Variable aleatoria y distribuciones de probabilidad.

Variable aleatoria: Es una funció n que asigna a los elementos del espacio muestral un
nú mero ( ésto es el equivalente a las Reglas de juego). Las variables aleatorias se indican con
letras mayú sculas, de preferencia las ú ltimas del alfabeto. Por ejemplo X, Y o Z.

Ejemplo:
a) Al lanzar una moneda a sol asignarle 1 y a á guila 0, lo que se denota como X(sol)=1 y
X(á guila)=0.
b) Al lanzar un dado a la cara 1 asignarle 1, a la cara 2 asignarle el valor de 2 y así
sucesivamente a la cara 6 asignarle el valor de 6, lo que se denota como X(1)=1,
X(2)=2,…, X(6)=6.
c) El tiempo de vida en horas de una lá mpara puede tomar cualquier valor de 0 a 10,000
hrs, asi X ∈[0,10000]

Rango o Recorrido de una variable aleatoria es el conjunto Imagen de la Variable

aleatoria, es decir está formado por los valores numéricos que puede tomar la variable
aleatoria. Se denota por R X .

En los ejemplos anteriores los Rangos de la variable aleatoria son:

a) R X ={0 ,1 }
b) R X ={1 , 2 ,3 , 4 , 5 ,6 }
c) R X =[0,10000 ]

Tipos de variables aleatorias.

Si la variable aleatoria puede tomar un rango finito o infinito numerable la variable

aleatoria se llama discreta y todas las deficiones y cá lculos siguientes será n a través de
sumatorias.

Si la variable aleatoria puede tomar valores dentro de un intervalo la variable se llama

variable continua y todas las deficiones y cá lculos siguientes será n a través de integrales.

La Función de Probabilidad de una variable aleatoria discreta.

Es una tabla de los posibles valores de la variable aleatoria con sus probabilidades respectivas
o es una funció n a trozos donde se indica P ( X=x ) =P ( x ) para cada valor de X .
Nota: aquí X es el nombre la variable y x es el valor numérico que toma la variable, es decir el
x ∈ RX .

Ejemplo: Sea X la variable aleatoria que designa el nú mero de soles obtenidos al lanzar tres
monedas. Al calcular su distribució n de probabilidad queda:

X(SSS)=3
X(SSA)=2
X(SAS)=2
X(SAA)=1
X(ASS)=2
X(ASA)=1
X(AAS)=1
X(AAA)=0
 1
Como de los ocho ternas posibles 1 lleva al valor de 0 en X , entonces P( X=0)= p(0)= ,
8
3
hay 3 ternas que llevan al valor 1 en X entonces P( X=1)= p(1)= y así sucesivamente
8
entonces:

Así la funció n de probabilidad es:

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

Se puede comprobar que efectivamente es una funció n de probabilidad.

p ( x )> 0
4

∑ x i= p ( 0 )+ p ( 1 ) + p ( 2 ) + p ( 3 )= 18 + 38 + 38 + 18 = 88 =1
i=1
Ejemplo: Con la variable aleatoria X que corresponde a la suma de las caras al lanzar
dos dados se tiene que:
X(1,1)=2
X(1,2)=3
.
.
.
X(6,6)=12

Como R X ={2 , 3 , 4 ,5 , 6 , 7 , 8 , 9 ,10 , 11, 12} y el conjunto de las parejas que respectivamente
llevan a esos valores de x se presentan de la forma siguiente:

Parejas que dan una suma de 2, de X=2 son {(1,1)}

Parejas que dan una suma de 3, de X=3 son {(1,2), (2,1)}
Parejas que dan una suma de 4, de X=4 son {(1,3),(2,2),(3,1)}
Parejas que dan una suma de 5, de X=5 son {(1,4),(2,3),(3,2),(4,1)}
Parejas que dan una suma de 6, de X=6 son {(1,5),(2,4),(3,3),(4,2),(5,1)}
Parejas que dan una suma de 7, de X=7 son {(1,6),(2,5),(3,4),(4,3),(5,2),(6,1)}
Parejas que dan una suma de 8, de X=8 son {1,5),(2,4),(3,3),(4,2),(5,1}
Parejas que dan una suma de 9, de X=9 son {(3,6),(4,5),(5,4),(6,3)}
Parejas que dan una suma de 10, de X=10 son {(4,6),(5,5),(6,4)}
Parejas que dan una suma de 11, de X=11 son {(5,6), (6,5)}
Parejas que dan una suma de 12, de X=12 son {(6,6)}

Entonces la funció n de probabilidad de X queda:

x 2 3 4 5 6 7 8 9 10 11 12
p(x ) 1 2 3 4 5 6 5 4 3 2 1
36 36 36 36 36 36 36 36 36 36 36

O vista como una funció n a trozos se tiene:

 {
x−1
si 2≤ x ≤ 7
36
p ( x )=
13−x
si 8 ≤ x ≤12
36

A partir de la funció n de probabilidad de una variable aleatoria discreta se pueden calcular

probabilidades de eventos.

Por ejemplo:

1. En X la variable aleatoria que designa el nú mero de soles obtenidos al lanzar tres

monedas, calcule la probabilidad de:
a) Obtener exactamente 2 soles

En este caso X =2 , así P( X=2)fijá ndonos en la funció n de probabibilidad

c 0 1 2 3
p(x) 1/8 3/8 3/8 1/8
P ( X=2 )=3/8

b) Obtener má s de 1 sol

3 1 4
X >1 , , así P ( X >1 )=P ( X =2 ) + P ( X=3 )= + =
8 8 8

c) Obtener menos de 3 soles

1 3 3 7
X < 3 , entonces P ( X <3 )=P ( X=0 )+ P ( X=1 ) + P ( X=2 )= + + =
8 8 8 8

2. En la variable aleatoria X que corresponde a la suma de las caras al lanzar dos dados.

x 2 3 4 5 6 7 8 9 10 11 12
p(x ) c 2 3 4 5 6 5 4 3 2 1
36 36 36 36 36 36 36 36 36 36

La probabilidad de obtener:

a) Una suma exactamente igual a 7

6
P( X=7)=
36
b) Una suma mayor a 10
2 1 3
P ( X >10 ) =P ( X=11 )+ P ( X =12 )= + =
36 36 36
c) Una suma menor a 4
1 2 3
P ( X < 4 ) =P ( X=2 ) + P ( X=3 )= + =
36 36 36

Ejemplo: Las funciones de distribució n (FDA) de los ejemplos anteriores.

 Recordar F ( x )=P ( X ≤ x )
Propiedades:
1. 0 ≤ F ( x ) ≤ 1
2. lim F ( x )=1
x→ ∞

3. lim F ( x )=0
x→−∞
4. Su grá fica es no decreciente, es escalonada, es continua por la izquierda
5. F ( x ) es funció n a trozos

Ejemplo: X la variable aleatoria que designa el nú mero de soles obtenidos al

lanzar tres monedas,
R X ={0 ,1 , 2 ,3 }

Recordar que la funció n de probabilidad

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

Si x <0 , F ( x )=P ( X ≤ x )=0

1
Si 0 ≤ x<1 , F ( x )=P ( X ≤ x )= p ( 0 )=
8

1 3 4 1
Si 1 ≤ x <2 , F ( x )=P ( X ≤ x )= p ( 0 )+ p ( 1 ) = + = =
8 8 8 2

1 3 3 7
Si 2 ≤ x <3 , F ( x )=P ( X ≤ x )=p ( 0 ) + p (1 )+ p (2)= + + =
8 8 8 8

1 3 3 1 8
Si x ≥ 3 , F ( x )=P ( X ≤ x ) =p ( 0 ) + p (1 )+ p ( 2 ) + p(3)= + + + =
8 8 8 8 8

Entonces la FDA de X , es

{
0 , si x <0
1
, si 0≤ x <1
8
4
F ( x )= , si 1 ≤ x <2
8
7
, si 2≤ x< 3
8
1, si x ≥3
 En el ejemplo 2 de que al lanzar dos dados y definir su variable aleatoria como la

{
suma de las caras, para obtener su funció n de distribució n acumulativa a grandes
rasgos es ir sumando o acumulando las probabilidades hasta el x correspondiente

0 , si x< 2
1
, si 2 ≤ x <3
36
3
, si 3≤ x <4
36
6
, si 4 ≤ x< 5
36
10
, si 5 ≤ x <6
36
15
, si 6 ≤ x <7
36
F ( x )= 21
, si 7 ≤ x <8
36
26
, si 8 ≤ x < 9
36
30
, si 9 ≤ x<10
36
33
, si10 ≤ x< 11
36
35
, si11 ≤ x <12
36
36
=1 , si x ≥12
36
 Nota: Como existe una relació n entre la funció n de probabilidad y la acumulativa, esa
relació n nos permitirá calcular probabilidades de eventos
p ( x )=F ( x )−F ( x−1 )
P ( x i ≤ X ≤ x j )=F ( x j )−F ( xi−1 )
P ( X ≤ x )=F ( x )
P ( X > x )=1−P ( X ≤ x )=1−F (x )
Para el ejemplo de la suma de las caras al lanzar dos dados, calcule las probabilidades
solicitadas primero a partir de la funció n de probabilidad y segundo apartir de la
acumulativa.
a) P( X< 5)
Primero resolverlo por la funció n de probabilidad
1 2 3 6
P ( X <5 ) =p (2 )+ p ( 3 ) + p ( 4 )= + + =
36 36 36 36
Segundo resolverlo por la funció n de distribució n acumulativa, significa acumular
hasta 4
6
P ( X <5 ) =P ( X ≤ 4 )=F ( 4 )=
36
b) P ( 4 ≤ X ≤ 7 )
Primero resolverlo por la funció n de probabilidad
3 4 5 6 18
P ( 4 ≤ X ≤ 7 )= p ( 4 ) + p ( 5 ) + p ( 6 ) + p ( 7 )= + + + =
36 36 36 36 36
Segundo resolverlo por la funció n de distribució n acumulativa, significa que a la
acumulativa del 7 restarle la acumulativa del 3, para garantizar que nos quedamos
con los valores del 4 al 7
21 3 18
P ( 4 ≤ X ≤ 7 )=F ( 7 )−F ( 3 )= − =
36 36 36

Valor Esperado o Esperanza Matemática de una variable aleatoria discreta X, también

llamada media.

μ=¿

Representa el valor promedio o la media de la variable aleatoria, por ejemplo si X

mide el salario de las personas E( X ) representará el ingreso promedio.

Varianza de una variable aleatoria discreta X

n
V ( X )=σ 2=∑ ( xi −μ ) p ( x i )=( x1−μ ) p ( x 1 ) + ( x 2−μ ) p ( x2 ) + …+ ( x n−μ ) p ( x n )
2 2 2 2

i=1

Desviación estándar

Del mismo modo como sucede en la Estadística Descriptiva, la desviació n está ndar σ
es la raiz cuadrada de la varianza, σ =√ σ 2= √V ( X ) , aquí no se distingue la diferencia
entre la desviació n está ndar muestral o poblacional.
Ejemplo: El valor esperado, la varianza y la desviació n está ndar de los problemas
anteriores son:
a) Al lanzar tres monedas y definir la variable aleatoria como el nú mero de soles
obtenidos

( 18 )+ ( 1) ( 38 )+( 2) ( 38 )+ ( 3) ( 18 )= 3+68+3 = 128= 32 ¿

4
E ( X )=∑ x i p(¿ x i )=( 0 )
i=1

3/2=1.5 es el promedio de los soles obtenidos al lanzar tres monedas , (como media se
estará n obteniendo de 1 a 2 soles)

( )( ) ( )( ) ( )( ) ( )( )
4
3 2 1 3 2 3 3 2 3 3 2 1
V ( X )=σ =∑ ( xi −μ ) p ( x i )= 0−
2 2
+ 1− + 2− + 3− =0.75
i=1 2 8 2 8 2 8 2 8
La desviació n está ndar σ =√ V (X )= √ 0.75=0.8666

b) Al lanzar dos dados y definir la variable aleatoria como la suma de las caras

( 361 )+ (3 ) ( 362 )+( 4) ( 363 )+ (5 ) ( 364 )+( 6 ) ( 365 )+¿ ¿

11
E ( X )=∑ x i p(¿ x i )=( 2 )
i=1

(7 ) ( 366 )+( 8) ( 365 )+ ( 9) ( 364 )+ (10 ) ( 363 )+( 11 )( 362 )+( 12) ( 361 )
2+ 6+12+20+30+ 42+40+ 36+30+22+12 252
¿ = =7
36 36

( 361 )+ (3−7 ) ( 362 )+ ( 4−7 ) ( 363 )+( 5−7 ) ( 364 )+( 6−7) ( 365 )+( 7−7 ) ( 366 )+
11
V ( X )=σ 2=∑ ( xi −μ ) p ( x i )= (2−7 )
2 2 2 2 2 2 2

i=1

La desviació n está ndar σ =√ V (X )= √ 5.83=2.41

La Función de Densidad de Probabilidad de una variable aleatoria continua.

Es una funció n f (x), tal que cumple que

 a ¿ f (x)≥ 0
❑ ∞

 b ¿ ∫ f ( x ) dx =∫ f ( x ) dx=¿1 ¿
RX −∞

Que comú nmente se expresa como funció n a trozos. Su grá fica cumple que es
mayor o igual a cero.

Recordar que R X representa el rango de la variable aleatoria, que en este caso es un intervalo,
por ser variable aleatoria continua.

Del mismo modo que en variables discretas se puede definir la funció n de ditribució n
acumulativa FDA de X variable continua , que se define como:
 x
F ( x )=P ( X ≤ x )=∫ f ( u ) du
−∞
Propiedades:
1. 0 ≤ F ( x ) ≤ 1
2. lim F ( x )=1
x→ ∞

3. lim F ( x )=0
x→−∞
4. Su grá fica es no decreciente y continua
5. F ( x ) es funció n a trozos

Nota: Con la funció n de densidad se pueden calcular probabilidades tomando en

cuenta las fó rmulas siguientes:
b
a) P ( a< X <b ) =P ( a ≤ X < b )=P ( a< X ≤ b )=P ( a ≤ X ≤ b )=∫ f ( x ) dx
a

b
b) P ( X <b )=P ( X ≤ b )=F ( b )= ∫ f ( x ) dx
−∞

∞
c) P ( X >b )=P ( X ≥ b )=∫ f ( x ) dx=1−P ( X ≤b )=1−F (b)
b

Notar que a diferencia de las variables aleatorias discretas, en las continuas no

distingue entre los intervalos abiertos o cerrados, es decir la probabilidad es la misma,
debido a que los cá lculos se hacen a través de integrales y por propiedad de integrales,
el á rea bajo la curva es la misma al quitar o agregar los extremos del intervalo o tener
un nú mero finito de discontinuidades.

Valor Esperado, Esperanza Matemática o media de una variable aleatoria continua X

∞
μ=E ( X )= ∫ xf ( x ) dx
−∞

Representa el valor promedio o la media de la variable aleatoria, por ejemplo si X

mide el salario de las personas E( X ) representará el ingreso promedio.

Varianza de una variable aleatoria continua X

∞
V ( X )=σ = ∫ (x −μ) f ( x ) dx
2 2

−∞
Y como en el caso discreto la desviació n está ndar es la raiz cuadrada de la varianza.

Ejemplo: Para la funció n de densidad siguiente que representa la variable aleatoria X que
indica el tiempo de vida de un electrodoméstico medido en añ os
 { {
1 1
si0 ≤ x ≤ 5 si 0 ≤ x ≤5
f ( x )= 5 = 5
0 si x <0 o x >5 0 de otra forma o de otro modo(d . o . f )

1. Para verificar que es funció n de densidad

1
 Cumple que a) f ( x ) ≥ 0, f ( x )= >0 si 0 ≤ x ≤ 5 ,
5
 fuera de ese intervalo f ( x ) =0

|
❑ ∞ 5 5
1 1 5 0
 b ¿ ∫ f ( x ) dx =∫ f ( x ) dx=∫ dx= x = − =¿ 1¿
R
X −∞ 0 5 5 0 5 5
2. Encuentre las probabilidades de que el tiempo de vida de un electrodoméstico,
sea:

a) De entre 3 y 4 añ os

]
4 4
1 1 1
P ( 3 ≤ X ≤ 4 )=∫ dx =¿ x = =0.2 ¿
3 5 5 3 5

b) Menor a 2 añ os

]
2 2 2
1 1 1 2
P ( X <2 ) =∫ dx =¿∫ dx=¿ x = ¿ ¿ observar que aquí se integra desde 0, no
−∞ 5 0 5 5 0 5
tiene sentido integrar de −∞ a 0, porque f ( x )=0 para x <0

c) Mayor a 1 añ o

]
∞ 5 5
1 1 1 4
P ( X >1 )=∫ dx=¿∫ dx=¿ x = ¿ ¿ aquí se integra hasta 5 porque f ( x )=0
1 5 1 5 5 1 5
para x >5

3. Encuentra la funció n de distribució n acumulativa FDA(x)

x x
Si x <0 , F ( x )=P ( X ≤ x )= ∫ f (u ) du=¿ ∫ 0 du=0 ¿
−∞ −∞

|
x x x
1 1 1
Si 0 ≤ x<5 , F ( x )=P ( X ≤ x )=∫ f ( u ) du=¿∫ du= u = x ¿
−∞ 0 5 5 0 5
 |
x 5 5
1 1 1
Si x ≥ 5 , F ( x )=P ( X ≤ x ) =∫ f ( u ) du=¿ ∫ du= u = ( 5 )=1 ¿
−∞ 0 5 5 0 5
Entonces

{
0 , si x <0
1
F ( x )= x , si 0≤ x <5
5
1, si x ≥5

4. Encuentra la media, la varianza y la desviació n está ndar del tiempo de vida del
electrodoméstico

]
5 5
1 x2 25
μ=E ( X )=∫ x dx= = =2.5 añ os es el promedio de vida del electrodoméstico
0
5 10 0 10

]
5 5 3
1 3 1 2(2.5)
V ( X )=σ =∫ (x−2.5) dx =¿ (x−2.5)
2 2
= =2.083 ¿ añ os
0 5 15 0 15
σ =√ V (X )= √ 2.083=1.44 añ os

()
x
1
Ejemplo: Se tiene la funció n de probabilidad p ( x )=k , x=0 ,1 , 2 ,3
3
a) Encontrar el valor correcto de k , recordar que para que p(x) sea funció n de
3
probabilidad debe suceder p ( x ) ≥ 0 , ∑ p ( xi ) =1 , basandonos en la propiedad de que
i=0
la sumatoria es igual a 1, se puede despejar k

∑ p ( x i )=k ( 13 ) + k ( 13 ) +k ( 13 ) + k ( 13 ) =k (1+ 13 + 19 + 27 )=k ( 27+ 9+27 3+1 )=k ( 4027 )=1

3 0 1 2 3
1
i=0
27
Así k =
40

()
x
27 1
De ahí que p ( x )= , x=0 , 1 ,2 , 3
40 3

{
2
k x , 0≤ x ≤1
Ejemplo: Se tiene la funció n de densidad f ( x )=
0 , de otra forma
a) Encontrar el valor correcto de k , recordar que para que f(x) sea funció n de densidad
1
debe suceder f ( x ) ≥ 0 ,∫ k x dx=1 , basandose en la integral se puede resolver el
2

0
valor de k

| ( )
1 3 1
∫ k x dx=k x3 =k 13 − 03 =1
2

0 0

as í k=3
Así la funció n de densidad
 {
2
f ( x )= 3 x , 0≤ x ≤ 1
0 , de otra forma