VARIABLES ALEATORIAS

DEFINICIÓN:
Variable aleatoria .Es aquella cuyo valor es un
número determinado por el resultado de un
experimento aleatorio.
 Tipos de variables aleatorias:

{
Discretas; x=x1,x2,…,xn

VARIABLES Continuas; a≤ x≤ b

Función masa de probabilidad. A cada valor de la variable aleatoria X

la asocia con su respectivo valor de probabilidad.
R: x → P(x) = f (x)

Propiedades de la función masa Propiedades de la función de

de probabilidad distribución acumulada

i) 0≤ f(x=x0) ≤ 1 i) F(X=x0)=P(X≤x0)= ∑V xf(xi)

ii) ∑V i f(xi)=1 ii) f(X=(xi ))=F(xi)-F(xi-1)
iii) F (∞ )=1 ; F(-∞)= 0
iv) P(𝑥𝑚 ≤ X ≤ 𝑥𝑛 )= F(xn) - F(xm-1)
 Esperanza matemática o valor
esperado
Sea x una variable aleatoria y f(x) su función de probabilidad y h(x) una función
de x.
La esperanza matemática de h(x) se denota E{h(x)} y se define:

E{h(x)}= Σh(x)f(x)= Σh(x)P(x)

Si h(x)= x entonces E{X}=μx Si h(x)= (X-μx)2 entonces E{(X-μx)2}=σx2

o en su caso E{X}= 𝑥ഥ o en su caso E{(X- 𝑥)ҧ 2}=Sx2

Valor esperado de X Esperanza matemática o valor esperado de

Función generatriz de Momentos
Casos generales:
(X-μx)
𝐸 𝑒 𝑠𝑥 = ෍ 𝑒 𝑠𝑥 ∗ 𝑓 𝑥 = 𝑀𝑥 (𝑠)
∀𝑥
E{Xn} = 𝑚𝑛 Momento E{(X-μx)n}= 𝑀𝑛 Momento
respecto al origen. respecto a la media
Propiedades de la
Esperanza Matemática
1) E{c } = c
2) E{c1h(x)} = c1E{h(x)}
3) E{h(x)+ g(x)}= E{h(x)} + E{g(x)}
4) E{c1h(x)+c2g(x)}=c1E{h(x)}+c2E{g(x)}
Aplicación:

E{ (x-µx)2}=E{x2-2xµx + µx2}=E{x2}- 2µx

E{x}+E{µx2}
σx2=E{ (x-µx)2}=E{x2}-µx2
 Medidas de tendencia central y
medidas de dispersión

POBLACIÓN MUESTRA
E{X}=μx E{x}= 𝑥ഥ

E{(X-μx)2}=σx2 E{(X- 𝑥)ҧ 2}=Sx2

σ Sx
C.V. = μ x C.V. =
x 𝑥ഥ
 Ejemplo:

El número de kwatts que se consumen semanalmente en una fábrica, se ha

registrado durante las últimas 25 semanas; la siguiente tabla muestra los
resultados obtenidos.

a) Obtener la función de distribución de probabilidad (FMP).

b) Estimar la demanda eléctrica para la próxima semana.
c) Obtener la Función de distribución acumulada
d) Las gráficas de ambas funciones.

S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 S22 S23 S24 S25

9 5 8 10 11 12 5 7 6 7 6 8 9 8 9 10 7 4 8 11 9 7 6 8 10
 Resolución:
x; variable aleatoria que define el número de kwatts por semana.

x f(x) F(X=x0)=P(X≤x
0)
4 1/25 1/25
5 2/25 3/25
6 3/25 6/25
7 4/25 10/25
8 5/25 15/25
9 4/25 19/25
10 3/25 22/25
11 2/25 24/25
12 1/25 25/25

b)La demanda eléctrica para la próxima semana:

𝑥ҧ =4(1/25)+5(2/25)+6(3/25)+7(4/25)+8(5/25)+9(4/25)+10(3/25)+11(2/25)
+12(1/25) = 8
Ejemplo: Valor Esperado

Una urna contiene 5 papeletas que no pueden

distinguirse. Tres de ellas están marcadas con $2 y las
restantes con $4, cada una. Un jugador saca al azar dos
papeletas de la urna sin romperlas y gana una cantidad
igual a la suma de las marcas en las papeletas que ha
sacado. Si el costo del juego es de $5.60, ¿Se trata de un
juego justo?
Definición de variable aleatorias:
x; variable aleatoria que define el # de papeletas de $2
x f(x)
0 1/10
1 6/10
2 3/10

g; variable aleatoria que define la ganancia

 Si x=0 ; g= 4 + 4 = 8 g f(g)
 Si x=1 ; g= 2 +4 = 6
8 1/10
 Si x= 2 ; g= 2 + 2 = 4
6 6/10

4 3/10

E{g}= 8(1/10)+ 6(6/10) + 4(3/10) = 5.6

El dueño de una camioneta de transporte colectivo que parte de la
población A y pasa por la población B para llegar a su destino en la
ciudad C, ha determinado que el número de pasajeros que recibe en
cada población tiene la siguiente función de probabilidad.

Definición de eventos: x, y; variables aleatorias que definen el número

de pasajeros que recibe en la población A y B respectivamente.
 Población A Población B
x P(x) Y P(y)
1 0.1 4 0.2
2 0.3 5 0.4
3 0.4 6 0.3
4 0.2 7 0.1

Determinar:
a)La función de probabilidad del número
total de personas que subieron al
vehículo.
b)La media de la función masa de
probabilidad.
c)La función de distribución acumulada.
 RESOLUCIÓN:

a) Definición de evento: z; variable aleatoria que define

el número total de personas que subieron el vehículo

z P(z)
5 P(x=1∩y=4)=0.02
6 P((x=1∩y=5)U(x=2∩y=4))=0.10
7 P(x=1∩y=6Ux=2∩y=5Ux=3∩y=4)=0.23
8 P(x=1∩y=7Ux=2∩y=6Ux=3∩y=5Ux=4∩y=4)=0.3

9 P(x=2∩y=7Ux=3∩y=6Ux=4∩y=5)=0.23
10 P(x=3∩y=7Ux=4∩y=6)=0.10
11 P(x=4∩y=7)=0.02
=1
b)
11
E{z}=∑ z*P(z)=8

c) La función de distribuciónz=5
acumulada

z P(z) F(z)
5 0.02 0.02
6 0.10 0.12
7 0.23 0.35
8 0.30 0.65
9 0.23 0.88
10 0.10 0.98
11 0.02 1.00
1
 0.3

0.25

0.2

0.15

0.1

0.05

0
5 6 7 8 9 10 11
En un lote de 12 televisores hay dos defectuosos. Si se eligen al azar 3
de los televisores para enviarlos a un hotel. ¿Cuántos aparatos
defectuosos pueden esperarse en el envío ?
 x f(x)
0 12/22
1 9/22
2 1/22

E{x} = 0(12/22) + 1(9/22) +2(1/22) =

11/22 = 1/2
Verificar si la función f(x) es una F.M. de
Probabilidad
𝑛 𝑥 𝑛−𝑥
𝑓 𝑥 = 𝑝 𝑞 ; 𝑝 + 𝑞 = 1 ; 𝑥 = 0,1,2 … 𝑛
𝑥
n es el número de veces que se realiza el experimento. Por ejemplo
lanzar “n” veces una moneda.
x es la variable aleatoria que define el # de veces que se presenta la
probabilidad p. Por ejemplo, al lanzar una moneda “n” veces y se
observa el # de soles; x=0,1,2,3,4…n , p es la probabilidad de que
aparezca sol en cada lanzamiento y q la probabilidad de que
aparezca águila en cada lanzamiento.
Parámetros: n, p y q
Variable aleatoria: x
 Tipos de variables aleatorias:

{
Discretas; x=x1,x2,…,xn

VARIABLES Continuas; a≤ x≤ b

Función Densidad de probabilidad. A cada valor de la variable

aleatoria X la asocia con su respectivo valor de probabilidad.
R: x → P(x) = f (x)
−∞ ≤ 𝑥 ≤ ∞
Propiedades de la función Propiedades de la función de
densidad de probabilidad distribución acumulada

i) f(x) > 0 ; ∀ 𝑥 i) F(X=x )=P(X≤x )= ‫𝑥׬‬0 𝑓 𝑥 𝑑𝑥

0 0 −∞
ii) 𝑃 𝑥 = 𝑥0 = 𝑓 𝑥 = 𝑥0 = 0 ii) P(a ≤X≤b )= F(b)-F(a)
iii) ∞ 𝑓 𝑥 𝑑𝑥 = 1 iii) lim F(x) = 1
‫׬‬−∞ x →∝
á𝑟𝑒𝑎 𝑏𝑎𝑗𝑜 𝑙𝑎 𝑐𝑢𝑟𝑣𝑎
iv) P(𝑎 ≤X≤ 𝑏 )= ‫𝑥𝑑 𝑥 𝑓 𝑏׬‬ iv) ) lim F(x) = 0
𝑎 x →−∝
 Esperanza matemática o valor
esperado
Sea x una variable aleatoria y f(x) su función de probabilidad y h(x) una función
de x.
La esperanza matemática de h(x) se denota E{h(x)} y se define:
∝
E h x = x = න x f x dx = µx
−∝

Si h(x)= x entonces Si h(x)= (X-μx)2 entonces E{(X-μx)2}=σx2

E{X}=μx o en su caso E{(X- 𝑥)ҧ 2}=Sx2
o en su caso E{X}= 𝑥ഥ
Valor esperado de X Esperanza matemática o valor esperado
de (X-μx)

Casos generales: E{Xn} E{(X-μx)n}

La duración en horas de los focos producidos
por una fábrica se considera una variable
aleatoria que tiene la siguiente función densidad:

a) Calcular el valor de k
b) Obtener µt y σt

kt, 0≤t≤4
f(t)=
{ 0, cualquier
otro caso.
RESOLUCIÓN

Condición para ser una función densidad de

probabilidad:
∝
‫׬‬−∞ f x dx = 1
a) La probabilidad es el área bajo la curva:
𝐵xH 4 x 4K 16k
𝐴= = = = 1 ; k = 1/8
2 2 2
b) µt y σt
4
E{t} = න ⅛t ∙ t dt = (⅛) ∙ (⅓)t 3 40| = 8/3
0 2
E{ t − µt 2 } = σ2t = E{t 2 } − µt

4
t
E t2 = න t 2 dt = ⅛ ¼t 4 40| = 8
0 8
2
8
E{ t − µt 2 } = σ2t = 8 −
3
Verificar si la función f(x)=λe-λx; x>0 es o no una función Densidad de
Probabilidad, donde λ=cte.
RESOLUCIÓN:

Condición para ser una función densidad de probabilidad:

∞
‫׬‬−∞ f x dx = 1
 ∞ − b −
λx λx λb
න λe dx = 1 = lim න λe dx = lim −e− + 1 = 1
0 b→∞ 0 b→∞

A la función f(x)= λe-λx; x>0 se le llama función de distribución

exponencial negativa.

b) Obtener F(x) ; F(x=x0)=P(X≤x0)

 − −
x λx λx
F(x) = ‫׬‬0 λe dx = −e +1

𝑑𝐹(𝑥)
= 𝑓(𝑥)
𝑑𝑥
Suponga que la función de distribución acumulada de la
variable aleatoria x es:

0 ; x<-
F(x)=
{ 2
0.25x+0.5 ;-2≤x≤2
1 ; x>2
a) Determinar P(x≤1.8)
b) Determinar P(x≤2)
c) Determinar P(x≥-1.5)
d)Determinar P(-1≤x≤1)
e) f(x)
RESOLUCIÓN

a) P(x≤1.8)= F(x=1.8)=0.25(1.8)+0.5 =0.95

b) P(x≤2)= F(x=2)=0.25(2)+0.5=1
c) P(x≥-1.5) = F(x≥-1.5)=1 – F(x≤ −1.5) =1-0.125=0.875
c) P(-1≤x≤1)= F(1) – F(-1)=0.75-0.25=0.5
e) f(x) = 0.25 ; -2 ≤ x ≤ 2
El tiempo de terminación de x para cierta tarea es una variable
aleatoria con función densidad de probabilidad dada por:
𝑥2 ; 0<𝑥≤1
7 3𝑥 7
f(x)൞ − 1<𝑥≤
4 4 3
0 𝑐. 𝑜. 𝑐
a) Obtener F(X)
1 5
b) P( ≤ 𝑥 ≤ )
3 3

c) P(x=1)
 0, 𝑥 < 0
𝑥3
, 0≤𝑥≤1
3
F 𝑥 = −3 2 7𝑥 25 7
𝑥 + − ,1 < 𝑥≤3
8 4 24
7
1, 𝑥 > 3
1 5 5 1
b) P( ≤ 𝑥 ≤ )= F( ) – F( )=0.821
3 3 3 3

c)P(x=1)= 0