Tema 2: “Variables aleatorias” EJEMPLO: Si se lanza dos veces una moneda y se define a X como la variable aleatoria que

representa el número de águilas que pueden obtenerse al término de los dos

Una variable aleatoria es una función que asigna a cada elemento del espacio muestral lanzamientos.
de un experimento aleatorio, un valor real. Obtenga la función de probabilidad para la variable aleatoria X.
Se utiliza la letra mayúscula X para denotar una variable aleatoria y su correspondiente
letra minúscula x para cada uno de sus valores. FUNCIÓN DE DISTRIBUCIÓN (o Función de distribución acumulada)
Muestra el comportamiento acumulado de una v.a. discreta.
EJEMPLOS: Se denota como: F(𝑥)
- Si se seleccionan 2 muestras para analizarlas y ver si están infectadas. Se define como: 𝐹(𝑥) = ∑𝑥𝑖= −∞ 𝑓(𝑖)
El espacio muestral del experimento sería: S=
PROPIEDADES:
Si lo que nos interesa es el número de muestras infectadas que se pueden presentar, los
valores que pueden tenerse son: 1. 0  F ( X )  1
2. F ()  0 , F ()  1
Por lo tanto, si se define X como la variable aleatoria (v.a.) que representa el número de 3. F(x) es NO decreciente.
muestras infectadas, que pueden tenerse al realizar el análisis de 2 muestras, los posibles 4. P(a  X  b)  F (b)  F (a)  f (a)
valores x (el rango) de X son:
EJERCICIOS:
- Si X es la v.a. que representa el tiempo transcurrido entre dos tormentas. El rango de X 1. El administrador de una empresa ha notado que la cantidad de inasistencias
es: Rx = mensuales de los trabajadores es una variable aleatoria con la siguiente distribución
de probabilidad:
CLASIFICACIÓN DE LAS VARIABLES ALEATORIAS: x 0 1 2 3
Las variables aleatorias pueden clasificarse en discretas o continuas. f(x) 0.2 0.4 0.3 0.1
• Una v.a. discreta: toma valores de un conjunto numerable. (se puede contar su a) Indique lo que representa la v.a. X.
conjunto de posibles resultados). b) Obtenga la probabilidad de que la cantidad de inasistencias sea 0.
• Una v.a. continua: toma valores de un conjunto continuo. c) Obtenga la función de distribución acumulada de X.
d) Obtenga la probabilidad de tener como máximo 2 faltas.
EJEMPLOS:
2. La función de distribución acumulada de X, el número de lotes de producto vendidos
v.a. discretas v.a. continuas semanalmente en una empresa, es la siguiente:
X= número de casas en una colonia X= temperatura en el salón de clases
Rx= {1,2,3,...} Rx= [15°C,25°C] a) Determine la función de probabilidad.
x 1 2 3 4
F(x) 0.2 0.6 0.9 1 Empleando F(x) obtenga:
FUNCIÓN DE PROBABILIDAD b) P(X≤3)
Para variables aleatorias discretas, la función de probabilidad se define como: c) P(X>1)
f(𝑥) = P(X=𝑥) d) P(2≤X≤4)
* También es conocida como función masa de probabilidad o distribución de probabilidad.
FUNCIÓN DE DENSIDAD
PROPIEDADES:
Para cualquier función de probabilidad de una v.a discreta, debe cumplirse lo siguiente: DEFINICIÓN:
Si X es una v.a. continua, su función de densidad f(x), es una función que cumple con las
1. 0  f ( x)  1, x siguientes propiedades:
2.  f ( x)  1
x
1. f ( x)  0 ; x
b
3. P(a  X  b)   f ( x) 

xa
2. 

f ( x) dx  1
b
3. P(a  X  b)  a f ( x) dx

Página 1 de 3
GRÁFICA DE LA FUNCIÓN DENSIDAD EJEMPLO: Obtenga la función de distribución acumulada de la variable aleatoria que
Una función densidad se representa gráficamente igual que una función continua en el representa el tiempo de vida de un foco incandescente.
cálculo.
EJERCICIOS:
k x 3 ; 0  x  1
1. La densidad de probabilidad de una v.a. está dada por: f ( x)  
Obtener:  0 ; c.o.c.
a) El valor de k
b) La probabilidad de que la v.a. tome valores entre 2/4 y 3/4
c) La probabilidad de que la v.a. tome valores mayores que 1/2

2. El número total de horas, (medidas en unidades de 100 horas), que un alumno ve la

Para v.a. continuas: P( X  x)  0
televisión en un periodo de un año es una variable aleatoria con función de
La probabilidad de que una v.a. continua tome exactamente un valor, es prácticamente
densidad:
cero.
P(a  X  b)  P(a  X  b)
𝑓 (𝑥)

Calcular la probabilidad de que en un periodo de un año:

a) el alumno vea la televisión menos de 120 horas.
b) el alumno vea la televisión entre 50 y 150 horas.
c) Obtenga la función de distribución acumulada y con dicha función obtenga las
probabilidades de los incisos: a) y b).

VALOR ESPERADO DE UNA VARIABLE ALEATORIA

El valor esperado o esperanza matemática E(X), es el valor alrededor del cual los
valores de la v.a. tienden a agruparse. Es el valor que se esperaría observar en
promedio si el experimento se repitiera una y otra vez.
DEFINICIÓN:
Sea X una v.a. con distribución de probabilidad f(x). El valor esperado de X es:


 x f ( x) ; X discreta
  x
E( X )  


FUNCIÓN DE DISTRIBUCIÓN ACUMULADA



  
x f ( x) dx ; X continua

Muestra el comportamiento acumulado de una v.a. continua.

5. Si g1(x) y g2(x) son funciones de X, entonces: E(g1(x) + g2(x))= E(g1(x)) + E(g2(x))
Se define como: x
F ( x)  P( X  x)   f ( x) dx
 EJERCICIOS:
PROPIEDADES:
1. Los días X requeridos para la terminación de un proyecto son: 10, 11, 12, 13.
1. 0  F ( X )  1
X tiene la siguiente función de probabilidad:
2. F ()  0 , F ()  1
3. F(x) es NO decreciente. x 10 11 12 13
4. P(a  X  b)  F (b)  F (a) f(x) 0.1 0.3 0.5 0.1

Página 2 de 3
El pago que debe realizarse al contratista del proyecto es P=100(2000-X) DESVIACIÓN ESTÁNDAR: se define como la raíz cuadrada de la variancia. Se
denota por X .
a) Obtenga el número de días que se espera sean requeridos para la terminación del  X   2x
proyecto.
b) Obtenga el valor del pago que se espera deba realizarse al contratista.
MOMENTOS DE UNA VARIABLE ALEATORIA
2. Una empresa de contadores que no tiene su propio sistema de cómputo, alquila el
tiempo de una compañía consultora. El empleo diario del equipo (mediciones en horas) . Son casos particulares del valor esperado.
sigue en forma aproximada la función de densidad de probabilidad dada: . Proporcionan expresiones que permiten cuantificar medidas de posición y dispersión
de la distribución de una variable aleatoria.
3
x 2 (4 − x); 0 ≤ x ≤ 4 Momentos respecto al origen
f(x) = {64
0 ; e. o. c El momento de orden “k” de la variable aleatoria X, respecto al origen se define como:

a) Calcule el tiempo promedio diario de uso del equipo de cómputo.

 x k f ( x) ; X discreta

 x
b) Si el costo en miles de pesos que se paga diariamente por el alquiler del equipo es  'k  E ( X k )  

C=20X+100, ¿cuál es el costo promedio diario del alquiler del equipo de cómputo?



 

x k f ( x) dx ; X continua

CARACTERÍSTICAS NUMÉRICAS DE LA VARIABLE ALEATORIA

Las características numéricas describen el comportamiento de la variable Función generadora de momentos
aleatoria. Se llaman parámetros poblacionales y los más importantes son: Es una forma alterna para obtener los momentos respecto al origen.
- La media, (medida de tendencia central)
- La variancia, (medida de dispersión) Para una v.a. X, su función generadora de momentos se define como: M X ( )  E [e x ]
Para obtener los momentos respecto al origen, la función MX(θ), debe ser n veces
MEDIA,(valor esperado o esperanza matemática): Se considera como el valor más derivable en cero.
representativo de una v.a. d n M X ( )
Se denota por: μ, μx, E(X).  E [ X n ]   'n
d n
 0
VARIANCIA: se denota por Var(X) o por  x .
2
EJEMPLO
Describe la dispersión o variabilidad de la v.a. El número total de águilas que pueden observarse al lanzar al aire 2 monedas, está
Se define como el promedio del cuadrado de la diferencia de la variable aleatoria definido por la siguiente función de probabilidad.
y su media.
 ( x   X ) 2 f ( x) ; X discreta x 0 1 2
x
var( X )  E [( X   X ) 2 ]    f(x) 1/4 1/2 1/4
  ( x   X ) 2 f ( x) dx ; X continua Determine:
 
a. El primer momento respecto al origen.
b. La función generadora de momentos.
var( X )  E [( X   X ) 2 ]  E ( X 2 )   X 2  E ( X 2 )  E( X ) 2

CARACTERÍSTICAS DE LA VARIANCIA.
1. La variancia de una constante es cero. Var (c) = 0
2. La variancia de una constante por la variable aleatoria es el cuadrado de la
constante por la variancia de la variable aleatoria. Var (cX) = c2 Var (X)

Página 3 de 3