VARIABLES ALEATORIAS

Variables aleatorias

Una variable aleatoria es una función que

asocia un número real y sólo uno, a cada
suceso elemental del espacio muestral Ω de un
experimento aleatorio.

R de
j u n to x res
l c on s valo
E s lo u na
o
tod bles d e se
i to r i a
pos a l e a
r r i do
e
abl a reco
v a r i e la
i n d
e n om c ión oria
d la at
p ob a l e
o b le
i a
var
Clasificación de Variables aleatorias

Variables aleatorias
DISCRETAS, si Rx es un
conjunto finito o infinito
numerable
Conforme a Rx, el
recorrido, las
variables aleatorias
se clasifican en:
Variables aleatorias
CONTINUAS, si Rx es un
conjunto infinito NO
numerable
 Variables aleatorias discretas
Una vez definida una variable aleatoria discreta X, es
posible definir otra función que indica la
probabilidad de cada valor posible.

Se denomina Función
de Probabilidad

La función debe cumplir:

Gráficamente
Variables aleatorias discretas

Experimento: “Lanzar una moneda al aire tres

veces”

Ω = {CCC, CXX, XCX, XXC, CCX, CXC, XCC, XXX}

Se define la variable X: “Cantidad de caras

obtenidas”

¿Qué valores puede adoptar la variable

aleatoria X?
¿Qué probabilidades tienen estos valores?
Variables aleatorias discretas
Función de Distribución de
X Probabilidad
XXX
CXX Valores Probabilidad
XCX • 0 p(0)=P(X=0)=1/8
XXC
• 1 p(1)=P(X=1)=3/8
CCX
• 2 p(2)=P(X=2)=3/8
CXC
• 3 p(3)=P(X=3)=1/8
XCC
CCC

Comportamiento de la
Variable Aleatoria
0 1 2 3
Variables aleatorias discretas
Función de Distribución Acumulada

Gráficamente resulta en la función escalera:

 Variables aleatorias discretas

F(xi) representa la probabilidad de

encontrar un valor menor o igual que xi

F(xi) = P( X ≤ xi)
Variables aleatorias Continuas

LA FUNCIÓN ES POSITIVA

EL ÁREA ENCERRADA BAJO LA CURVA ES

IGUAL A 1
Variables aleatorias continuas
Ejemplo:

X ~ U [a, b]

DISTRIBUCIÓN
UNIFORME

Función de
Densidad de
Probabilidad
Variables aleatorias continuas

Función de densidad acumulada:

Variables aleatorias continuas
Ejemplo:

X ~ U [a, b]

Función Distribución de
Probabilidad o DENSIDAD
ACUMULADA
¿Cómo se calcula probabilidad en
variables aleatorias continuas?
Siempre por intervalos de números
Por ejemplo si se quiere:

La probabilidad de que X tome

valores en [a,b] es igual a la
diferencia entre las probabilidades
acumuladas en los extremos del
intervalo.
Esperanza
VALOR ESPERADO O ESPERANZA
MEDIA POBLACIONAL PARA
VARIABLE ALEATORIA DISCRETA

μ
E(X) es un valor fijo que depende de la
distribución de probabilidad de X.

Está medida en las mismas unidades que X.

Esperanza

VALOR ESPERADO O ESPERANZA

MEDIA POBLACIONAL
VARIABLE ALEATORIA CONTINUA

μ
E(X) es un valor fijo que depende de f(X) la
función de densidad de probabilidad de X.

Está medida en las mismas unidades que X.

 Propiedades de Esperanza

• Si C es una constante, entonces E(C) = C.

• Linealidad: E ( aX + b) = a E(X) + b, ∀a, b ∈ ℜ

• Si g(X) es una función de X, entonces:

• Si g(X), h(X) son funciones de X, entonces

E[g(X)+h(X)]=E[g(X)]+E[h(X)]
Varianza
Para VARIABLE ALEATORIA DISCRETA

La raíz cuadrada positiva de la varianza se

llama desviación típica y se denota con σ.
2
σ Tanto la varianza como la desviación típica
miden la dispersión de la variable aleatoria
respecto a su media.
Varianza
Para VARIABLE ALEATORIA CONTINUA

La raíz cuadrada positiva de la varianza se

llama desviación típica y se denota con σ.
2
σ Tanto la varianza como la desviación típica
miden la dispersión de la variable aleatoria
respecto a su media.
Propiedades de la Varianza

• Si C es una constante, V(C)=0

• V(X) = E(X2) - E2(X)

• Si a y b son constantes: V(aX+b) = a2 V(X)

• Si X e Y son independientes,
V(X ± Y) = V(X) + V(Y)
Distribución de probabilidad
de la variable X

x p(x)
1 0.05
2 0.075
3 0.2
4 0.375
5 0.15
6 0.1
7 0.05

μX= E(X)=∑x.p(x)=?

σ2X= V(X)=∑(x-μ)2.p(x)=?
¿Qué puede decir de la distribución de las
Variables aleatorias X e Y?

x p(x) y p(y)
1 0.05 1 0.2
2 0.075 2 0.15
3 0.2 3 0.1
4 0.375 4 0.15
5 0.15 5 0.05
6 0.1 6 0.1
7 0.05 7 0.25
 ¿Qué puede decir de la distribución de las
Variables aleatorias X e Y?

Distribuciones de probabilidad de las variables X e Y

μX= E(X)=∑x.p(x) = 4 μY= E(Y)=∑y.p(y)= 4

σ2X= V(X)=∑(x-μ)2.p(x)= 1.95 σ2Y= V(Y)=∑(y-μ)2.p(y)= 5.20
 Medidas de un modelo- Poblacionales

▪ MEDIA :

▪ VARIANZA: