ING. EST.

MARCO MINCHON BENITES

 Variable aleatoria
Una variable aleatoria X es una funcin que asocia a
cada suceso del espacio muestral E de un experimento
aleatorio un valor numrico real:

X :E
w X ( w)
Llamar variable a una funcin resulta algo confuso,
por ello hay que insistir en que es una funcin.

La variable aleatoria puede ser discreta o continua.

Veremos el caso discreto.
 Ejemplo de variable aleatoria discreta:
Nmero de caras al lanzar
3 monedas.
espacio SSS SSC SCS CSS CCS CSC SCC CCC
muestral

N reales
(# de caras) 0 1 2 3 caras

Establecer una variable aleatoria

para un experimento aleatorio no
es ms que una manera de asignar
X :E
w X ( w)
de "manera natural" nmeros a los
eventos.
 Funcin de probabilidad
Voy a pensar un nmero entero del 1 al 100.
Qu numero ser?

Intentaremos representar el estado de incertidumbre

mediante una funcin matemtica: la funcin de
probabilidad.

1/100

1 2 3 ........ 99 100 X
 Funcin de probabilidad o
distribucin
Una vez definida una variable aleatoria X, podemos definir
una funcin de probabilidad o distribucin de
probabilidad asociada a X, de la siguiente forma:
p : [0,1]
x p ( x) P( X x)
La funcin de probabilidad debe cumplir:

(i) 0 p( x) 1 x
(ii ) p( x) 1 (Suma sobre todos los posibles valores
que puede tomar la variable aleatoria).
x
 Funcin de probabilidad discreta

Valores Probabilidad

Z 0 1/4 = 0.25

1 2/4 = 0.50
Z
2 1/4 = 0.25
Z Z
X :E p : [0,1]
w X ( w) x p ( x) P( X x)
 Requerimientos de una distribucin de
probabilidad
X P(X) X P(X) X P(X)

-1 0.1 -1 -0.1 -1 0.1

0 0.2 0 0.3 0 0.3
1 0.4 1 0.4 1 0.4
2 0.2 2 0.3 2 0.3
3 0.1 3 0.1 3 0.1
1.0 1.0 1.2

0 p ( x) 1 para todo x
p ( x) 1
x
Observa que aun si el espacio muestral es infinito
numerable, tambin podemos definir una variable
aleatoria discreta y una funcin de probabilidad.

Ejemplo: Sea X = Nmero de lanzamientos de una

moneda antes de que aparezca una cara.
Entonces:

P(X = 1) = P(C) = 1/2

P(X = 2) = P(SC) = 1/2 1/2 = 1/4
P(X = 3) = P(SSC) = 1/2 1/2 1/2 = 1/8
...
en general: P(X = n) = (1/2)n, n = 1, 2,
Sea el experimento lanzar dos dados.
Definamos
el espacio muestral E como:
E = {(1,1),(1,2),...(1,6),...,(5,6),(6,6)}

Definamos la variable aleatoria discreta X como:

con S = {2,3,...,12} la suma de puntos.

Una posible funcin de probabilidad es:
f : [0,1]
f (2) P(X 2 ) P( (1,1) ) 1/ 36
f (3) P(X 3 ) P( (1,2) (2,1) ) 2 / 36
f (4) P(X 4 ) P( (1,3) (3,1) (2,2) ) 3 / 36
...
Funcin de probabilidad de la variable aleatoria X

6/36
P
5/36 5/36

4/36 4/36

3/36 3/36

2/36 2/36

1/36 1/36

2 3 4 5 6 7 8 9 10 11 12 X

Observa que cumple las dos condiciones: es siempre

positiva (y menor o igual a 1) y est normalizada.
 Funcin de distribucin
(acumulada)
Dada una variable aleatoria discreta X se llama
funcin de distribucin a la funcin F definida
como:
F : [0,1]
x F ( x) P( X x)
En nuestro ejemplo de los dos dados:

F(5) = P(X 5) = P(x = 2 o x = 3 o x = 4 o x = 5)

F(5) = 1/36 + 2/36 +3/36 + 4/36 = 10/36
Funcin de distribucin de la variable aleatoria X

F
1,0

0,5

0,028

2 3 4 5 6 7 8 9 10 11 12 x
 Algunos problemas de probabilidad estn
relacionados con la probabilidad P(a <X b) de
que X asuma algn valor en un intervalo (a, b].
Observa que:
P(a < X b) = F(b) - F(a)

Para demostrarlo observa que, como los sucesos

X a y a < X b son mutuamente excluyentes, entonces:

F(b) = P(X b) = P(X a) + P(a < X b)

= F(a) + P(a < X b)

En el ejemplo de los dos dados, calcula la probabilidad de

que los dos dados sumen al menos 4 pero no ms de 8:

P(3 < X 8) = F(8) - F(3) = 26/36 - 3/36 = 23/36

 Algunas propiedades de la funcin
de distribucin

F () lim F ( x) lim P( X x) P( E ) 1
x x

F () lim F ( x) lim P( X x) P() 0

x x

P( x1 X x2 ) F ( x2 ) F ( x1 )
 Esperanza matemtica o media
de una funcin de probabilidad discreta

E X xi P( X xi ) xi p( xi )
i i

X P(X) X P(X)
-1 0.1 -0.1
0 0.2 0.0
1 0.4 0.4
2 0.2 0.4
3 0.1 0.3
1.0
Calcular la esperanza de la variable aleatoria X en
el ejemplo de los dos dados:
12
E ( X ) P (i ) i
i2

1 2 6 1
2 3 ... 7 ... 12 7
36 36 36 36
 Sean a, b y c constantes. Demuestra que:

(1) E (c ) c
(2) E( P1 ( x) P2 ( x)) E( P1 ( x)) E( P2 ( x))
(3) E (aX b) aE ( X ) b

(1) Ec 1 c c
(2) E P1 ( x) P2 ( x) xi P1 ( X xi ) P2 ( X xi )
i

x P ( X x ) x P ( X x ) E P ( x ) E P ( x )
i
i 1 i
i
i 2 i 1 2
 Varianza y desviacin estndar o tpica de
una funcin de probabilidad discreta
Varianza

Var ( X ) M 2 E (( X ) )
2 2

(x )
i
i
2
P( X xi )

Var(X )
Desviacin estndar
o tpica

Ambas miden la dispersin de los datos. Observa que la desviacin

tpica lo hace con las mismas unidades que los propios datos.
 Ejemplo
X ( X ) ( X ) P( X )
2 2
X P(X)

-1 .1 -2 4 .4
0 .2 -1 1 .2
1 .4 0 0 .0
2 .2 1 1 .2
3 .1 2 4 .4
1.2

( xi ) P( xi ) 1,2
2 2

Var( X ) 1.10
Calcula la varianza y desviacin tpica de la variable
aleatoria X en el ejemplo de los dos dados:

12
Var ( X ) P (i ) (i 7 ) 2
i2

1 2 1
( 2 7 ) (3 7 ) ... (12 7 ) 2 5,83
2 2

36 36 36

Var( X ) 5,83 2,41

 Algunas propiedades de la varianza

Var ( X ) ( xi ) p( xi )
2 2

(x 2xi ) p( xi )
2 2
i
i

x p( xi ) 2 xi p( xi )
2 2
i
i 2 E ( X 2 ) ( E ( X )) 2i

E ( X 2 ) 2 2 2 E ( X 2 ) ( E ( X )) 2