VARIABLE ALEATORIA

Definición:
Se llama variable aleatoria a toda función X
que asigna a c/u de los elementos del espacio
muestral S, un número Real X(s).

X :S
Rx es el recorrido o
s X ( s) Imagen de la
variable.
S Rx Son los posibles
s valores de X
X(s)

Si X(s)= S Rx =S
Ejemplo
Se lanzan tres monedas y se considera el
espacio muestral asociado:
s= CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS
Se define la ariable aleatoria X: n mero de
caras q e se obtienen en los tres lan amientos

Determina Rx, que es el conjunto de valores que

toma la variable.
A y B son sucesos equivalentes si sólo si ocurren
simultáneamente
¿Son A = { ccs, csc, scc } y B = { 2} equivalentes?
 Cálculo de la probabilidad de cada
valor que toma la variable

P(X=0) =P(SSS) =

P(x=1) = P(CSS) + P(SCS) + P(SSC)=

P(x=2) = P(CCS) + P(CSC) + P(SCC)=

P(x=3) = P(CCC)=

P(X<3) = P(0<X 2)=

 Clasificación
La variable aleatoria puede ser discreta o
continua.
Variable discreta: Se dice que una variable aleatoria X es
discreta, si a cada valor posible xi que toma la variable se le
puede asociar un número real p(xi )= P (X=xi) llamado
probabilidad de xi, que satisface las siguientes condiciones:
a) p (x i ) 0 i

b) p(x i ) 1
i 1
La función p definida se llama función de probabilidad de X o
función de peso.
El conjunto de pares (xi , p(xi)) es la distribución de
probabilidades de X.
Interpretación Geométrica

P(x3)

P(x1)

P(x2)

X1 X2 X3 xi
Función de probabilidad de la variable aleatoria X
Suma de los puntos obtenidos al arrojar dos dados
6/36
P
5/36 5/36

4/36 4/36

3/36 3/36

2/36 2/36

1/36 1/36

2 3 4 5 6 7 8 9 10 11 12 X

Observa que cumple las dos condiciones: es siempre positiva y la suma de sus
probabilidades da 1.
 Ejemplos de variable aleatoria
discreta
Experimento Variable Valores posibles
aleatoria V.A
Llamar a cinco Cantidad de clientes 0, 1,2,3,4,5
clientes por teléfono que atendieron
Inspeccionar un Cantidad de chips 0,1,2, .,40
embarque de 40 defectuosos
chips
Funcionamiento de Cantidad de clientes 0,1,2,3 .
un restaurante
durante un día
Vender un automóvil Sexo Cliente 0 si es hombre y 1 si
es mujer
 Ejemplo
xi P(xi)
Un lote de 8 calculadoras
contiene 3 defectuosas. Se
selecciona una calculadora
al azar y se la prueba, 1 P(x1)=
repitiéndose la operación
hasta que aparezca una 2 P(x2)=
calculadora no defectuosa.
Hallar la distribución de
probabilidades de X definida 3 P(x3)=
como el n mero de
e tracciones q e se hacen
4 P(x4)=
 Ejemplo 2
Supongamos que la
variable aleatoria X
1
toma valores posibles
j =1,2,3, adem s:
P(x=j)= j
2
a) Probar que es una legítima distribución de
probabilidad
b) Calcular P(X es par)
Variable aleatoria continua
Se dice que X es una variable aleatoria continua
si:
existe una función f(x), llamada función de
densidad de probabilidad de X, (fdp) que
satisface las siguientes condiciones:

a) f(x) 0 x
b) f(x)dx 1
c) Para cualquier intervalo (a,b)/ - a b
b
P (a x b) f(x)dx
a
Interpretación Geométrica

f(x)

P(a<x<b)

a b
 Consideraciones
x0
1. P(X=Xo) = 0 porque P(X = Xo)= f(x)dx 0
x0

La probabilidad cero no significa que el suceso sea imposible,

ya que Si A es vacio , la P(A) = 0 pero la recíproca no es cierta.

Por lo tanto

P(a<x<b)= P(a x<b)= P(a x b)= P(a<x b)

2. Si f*(x) es mayor o igual que cero para todo x de su
dominio, y
f*(x) dx = k R
f*(x) no es una fdp legítima. Pero puede convertirse en tal si
f*(x)
f(x)= x
k
 Ejemplos de variable aleatoria
continua

Experimento Variable aleatoria Valores posibles V.A

Funcionamiento de un Tiempo en minuto,

banco entre llegadas de x 0
clientes
Llenar una lata de Cantidad de cm3
bebida 0 x 360
(máx = 360 cm3 )
Proyecto para Porcentaje terminado
construir un biblioteca del proyecto 0 x 100
Ensayar un nuevo Temperatura cuando
proceso químico se lleva a cabo la
150 x 212
reacción deseada (min
150º F; máx 212ºF)
 Consideraciones
3. Si X toma sólo valores en el intervalo [a,b]
podemos decir que f(x) = 0 para todo x que no
pertenece al intervalo [a,b] ,
entonces la integral entre a y b de f(x) es 1.
Ejemplo: Hallar el valor de k de modo que f(x)
sea una fdp legítima, y luego graficar, siendo:
kx(1-x) si x 0,1
f (x)
0 si x (0,1)

4. f(x) no representa ninguna probabilidad. Sólo

cuando la función se integra entre dos límites
expresa alguna probabilidad.
Función de distribución acumulativa
FDA
Dada una variable aleatoria discreta o continua X se llama
función de distribución a la función F definida como:

F: [0,1]
F ( x) P( X x)

1. Si X es VAD entonces F(x) P X x p( x j )

xj x

x
2. Si X es una VAC entonces F(x)=P(X x )= f(s)ds
Ejemplo: Grafica la función de probabilidad f(x) y la función
de distribución F(x) (FDA) de una variable discreta X
definida como: P ntos obtenidos en la cara de n dado .

X tiene como posibles valores x = 1, 2, 3, 4, 5, 6 cada

uno con probabilidad 1/6

xi P(xi) x F(x)
1 1/6 X<1 0
2 1/6 [1,2) 1/6
3 1/6 [2,3) 2/6
4 1/6 [3,4) 3/6
5 1/6 [4,5) 4/6
6 1/6 [5,6) 5/6
x 6 1
 Para variables discretas

1 1
6
F(x)

f(x)
0.5

0 1 6 x 0 1 6 x

Función de probabilidad f(x) Función de distribución

acumulada F(x)
 Para variables continuas
Hallar y graficar la FDA de la variable
aleatoria cuya fdp está dada por:

6x(1-x) si 0 x 1
f(x)=
0 si x (0,1)
CARACTERÍSTICAS
NUMÉRICAS DE VARIABLES
ALEATORIAS
 Momentos
El momento k-ésimo para una variable
aleatoria discreta respecto del origen, es
n
k
E(x ) xki .p xi
i 1

Definición : Sea X una variable aleatoria discreta con la

distribución de probabilidades (Xi, P(Xi)) para
i =1,2,3, .n,..Se llama valor esperado de X o
esperanza matemática de X a:
E(X) = xip xi
i 1

El primer momento centrado en el origen (k=1) es la

esperanza matemática de X
 Valor esperado o Esperanza
Matemática para variable discreta

1) Si X toma un número finito de valores, entonces:

n
E(X) = xip xi Es el promedio ponderado de los valores
i 1 posibles de X

2) Si todos los valores posibles son igualmente

probables, entonces
1 n
Es el promedio aritmético de los
E(X) = xi
n i 1 n valores posibles.
 Ejemplo1: Calcular la esperanza de la variable
aleatoria X :suma de los puntos obtenidos al arrojar
dos dados:
12
E (X ) P (X x ) x
i 2 i i
1 2 6 1
2 3 ... 7 ... 12 7
36 36 36 36
Se espera que la suma de los puntos obtenidos al arrojar dos dados sea
7ó que la esperanza de la suma sea 7
Ejemplo 2: Calc lar la esperan a de la a n de e tracciones en el ej de
las calculadoras
Observación:Si el valor esperado tuviera cifras decimales, la
interpretación estaría dada entre los enteros comprendidos, ya que la
variable es discreta.
 Momentos alrededor de otro punto
fijo
2
De 2do orden alrededor de E(X) 2 E x E( x )

El momento de 2do orden centrado en la

esperanza, es la varianza de X.
3
De 3er orden alrededor de E(X)
3 E x
Determina la asimetría de la 3
distribución : As 3

Determina el grado de agudeza o curtosis: K 4

4

Si K= 3 , mesocúrtica. Si K>3 , leptocúrtica. Si K< 3 , platicúrtica

 Valor esperado o Esperanza
Matemática para variable continua
Sea X una variable aleatoria continua con fdp
f(x) para todo x real, se llama valor esperado
de X o esperanza matemática de X, a:

E(X) x.f(x) dx

E(X) existe si x .f(x) dx <

6x(1-x) si 0 x 1
Hallar la E(X) para f(x)
0 enotro caso
Ejercicio: Un instrumento electrónico tiene
una duración X, (en unidades de 100 hs)
que es una VAC con la fdp:
-x
e si x >0
f(x)
0 si x 0
Suponiendo que el costo de fabricación de
tal artículo es $20 y que el fabricante
vende el artículo por $50, pero garantiza
un reembolso total si x 0,2 y devuelve la
mitad si 0,2 x 0,4

¿Cuál es la utilidad neta esperada por

artículo?
Interpretación
Si se produce un gran Ui P(Ui)
número de instrumentos
electrónicos, perderá $20
alrededor del 18% de las -20 0,18
veces, ganará 5 $
alrededor del 15 % de las
veces y ganará $30
alrededor del 67% de las
5 0,15
veces.
El fabricante espera ganar, 30 0,67
a la larga, $17,25 por
artículo.
 Propiedades del valor esperado
en V.A.C
1) Si X = C entonces E(X) = C
2) E(C.X)= C.E(X)
3) E (X+Y) = E (X) + E(Y)
4) E (X-Y) = E (X) - E(Y)

5) E (X.Y) = E (X) . E(Y) si X eY son

Variables aleatorias independientes
 Medidas de variabilidad: Desviación,
Varianza y Desviación estándar o Dispersión
Desviación: Llamamos desviación a la variable aleatoria
X E(X)
Propiedad de la desviación: E [ X E(X)] = 0
Varianza: La varianza de una variable aleatoria X es la
esperanza matemática del cuadrado de la desviación de X
respecto de su esperanza.
2 2
V(X) = X E X-E X
Dispersión: X V(X)
Ambas miden la dispersi n de los datos . Obser ar q e la
dispersión lo hace con las mismas unidades que los
datos.
 Otra forma de expresar la
varianza
2 2
Demostrar V ( x ) E( x ) E x
n
VAD V (x) ( xi E ( x ))2 .p( xi )
i 1

2
2
VAC V (x) x E ( x ) .f ( x )dx x 2.f ( x )dx x.f ( x )dx

Ejemplo 1 (de la clase anterior) Del lote de

calculadoras donde hay 3 defectuosas. Se
selecciona una calculadora al azar y se la prueba,
repitiéndose la operación hasta que aparezca una
calculadora no defectuosa.
Calcular la V(x) de dos maneras.
Ejemplo 1
xi P ( X = xi ) xi E(x) (xi E(x) )2 (xi E(x) )2 . P (xi )
1 5/8 1-1.5=-0.5 0.25 0.15625

2 15/56 2-1.5=0.5 0.25 0.066964

3 5/56 3-1.5=1.5 2.25 0.20089

4 1/56 4-1.5= 2.5 6.25 0.111607

0.5357

2 2
( xi E( x )) P( xi ) 0.5357
i

V(X ) 0.7319
Ejemplo 2) Calcula la varianza y dispersión
de la variable aleatoria X cuya fdp es

2x si 0 x 1
f(x)=
0 si x 0,1
1
V(X )
18
V(X) 1/ 18 0.2357
 Propiedades de la varianza

1) Si x = C entonces V(x) = 0

2) V (x+c) = V (x)

3) V(cx) c 2V (x)

4) V (x+y) =V(x) + V(y) si x e y son variables

independientes

5) V (x-y) = V (x) + V (y) si x e y son variables

independientes.