TALLER 1 SEGUNDO CORTE

“Modelos de probabilidad”

Variable Aleatoria. (V.A). Una variable aleatoria X de un espacio muestral S es una

función entre S y R (números reales) tal que la imagen inversa de cada intervalo de reales
es un evento de S.

Teorema: Sean X y Y variables aleatorias del mismo espacio muestral S y k un número

real cualquiera, entonces se cumple que X + Y; k + X; k.X; X.Y son también variables
aleatorias, donde:
1. (X + Y)(s) = X(s) +Y(s)
2. (k + X)(s) = k +X(s)
3. (k.X)(s) = k.X(s)
4. (X + Y)(s) = X(s) + Y(s)
Para todo s que pertenece al espacio muestral S.

Función de Probabilidad o Distribución de Probabilidad o Modelo de

Probabilidad: Es una función f ( xi ) = P( X = xi ) que asigna a cada valor de la V.A. X la
probabilidad correspondiente, la cual satisface las propiedades:
1. f ( xi )  0
n
2.  f (x ) = 1
i =1
i

Para representar la función de probabilidad se hace por medio de una tabla de la forma:

Xi x1 x2 …… xn SUMA
f (Xi ) f ( x1 ) f ( x2 ) …… f ( xn ) 1

Media o Esperanza. Es el valor promedio de los valores posibles de una V. A.

X, la cual se denota como E(x) o  (x) y se calcula con la expresión:
n
E ( x) =  xi f ( xi ) .
i =1

Teorema. Sean X y Y variables aleatorias del mismo espacio muestral S y k un número

real cualquiera, entonces se cumple:
1. E(X +Y) = E(X) + E(Y)
2. E(k + X) = k + E(X)
3. E(kX) = k .E(X)
Varianza. La varianza de la V.A. X mide el esparcimiento o dispersión de X con
respecto a la media, entonces la varianza de X se denota por var(x) y se calcula con
una de las siguientes expresiones:
n
1. var( x) =  xi f ( xi ) −  2 = E ( x 2 ) −  2
2

i =1

n
2. var( x) =  ( xi −  ) 2 f ( xi ) = E (( X −  ) 2 )
i =1

La Desviación Estándar de X , denotada por  x , es la raíz cuadrada ( no negativa) de

la var(x), es decir:
 x = var( x)

Teorema. Sean X y Y variables aleatorias del mismo espacio muestral S y k un

número real cualquiera, entonces se cumple que:

1. var(k + X) = var(X)
2. var(k.X) = k 2 var( X )
3.  (k + X ) =  ( X )
4.  (k . X ) = k  ( X )

Variable aleatoria Estandarizada ( X * ). Sea X una V.A con media  y desviación

estándar  >0 . La variable aleatoria X * estandarizada que corresponde a X se define
por:
X −
X* =


TALLER

1. Modelar el valor esperado, la varianza y la desviación estándar de cada una de

las siguientes distribuciones:
a)
X 2 3 11
f(X) 1/3 ½ 1/6
b)
X -5 -4 1 2
f(X) 1/4 1/8 1/2 1/8
2 Se lanza un dado corriente. Designamos X como el doble del numero que
aparezca y denotamos Y como 1 o 3 según que el número sea impar o par.
Modelar la distribución, el valor esperado, la varianza y la desviación estándar
de:

a) X b) Y c) X+Y d) XY e)2X+1/2.Y

3. Una moneda cargada con la probabilidad de que resulte cara es ¾, se lanza 3

veces. Sea X la variable aleatoria que denota la mayor hilera de caras sucesivas
que aparezca. Modelar la distribución de probabilidad, la esperanza, y la
desviación estándar de X.

4. Un jugador lanza dos monedas corrientes, gana cinco dólares si aparecen dos
caras, dos dólares si aparece una cara y un dólar si ninguna cara aparece.
a) Hallar la ganancia esperada
b) Cuánto debe pagar para jugar si el juego es legal

5. Modelar la media, la varianza, y la desviación estándar de la distribución de dos

puntos donde: p+q = 1 y la distribución es:

X A B
f(X) P Q