Tema 7: Variables aleatorias

1.- Variable aleatoria unidimensional

2.- Función de distribución: definición y propiedades

3.- Función de cuantía

4.- Función de densidad

Bibliografía y problemas:
Fundamentos de probabilidad Tema 2 (1, 2, 3).
Problemas de probabilidad Tema 2 (1-8, 10, 13, 14, 15 (a)).
Requisitos:
o Cálculo de derivadas e integrales
o Teoremas fundamentales del cálculo de probabilidades
Objetivos: Tener claros los conceptos de:
o Variable aleatoria (v.a.)
o V.a. discretas y v.a. continuas
o Función de distribución de una v.a.
o Propiedades generales
o Propiedades cuando es una v.a. discreta
o Propiedades cuando es una v.a. continua
o Función de cuantía de una v.a. discreta y propiedades
o Función de densidad de una v.a. continua y propiedades

Saber hacer:
o Distinguir entre v.a. continua y v.a. discreta
o Dada la función de distribución de una v.a. saber hallar la función de cuantía (v.a.discreta) y la
función de densidad (v.a. continua) y calcular probabilidades en puntos o intervalos.
o Dada la función de cuantía (v.a. discreta) o la función de densidad (v.a. continua) saber hallar la
función de distribución y las probabilidades en puntos e intervalos.
 1.- Variable aleatoria unidimensional
Los resultados de los experimentos aleatorios vienen explicados por 3 elementos:

( E , Ω, P )
Probabilidad
Espacio muestral
P:Ω → R
Álgebra
Espacio de los sucesos
P : Ω → [0,1]

OBJETIVO: encontrar modelos matemáticos para trabajar con probabilidad de

sucesos. En particular queremos trabajar con funciones reales de variable real.
Queremos trabajar con probabilidades, a partir de funciones F:R→R
Para indicar los posibles resultados de un experimento aleatorio se introduce el
concepto de variable aleatoria (sus valores dependen del azar). Se define una v.a.
asignando a cada resultado del experimento un número…. y así podremos trabajar
sólo con números reales.

 Si el resultado del experimento es numérico, entonces los posibles valores de

la variable coinciden con los resultados del experimento (lanzar un dado).

 Si el resultado no es numérico, asignamos valores numéricos a los sucesos

(para un manejo matemático más sencillo):

Ejemplo: lanzar una moneda dos veces E={CC, CX, XC, XX}
v.a.: que salga cara valores: 0, 1, 2
Definición

 Una v.a. es una función real, definida en el espacio muestral E, de manera que
transforma los resultados de E en un número:

ξ: E→R
 Una v.a. representa el conjunto de valores que pueden observarse en un exp.
aleatorio, valores que dependen del azar y sobre los cuales es posible establecer una
medida de su probabilidad.
Según el número de valores que pueda tomar:

 Variable discreta: toma un nº finito o infinito numerable de valores (Número

de caras al lanzar 3 monedas. nº de llamadas diarias que se hacen por teléfono
móvil, etc.)
 Variable continua: toma un nº infinito de valores en uno o varios intervalos
(estatura (cm) de una población (puede tomar cualquier valor en el intervalo
[0;250], tiempo máximo (minutos) en una llamada (puede tomar cualquier valor
en el intervalo [0, ∞]

Nota: variable ξ, η, … valores (x1, x2, ….. y1, y2, ….. )

 Se denomina distribución de probabilidad de una v.a. a la función que asigna
probabilidades a los valores que puede tomar la v.a.
 Cuando se especifican los posibles valores de la v.a. y sus probabilidades
respectivas, tenemos el modelo de distribución de probabilidad

Si ξ y η son dos v.a. y “c” es una constante, también serán v.a.:

ξ +c ξ ⋅c ξ2
ξ +η ξ −η ξ ⋅η

 Para cada tipo de variables aleatorias (discretas y continuas) vamos a definir

funciones reales de variable real para trabajar con probabilidades. Función de
cuantía (v.a. discreta), Función de densidad (v.a. continua) y Función de
distribución que nos permite trabajar con todas las v.a.
Una v.a. está bien definida si conozco qué valores toma y con qué
probabilidad, información que se puede resumir en su
Función de Distribución

2.- Función de distribución: definición y propiedades

Aporta toda la información necesaria sobre una v.a.,

los valores que toma
con qué probabilidades

En las variables discretas bastará conocer la probabilidad de que tome cada

valor, pero en las continuas no se pueden dar infinitos valores.
Definición:
La función de distribución de una v.a.

F ( x) = P(ξ ≤ x ) ∀x ∈ R
viene a ser como la distribución de
frecuencias relativas acumuladas de
una v. estadística

es, por tanto, la probabilidad en el intervalo (-∞; x]

 Propiedades:

1. F (+∞) = 1 (ξ crece indefinidamente)

F (−∞) = 0 (ξ decrece indefinidamente)

2. P( x1 < ξ ≤ x2 ) = P(ξ ≤ x2 ) − P(ξ ≤ x1 ) = F ( x2 ) − F ( x1 )

3. Es monótona no decreciente (nunca es decreciente aunque puede

ser constante). Si x1 < x2 F ( x1 ) ≤ F ( x2 )

4. Es continua por la derecha

Puede ser discontinua por la izquierda.

 En v.a discretas es continua por la
derecha y discontinua por la izquierda.
 En v.a. continuas es continua por la
derecha e izquierda.
3.- Función de cuantía
v.a. discreta: aquella cuyo campo de variación se compone de un nº
finito o infinito numerable de puntos (x1, x2 ,…, xn)

Función de cuantía: P(ξ = xi ) = P( xi ) = pi

P(ξ = x1 ) = p1 P(ξ = x2 ) = p2 ... P(ξ = xn ) = pn
n n

donde ∑ P(ξ = x ) = ∑ p
i =1
i
i =1
i =1 P(ξ = xi ) ≥ 0

La Función de distribución es continua por la derecha y discontinua por la izquierda

(escalonada):
P( x1 < ξ ≤ x2 ) = F ( x2 ) − F ( x1 )
F ( x) = P(ξ ≤ x) = ∑ P(ξ = x )
xi ≤ x
i P( x1 ≤ ξ ≤ x2 ) = F ( x2 ) − F ( x1 ) + P(ξ = x1 )
P( x1 ≤ ξ < x2 ) = F ( x2 ) − F ( x1 ) + P(ξ = x1 ) − P(ξ = x2 )
P( x1 < ξ < x2 ) = F ( x2 ) − F ( x1 ) − P(ξ = x2 )
Ejemplo: En un dado trucado la v.a. puntuación tiene la siguiente distribución de
probabilidad:
P (ξ = xi ) Calcular la función de
xi F ( x ) = ∑
x ≤x
P (ξ ≤ xi )
distribución. Representar
i

1 0,1 0,1 gráficamente la función de

2 0,4 0,5 cuantía y la Función de
3 0,1 0,6 distribución.
4 0,2 0,8
5 0,05 0,85
6 0,15 1
1

x <1 P(ξ ≤ 0) = P(∅) = 0

0
0,1 P(ξ ≤ 1, 7) =P(ξ =
1) =0,1
 1≤ x < 2
P(ξ ≤ 2,3) =P(ξ =+
1) P(ξ =2) =0,5
0,5 2≤ x<3 ...

F ( x) = 0,6 3≤ x<4
0,8 4≤ x<5

0,85 5≤ x<6
1 x≥6

 función de cuantía

0,5

0,4

0,3

0,2

0,1

0
1 2 3 4 5 6

función de distribución

0,9

0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1

0
-3 0 1 2 3 4 5 6 7 8
 0 x <1
0,1 1≤ x < 2

0,5 2≤x<3

F ( x) = 0,6 3≤ x<4 función de distribución
0,8 4≤ x<5

0,85 5≤ x<6 1
1 x≥6
 P(ξ = 6) = 0,15
0,9

0,8 P(ξ = 5) = 0,05

0,7 P(ξ = 4) = 0,20

0,6

P(ξ = 3) = 0,10
0,5

0,4

0,3 P(ξ = 2) = 0,40

0,2

0,1
P(ξ = 1) = 0,10
0
-3 0 1 2 3 4 5 6 7 8
Ejemplo: Con los datos anteriores calcular las siguientes probabilidades:
P (ξ = xi )
xi

1 0,1

P(ξ = 3) = 0,1 2
3
0,4
0,1
4 0,2
5 0,05
6 0,15
P(ξ ≤ 2) = P(ξ = 1 ∪ ξ = 2) = P(ξ = 1) + P(ξ = 2) = 0,5 1

P(1 < ξ ≤ 3) = P(ξ = 2 ∪ ξ = 3) = P(ξ = 2) + P(ξ = 3) = 0,5

P(2 ≤ ξ < 3) = P(ξ = 2) = 0,4

P(3 ≤ ξ ≤ 4) = P(ξ = 3 ∪ ξ = 4) = P(ξ = 3) + P(ξ = 4) =0,3

P(ξ ≥ 5) = P(ξ = 5 ∪ ξ = 6) = P(ξ = 5) + P(ξ = 6) = 0,2

También se pueden calcular probabilidades a través de F(x)
P (ξ = xi )
xi F ( x) = ∑ P(ξ ≤ xi )
xi ≤ x P( x1 < ξ ≤ x2 ) = F ( x2 ) − F ( x1 )
1 0,1 0,1 P( x1 ≤ ξ ≤ x2 ) = F ( x2 ) − F ( x1 ) + P(ξ = x1 )
2 0,4 0,5
3 0,1 0,6 P( x1 ≤ ξ < x2 ) = F ( x2 ) − F ( x1 ) + P(ξ = x1 ) − P(ξ = x2 )
4 0,2 0,8 P( x1 < ξ < x2 ) = F ( x2 ) − F ( x1 ) − P(ξ = x2 )
5 0,05 0,85
6 0,15 1
1

P(ξ ≤ 2) = F (2) = 0,5

P(1 < ξ ≤ 3) = F (3) − F (1) = 0,6 − 0,1 = 0,5

P(2 ≤ ξ < 3) = F (3) − F (2) + P(ξ = 2) − P(ξ = 3) = 0,6 − 0,5 + 0,4 − 0,1 = 0,4

P(3 ≤ ξ ≤ 4) = F (4) − F (3) + P(ξ = 3) = 0,8 − 0,6 + 0,1 =0,3

P(ξ ≥ 5) = 1 − P(ξ < 5) = 1 − P(ξ ≤ 4) = 1 − F (4) = 1 − 0,8 = 0,2

Calcular función de cuantía a partir de la función de distribución:

0 x<0 Idea: hay probabilidad en aquellos puntos en

0,3 0 ≤ x <1 los que hay “salto”, y la probabilidad es

0, 7 1 ≤ x < 2,5 precisamente la magnitud del “salto”
F ( x) = 
0,8 2,5 ≤ x < 3 0− → F (0) = 0
0,95 3≤ x < 4  +
 0 → 0 → F (0) = 0,3
1 x≥4 Hay salto en =
x 0 P(ξ= 0)= 0,3


1− → F (1) =0,3 2,5− → F (2,5) =0, 7 

  + 
1 → 1+ → F (1) =0, 7 2,5 → 2,5 → F (2,5) = 0,8 3 → ...
Hay salto en x= 1 P(ξ= 1)= 0, 4 Hay salto en
= x 2,5 P=(ξ 2,5)
= 0,1 
  

ξ = xi P(ξ = xi )

0 0,3
1 0,4
2,5 0,1
3 0,15
4 0,05
1
4.- Función de densidad
v.a. continua: aquella cuya función de distribución es continua

En este caso se considera que la probabilidad en un punto es nula:

P(ξ = x) = 0 ∀x ∈ R

P ( x < ξ ≤ x + dx) = f ( x)dx Elemento diferencial de probabilidad

La Función de distribución: P( x1 < ξ ≤ x2 ) 

x P( x1 ≤ ξ ≤ x2 ) 
F ( x) = P(ξ ≤ x) = ∫
x2

−∞
f ( x)dx P( x1 ≤ ξ < x2 ) 
 = F ( x2 ) − F ( x1 ) = ∫
x1
f ( x)dx

P( x1 < X < x2 )

Función de densidad:
f ( x) ≥ 0
dF ( x)
f ( x) = ∞
dx ∫−∞
f ( x)dx = 1
Derivada de Función de distribución
  0 x<0

Ejemplo: Dada la siguiente función de distribución F ( x)= 2 x − x 2 0 ≤ x <1
 1 x ≥1
Calcular la función de densidad. 

dF ( x)
f ( x) = → f ( x) = 2 − 2 x 0 ≤ x ≤1
dx
Función de densidad

2,5

f ( x) ≥ 0 1,5

∞
∫ f ( x)dx = 1
1

−∞ 0,5

0
-2 -1,5 -1 -0,5 0 0,5 1 1,5 2

∞ 0 1 ∞ 1
∫ −∞
f ( x)dx = ∫ 0dx + ∫ (2 − 2 x)dx + ∫ 0dx = ∫ (2 − 2 x)dx = 1
−∞ 0 1 0
  0 x<0

F ( x)= 2 x − x 2 0 ≤ x <1
 1 x ≥1

función de distribución

1,2

0,8

0,6

0,4

0,2

0
-0,5 -0,4 -0,3 -0,2 -0,1 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5
Ejemplo: Con los datos anteriores calcular las siguientes probabilidades:
P (ξ = 0,5) = 0
0, 2 0 0, 2 0, 2
P (ξ ≤ 0,2) = ∫ f ( x)dx = ∫ 0dx + ∫ (2 − 2 x)dx = ∫ (2 − 2 x)dx =0,36
−∞ −∞ 0 0

Función de densidad

2,5

1,5

0,5

0
-2 -1,5 -1 -0,5 0 0,5 1 1,5 2
 0, 6 0, 6
P(0,1 < ξ ≤ 0,6) = ∫ f ( x)dx = ∫ (2 − 2 x)dx = 0,65
0 ,1 0 ,1

Función de densidad

2,5

1,5

0,5

0
-2 -1,5 -1 -0,5 0 0,5 1 1,5 2
 1, 2 1
P(0,5 ≤ ξ < 1,2) = ∫ f ( x)dx = ∫ (2 − 2 x)dx = 0,25
0,5 0,5

Función de densidad

2,5

1,5

0,5

0
-2 -1,5 -1 -0,5 0 0,5 1 1,5 2
 0, 4 0, 4
P(−1 ≤ ξ ≤ 0,4) = ∫
−1
f ( x)dx = ∫ (2 − 2 x)dx = 0,64
0

Función de densidad

2,5

1,5

0,5

0
-2 -1,5 -1 -0,5 0 0,5 1 1,5 2
 ∞ 1
P(ξ ≥ 0,7) = ∫
0, 7
f ( x)dx = ∫ (2 − 2 x)dx = 0,09
0, 7

Función de densidad

2,5

1,5

0,5

0
-2 -1,5 -1 -0,5 0 0,5 1 1,5 2
P (ξ ≤ 0,2) = F (0,2) = 2 ⋅ 0,2 − 0,2 2 = 0,36

P (0,1 < ξ ≤ 0,6) = F (0,6) − F (0,1) = (2 ⋅ 0,6 − 0,6 2 ) − (2 ⋅ 0,1 − 0,12 ) = 0,65

P (0,5 ≤ ξ < 1,2) = F (1,2) − F (0,5) = 1 − (2 ⋅ 0,5 − 0,52 ) = 0,25

P (−1 ≤ ξ ≤ 0,4) = F (0,4) − F (−1) = (2 ⋅ 0,4 − 0,4 2 ) − 0 = 0,64

P (ξ ≥ 0,7) = 1 − P (ξ < 7) = 1 − P (ξ ≤ 7) = 1 − F (0,7) = 1 − (2 ⋅ 0,7 − 0,7 2 ) = 0,09

 0 x<0

F ( x)= 2 x − x 2 0 ≤ x <1
 1 x ≥1

  0 x<0

Ejemplo: Dada la siguiente función de distribución F ( x)= 2 x − x 2 0 ≤ x <1
 1 x ≥1

¿cómo sabemos si la v.a. es discreta o continua?

0− → F (0) = 0 1− → F (1) = 2 ⋅1 − 12 = 1

 
0 → 0+ → F (0) = 2 ⋅ 0 − 02 = 0 1 → 1+ → F (1) = 1
 No hay salto en =
x 0 P(ξ= 0)= 0  No hay salto en x= 1 P(ξ= 1)= 0
 

No hay saltos en los puntos. Por otro lado, si dibujamos la F(x)

vemos que es continua (no hay saltos), por tanto la v.a. es
CONTINUA
  2x −1
 1< x ≤ 2
Ejemplo: f ( x) =  10
 0, 4 4< x≤6

a) Comprobar que es función de densidad

b) Calcular Función de distribución
c) Determinar P(0 < ξ < 2,5) y P(0,5 < ξ < 5)
  2x −1
 1< x ≤ 2
f ( x) =  10
 0, 4 4< x≤6

∞
∫
−∞
1 →∫ f ( x)dx =
f ( x)dx =
CV
1

f ( x) ≥ 0

f(x) es positiva en todo su campo de

variación
  2x −1
 1< x ≤ 2
f ( x) =  10
 0, 4 4< x≤6

∞
∫−∞
1 →∫ f ( x)dx =
f ( x)dx =
CV
1

f ( x) ≥ 0

2 2x −1 6
∫1 10
dx + ∫ 0, 4dx =
4
1

2
2x 1  2
 8 2  2 1
− x  + 0, 4 x ]4 =  −  −  −  + 0, 4(6 − 4) = 1
6

20 10 1  20 10   20 10 
  2x −1
 1< x ≤ 2
f ( x) =  10
 0, 4 4< x≤6

x
x <1 F ( x) = P(ξ ≤ x) = ∫
−∞
0dx = 0
1 2x −1
x x2 − x
1≤ x < 2 F ( x)= P(ξ ≤ x)= ∫−∞ 0dx + ∫1 10 dx= 10
1 2 2x −1 x 2
2≤ x<4 F ( x)= P (ξ ≤ x)= ∫−∞ 0 dx + ∫1 10 dx + ∫2 0 =
dx
10
1 2 2x −1 4 x 2
4≤ x<6 F ( x) = P (ξ ≤ x) = ∫−∞ 0 dx + ∫1 10 dx + ∫2 0 dx + ∫4 0, 4 dx =
10
+ 0, 4( x − 4)
1 2 2x −1 4 6 x
x≥6 F ( x) = P (ξ ≤ x) = ∫−∞ 0 dx + ∫1 10 dx + ∫2 0 dx + ∫4 0, 4 dx + ∫6 0dx + =1

 0 x <1

 x −x
2
1≤ x < 2
 10
 2
=F ( x)  2≤ x<4
 10
 2
 10 + 0, 4( x − 4) 4≤ x<6

 1 x≥6
  0 x <1

 2x −1  x −x
2
1≤ x < 2
 1< x ≤ 2  10
f ( x) =  10  2
=F ( x)  2≤ x<4
 0, 4 4< x≤6  10
 2
 10 + 0, 4( x − 4) 4≤ x<6

 1 x≥6

Con función de densidad:

2
1 2 2x −1 2,5 2x 2
1   8 2  2 1
P(0 < ξ < 2,5)= ∫0
0dx + ∫
1 10
dx + ∫
2
0dx= − x =  −  −  − = 0, 2
20 10 1  20 10   20 10 

Con función de distribución:

2
P (0 < ξ < 2,5) = F (2,5) − F (0) = − 0 = 0, 2
10
  0 x <1

 2x −1  x −x
2

 1< x ≤ 2 
1≤ x < 2
f ( x) =  10 
10
2
 0, 4 4< x≤6 =F ( x) 
10
2≤ x<4

 2
 10 + 0, 4( x − 4) 4≤ x<6

 1 x≥6

Con función de densidad:

2
2x −1 2x2 1 
− x  + 0, 4 x ]4= 0, 6
2 5
P (0,5 < ξ < 5)= ∫ dx + ∫ 0, 4dx=
5
1 10 4 20 10 1

Con función de distribución:

2
P (0,5 < ξ < 5) = F (5) − ( F 0,5) = + 0, 4(5 − 4) − 0 = 0, 6
10