Capitulo 4 Variable aleatoria Frecuentemente, al realizar un experimento aleatorio nos interesa mas que el resultado completo del experimento una funcién real de los resultados. Por ejemplo, si el experimento aleatorio consiste en lanzar tres veces una moneda, podemos estar interesados en determinar el niimero de caras obtenidas y para ello definimos una funcién X que asigna un valor numérico (niimero de caras) a cada resultado del experimento. De esta manera, si denotamos por C’ al suceso “salir cara” y por F al suceso “salir cruz”, tenemos por ejemplo que X(FCF) = 2o que X(FFF) = 0. Tales funciones, cuyos valores dependen de los resultados de un experimento aleatorio, se llaman variables aleatorias. Las variables aleatorias y sus distribuciones de probabilidad, pueden considerarse una gene- ralizacidn del concepto frecuentista de probabilidad. Se introducen como el modelo matematico ideal al que se aproximan las distribuciones de frecuencias que se obtendrfan en una repeticién indefinida de pruchas de este experimento. Por ello, nos recuerdan a las variables estadisticas ya sus distribucion de frecuencia estudiadas en Estadistica Desciptiva. Las variable aleatorias se clasifican usualmente de acuerdo con el niimero de valores que pueden asumir. En este capitulo estudiaremos las variables aleatorias discretas, que s6lo pueden, adoptar un mimero finito, o una infinidad contable de valores (mimero de defectos en una inspeccién de productos, mimero de elementos en espera en una cola, etc.) y las variables aleatorias continuas que surgen cuando tratamos con cantidades que se miden en una escala continua (velocidad de un automévil, resistencia a la tensidn de una nueva aleacidn, etc.) 4.1 Variable aleatoria unidimensional Sea (, A, P) un espacio probabilistico asociado a un experimento aleatorio. Una variable aleatoria (v.a.) X es una funcién definida sobre el espacio muestral © (conjunto de resultados de un experimento aleatorio) que toma valores en el cuerpo de los ntimeros reales. En términos matematicos precisos, una V.a. unidimensional es una aplicacién X:O IR tal que ¥re Rel conjunto {weQ/X(w) <2} eA, Ejemplo 4.1 Consideremos elexperimento de lanzar dos dados y anotar los ntimeros obtenidos en las caras superiores. Entonces el espacio muestral es E = {(11),(12),...,(66)}. Considere- ‘mos la variable aleatoria X que suma el valor de las puntuaciones obtenidas en los dos dados. X:E+IR talque X(ij)=i+j siendo (ij)€E 2, X(36) =9 6 X(66) = 12. por ejemplo, X (11 1Una variable aleatoria puede ser discreta 0 continua segiin sea el rango de esta funcién. En el ejemplo anterior la variable es discreta porque s6lo toma valores enteros entre 2 y 12. Sin embargo, una variable que midiese el tiempo que tarda una bombilla en fundirse podria tomar cualquier valor real positivo y en tal caso la variable serfa continua. También es posible encontrar variables que son una mezcla entre discretas y continuas, se denominan miztas pero no se considerardn en este tema. 4.2 Funcién de distribucién Sea X una v.a. y asociada a ella definimos la funcién de distribucién F: IR — [0,1] dela siguiente manera: F(z) =P{wE B/X(w)< P(X2) 1-F(e) » Pla, px), P(22), P(Y =2), P(Y >7) 3. Se lanza tres veces una moneda trucada que tiene 2/3 de probabilidad de salir cara (C) y 1/3 de probabilidad de salir cruz (F). Consideramos las siguientes variables aleatorias: X = “mayor niimero de caras consecutivas obtenidas en los tres lanzamientos” Y = “nimero total de caras obtenidas en los tres lanzamientos” Para cada variable, se pide: (a) Calcular y representar la distribucién de probabilidad de X. (b) Calculary representar la funcién de distribucién de X. (c) Calcular la esperanza, la varianza y desviacién tipica de X. (A) Probabilidad de que salgan a lo sumo dos caras consecutivas. (ce) Probabilidad de que salgan al menos dos caras (no necesariamente consecutivas). 4. Distribucién Uniforme Discreta. Considerar la v.a.d. U que toma n valores con la misma probabilidad. Calcular la distribucién de probabilidad, su media y su varianza. n(n+1)(2n+1) Nota: para calcularla varianza se necesita saber que > k= z ! me 5. Distribucién de Bernoulli: Encontramos frecuentemente experimentos aleatorios que ad- miten s6lo dos posibles resultados excluyentes: = Suceso A (exito) con probabilidad P(A) = p. ~ Suceso A® (fracaso) con probabilidad P(A*)=1-p=q. Consideramos la v.a.d. asociada a este experimento que toma el valor 0 cuando ocurre un fracaso y el valor 1 en caso de éxito. Calcular la media, varianza y desviacién tipica de la variable,6. Se X una v.a.c con la siguiente distribucién: 2/2 sid 1.5), P(X >5) y la probabilidad condicionada P(X < 1|X < Me). 7. Una variable aleatoria X tiene por funcién de distribucién: 0 si r<0 F(z)=4 kea" si O<@<1 (n>1) 1 si r>1 Hallar la funcién de densidad, media, mediana y varianza, 8. Una variable aleatoria X tiene por funcién de densidad: ce® siz>0 f@) -{ 0 en el resto Hallar la funcién de distribucién, media, mediana y varianza. 9. Una variable aleatoria X tiene por funcién de densidad: _ [ikea si O4 (a) Dibujar la funcién de distribucién. (b) Calcular, dibujar e interpretar la funcién de densidad, (c) Calcular la probabilidad de que si el tiempo de reparacién es superior a una hora, lo sea de 3.5 horas (P(X > 3.5|X > 1)) 10