You are on page 1of 27

Variables Aleatorias

Mg. Enver Tarazona Vargas

VARIABLES ALEATORIAS
Variable aleatoria
Es una funcin cuyo dominio es un espacio muestral, y
cuyo rango es un subconjunto de lo nmeros reales.
X

DX=

RX
O1
O2

x1
x2

Ok

xm

..
..

DX=={O1, O2, ..., Ok}

..
..

RX=={x1, x2, ..., xm}

VARIABLES ALEATORIAS
Tipo de variables aleatorias
1. Variables aleatorias discretas
Son aquellas cuyos rangos forman conjuntos numerables.
Pueden contener un nmero finito o infinito de elementos.
Ejemplos: Nmero de fallas por cada metro de un tejido.
Nmero de artculos defectuosos producidos.
2. Variables aleatorias continuas
Son aquellas
numerables.

cuyos

rangos

forman

conjuntos

no

Ejemplos: Cantidad de combustible consumido por da.


Peso de un producto.

VARIABLES ALEATORIAS DISCRETAS.


Funcin de probabilidad
Sea X una variable aleatoria discreta que tiene como
rango RX ; luego, una funcin f(x) es llamada funcin de
probabilidad de la variable aleatoria X si tiene como
dominio a RX, y como rango a un conjunto de nmeros
reales P[X= xi ] = f(xi) que cumplen con las siguientes
condiciones.

1.

P[X=xi] = f (xi) 0 , xi RX

2.

0 f (xi) 1

3.

f ( xi ) 1

xiRX

, xi RX

VARIABLES ALEATORIAS DISCRETAS. Ejemplo


Una ONG ha propuesto 10 nuevos proyectos, de los
cuales 4 son proyectos educativos y 6 son proyectos
sociales. Para realizar un anlisis de factibilidad de los
proyectos se eligen al azar 3 de ellos para que sean
analizados la prxima semana.
Si se define X= Nmero de proyectos educativos que
sern evaluados la prxima semana, halle la funcin de
probabilidad de la variable X.
Exp. Aleatorio: Se eligen al azar 3 proyectos para ser analizados.

4 P.Educativos
6 P.Sociales

MSR

10
n( ) 120
3

VARIABLES ALEATORIAS DISCRETAS. Ejemplo


={ (S1,S2,S3), (S1,S2,E3), (S1,E2,S3), (E1,S2,S3), (E1,E2,S3), (E1,S2,E3), (S1,E2,E3), (E1,E2,E3) },

RX={0,1,2,3}

f(0)=P[ X=0 ]=P[ S1,S2,S3 ]= (6/10)(5/9)(4/8)=120/720=5/30


f(1)=P[ X=1 ]=P[ S1,S2,E3 ]+P[ S1,E2,S3 ]+P[ E1,S2,S3 ]
= (6/10)(5/9)(4/8)+ (6/10)(4/9)(5/8)+ (4/10)(6/9)(5/8)= 15/30

f(2)=P[ X=2 ]=P[ S1,E2,E3 ]+P[ E1,S2,E3 ]+P[ E1,E2,S3 ]


= (6/10)(4/9)(3/8)+ (4/10)(6/9)(3/8)+ (4/10)(3/9)(6/8)= 9/30
f(3)=P[ X=3 ]=P[ E1,E2,E3 ]= (4/10)(3/9)(2/8)=24/720=1/30

VARIABLES ALEATORIAS DISCRETAS. Ejemplo


Funcin de probabilidad de la variable aleatoria X

f ( x) 5 / 30 ,

si x 0

15 / 30,

si x 1

9 / 30,

si x 2

1/30,

si x 3

0,

otros valore s de x

Tabla de probabilidades
X
f(x)

0
5/30

1
15/30

2
9/30

3
1/30

VARIABLES ALEATORIAS DISCRETAS. Ejemplo


Grfico de distribucin de probabilidades

f(x)
16/30
12/30
8/30
4/30

Nmero de proyectos educativos

VARIABLES ALEATORIAS DISCRETAS.


Funcin de probabilidad acumulativa
Sea X una variable aleatoria discreta que tiene como
funcin de probabilidad f(x); luego, la funcin de
probabilidad acumulativa de la variable aleatoria X se
define como:

F ( x) P X x

f (x )
i

xi x

VARIABLES ALEATORIAS DISCRETAS.


Funcin de probabilidad acumulativa.
Propiedades
1.

F ( x) 0,

x m, donde m Min x RX

2.

F ( x) 1,

x M , donde M Max x RX

3.

0 F ( x) 1,

4.

F(x) es una funcin no decreciente.

x RX

VARIABLES ALEATORIAS DISCRETAS. Ejemplo


Si el nmero de proyectos educativos que son evaluados por
semana es una variable aleatoria X que tiene como tabla de
probabilidades:

X
f(x)

0
5/30

1
15/30

2
9/30

3
1/30

Halle la funcin de distribucin acumulativa de X.

Puesto que RX={0,1,2,3} m=Min x RX =0, M=Max x RX =3,

F(x)=P[ X < x ]=0 x <0

VARIABLES ALEATORIAS DISCRETAS. Ejemplo


X
f(x)

0
5/30

1
15/30

RX={0,1,2,3} m=Min x RX =0,

2
9/30

3
1/30
M=Max x RX =3,

Para 0 x <1
F(0)=P[ X 0 ]= P[ X < 0 ]+P[ X = 0 ]= 0 +f(0)= 5/30
Para 1 x <2
F(1)=P[ X 1]= P[ X < 1 ]+P[ X = 1 ]= 5/30 +f(1)= 20/30

Para 2 x <3
F(2)=P[ X 2 ]= P[ X < 2 ]+P[ X = 2 ]= 20/30 +f(2)= 29/30
Para
x3
F(3)=P[ X 3 ]= P[ X < 3 ]+P[ X = 3 ]= 29/30 +f(3)= 1

VARIABLES ALEATORIAS DISCRETAS. Ejemplo


F ( x) 0 ,
5 / 30,

si x 0
si 0 x 1

20 / 30, si 1 x 2
29 /30,

si 2 x 3

1,

si x 3

Grfico de distribucin acumulativa de probabilidades

F(x)
1
25/30
20/30
15/30
10/30
5/30

Nmero de proyectos educativos

VALOR ESPERADO
Valor esperado o esperanza matemtica
Es el valor promedio que esperaramos encontrar por la
observacin repetida de una variable aleatoria.
Si X es una variable aleatoria con funcin de probabilidad f(x),
el valor esperado de la variable X se define como:

EX

x f ( xi )

xi RX

VALOR ESPERADO
Valor esperado o esperanza matemtica de una funcin
de una variable aleatoria
Sea X una variable aleatorias con funcin de probabilidad f(x), y
sea Y=g(x) una funcin de la variable aleatoria X, luego,

EY E g (X)

g ( x)

xi RX

f ( xi )

VALOR ESPERADO
Media y variancia de una variable aleatoria
Sea X una variable aleatoria con funcin de probabilidad f(x) ;
entonces, la media X y la variancia de la variable aleatoria X se
definen como:

X E X

X2 Var X E X X E X2 X2
2

Propiedad de linealidad
Sea X una v.a y definamos una nueva v.a Y por:
Y=a +bX
Entonces la media y varianza de esta nueva v.a
vienen dadas, en funcin de la media y varianza
de la v.a antigua X, por:
y

Y a b X
b
2
Y

2
X

VALOR ESPERADO
Propiedades de valores esperados
Si X, Y son dos variables aleatorias, y a, b son dos constantes:
1)

E(a)=a

2)

E( aX )= a E(X)

3)

E( a X + b )= a E(X) + b

4)

E( a X + b Y )= a E(X) + b E(Y)

5)

Var(a) = 0

6)

Var( a X )= a2 Var( X )

7)

Si X, Y son variables aleatorias independientes:

Var aX bY a 2 Var X b2 Var Y

VALOR ESPERADO. Ejemplo


Si el nmero de proyectos educativos que son evaluados por
semana es una variable aleatoria X que tiene como tabla de
probabilidades:

X
f(x)

0
5/30

1
15/30

2
9/30

3
1/30

Halle la media y variancia de X.

EX x f ( x )

(0)(5 / 30) (1)(15 / 30) (2)(9 / 30) (3)(1 / 30) 1.2

E X 2 x 2 f ( x)
(0) 2 (5 / 30) (1) 2 (15 / 30) (2) 2 (9 / 30) (3) 2 (1 / 30) 2

X EX 1.2

2
X

EX
2

2
X

2 (1.2) 0.56
2

VALOR ESPERADO. Ejemplo


Si el costo de evaluacin de los proyectos educativos (miles de
nuevos soles) es igual a : Y=5+1.2X, halle la media y variancia del
costo de evaluacin de los proyectos educativos.

Y E 5 1.2X 5 1.2 E X 5 1.2 X


5 (1.2)(1.2) 5.44

miles de nuevos soles

Y2 Var 5 1.2X (1.2)2 Var X (1.2) 2 X2


(1.2)2 (0.56) 0.8064 (miles de nuevos soles)2

EJERCICIO
Un negocio de computadoras que atiende pedidos por correo
tiene cuatro lneas telefnicas. Sea la variable aleatoria X =
Nmero de lneas ocupadas en un momento dado, cuya funcin
de probabilidad es:
N de lneas ocupadas

f(x)

0,10

0,20

0,25

0,25

0,20

a) Calcule el valor esperado, la variancia y coeficiente de


variacin de X.
b) Si la funcin perdida (en soles) del negocio P por lnea
ocupada esta dado por: P = 10X + 2, calcule el valor
esperado, la variancia y coeficiente de variacin de P.

EJERCICIO
3Suponga que el nmero de accidentes por semana que ocurren
en una empresa es una variable aleatoria X con funcin de
distribucin de probabilidades dada por:

a) Hallar la media, la variancia y coeficiente de variacin de X.


b) Si en una semana se sabe que ocurri al menos un accidente,
cul es la probabilidad de que en dicha semana haya
ocurrido exactamente uno?
c) La empresa incurre en una prdida semanal Y (soles) segn
el nmero de accidentes dada por: Y = 10 + 8X. Hallar la
prdida esperada semanal

Funcin de densidad de una v.a continua


Dado que los posibles valores de una variable
aleatoria continua X son infinitos y no enumerables,
no tiene mucho sentido hablar, como en el caso de
una v.a. discreta, de la probabilidad de que X tome
un nico valor (ya que intuitivamente esta
probabilidad sera siempre 0).

Sin embargo, si es razonable hablar de la


probabilidad de que X tome valores en un intervalo.
Para ello se utiliza un modelo matemtico conocido
como la funcin de densidad.

Si X es una v.a continua, se define la funcin densidad


de X como una funcin f: R [0, [ que satisface que
l area debajo de su grfica sea igual a 1.
La idea de introducir
f(x)
esta curva o modelo es
poder obtener con ella
probabilidades
como:
P(a < X < b)

P(a < X < b)

Estas se obtendrn como el rea que hay debajo de la


grfica de f entre a y b, tal como se ilustra arriba.
Note que no interesa si se incluyen o no los extremos a
y b ya que las probabilidades puntuales son nulas.

Ejemplo:
Sea X una variable aleatoria continua que puede
tomar cualquier valor entre a y b. Entonces la
funcin de densidad de esta variable debe ser:
1
f ( x)
ba

a xb

Como ejemplo, tomemos a = 3 y b = 12. Entonces


f(x)

P(4 < X < 7) = 1/3


0,1

0,0
2

9 10 11 12

min

mx

En este caso diremos que X


tiene una distribucin uniforme
en el intervalo [3,12] y lo
denotaremos por X ~ U([3,12])

Funcin de distribucin acumulada


Si X es una variable aleatoria, la funcin de distribucin acumulada se
define por:

FX ( x) P( X x)
En general se cumple que

P(a X b) FX (b) FX (a) P( X a)

donde el ltimo trmino es 0 si X es una v.a contnua.


Si X es una v.a. Discreta

FX ( x) PX (t )
t

donde la suma se toma


sobre todos los
t x en el rango de X

Si X es una v.a. Continua

FX (x)

Area bajo la
funcin de densidad de X
en el intervalo ]-, x]

Ejemplo
Suponga que el costo mensual en energa elctrica, en miles de
unidades monetarias (u.m) de una compaa, es una variable
aleatoria X con funcin de densidad:

4kx,
f ( x)
k (5 x),

0 x 1

1 x 5

a) Determine la constante k
b) Grafique la funcin de densidad
c) Halle la probabilidad que el costo mensual de esta compaa este
entre 500 y 3,000 u.m.
d) Halle y grafique la distribucin acumulada.
e) Calcule la probabilidad de que el costo mensual no supere las 2
mil u.m.