Documentos de Académico
Documentos de Profesional
Documentos de Cultura
21 de marzo de 2024
Variables aleatorias
Definición
Una variable aleatoria X es una función que asigna a cada elemento
del espacio muestral Ω un valor numérico: X ∶ Ω → R.
Notación
En general, denotaremos a las variables aleatorias con letras
mayúsculas X, Y, Z (como variables, aunque sean funciones).
Ejemplo 1
Se tiran dos dados. Consideremos las siguientes variables aleatorias:
X = “mayor número obtenido”.
Y = “suma de los dos números obtenidos”.
Z = “cantidad de veces que salió un número par”.
Variables aleatorias
Ejemplo 2
Supongamos que en una ciudad la máxima cantidad de lluvia que
puede caer en un día es 160 mm. Consideremos la variable aleatoria
W = “cantidad de lluvia caída en un día (en mm)”.
El conjunto de valores que toma la variable W es el intervalo [0, 160].
El evento A=“la cantidad de lluvia es superior a 100 mm” se
representa en base a esta variable:
Definición
Un conjunto infinito decimos que es numerable si sus elementos
pueden escribirse de la forma: x1 , x2 , . . . , xn , . . . (o sea, subindicados
con todos los números naturales).
Definición
Para una variable aleatoria X discreta que toma valores
x1 , x2 , . . . , xn , . . . definimos su función de probabilidad puntual pX
como:
pX (xk ) = P(X = xk ); para todo k.
1+3+5 9 1
P(A) = pX (1) + pX (2) + pX (3) = = = .
36 36 4
Función de probabilidad puntual
Para cualquier variable aleatoria (no solo para las discretas) podemos
definir la siguiente función:
Definición
Sea X una variable aleatoria. Definimos su función de distribución
acumulada FX ∶ R → [0, 1] como:
⎧
⎪ 0 si x < 1
⎪
⎪
⎪
⎪
⎪
⎪
1
si 1 ≤ x < 2
⎪
⎪
⎪
36
⎪
⎪
4
= 1
si 2 ≤ x < 3
⎪ 36 9
FX (x) = ⎨ 9
= 1
si 3 ≤ x < 4
⎪
⎪
⎪
36 4
⎪
⎪
16
= 4
si 4 ≤ x < 5
⎪
⎪
⎪
36 9
⎪
⎪
25
si 5 ≤ x < 6
⎪
⎪
⎪
36
⎩ 1 si x ≥ 6
Función de distribución acumulada
x1 , x2 , . . . , xk , . . .
FX (x) = ∑ pX (xk ).
xk ≤x
Propiedades
La función de distribución acumulada FX satisface:
▸ FX es creciente.
▸ lı́mx→+∞ FX (x) = 1.
▸ lı́mx→−∞ FX (x) = 0.
Distribución Binomial
Ejemplos
1. Tiramos 12 veces una moneda. Sea X = # caras. Entonces
X ∼ Bi(12, 12 ).
2. Tiramos 20 veces un dado. Sea Y = # veces que salió 1.
Entonces Y ∼ Bi(20, 61 ).
3. De una línea de producción se extraen 30 piezas con reposición.
Sea Z = # piezas defectuosas. Entonces Z ∼ Bi(30, p), donde p
es la proporción de piezas defectuosas de toda la producción.
Distribución Binomial
Ejemplos
1. X = # caras en 12 tiros de una moneda, X ∼ Bi(12, 12 ). Hallar la
probabilidad de obtener exactamente 5 caras.
12 1 5 1 7
pX (5) = ( ) ( ) (1 − ) ≅ 0,1933.
5 2 2
Ejemplo
Un bit (0 ó 1) de información se transmite por un canal con ruido. La
probabilidad de que el mensaje recibido sea incorrecto es 0,1. Para
mejorar la probabilidad de éxito, cada bit se envía 5 veces en forma
independiente y se registra el que se recibió más veces. ¿Cuál es la
probabilidad de que el mensaje llegue correctamente?
Definimos la v.a. X = # veces que se recibió correctamente el
mensaje. Resulta X ∼ Bi(5, 0,9) y queremos calcular P(X ≥ 3):
pX (0) = 1 − p; pX (1) = p.