UNIVERSIDAD CENTROCCIDENTAL

“LISANDRO ALVARADO”
DECANATO DE CIENCIAS Y TECNOLOGÍAS
DEPARTAMENTO DE INVESTIGACIÓN DE OPERACIONES
Y ESTADÍSTICA

VARIABLE ALEATORIA

Ing. Greiza Lucena

VARIABLE ALEATORIA

Una función que asocia un número real

cada punto del espacio muestral.

Las v.a. definidas sobre espacios

muestrales discretos se llaman v.a. discretas y
las definidas sobre espacios muestrales
continuos se llaman continuas.
VARIABLE ALEATORIA
Una v.a. se llama variable aleatoria discreta si se puede
contar su conjunto de resultados posibles; y se llama
v.a. continua cuando toma valores en una escala
continua.

La Distribución de probabilidades o función de

probabilidad: modelo teórico que describe la forma en
que varían los resultados de un experimento aleatorio.
Lista de los resultados de un experimento con las
probabilidades que se esperarían ver asociadas con
cada resultado, se simboliza por f(x).
 DISTRIBUCIÓN DE PROBABILIDAD DE UNA VARIABLE
ALEATORIA DISCRETA
La Distribución de probabilidad de una variable
aleatoria indica el comportamiento que ella tiene
en el experimento. Esta función asigna
probabilidades a cada uno de los valores de una
variable aleatoria discreta.

La distribución de probabilidad f(x) de una variable

aleatoria discreta asocia un número entero o
específico a cada elemento del espacio muestral,
donde la función f(x) de cada resultado posible de
x se debe cumplir:
 f(x)>= o;
 f(x)=1;
 P(X=x)=f(x).
 DISTRIBUCIÓN DE PROBABILIDAD DE UNA
VARIABLE ALEATORIA DISCRETA
1. Lanzamos una moneda 3 veces.
Representamos cara por c y cruz por z.
W = {ccc, ccz, czc, zcc, czz, zcz, zzc, zzz}
Definimos la v.a. X: número de caras, que puede
tomar los valores {0, 1, 2, 3}. A esta función se le
denomina función distribución de probabilidad (fdp)
x Sucesos px

0 {zzz} 1/8

1 {czz, zcz, zzc} 3/8

2 {ccz, czc, zcc} 3/8

3 {ccc} 1/8
EJEMPLO

2. Sigamos con el ejemplo X = Cantidad de

caras al lanzar dos monedas
 P(X = 0) = P(SS) = ¼

 P(X = 1) = P(SC;CS) = P(SC) U P(CS) = ½

 P(X = 2) = P(CC) = ¼
DISTRIBUCIÓN DE PROBABILIDAD DE UNA VARIABLE
ALEATORIA CONTINUA
La variable aleatoria continua es aquella que toma
cualquier valor en una escala continua. La función de
densidad de probabilidad mide la concentración de
probabilidad alrededor de los valores de una variable aleatoria
continua.
La distribución de una variable aleatoria continua se
define por su función de densidad de probabilidad(fdp) f(x);
definida en los números reales si:
a ) f ( x )  0; x  

b) 

f ( x ) dx  1

b
c ) P ( a  x  b)  a
f ( x ) dx
FUNCIÓN DE DISTRIBUCIÓN ACUMULADA
 La función de distribución acumulada es la
función que acumula las probabilidades
asociadas hasta un valor de una variable
aleatoria. Se simboliza F(x) y se define:
ESPERANZA MATEMÀTICA

Valor esperado o esperanza matemática o media

PROPIEDADES DE LA ESPERANZA
Sean X e Y variables aleatorias y c una constante
perteneciente a los reales:
 1) E (c ) = c
 2) E (X+c ) = E(X) + c
 3) E (cX) = c E(X)
 4) E (X+Y) = E(X) + E(Y)
 5) E (X-Y) = E(X) - E(Y)
 6) Si X e Y son independientes E (XY) = E(X) * E(Y)
EJEMPLO
Se tira un dado. Se define como v.a. el número que
sale ¿Cuál es su media?
La variable X puede tomar los valores 1, 2, ..., 6 y para
todos ellos f(x) = 1/6. En consecuencia la media es

Obsérvese que es un número que la v.a. no puede

alcanzar
ESPERANZA MATEMÀTICA

Si X es una v.a. cualquier función de ella,

h(x), es también una v.a., en consecuencia
también se define este parámetro para una
función de v.a.
VARIANZA
 La variancia es un parámetro de la distribución. Es
una medida de dispersión de los valores de x
alrededor de E(X). Se define como

 aunque para el cálculo se suele usar esta otra

fórmula equivalente:

 ¿Qué mide la varianza? Mide la dispersión de la

variable alrededor de la media.
PROPIEDADES DE LA VARIANZA
Sean X e Y variables aleatorias y c una
constante perteneciente a los reales:
 1) V (c ) = 0
 2) V (X + c ) = V(X)
 3) V (cX) = c2 V(X)
 4) Si X e Y son independientes V (X + Y) = V(X)
+ V(Y)
 5) Si X e Y son independientes V (X - Y) = V(X) +
V(Y)
 TEOREMA CHEBYSHEV

La probabilidad de que cualquier variable

aleatoria X, tome un valor dentro de la κ
desviaciones estándar de la media es al menos
1 – (1 / κ2). Es decir:
1
P(   k  X    k )  1  2
k