VARIABLE

ALEATORIA
 OBJETIVOS
Estudiar variable aleatoria, variable aleatoria discreta y
variable aleatoria continua.

Definir distribución de probabilidad y distinguir una

distribución de probabilidad discreta.

Calcular la función de distribución acumulada.

Calcular la media, varianza y desviación estándar de una

variable aleatoria discreta.
 VARIBLES ALEATORIAS
DEFINICIÓN 1: Una variable
aleatoria es una cantidad, que es
el resultado al azar de un
experimento, debido a la
aleatoriedad puede tomar
valores diferentes.
Una variable aleatoria es una
descripción numérica del
resultado de un experimento.
Las variables aleatorias se
denotan con letras mayúsculas
tales como X, Y, etc.
DEFINICIÓN 2: Una variable
aleatoria X es una función real
definida en Ω, tal que a cada
resultado wϵΩ le asocia el
número real x=X(w) en un
experimento aleatorio.
X: Ω → R
wi xi
El dominio de la v.a. X es el Ω y el
rango es el subconjunto de
números reales (R).
R X   xR / x  X ( w), x
 Ejemplo: Una empresa fabrica componentes electrónicos y se
cuenta el número de artículos defectuosos. Se verifican al azar dos
componentes. ¿Qué valores toma la variable aleatoria?

Solución: X: Número de artículos defectuosos

Ω={BB, BD, DB, DD}
X: Ω → R

BB 0
BD 1
DB 2
DD

El recorrido o rango de la variable aleatoria es el conjunto de todos los

valores posibles

R X
  0, 1, 2
 Variable
Experimento Resultado Rango
Aleatoria
Número de X: Número de
Ofrecer en venta
arboles de arboles de
50 arboles de 0, 1, 2, …, 50
navidad navidad
navidad
vendidos vendidos

Funcionamiento
Cantidad de Y: Cantidad de
de un restaurante 0, 1, 2, ..……
clientes clientes
durante un día

Tiempo que
Probar la vida útil T: Tiempo en
dura la
de una bombilla que se funde la 0 ≤ T ≤ 80000
bombilla hasta
eléctrica bombilla
80000 minutos

Tiempo en Tiempo en
Funcionamiento minuto, entre minuto, entre
de un banco llegadas de llegadas de w≥0
clientes clientes
 VARIABLE ALEATORIA DISCRETA

Es aquella cuyo rango es un conjunto finito o infinito numerable de valores.

R X
  x1 , x 2
, ..., x n
,....

Ejemplo:
Número de autos entrando en un autolavado por hora.
Número de lámparas defectuosas producidas durante una semana.
 Ejemplo: De un registro de
asientos contables, se elige un
asiento al azar y para cada asiento
se considera el número de hijos
que tiene.
Ejemplo: La cantidad de ausentes
el día lunes en una empresa
compuesta por 100 empleados.

Experimento: Pago de
impuestos de las
Experimento: Registro de
empresas
asientos contables
Espacio muestral : 100
Espacio muestral :
empresas considerando la
Asientos contables según
cantidad que no han
el número de errores
pagado impuestos.
Variable aleatoria X:
Variable aleatoria X:
Número de errores
Cantidad que no han
Rango o Recorrido:
pagado impuestos.
R   0, 1, 2, 3, ..... Rango o Recorrido:
X
R X
  0, 1, 2, ..., 100
Ejemplo: En una Universidad
se considera que el número
mínimo de cursos por
semestre en que puede
matricularse un alumno es 1
y el máximo es 5.
Experimento: Matricula de
estudiantes
Espacio muestral : Alumnos
matriculados según el número
de cursos
Variable aleatoria X: Número
de cursos por semestre.
Rango o Recorrido:
R  1, 2, 3, 4, 5
X R
Ejemplo: Resultados posibles
que se obtiene en tres
lanzamientos de una
moneda
Experimento: Lanzar tres veces
una moneda
Espacio Muestral:
   SSS , SSC , SCS , CSS , SCC , CSC , CCS , CCC
Variable aleatoria: Número de
caras
Rango o Recorrido:
  0, 1, 2, 3
X
 VARIABLE ALEATORIA CONTINUA

Es aquella cuyo rango es un conjunto infinito no numerable de valores. Las

variables aleatorias continuas representan mediciones: Tiempo, peso,
longitud.

Ejemplo:
- Si se pesa un lingote de acero, el resultado (en libras) puede ser 2500,
2500.1, 2500.13, etc…, y así sucesivamente, dependiendo de la precisión
de la báscula.
- La presión de un neumático (en libras por pulgada cuadrada) podría ser
28, 28.6, 28.62, 28.624, etc…, dependiendo de la precisión del medidor.
Ejemplo: Realizamos un experimento, el objetivo es probar la
vida útil de una bombilla eléctrica.

Experimento: Probar la vida útil de una bombilla.

Espacio muestral : Tiempo que dura la bombilla hasta
80000 minutos.
Variable aleatoria continua X: Tiempo que tarda en fundirse
la bombilla.
Rango o Recorrido:
R X : 0  T  80000
DISTRIBUCIÓN DE
PROBABILIDAD
 DISTRIBUCIÓN DE PROBABILIDAD

Una distribución de probabilidad indica una lista de todos los

resultados posibles de un experimento junto con la probabilidad
correspondiente a cada uno de ellos.
Una distribución de probabilidad en vez de describir el pasado,
describe que tan probable es un evento en el futuro.

Valores de xi de X x1 x2 x3 …... xn
Probabilidad pi = P[X=xi] p1 p2 p3 …… pn
 DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
Una distribución de probabilidad discreta es el conjunto de valores posibles
claramente separados de una variable aleatoria discreta, organizadas en una
distribución de probabilidades. La función o distribución de probabilidad de
una variable aleatoria discreta X, es p(x), esta representado por la
probabilidad: p( x)  P X  x 

Los valores de la distribución de probabilidad de la variable aleatoria discreta X,

satisfacen las siguientes condiciones: i ) p ( x )  0
ii )  p ( x i )  1
xi R x

La función o distribución de probabilidad discreta se puede expresar:

Valores de xi de X x1 x2 x3 ……. xn
..
Probabilidad pi = p1 p2 p3 …… pn
P[X=xi] …
FUNCIÓN DE DISTRIBUCIÓN ACUMULADA DE UNA
VARIABLE DISCRETA

La función de distribución acumulada (f.d.a.) de probabilidades o

simplemente función de distribución P(x) de la variable aleatoria
discreta X, cuya función de probabilidad es p(x) se define por:

P( x)  P( X  x)   P( X  k )   p(k );    x  
kx
MEDIA O VALOR VARIANZA Y DESVIACIÓN
ESPERADO ESTÁNDAR

La media o valor esperado de La varianza de una variable

una variable aleatoria discreta X aleatoria X con función de
con función de probabilidad p(x) probabilidad p(x) es:
es la expresión:
V ( X )   2  E[( x  u ) 2 ]
n
  E ( X )   [ x i p ( x i )]
n n
  [( x   ) p( x)]   x 2 p( x)  u 2
2
i 1 i 1 i 1

La media o valor esperado de La desviación estándar de la

una variable aleatoria discreta variable aleatoria X es la raíz
H(X) con función de probabilidad cuadrada de la varianza:
p(x) es:
n
  E  H ( X )    [ H ( x i ) p ( x i )]
  V (X )
i 1
 PROPIEDADES DE LA PROPIEDADES DE LA
ESPERANZA MATEMÁTICA VARIANZA

Si a y b son constantes reales: La varianza también se calcula:

E (aX  b)  aE ( X )  b V ( X )  E ( X 2 )  ( E ( X )) 2

Si X e Y son variables aleatorias La varianza de una constante es:

y a, b constantes:
V (a )  0
E (aX  bY )  aE ( X )  bE (Y )

Si X1, X2, …., Xn son n variables y Si a y b son constantes reales,

a1, a2,n …., an son nn
constantes: entonces:
E (  a i X i )   ai E ( X ) V (aX  b)  a 2V ( X )
i
i 1 i 1

Si X e Y son variables aleatorias Si X e Y son variables aleatorias

independientes y a, b son independientes y a, b son dos
constantes reales, entonces: constantes reales, entonces:
E (aXbY )  abE ( X ) E (Y ) V (aX  bY )  a 2 E ( X )  b 2 E (Y )
Ejemplo: Un jefe de laboratorio de computación tiene trabajando
con él; a 5 hombres y 3 mujeres. Para un trabajo especial
selecciona 4 de ellos al azar. Si X es el número de hombres
seleccionados, determinar:
a) La distribución de probabilidad de X
Espacio muestral: Ω={HMMM, … , HHMM, …, HHHM, … , HHHH}
Variable Aleatoria: Número de hombres seleccionados
Recorrido:R X   1, 2, 3, 4 
Las probabilidades son:
5 3 5 3

P ( X  1)  CC1 3

5
 0.07 P ( X  2)  CC2 2

30
 0.43
8 8
C 70 C 70
4 4
5 3 5 3

P ( X  3)  C C P ( X  4)  C C
30 5
3
8
1
  0.43 4
8
0
  0.07
C 70 C 70
4 4

La distribución de probabilidad es:

Valores de xi 1 2 3 4
Probabilidad pi = P[X=xi] 0.07 0.43 0.43 0.07
 b) La función de distribución acumulada es:
Rx p(x) P(x)

1 P(X=1) = 0.07 P(1) = 0.07

2 P(X=2) = 0.43 P(2) = 0.50

3 P(X=3) = 0.43 P(3) = 0.93

4 P(X=4) = 0.07 P(4) = 1

0, x 1 
0.07 1  x  2 

 

P ( x )  0.50 2  x  3
0.93 3  x  4 
 

1 4 x 

 c) El promedio de hombres seleccionado es:
Valores de xi 1 2 3 4
Probabilidad pi = P[X=xi] 0.07 0.43 0.43 0.07

  E ( X )  1 * 0.07  2 * 0.43  3 * 0.43  4 * 0.07  2.5

d) La varianza es:
E ( X 2 )  12 * 0.07  2 2 * 0.43  3 2 * 0.43  4 2 * 0.07  6.78
V ( X )  E ( X 2 )  ( E ( X )) 2  6.78  2.5 2  0.53

e) La desviación estándar es: 0.7280, es el grado de variabilidad

del número de hombres seleccionados respecto a su promedio.
S  V ( X )  0.53  0.7280
 Ejemplo: Sea X la variable aleatoria definida como el número de caras que
resultan al lanzar una moneda 3 veces.

a) Determinar la función de distribución de probabilidad

El espacio muestral es:  ={sss, ssc, scs, scc, css, csc, ccs, ccc}
La variable aleatoria es X: “Numero de caras”
El recorrido es: R X   0, 1, 2, 3
Las probabilidades son:
1 3
p (0)  P[ X  0]  P[ sss ]  p (1)  P[ X  1]  P[css, scs , ssc ] 
8 8
3 1
p (2)  P[ X  1]  P[ccs, csc, scc ]  p (3)  P[ X  1]  P[ccc ] 
8 8
Entonces la distribución de probabilidad es:
xi 0 1 2 3
P(x=x) 1/8 3/8 3/8 1/8

b) Calcular la probabilidad P(1≤X≤2)

2
3 3 6
P (1  X  2)   p  p (1)  p (2)     0.75
k 1
k 8 8 8
 c) Determinar la función de distribución acumulada P(x) de la
variable aleatoria X y graficarla
Rx p(x) FF(x)

0 p(o) = 1/8 P(o) = 1/8

1 P(1) = 3/8 P(1) = 4/8

2 p(2) = 3/8 P(2) = 7/8

3 p(3) = 1/8 P(3) = 1

0, x0 
1 
 0  x 1
8 

4 

F ( x)   1 x  2
8 
7 
8 2  x  3
 

1 3 x 

MUCHAS
GRACIAS