝑠𝑠, 𝑠𝑠, 𝑠𝑠)}. Una variable
aleatoria que se puede definir 𝑋𝑋: 𝑆𝑆 → 𝑅𝑅 , donde 𝑋𝑋(𝑎𝑎) = 𝑛𝑛ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 −
𝑛𝑛ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠. Tendríamos entonces que 𝑋𝑋�(𝑐𝑐, 𝑐𝑐, 𝑐𝑐)� = 3, mientras que 𝑋𝑋�(𝑐𝑐, 𝑠𝑠, 𝑠𝑠)� =
−1. El rango de esta variable aleatoria es 𝑅𝑅𝑋𝑋 = {−3, , −1,1,3} y por tanto es una variable
aleatoria discreta.
Ejemplo 5.1.2
Se realiza el experimento de tirar dos dados y observar los puntos obtenidos en cada
dado. El espacio muestra de este experimento sería 𝑆𝑆 = {(𝑥𝑥, 𝑦𝑦)/1 ≤ 𝑥𝑥, 𝑦𝑦 ≤ 6, 𝑥𝑥, 𝑦𝑦 ∈
𝑁𝑁}. Se puede definir la variable aleatoria 𝑍𝑍: 𝑆𝑆 →R donde 𝑍𝑍(𝑥𝑥, 𝑦𝑦) = 𝑥𝑥 + 𝑦𝑦, el rango de
Z es 𝑅𝑅𝑍𝑍 = {2,3,4,5,6,7,8,9,10,11,12} y por tanto es una variable aleatoria discreta.
X(A) ℝℝ
X
A
f
P(A)
Como podemos ver en este caso, la sumatoria de 2 corresponde a un área y por tanto
puede modelarse a través de una integral.
Entonces una función de distribución de probabilidad (fdp) o función de masa de
probabilidad (fmp) de una variable aleatoria continua X es una función 𝑓𝑓: 𝑅𝑅𝑋𝑋 → [0, ∞)
tal que
𝑏𝑏
1. 𝑝𝑝(𝑎𝑎 ≤ 𝑋𝑋 ≤ 𝑏𝑏) = ∫𝑎𝑎 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 dado que el rango de X es unión de intervalos de la
recta numérica, por tanto la probabilidad se calcula como área bajo la función 𝑓𝑓(𝑥𝑥)
en ese intervalo.
2. 𝑝𝑝(𝑎𝑎 ≤ 𝑋𝑋 ≤ 𝑏𝑏) = 𝑝𝑝(𝑎𝑎 ≤ 𝑋𝑋 < 𝑏𝑏) = 𝑝𝑝(𝑎𝑎 < 𝑋𝑋 ≤ 𝑏𝑏) = 𝑝𝑝(𝑎𝑎 < 𝑋𝑋 < 𝑏𝑏)
∞
3. ∫−∞ 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = 1
4. 𝑝𝑝(𝑋𝑋 = 𝑥𝑥) = 0, dado que el área en un punto es cero.
Ejemplo 5.2.1
x -3 -1 1 3
𝑓𝑓(𝑥𝑥) = 𝑝𝑝(𝑋𝑋 = 𝑥𝑥) 1/8 3/8 3/8 1/8
Porque cada uno de los elementos tiene una probabilidad de 1/8 y contamos los elementos
asociados a cada uno de los valores de x.
Ejemplo 5.2.2
Debemos determinar el valor de k. Sabemos que el área bajo f debe ser uno.
60 60 1
∫10 𝑘𝑘𝑘𝑘𝑘𝑘 = 𝑘𝑘𝑘𝑘 � = (60𝑘𝑘 − 10𝑘𝑘) = 50𝑘𝑘 = 1, por tanto 𝑘𝑘 = 50
10
En una Universidad se hizo un estudio sobre el número de días de la semana que los
estudiantes se desvelaban por motivos escolares. La función de distribución de probabilidad
está dada por
0 1 2 3 4 5 6 7
0.35 0.25 0.2 0.1 0.05 0.03 0.02 0
a) 𝑝𝑝(𝑑𝑑í𝑎𝑎𝑎𝑎 ≥ 3) = 𝑝𝑝(3) + 𝑝𝑝(4) + 𝑝𝑝(5) + 𝑝𝑝(6) + 𝑝𝑝(7) = 0.1 + 0.05 + 0.03 + 0.02 + 0 = 0.2
b) 𝑝𝑝(6) = 0.02
Ejemplo 5.2.4
El tiempo en horas (T), que tardan los estudiantes para contestar un examen diagnóstico de
ingreso a la Universidad con límite de tiempo de 1.5 horas, es una variable aleatoria
continua con función de distribución de probabilidad
𝑡𝑡
⎧0.9 + , 0.7 ≤ 𝑡𝑡 ≤ 1.5
⎪ 4
𝑓𝑓(𝑡𝑡) = 3
⎨ ,0 ≤ 𝑡𝑡 < 0.7
⎪ 35
⎩ 0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝
Propiedades:
a) 𝐹𝐹´(𝑥𝑥) = 𝑓𝑓(𝑥𝑥)
b) 𝑝𝑝(𝑎𝑎 ≤ 𝑋𝑋 ≤ 𝑏𝑏) = 𝐹𝐹(𝑏𝑏) − 𝐹𝐹(𝑎𝑎)
𝑑𝑑 𝑑𝑑 𝑥𝑥
a) Por el teorema fundamental del cálculo, 𝑑𝑑𝑑𝑑 𝐹𝐹(𝑥𝑥) = 𝑑𝑑𝑑𝑑 ∫−∞ 𝑓𝑓(𝑡𝑡)𝑑𝑑𝑑𝑑 = 𝑓𝑓(𝑥𝑥). De
hecho en algunos libros al definir la función de distribución de probabilidad de una
variable aleatoria continua, lo hacen usando a).
𝑏𝑏 𝑏𝑏 𝑎𝑎
b) 𝑝𝑝(𝑎𝑎 ≤ 𝑋𝑋 ≤ 𝑏𝑏) = ∫𝑎𝑎 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = ∫−∞ 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 − ∫−∞ 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = 𝐹𝐹(𝑏𝑏) − 𝐹𝐹(𝑎𝑎)
Ejemplo 5.3.1
Una encuesta del número de hijos que tiene una familia en una cierta cuidad tiene la
siguiente distribución de probabilidades:
Hijos 0 1 2 3 4 5 6
Probabilidad 0.06 .19 0.3 0.2 0.19 0.05 0.01
𝑓𝑓(𝑥𝑥)
Hijos 0 1 2 3 4 5 6
Probabilidad acumulada 𝐹𝐹(𝑥𝑥) 0.06 .25 0.55 0.75 0.94 0.99 1
Para calcular estas probabilidades el procedimiento es el siguiente:
𝐹𝐹(1) = 𝑝𝑝(𝑋𝑋 ≤ 1) = 𝑓𝑓(0) + 𝑓𝑓(1) = 0.06 + 0.19 = 0.25
𝐹𝐹(2) = 𝑝𝑝(𝑋𝑋 ≤ 2) = 𝑓𝑓(0) + 𝑓𝑓(1) + 𝑓𝑓(2) = 0.25 + 0.3 = 0.55
y así consecutivamente.
Ejemplo 5.3.2
𝜋𝜋/4
0 ≤ 𝑥𝑥 ≤ 1
Sea 𝑓𝑓(𝑥𝑥) = �𝑥𝑥 2+1 una función de densidad de probabilidad de la variable
0 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝
aleatoria X.
a) Encuentra la función de distribución acumulada de la variable aleatoria X.
b) Calcula 𝑝𝑝(0.5 ≤ 𝑋𝑋 ≤ 2).
c) Calcula 𝑝𝑝(1 ≤ 𝑋𝑋 ≤ 2).
𝜋𝜋
𝑥𝑥 𝑥𝑥 𝜋𝜋 𝑥𝑥 𝜋𝜋
a) Para 0 ≤ 𝑥𝑥 ≤ 4, 𝐹𝐹(𝑥𝑥) = ∫−∞ 𝑓𝑓(𝑡𝑡)𝑑𝑑𝑑𝑑 = 𝑑𝑑𝑑𝑑 = 4 𝑡𝑡𝑡𝑡−1 (𝑡𝑡)| = 4 (𝑡𝑡𝑡𝑡−1 (𝑥𝑥) −
∫0 𝑡𝑡 24+1 0
𝜋𝜋
𝑡𝑡𝑡𝑡−1 (0)) = 4 𝑡𝑡𝑡𝑡−1 (𝑥𝑥) . Entonces la función de distribución acumulada queda.
1, 𝑥𝑥 > 1
𝜋𝜋 −1
𝐹𝐹(𝑥𝑥) = � 𝑡𝑡𝑡𝑡 (𝑥𝑥), 0 ≤ 𝑥𝑥 ≤ 1
4
0 , 𝑥𝑥 < 0
Dado que la variable no está definida para las 𝑥𝑥 < 0 y para las 𝑥𝑥 > 1 debe ser 1, tomando
∞
en cuenta que ∫−∞ 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = 1.
b) 𝑝𝑝(0.5 ≤ 𝑋𝑋 ≤ 2) = 𝐹𝐹(2) − 𝐹𝐹(0.5) = 1 − 𝑡𝑡𝑡𝑡−1 (0.5) = 1 − .4636476 =
0.5363524
c) 𝑝𝑝(1 ≤ 𝑋𝑋 ≤ 2) = 𝐹𝐹(2) − 𝐹𝐹(1) = 0
Propiedades
Por lo tanto si X es una variable aleatoria discreta, 𝜇𝜇 𝑎𝑎𝑎𝑎+𝑏𝑏 = ∑𝑥𝑥∈ℛ𝑋𝑋 (𝑎𝑎𝑎𝑎 + 𝑏𝑏)𝑓𝑓(𝑥𝑥) =
∑𝑥𝑥∈ℛ𝑋𝑋 𝑎𝑎𝑎𝑎𝑎𝑎(𝑥𝑥) + ∑𝑥𝑥∈ℛ𝑋𝑋 𝑏𝑏𝑏𝑏(𝑥𝑥) = 𝑎𝑎 ∑𝑥𝑥∈ℛ𝑋𝑋 𝑥𝑥𝑥𝑥(𝑥𝑥) + 𝑏𝑏 ∑𝑥𝑥∈ℛ𝑋𝑋 𝑓𝑓(𝑥𝑥) = 𝑎𝑎𝜇𝜇𝑋𝑋 + 𝑏𝑏 dado que
∑𝑥𝑥∈ℛ𝑋𝑋 𝑓𝑓(𝑥𝑥) = 1.
c) La prueba es esencialmente la misma para variables aleatorias discretas que para las
continuas, lo haremos entonces para las continuas.
∞ ∞
� (𝑥𝑥 − 𝜇𝜇𝑋𝑋 )2 𝑓𝑓(𝑥𝑥) = � (𝑥𝑥 2 − 2𝑥𝑥𝜇𝜇𝑋𝑋 + 𝜇𝜇𝑋𝑋2 )𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 =
−∞ −∞
∞ ∞ ∞ ∞
2
� 𝑥𝑥 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 − 2𝜇𝜇𝑥𝑥 � 𝑥𝑥𝑥𝑥(𝑥𝑥)𝑑𝑑𝑑𝑑 + 𝜇𝜇𝑋𝑋2 � 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = � 𝑥𝑥 2 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 − 2𝜇𝜇𝑥𝑥 (𝜇𝜇𝑋𝑋 ) + 𝜇𝜇𝑋𝑋2 =
−∞ −∞ −∞ −∞
∞
= ∫−∞ 𝑥𝑥 2 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 − 𝜇𝜇𝑋𝑋2 (usando la definición de media y las propiedades de función de
distribución de probabilidad de una variable aleatoria continua)
Ejemplo 5.4.2
Para la función del ejemplo 5.2.4 calcule el valor esperado, la varianza, la desviación
estándar, la mediana y el cuartil 3.