UNIVERSIDAD NACIONAL DE INGENIERÍA

Facultad de Ingeniería Química y Textil

Mag. Lic. Yone Eldy Ramos Balcázar

VARIABLE ALEATORIA
 CONTENIDO

 Definición de Variable aleatoria,

 Clases de variable aleatoria,
 Valor Esperado de la Variable Aleatoria
 Varianza de la Variable Aleatoria
 Desviación Estándar y
 Coeficiente de Variación
 INTRODUCCIÓN

 Suele designarse el nombre de la variable con una letra

mayúscula, por ejemplo X.

 La correspondiente letra minúscula x indica un valor posible,

aunque desconocido, de esta variable.

 A un mismo experimento aleatorio pueden asociarse diversas

variables aleatorias, dependiendo de la observación que
realicemos.
Ejemplo:

Cuando se arrojan dos dados la variable aleatoria puede ser:

 La suma de las puntuaciones,

 su producto,
 la mayor puntuación, etc.

Lógicamente, en cada uno de estos casos también variará el

espacio muestral asociado .
 CLASES DE VARIABLE ALEATORIA

Según el rango o recorrido (Rx), la variable aleatoria se

clasifica en:
 VARIABLE ALEATORIA DISCRETA

Sea X una variable aleatoria.

• Si el número de posibles valores de X (esto es su RX).
- Es finito (contable) o.
- Es contablemente infinito (numerable).
Entonces llamamos a X una variable aleatoria discreta.
• Los valores de X pueden ser listados: x1, x2, x3, ...., xn, .....
- En el caso contable la lista es finita.
- En el caso numerable la lista es infinita contable
 VARIABLE ALEATORIA DISCRETA

Si el rango o recorrido de la variable aleatoria es finito o

infinito numerable de valores enteros, entonces:
Toma valores de un conjunto numerable finito.
Ejemplo:
X : Número personas que viajan en el metropolitano

Y : Número de turistas que visitan a la ciudad de Cusco.

Distribución de Probabilidades de la Variable Aleatoria Discreta

(Función o Ley de probabilidad o de Cuantía)

Dada una variable aleatoria discreta X

1) p( x)  0 x  Rx
Su función de probabilidad o de cuantía 2)  p( x)  1
p(x) o P(X=x) xRx

Entonces p(x) es la probabilidad de que

X tome el valor x, y que cumple las
siguientes condiciones:
Ejemplo:
Se lanzan 3 monedas y la variable aleatoria X se define:

X : número de caras – número de sellos

Ω = {(sss), (scs), (ssc), (css), (ccs), (csc), (scc), (ccc) }

Entonces:

Se buscan todos los puntos muestrales que dan lugar a cada

valor de la variable y a ese valor se le asigna la probabilidad del
suceso correspondiente, entonces se tiene que:
X : número de caras – número de sellos
Ω = {(sss), (scs), (ssc), (css), (ccs), (csc), (scc), (ccc) }
Entonces:
𝟏𝟏𝟏 𝟏
p(-3) = P (X = -3) = 𝟐 𝟐 𝟐 = 𝟖
𝟏𝟏𝟏 𝟏𝟏𝟏 𝟏𝟏𝟏 𝟑
p(-1) = P (X = -1) = + + =
𝟐𝟐𝟐 𝟐𝟐𝟐 𝟐𝟐𝟐 𝟖
𝟏𝟏𝟏 𝟏𝟏𝟏 𝟏𝟏𝟏 𝟑
p(1) = P (X = 1) = 𝟐 𝟐 𝟐 + 𝟐 𝟐 𝟐 + 𝟐 𝟐 𝟐= 𝟖
𝟏𝟏𝟏 𝟏
p(3) = P (X = 3) = =
𝟐𝟐𝟐 𝟖

Estas probabilidades, lo presentamos en la siguiente tabla:

Distribución de Probabilidades:
X -3 -1 1 3

P(X) 1/8 3/8 3/8 1/8

La representación gráfica de la función de probabilidad de una Variable
Aleatoria Discreta se realiza mediante un
DIAGRAMA DE LÍNEAS
Propiedad:
Si X es una variable aleatoria discreta, la probabilidad en cada intervalo es
diferente.
 Función de Distribución Acumulada de la
Variable Aleatoria Discreta

Otro concepto importante es el de función de distribución de una

v.a.d., F, que se define de modo que si xi є R, F(xi) es igual a la
probabilidad de que X tome un valor inferior o igual a xi, es decir,
acumula las probabilidades hasta xi.
Volviendo al ejemplo de las tres monedas, se tiene que:

X -3 -1 1 3

P(X) 1/8 3/8 3/8 1/8

𝟏
F(-3) = P (X ≤ -3) = p(-3) = 𝟖
𝟏 𝟑 𝟒
F(-1) = P (X ≤ -1) = p(-3) + p(-1) = + =
𝟖 𝟖 𝟖
𝟏 𝟑 𝟑 𝟕
F(1) = P (X ≤ 1) = p(-3) + p(-1) + p(1) = + +𝟖=𝟖
𝟖 𝟖
𝟏 𝟑 𝟑 𝟏 𝟏
F(3) = P (X ≤ 3) =p(-3) + p(-1) + p(1) + p(3) = + + + = = 1
𝟖 𝟖 𝟖 𝟖 𝟖
Función de distribución Acumulada
de la Variable Aleatoria Discreta
 Función de distribución Acumulada de la
Variable Aleatoria Discreta

Gráfico de la función de distribución de la v.a.d.

Propiedades de la función de distribución de la Variable
Aleatoria Discreta F(x)
 VARIABLE ALEATORIA CONTINUA

Si el experimento ε se realiza sobre un espacio muestral Ω, que está

relacionado con escalas intervalares tales como:

 Mediciones de distancias,
 Volúmenes,
 Pesos,
 Tiempos,
 Velocidad,
 Voltajes,
 Intensidad,
 Caudal,
 Temperatura, …… etc., etc.
 VARIABLE ALEATORIA CONTINUA

Ya que los posibles valores de X en un intervalo, a<x<b, son infinitos -

no enumerables- no podemos hablar del i-ésimo valor de X=xi.

En tales casos se habla de Variables Aleatorias Continuas, donde Rx es

un intervalo o un conjunto de intervalos;

Entonces existe una función continua especial:

f(x) = función de densidad de probabilidad

Función de Probabilidad de la Variable Aleatoria Continua

También es conocida como función de densidad, es una

función integrable, que verifica las dos condiciones siguientes:
 Función de Probabilidad de la Variable Aleatoria Continua

Observación:

Por ser f una función integrable, la probabilidad de un

punto es nula:
Función de Probabilidad de la Variable Aleatoria Continua

Por ello al calcular la probabilidad de un

intervalo:

No afectará nada el que éste sea abierto o

cerrado por cualquiera de sus extremos, pues
estos son puntos y por tanto de probabilidad
nula.
 Función de Probabilidad de la Variable Aleatoria Continua

Se denota F (x ). Entonces

F(x) es la probabilidad de que X sea menor o igual que x, es decir:

 Función de Probabilidad de la Variable Aleatoria Continua

Propiedades de F(x)

1) La función de distribución F, es no decreciente y continua:

x1  x2  F( x1 )  F( x2 )
2) Es una función absolutamente continua que verifica:
F ( )  lim F ( x)  0
x  

f ( x)  F '( x) F ( )  lim F ( x)  1

x  

b
P(a  X  b)  P(a  X  b)  P(a  X  b)  P(a  X  b)   f ( x) dx  F (b)  F (a)
a
 Función de Probabilidad de la Variable Aleatoria Continua

Ejemplo:
Sea X una variable aleatoria continua, con la siguiente función de
probabilidad:

x 0  x 1

f ( x)   2  x 1  x  2
0 en otros casos

Graficar la función de probabilidad f(x) y calcular:

a) P(1  X  1/ 2) b) P( X  3 / 2)

c) La función de distribución F(x)

 Función de distribución acumulada de la V.A.C.

x 0  x 1

Solución: f ( x)   2  x 1  x  2
0 en otros casos

12 0 1/2

a) P(1  X  1/ 2)  
1
f ( x)dx   (0)dx 
1
 ( x)dx
0

2 1/ 2
x (1 / 2) 2 1
  
2 0 2 8
3/2

b) P ( X  3 / 2)  

f ( x)dx 

0 1 3/2


 (0)dx   xdx   (2  x)dx  7 / 8
0 1
c) Cálculo de F(x):

 0 x0

 x2
0  x 1
 2
F ( x)   2
 x  2x 1 1 x  2
 2

 1 x2

Se puede calcular F (3/2) = 7/8

 x 0  x 1

f ( x)   2  x 1  x  2
0 en otros casos


Solución
La gráfica de la función de probabilidad dada es:

f(x)

11

0
0 1 2 x
 VALOR
ESPERADO Y
VARIANZA DE LA
VARIABLE
ALEATORIA
 VALOR ESPERADO DE LA VARIABLE ALEATORIA

Se le conoce también como media o esperanza matemática, es un

promedio ponderado de los resultados que se esperan en el
futuro. Es una medida de localización, que indica el valor
alrededor del cual fluctúa la variable aleatoria X

Si X es discreta, el valor esperado se define como:

E ( X )   xi p( xi )
i

Si X es continua, el valor esperado se define como:


E( X )   x f ( x) dx

 VALOR ESPERADO DE LA VARIABLE ALEATORIA

Teorema:
Esperanza Matemática de una función de una variable aleatoria.
Sea X una variable aleatoria discreta o continua y h(x) una función
de la variable aleatoria X, entones el valor esperado de h(x) está
dado por:

E (h( x))   h( x) p( x) Si X es v.a. discreta

E (h( x))   h( x). f ( x)dx Si X es v.a. continua

En ambos casos para todo x E R, respectivo

 VALOR ESPERADO DE LA VARIABLE ALEATORIA

Propiedades del valor Esperado

1) E( X )  R (puede asumir cualquier valor real).

2) E (a)  a a es una constante real

3) E (aX )  aE ( X ) a es una constante real

4) E (a  bX )  a  bE ( X ) a y b son constantes reales

n n
5) E ( X i )   E ( X i )
i 1 i 1
 VARIANZA DE LA VARIABLE ALEATORIA

Se le conoce también como varianza esperada, estas medidas numéricas

describen la dispersión o variabilidad de la variable aleatoria mediante el
“promedio” o “valor esperado” de las desviaciones cuadráticas de los valores de
x a partir de su media o valor esperado.

V ( X )  EX  E ( X )  2
V ( X )  E( X )   E( X ) 
2 2

A la varianza esperada también se le denota igual que la varianza poblacional

V (X )   2
X
 VARIANZA DE LA VARIABLE ALEATORIA

Propiedades de la Varianza

1) 𝑽 𝒙 ≥ 𝟎 La varianza es no negativa
2) 𝑽 𝒂 = 𝟎 𝒂 es una consante real
3) 𝑽 𝒂𝑿 = 𝒂𝟐 𝑽 𝑿 𝒂 es una consante real
4) 𝑽 𝑿 + 𝒂 = 𝑽(𝑿)
5) 𝑽 𝒂𝑿 + 𝒃𝒀 = 𝒂𝟐 𝑽 𝑿 + 𝒃𝟐 𝑽 𝑿

a, b son constantes reales, X e Y son variables

aleatorias independientes.
 DESVIACIÓN ESTÁNDAR O TÍPICA

Como la varianza está en unidades cuadradas, sacamos su raíz cuadrada y

nos da la desviación estándar, y esta es la que mejor indica la dispersión de
los datos ya que está en sus mismas unidades.

COEFICIENTE DE VARIACIÓN
 ¿Qué aprendimos en esta sesión?

1. Variable Aleatoria
2. Clases de variables aleatorias
3. Variable Aleatoria Discreta
4. Función de Probabilidad
5. Función de Distribución Probabilidad Acumulada
6. Variable Aleatoria Continua
7. Función de Densidad de Probabilidad
8. Función de Distribución Acumulada
9. Esperanza Matemática (Promedio)
10. Varianza de las Variables Aleatorias Discreta y Continua
11. Desviación Estándar y Coeficiente De Variación.
GRACIAS