TEMA 11: VARIABLES ALEATORIAS

Variable Aleatoria.- Sea un experimento ε y su

espacio muestral asociado S. Una variable
aleatoria es una función X que asigna a cada uno de
los elementos s Є S un # real X(s).

Lic. Mary Yris MIRANDA R. Estadística 1

Ejemplo:
ε: Lanzamiento de tres monedas.
X: # de caras que aparecen
Entonces:
S= {ccc, ccs, csc, css, scc, scs, ssc, sss}
R(x) = X(s) = { 0,1,2,3 }.

Lic. Mary Yris MIRANDA R. Estadística 2

Variable Aleatoria Discreta.-
Sea X una variable aleatoria. Si el # de todos los valores
de X (recorrido Rx ) es finito o infinito #able, entonces X
es llamada variable aleatoria discreta.

Distribución de Probabilidad: Sea X una v.a.discreta, a

cada resultado posible xi le asociamos un # p(xi) llamado
probabilidad puntual de xi (o función de cuantía)
Los #s p(xi), i=1,2,3,… deben satisfacer las siguientes
condiciones: a) p(xi) ≥ 0 para todo i

b)  p( xi ) = 1
i =1

La colección de pares (xi , p(xi) ) para i=1,2,3,….. es conocida como

la distribución de probabilidad de X.

Lic. Mary Yris MIRANDA R. Estadística 3

Ejemplo (anterior):
ε: Lanzamiento de tres monedas.
X: # de caras que aparecen
Determinamos:
S= {ccc, ccs, csc, css, scc, scs, ssc, sss}
Rx = { 0,1,2,3 }

La distribución de probabilidad de X:

xi 0 1 2 3
p(xi) 1/8 3/8 3/8 1/8

Lic. Mary Yris MIRANDA R. Estadística 4

Ejemplo:

Sea una v.a. que se considera como la ganancia de un

participante en un juego. En este juego se lanza un dado y el
jugador gana 100 soles si salen los números 1 ó 3; no gana ni
pierde si salen los #s 2 ó 5 y pierde 50 soles si salen 4 ó 6.
Determinar la distribución de probabilidad de la v.a. X

ε : Lanzamiento de un dado
X: Ganancia del participante en un juego
S={1, 2. 3, 4, 5, 6}
Rx= {-50, 0, 100}

La distribución de probabilidad de la v.a. X:

x -50 0 100
p(x) 2/6 2/6 2/6

Lic. Mary Yris MIRANDA R. Estadística 5

 Ejercicios Propuestos

1. Se lanza una moneda 3 veces, sea la v.a. X = # caras - # sellos.

a) Enunciar el experimento
b) Determinar el espacio muestral
c) Hallar el rango de la v.a. X
d) Hallar la distribución de probabilidad de X

2. Un lote contiene 10 artículos de los cuales 4 son defectuosos. Se toma

una muestra sin sustitución de tamaño 3 y se define la v.a. X: # de
elementos defectuosos.
a)Representar la distribución de probabilidad de X
b) Hallar la función de cuantía de X

3. Se tiene 6 cajas numeradas del 1 al 6, también se tiene 6 cartas

numeradas del 1 al 6. Se coloca aleatoriamente una carta en cada caja.
Sea X la v.a. que indica el lugar que ocupa la primera carta con # par.
Determinar la distribución de probabilidades de X.
Lic. Mary Yris MIRANDA R. Estadística
6
4. Considere el experimento de lanzar dos dados y observar los
números que aparecen en las caras superiores. Hallar la distribución
de probabilidad de la v.a. X: máximo de los dos números
observados.

5. De una urna que contiene 20 bolas numeradas del 1 al 20 se extraen

tres bolas aleatoriamente sin reposición. Si un jugador apuesta que al
menos una de las bolas seleccionadas tiene un número mayor o igual
que 17. ¿Cuál es la probabilidad de que el jugador gane la apuesta?

6. En el lanzamiento simultáneo de dos dados normales, se consideran

las siguientes variables aleatorias:
X: # de puntos obtenidos en el primer dado
Y: # de puntos obtenidos en el segundo dado
Construya la distribución de probabilidad de:
a) U=X-Y b) V=2Y c) W=máx{X,Y}

Lic. Mary Yris MIRANDA R. Estadística 7

Variable Aleatoria Contínua.-
X es una variable aleatoria continua si existe una
función f llamada función de densidad de
+
probabilidad (f.d.p.) de X que satisface:  f ( x )dx = 1
b −
- f(x) ≥ 0 para todo x - P ( a  x  b ) =  f ( x )dx
a
- Para cualquier a, b/ -∞ <a<b<+ ∞ se tiene que :
Observaciones:
• X es una v.a. continua si puede tomar todos los
valores en algún intervalo (c,d),inclusive en (- ∞ , + ∞).
•La P(c<x<d) representa el área bajo el gráfico de la
función de densidad de probabilidad:

Lic. Mary Yris MIRANDA R. Estadística 8

• Si X es una v.a. continua:
xo
P (X= xo) = ∫ f(x) dx = 0
xo
por lo tanto, las expresiones siguientes son
iguales:
P(c ≤ x ≤ d), P(c ≤ x < d), P(c < x ≤ d), P(c < x < d)

• Si X sólo toma valores en un intervalo finito [a, b],

simplemente podemos establecer f(x)=0 para todo
x que Є [a, b]. Por lo tanto, la f.d.p. está definida
para todo x Є R y se debe exigir :
∞
∫ f(x) dx = 1
-∞
Lic. Mary Yris MIRANDA R. Estadística
9
 Ejemplo:

Sea X una v. a. c. Sea la f.d.p. f dada por:

f(x) = 2x 0 < x < 1
= 0 otro caso
¿Cómo probamos que es efectivamente una f.d.p.?

Para que sea una f.d.p. debe cumplir:

• f(x) ≥ 0 para todo x Є (0,1) √
∞
• ∫ f(x) d(x) = 1 , por probar
-∞
Probando: 1
∞ 0 1 ∞ 1  x2 
0 + 2 xdx + 0 = 2   = 1
∫ 2x d(x) = ∫ 0 d(x) + ∫ 2x d(x) + ∫ 0d(x)= 0  2  0 √
-∞ -∞ 0 1
Lic. Mary Yris MIRANDA R. Estadística 10
 Ejercicios Propuestos:

1. Sea X una v. a. continua con f.d.p. :

1
f ( x) = x + k si 0  x  3
6
0 en otro caso
a) Hallar el valor de k
b) Hallar P(1≤ x ≤2)
2. Una v. a. X tiene la siguiente f.d.p. :

Determinar la constante a.

Lic. Mary Yris MIRANDA R. Estadística 11

Lic. Mary Yris MIRANDA R. Estadística 12
Lic. Mary Yris MIRANDA R. Estadística 13
ESPERANZA MATEMATICA
Variable Aleatoria Discreta.
Sea X una v. a. discreta con valores posibles
x1, x2,….xn, …. y sea p(xi) = P(X=xi), i=1,2,3, … , n,….
El valor esperado (o esperanza matemática) de X

denotada por E(X) se define como: E ( X ) =  xi p( xi )
i =1

Variable Aleatoria Continua.

Sea X una v. a. continua con f.d.p. f.
+


El valor esperado de X se define como: E ( X ) = x f ( x) dx
Si ∫ x f(x) dx converge absolutamente. −

Lic. Mary Yris MIRANDA R. Estadística

14
Ejemplo 1:

Una editorial saca sus libros a la venta en el mes de Febrero,

pero un mes antes se dedica a hacer un control de calidad de
todos sus textos editados, y encuentra que el 5% de ellos
presentan fallas, ya sea por error de digitación, por error en la
enumeración de páginas o por falta de nitidez en algunos
gráficos.

Suponga que por cada texto defectuoso la Editorial pierde 1

dólar, mientras que un texto no defectuoso le produce una
utilidad de 3 dólares. Si X es la utilidad neta por texto. Cúal es
su valor esperado?

Lic. Mary Yris MIRANDA R. Estadística 15

X: utilidad neta por texto (en dólares)

E(X): El valor esperado de la utilidad neta por texto

Utilidad neta promedio por texto

Necesitamos:
La distribución de probabilidad de X:

xi -1 3
p(xi) 0.05 0.95
2
E (X) = Σ xi p(xi) = -1(0.05) + 3(0.95) = 2.8 dólares
i=1
La utilidad neta esperada es de 2.8 dólares por texto.

Lic. Mary Yris MIRANDA R. Estadística 16

Ejercicio:

El tiempo requerido por los estudiantes para presentar un

examen de una hora, es una variable aleatoria Y con una f.d.p.
dada por:
f(y) = 3 y2 + y 0≤y≤1
2
= 0 otro caso

Cuál es el valor esperado de Y?

Lic. Mary Yris MIRANDA R. Estadística

17
VARIANZA
Sea X una v. a. La varianza de X se define como:
V(X) = E(X - E(X))2

La raíz cuadrada positiva de V(X) será la desviación

estándar de X.

Teorema:
V(X) = E(X2) - [E(X)]2

Lic. Mary Yris MIRANDA R. Estadística 18

 Ejemplo :
Hallamos la varianza de la v.a. del ejemplo 1, donde
X: utilidad neta por texto (en dólares)

V(X) = E(X2) - [E(X)]2 , pero se sabe E(X) = 2.8 dólares

2
E (X2)=Σ xi2 p(xi)= -12(0.05)+32(0.95)=8.6 dólares
i=1

V(X) = 8.6 – (2.8)2 = 8.6–7.84 = 0.76 dólares2

DS (X) = √0.76 dólares2 = 0.87 dólares

Ejercicio :
Hallar la varianza de la v.a. Y: tiempo requerido por los estudiantes
para presentar un examen de una hora (ejercicio anterior).

Lic. Mary Yris MIRANDA R. Estadística 19

Propiedades de la Esperanza Matemática :
• Si c es una cte y X=c E(X) = c
• Si c es una cte. E(c X) = c E(X)
• Si X e Y son v.a. cualesquiera E(X+Y)= E(X)+E(Y)
Entonces, se puede deducir que:
Si Y = aX+b E(Y) = a E(X)+b

Propiedades de la Varianza :
- SI c es una cte. V(X+c)=V(X)
- SI c es una cte. V(cX) =c2 V(X)

Lic. Mary Yris MIRANDA R. Estadística 20

 Ejercicios Propuestos
1. Si nos presentan una v.a. X y sabemos que:

0 otro caso
Hallar: a) P(X<4) b) Es realmente f(x) una fdp.?

2. Una ensambladora de ciertos aparatos eléctricos, recibe transistores en

lotes de 20. El responsable de la recepción utiliza la siguiente regla
de inspección: se prueban dos transistores de cada lote, si ninguno es
defectuoso, se detienen las pruebas, si al menos uno de los transistores
resulta defectuoso se prueba el lote completo. Cuál es el número
esperado de transistores probados por lote, si se sabe que cada lote
contiene exactamente el 25% de defectuosos?

Lic. Mary Yris MIRANDA R. Estadística 21

3. En un lote de 10 artículos, hay 3 defectuosos. Del lote se toma al azar
una muestra de 4 artículos sin reposición. Si X: # de artículos
defectuosos. ¿Cuál es el valor esperado de X?

4. Sea X una v.a. con la siguiente distribución de probabilidad.

x -1 0 1 2
p(x) 0.3 0.4 0.2 0.1
Hallar:
a) b)

5. Una reconocida tienda comercial está aumentando notoriamente sus

ventas de laptops en tiempos de pandemia por la COVID 19. Tal es así
que un día comienzan con sólo 5 laptops en el almacén. Si se tiene la
siguiente distribución de la demanda diaria de laptops:
xi 1 2 3 4 5
p(xi) 0.10 0.15 0.20 0.30 0.25
a) ¿Cuál será la demanda esperada aproximada para ese día?
b) ¿Cuál será el valor de la desviación estándar de la variable aleatoria?
Lic. Mary Yris MIRANDA R. Estadística 22
Lic. Mary Yris MIRANDA R. Estadística 23
 Gracias

Lic. Mary Yris MIRANDA R. Estadística 24