Variables Aleatorias

C. Domínguez.

Nuestro interés principal es el estudio de ciertas características de una población. La metodología

general consiste en, a partir de una muestra de la población, resumir el contenido de esa muestra
mediante análisis grácos y numéricos. La muestra, habitualmente, consiste en una serie de variables
(estatura, peso, color, etc.). Cuando trabajamos con variables numéricas, a éstas se les llama variables
aleatorias.

1 Tipos de variables Aleatorias

Las variables aleatorias pueden ser de dos tipos: Discretas o Continuas

2 Funciones de probabilidad

Nuestro interés está en aplicar la probabilidad en conjunto con la variables aleatorias para obtener
información relevante de cierta población.
Ejemplo: Consideremos un dado honesto de seis caras y sea X la variable aleatoria que nos dice el
número que salió al lanzar el dado. Si nos preguntamos qué tan probable será que salga un 2, podemos
expresar esta cuestión de la siguiente manera ¾Cuánto es P (X = 2). En este caso la respuesta es obvia
P (X = 2) = 61 . De hecho, en este caso P (X = x) = 61 para todos los posibles valores de la variable
aleatoria X, (notemos que en este caso los posibles valores de X son los números enteros del 1 al 6).

1
También es necesario notar que P (X = 1) + P (X = 2) + P (X = 3) + P (X = 4) + P (X = 5) + P (X =
6) = 1.
Función masa de probabilidad: Habitualmente, para una variable aleatoria discreta, P (X = x) es
denotada por p(x) y dene una función en todos los posibles valores de X. A esta función p se le conoce
como función masa de probabilidad si cumple las siguientes propiedades.
1. p(x) ≥ 0 para toda x.
2.
P
x p(x) = 1
3. p(x) = P (X = x)
En el ejemplo
P del dado se tiene que p es una función denida en {1, 2, 3, 4, 5, 6} : p(x) = 61 . Y
tenemos que x p(x) = p(1) + p(2) + p(3) + p(4) + p(5) + p(6) = 6 + 6 + 61 + 16 + 16 + 16 = 1, cumpliendo
1 1

la propiedad 2. Mientras que la propiedad 1 se cumple claramente.

3 Funciones de densidad de probabilidad.

En el caso de de las variables aleatorias continuas, una función f denida en todos los posibles
valores de X es conocida como Función de densidad de probabilidad si:
1. f (x) ≥ 0 para todad x.
R∞
2. −∞
f (x)dx = 1.

3. P (a < x < b) =
Rb
a
f (x)dx
Ejemplo: Consideremos la variable
 aleatoria continua X que nos regresa la estatura de una persona
 6 si 1.5<x<2.1
 10

en metros y consideremos a f (x) =

0 en otro caso .


Notemos que la propiedad 1 se cumple. Por otro lado, para la propiedad 2,
Z ∞ Z 2.1
10 10 2.1 10
f (x)dx = dx = x| = (2.1 − 1.5) = 1.
−∞ 1.5 6 6 1.5 6

En el caso de las variables continuas nos preguntamos por la probabilidad de que la variable
aleatoria tenga valores en un intervalo. Si retomamos nuestro ejemplo podemos preguntarnos cuál es
la probabilidad de que una persona mida entre 1.68 y 1.72 metros. Esto se plantea preguntando cuán
to es P (1.68 < x < 1.72) y se responde calculando
Z 1.72 Z 1.72
10 10 1.72 10
f (x)dx = dx x |1.68 dx = (1.72 − 1.68) = 0.0666.
1.68 1.68 6 6 6

4 Funciones acumulativas de probabilidad.

1. Discretas: X
F (x) = P (X ≤ x) = f (t)
t≤x

2. Continuas: Z x
F (x) = P (X ≤ x) = f (t)dt
−∞

2
(a) P (a < x < b) = F (b) − F (a).
(b) f (x) = dx
d
(F (x)).