TEMA 3:

VARIABLE ALEATORIA

DPTO. ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

 INTRODUCCIÓN
Los resultados o sucesos de un experimento aleatorio pueden
ser de naturaleza cualitativa o cuantitativa.

 Ejemplos de experimentos aleatorios cuyos resultados o

sucesos son cualitativos:

- Lanzamiento de una moneda: E={c,+}.

- Calidad de piezas fabricadas: E={defectuosa ,no defectuosa}.
- Preferencia de una persona sobres tipos de coches: E={A,B,C}.
 Ejemplos de experimentos aleatorios cuyos resultados o
sucesos son cuantitativos:

- Nº accidentes de coche en una ciudad en un mes: E={0,1,2,…}.

- Nº clientes que llegan a un comercio en una hora: E={0,1,…}.
 INTRODUCCIÓN
Trabajar con los resultados cualitativos de un experimento
introduce ciertas complicaciones, siendo de gran utilidad el
cuantificar los resultados del experimento aleatorio o, lo que es
lo mismo, asignar un valor numérico a cada suceso del espacio
muestral correspondiente al experimento aleatorio considerado.
Esta relación entre los sucesos del espacio muestral y el valor
numérico que se le asigna la establecemos mediante la
VARIABLE ALEATORIA (V.A.).

 Definición
Sea E un espacio muestral sobre el que se encuentra definida
una función de probabilidad P. Sea X una función de valor real
definida sobre E, de manera que transforma los resultados de E
en puntos de la recta de números reales. Se dice entonces que X
es una VARIABLE ALEATORIA.
X : E 
 INTRODUCCIÓN
EJEMPLO

Consideremos el experimento aleatorio: “lanzar una moneda”. Su

espacio muestral es el siguiente:
E  c , 

Definimos la v.a. X de la siguiente manera: X=“nº de cruces”.

 INTRODUCCIÓN
EJEMPLO
Consideremos el experimento aleatorio: “lanzar dos veces una
moneda”. Su espacio muestral es el siguiente:
E  c , c , c , , , c , , 
Definimos la v.a. X de la siguiente manera: X=“nº de cruces”.

 Tipos
La v.a. puede tomar un número numerable o no numerable de
valores posibles dando lugar a dos tipos principales de v.a.:
discretas y continuas.
 INTRODUCCIÓN
 Definición

Se dice que una v.a. X es DISCRETA si el número de valores que

puede tomar es finito o infinito numerable.

EJEMPLOS
- Nº de piezas defectuosas en un proceso de fabricación.
- Nº de llamadas telefónicas recibidas en una centralita durante
un periodo de tiempo.
- Nº de depósitos de una entidad bancaria.

Los valores que puede tomar, por tanto, una v.a. discreta son:
x = 0, 1, 2, …
 INTRODUCCIÓN
 Definición

Se dice que una v.a. X es CONTINUA si puede tomar un número

infinito no numerable de valores.

EJEMPLOS
- Son situaciones típicas de v.a. continuas las que hacen
referencia a medidas tales como tiempo, peso o longitud.
- Si X = “tiempo que dedica un alumno a hacer un examen cuya
duración máxima es de dos horas (120 minutos)”, tenemos una
v.a. continua que puede tomar infinitos valores en el intervalo
0≤x≤120.
Los valores que puede tomar, por tanto, una v.a. continua son los
infinitos valores de cualquier intervalo de la recta real.
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. DISCRETAS
Al considerar los valores de una v.a. es posible desarrollar una
función matemática que asigne una probabilidad a cada
realización x de la v.a. X. Esta función será la distribución de
probabilidad de X, que se llama FUNCIÓN MASA DE
PROBABILIDAD.

Sea X una v.a. discreta que toma un número finito de valores, r

en total, que notamos x1, x2,…, xr. Designamos la probabilidad de
que la v.a. X tome un valor particular, xi, por:

pi  P X  xi 
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. DISCRETAS
 Definición
La distribución de probabilidad de una v.a. discreta X se llama
FUNCIÓN MASA DE PROBABILIDAD y se denota por P(x). Es
una función que asigna las probabilidades con que la v.a. toma los
valores posibles, de tal manera que las probabilidades verifican
las dos condiciones siguientes:

1. 0  P xi   1 xi de X

2.  P xi   1
i
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. DISCRETAS
NOTA
Para calcular la probabilidad de que una v.a. discreta X tome
valores en un intervalo de la recta real, por ejemplo, en [a,b],
sólo hay que sumar las probabilidades correspondientes a valores
de X comprendidos entre a y b, es decir,
b b
P a  X  b    P X  x  p x 
x a
 x a

 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. DISCRETAS
EJEMPLO
Consideremos el experimento aleatorio consistente en el
“lanzamiento de una moneda 2 veces”.

a) Obtener la función masa de probabilidad de la v.a. X=“nº de

cruces”.
b) Comprobar que realmente es función masa de probabilidad.
c) Calcular las siguientes probabilidades: P[0≤ x < 2], P[0≤ x ≤2].
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. DISCRETAS
a) Obtener la función masa de probabilidad de la v.a. X=“nº de cruces”.
Espacio muestral: E  c , c , c , , , c , , 
Valores que toma la v.a.:

X: E 
c , c   0
c ,  1
, c   1
,   2
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. DISCRETAS
Función masa de probabilidad:
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. DISCRETAS
b) Comprobar que realmente es función masa de probabilidad.
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. DISCRETAS

c) Calcular las siguientes probabilidades: P[0≤ x < 2], P[0≤ x ≤2].

 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. DISCRETAS
EJERCICIO
Se sabe que un lote de 100 lámparas contiene 10 defectuosas. El
minorista decide tomar 2 lámparas aleatoriamente y si ninguna de las
dos es defectuosa se acepta el lote. Definimos la v.a. X=“nºlámparas
defectuosas en una selección aleatoria de dos lámparas”.
Obtener:

a) La función masa de probabilidad de la v.a. X.

b) Comprobar que realmente es función masa de probabilidad.
c) Calcular la probabilidad de que el minorista acepte el lote.
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. DISCRETAS
a) La función masa de probabilidad de la v.a. X.
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. DISCRETAS
b) Comprobar que realmente es función masa de probabilidad.

c) Calcular la probabilidad de que el minorista acepte el lote.

 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. CONTINUAS
En muchas aplicaciones estadísticas la v.a. puede tomar cualquier
valor sobre un intervalo de la recta real, es decir, puede tomar
un número infinito de valores, siendo la correspondiente v.a. de
tipo continuo.

En el caso continuo no es posible asignar una probabilidad a

cada uno de los infinitos valores de la v.a., siendo necesario
utilizar una aproximación diferente para llegar a obtener la
distribución de probabilidad de una v.a. continua.
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. CONTINUAS
 Definición
Sea X una v.a. continua. Su distribución de probabilidad se
denomina FUNCIÓN DE DENSIDAD, se denota por f(x) y
verifica las siguientes condiciones:

1. f x   0 x  

1
2.  f x dx  1


El área bajo la curva de la función es 1.

 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. CONTINUAS
NOTA

La probabilidad de que una v.a. continua X tome valores en un

intervalo de la recta real, por ejemplo, en [a,b], será igual al área
bajo la curva f(x) acotada entre a y b, es decir,

b P a  X  b 
P a  X  b    f x dx
a

a b
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. CONTINUAS
OBSERVACIÓN
Hay una diferencia significativa en el cálculo de las
probabilidades para una v.a. discreta y una v.a. continua. Si X es
discreta existen las probabilidades puntuales P[X=xi]. Sin
embargo, en el caso continuo, si x es un punto interior de un
intervalo, entonces P[X=xi]=0 ya que:
xi
P X  xi   P xi  X  xi    f x dx  0
xi

Es decir, el área entre xi y xi es 0. Entonces se verifica que:

P a  X  b   P a  X  b   P a  X  b   P a  X  b 
ya que P X  a   P X  b   0
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. CONTINUAS
EJEMPLO
Sea X v.a. continua con función de densidad:

Probar que, efectivamente, es función de densidad.

 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. CONTINUAS
Para que sea función de densidad tiene que verificar:
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. CONTINUAS
EJEMPLO
Obtener el valor de k para que f(x) sea función de densidad.
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. CONTINUAS
Para que sea función de densidad tiene que verificar:
 DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A.
•D. PROBABILIDAD DE V.A. CONTINUAS
Luego la función de densidad es:
 FUNCIÓN DE DISTRIBUCIÓN
 Definición
Dada una v.a. X se define su FUNCIÓN DE DISTRIBUCIÓN
asociada como una función que se aplica sobre  y toma valores
en [0,1]. Se denota por F(x):
F :   0,1
x  F x   P X  x 
Es la suma de las probabilidades de todos los puntos inferiores
o iguales a x.

 Propiedades

1. Es una función no decreciente.

2. Es continua a la derecha.
3. F(-)=0, F(+)=1  0 ≤ F(x) ≤ 1
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A. DISCRETAS
Dada una v.a. discreta X con función masa de probabilidad p(x)
se define su función de distribución F(x) como:

F x   P X  x    p xi    P X  xi 
x x
i  x x
i 

Representa la suma de las probabilidades puntuales hasta el

valor x (incluido) de la v.a. X.
F x 
1

x1 x2 x3 x4 xk x
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A. DISCRETAS
 Propiedades

1. P X  xi   1  P X  xi   1  F xi 

2. P X  xi   P X  xi   P X  xi 1   F xi   F xi 1 

3.    
P xi  X  x j  P X  x j  P X  xi 1   F x j   F xi 1 

4. P X  xi   1  P X  xi   1  P X  xi 1   1  F xi 1 

5.    
P xi  X  x j  P X  x j  P X  xi   F x j   F xi 
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A. DISCRETAS
EJEMPLO
Consideremos el experimento aleatorio consistente en el
“lanzamiento de una moneda 2 veces” y la v.a. X=“nº de cruces”.
Obtener la función de distribución.

Función masa de probabilidad:

x 0 1 2
p(x) ¼ ½ ¼
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A. DISCRETAS
Función de distribución:

0 1 2
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A. DISCRETAS
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A. DISCRETAS

EJERCICIO

Dada la siguiente función masa de probabilidad, obtener la

función de distribución.

x 0 1 2
p(x) 0.8091 0.1818 0.0091
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A. DISCRETAS
Función de distribución:

0 1 2
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A. DISCRETAS
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A.CONTINUAS
Dada una v.a. continua X con función de densidad f(x), se define
su función de distribución F(x) como:
x
F x   P X  x    f t dt


Representa el área limitada por la función f(x) y a la izquierda

por la recta X = x.

f x 

F x 

x
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A.CONTINUAS
 Propiedades

1. F x   P X  x   P X  x 
a
2. P X  a   a f x dx  0

3. P a  X  b   P a  X  b   F b   F a 

4. P X  x   1  P X  x   1  F x 
dF x 
5. F x  
'
 f x 
dx
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A. CONTINUAS
EJEMPLO
Dada una v.a. continua X con función de densidad:

Obtener su función de distribución y el valor que toma en

el punto x=16.
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A. CONTINUAS
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A. CONTINUAS
Cálculo de F(16):
- PRIMERA FORMA:

- SEGUNDA FORMA:
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A.CONTINUAS
EJERCICIO
Una estación de servicio tiene un depósito de gasolina sin plomo de
2000 litros al comienzo de cada semana. La demanda semanal muestra
un comportamiento creciente hasta llegar a 1000 litros y después se
mantiene constante entre 1000 y 2000 litros. Si designamos por X la
v.a. que indica la demanda semanal en miles de litros de gasolina sin
plomo, la función de densidad es:
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A.CONTINUAS

a) Comprobar que es función de densidad.

b) Obtener la función de distribución.
c) Calcular la probabilidad de que la demanda sea
mayor de 1500 litros.
d) Calcular la probabilidad de que la demanda esté
entre 750 y 1500 litros.
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A.CONTINUAS
a) Comprobar que es función de densidad.
Para que sea función de densidad tiene que
verificar:
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A.CONTINUAS
b) Obtener la función de distribución.
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A.CONTINUAS
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A.CONTINUAS
c) Calcular la probabilidad de que la demanda sea mayor
de 1500 litros.
- PRIMERA FORMA:

- SEGUNDA FORMA:
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A.CONTINUAS
- TERCERA FORMA:

d) Calcular la probabilidad de que la demanda esté

entre 750 y 1500 litros.
- PRIMERA FORMA:
 FUNCIÓN DE DISTRIBUCIÓN
•F. DISTRIBUCIÓN DE V.A.CONTINUAS

- SEGUNDA FORMA:
 ESPERANZA MATEMÁTICA
El concepto de valor esperado o esperanza de una v.a. es uno de
los más importantes en el estudio de las propiedades de las
distribuciones de probabilidad. El valor promedio de una v.a.
después de un número grande de experimentos es su valor
esperado.

 Definición
Sea X una v.a. discreta con función masa de probabilidad p(x).
Definimos el valor esperado como
EX  
x
xp x 
 Definición
Sea X una v.a. continua con función de densidad f(x). Definimos
el valor esperado como

EX   xf x dx

 ESPERANZA MATEMÁTICA
EJEMPLO

Dada una v.a. discreta X con función masa de probabilidad p(x),

obtener su esperanza matemática o valor esperado.

x 0 1 3 4 8
p(x) 0.1 0.2 0.1 0.4 0.2
 ESPERANZA MATEMÁTICA
EJEMPLO
Dada una v.a. continua X con función de densidad f(x),
obtener su esperanza matemática o valor esperado.
 ESPERANZA MATEMÁTICA
 Definición
Sea X una v.a. discreta con función masa de probabilidad p(x) y
sea g(X) una función de la v.a. X. Entonces se define

E g X    g x p x 
x

 Definición

Sea X una v.a. continua con función de densidad f(x). Definimos

el valor esperado como

E g X  

 g x f x dx

 ESPERANZA MATEMÁTICA
EJEMPLO

Dada una v.a. discreta X con función masa de probabilidad p(x),

obtener E[3X] y E[X3].

x 0 1 2 3
p(x) 1/8 3/8 3/8 1/8
 ESPERANZA MATEMÁTICA
EJEMPLO
Dada una v.a. continua X con función de densidad f(x),
obtener E[3X] y E[X3].
 ESPERANZA MATEMÁTICA
 Propiedades
1. La esperanza de una constante es la propia constante.
a constante  E a   a
2. Si una v.a. X está acotada, a ≤ X ≤ b  a ≤ EX ≤ b.
3. Sea X v.a. Sean g(X) y h(X) dos funciones de X que son v.a.
cuyos valores esperados existen y sean a y b dos constantes.

E ag X   bh X   aE g X   bE h X 
Esta propiedad se puede extender al caso de n funciones de
X y se conoce como propiedad de linealidad de la esperanza.
EJEMPLO: E[3X-4] = 3 E[X] - 4

4. Si la distribución de probabilidad de X es simétrica respecto

al valor c, entonces EX = c.
 VARIANZA
 Definición
Sea X una v.a. discreta con función masa de probabilidad p(x).
Definimos la varianza de X como

Var X   E X  EX    xi  EX  p xi 

2 2

xi
2
 
Var X   EX  EX    xi p xi     xi p xi 
2
2 2

xi  xi 
 Definición

Sea X una v.a. continua con función de densidad f(x). Definimos

la varianza de X como

Var X   E X  EX     x  EX  f x dx
2  2

Var X   EX  EX  
2 2




x f x dx 
2
 


xf x dx 
2
 VARIANZA
La varianza es una medida de dispersión que nos permite conocer
el grado de dispersión de los valores de la distribución con
respecto a su media. Nos indica cómo representa la media a la
distribución.

También puede utilizarse como medida de dispersión la

desviación típica.

 Definición

Se define la desviación típica como la raíz cuadrada positiva de

la varianza y se expresa en la misma unidad de medida que X.

 X  Var X 
 VARIANZA
 Propiedades
1. La varianza de una constante es 0.

a constante  Var a   0

2. Var(aX) = a2 Var(X), aX = |a|X

EJEMPLO

3. Var(aX+b) = a2 Var(X), aX+b = |a|X

EJEMPLO
 VARIANZA
EJEMPLO
Dada una v.a. discreta X con función masa de probabilidad p(x),
obtener la esperanza, varianza y desviación típica.

x 0 1 2 3 4
p(x) 0.05 0.15 0.35 0.25 0.20
 VARIANZA
EJEMPLO
Dada una v.a. continua X con función de densidad f(x),
obtener la esperanza, varianza y desviación típica.
VARIANZA
 TEMA 3:
VARIABLE ALEATORIA

DPTO. ESTADÍSTICA E INVESTIGACIÓN OPERATIVA