Variables aleatorias

Docente: Juan Felipe Castellanos Martínez

2019
¿Qué son las variables aleatorias

Para pensar en el concepto de variables aleatorias, podemos

comenzar por un ejemplo intuitivo. Estamos reunidos con
nuestro amigo Luis y, para divertirnos, decidimos realizar una
apuesta. Vamos a lanzar un dado al aire, de tal manera que, si el
número obtenido es par, gano un punto y Luis lo pierde. Por otra
parte, si el número es impar, yo pierdo el punto y Luis lo gana. Si
llevo este juego a términos matemáticos, puedo representar
todos los resultados posibles que tengo en un lanzamiento a
través de un conjunto numérico que llamaremos .
De esta manera, los resultados que puedo obtener al lanzar el
dado, son:

Llamemos a una función que determina si gané o perdí un

punto. Si denotamos con cualquiera de los resultados de tirar
el dado, entonces tenemos que:
Ejemplo

Sea el conjunto que agrupa los resultados de tirar dos dados.

Se tiene la función:

Donde es el resultado del primer dado y el resultado del

segundo.
Ejemplo

Sea , , el precio de mercado de tres compañías diferentes y el espacio

muestral el conjunto de todas las posibles combinaciones de valores
que los precios de mercado pueden tener mañana. Podemos definir
una función:

En todos los ejemplos vistos, se define una función en el espacio

muestral que lleva a un número real. Este tipo de función se conoce
como variable aleatoria.
Variable aleatoria

Es una función definida en el espacio muestral que retorna un

número real bien definido a partir de cualquier resultado.
Cuando el espacio muestral es discreto, se puede definir una
variable aleatoria especificando los valores para , ,….
Pregunta

Acabo de elegir una persona al azar y observo cuál es el peso

de esa persona en kilogramos. ¿Cuál de las siguientes
afirmaciones es verdadera?

a. El peso es una variable aleatoria continua.

b. El peso es una variable aleatoria discreta.
c. El peso no es una variable aleatoria.
d. El peso es un fenómeno determinístico.
Tipos de variables aleatorias

Las variables aleatorias pueden ser discretas cuando tienen un

número finito y contable de valores posibles, y continuas
cuando sus resultados no son finitos.
Distribución de probabilidades de una V.A.

La distribución de probabilidades de una variable aleatoria X

está definida por:

dondees un valor cualquiera que pueda tener.

Ejemplo

Sea con probabilidades uniformes y una variable aleatoria

definida por:

Entonces y . Para otros valores de , .

Ejemplo

Sea el número de caras en dos lanzamientos de una moneda

no cargada. Existen tres valores posibles para X:0,1,2. El valor
1 se puede obtener de dos maneras diferentes y por lo tanto
la distribución de probabilidades es:

Para cualquier otro valor de , .

Ejemplo

Sea el número de caras en dos lanzamientos de una moneda

no cargada. Existen tres valores posibles para X:0,1,2. El valor
1 se puede obtener de dos maneras diferentes y por lo tanto
la distribución de probabilidades es:

Para cualquier otro valor de , .

Representación gráfica

Para tener una idea de la

distribución, podemos
representar estos valores en
un histograma. Acá se
pueden ver las frecuencias
que esperaríamos si
realizáramos un número
grande de lanzamientos
independientes.
Ejemplo

Asuma que ,

Y que

¿Cuál es la distribución de probabilidades de ?

Solución
Ejercicio

Sea el conjunto de todos los resultados de dos lanzamientos

de un dado con probabilidades uniformes y sea la suma de
ambos lanzamientos. ¿Cuál es la distribución de ?
Distribución acumulada

En algunas ocasiones es conveniente organizar la información de una

manera diferente. En lugar de tener la probabilidad para cada valor
posible de , podemos tener la probabilidad de que se encuentre por
debajo de un umbral .

La distribución acumulada de una variable aleatoria está definida por:

La cual es una función definida para cualquier número real

Distribución acumulada

Cuando se conoce la distribución de , vemos que

Es decir que se puede calcular el valor de la distribución

acumulada sumando las probabilidades de todos los casos
donde .
Ejemplo

Asuma que ,

Y que

¿Cuál es la distribución acumulada de probabilidades de ?

Solución

Si , entonces
Si , entonces
Si , entonces
Si , entonces
Solución gráfica
Valor esperado

La media es uno de los conceptos estadísticos principales. El

valor esperado es el concepto teórico correspondiente a la
media. La esperanza de una variable aleatoria es una
cantidad teórica con la siguiente propiedad: Si hacemos un
gran número de observaciones independientes de , la media
de estas observaciones se aproximará a .

Si es una variable aleatoria con valores posibles , entonces:

Ejemplo

Sea el resultado de tirar un dado. Encuentre .

Ejemplo

Sea el resultado de tirar dos dados y sea la suma de ambos

lanzamientos. Encuentre .
Algunas propiedades del valor esperado

Si y son dos variables aleatorias, y y dos constantes,

entonces se pueden usar las siguientes reglas:
Ejemplo

Sea el conjunto de los resultados de tirar dos dados y sea la

suma de ambos lanzamientos. Si representa el resultado del
primer lanzamiento y el lanzamiento del segundo, encuentre .
Esperanza de una función de una variable aleatoria

Sea una variable aleatoria y una función de dicha variable.

Entonces es una nueva variable aleatoria y su valor esperado
se puede calcular así:
Ejemplo

Sea el resultado de tirar un dado y sea . Entonces:

Varianza de una variable aleatoria

La varianza de una variable aleatoria está definida por:

La cual es una medida de desviación del valor esperado. Si

todos los valores de la variable aleatoria son cercanos a su
valor esperado, entonces la varianza será pequeña.
Desviación estándar de una variable aleatoria

La desviación estándar de una variable aleatoria está definida

por:
Ejemplo

Asuma que es una variable aleatoria con valores 2, 4, 6 y 8, y

que su distribución está dada por

Entonces:

Y
Otra forma de representar la varianza

La varianza de una variable aleatoria es equivalente a:

Propiedades de la varianza

1. Si es una constante, entonces .

2. Si donde k es una constante, entonces .
3. Si es una constante, entonces .
4. .
5. .