david cacho torres 6mv5

VARIABLE ALEATORIA Y FUNCIN DE

DISTRIBUCIN








VARIABLE ALEATORIA UNIDIMENSIONAL

Dado un experimento aleatorio y asociado al mismo, un espacio probabilstico
(E, ,P), una variable aleatoria es una aplicacin : R , a cada valor de X, del

espacio muestral le hace corresponder un nmero real. Se dice que X es una variable
aleatoria si para cualquier x perteneciente a R, el conjunto de los sucesos elementales le
hace corresponder un valor que verifica:
R

X (S ) X



Ejemplo: Consideramos un experimento aleatorio de lanzar una moneda al aire tres
veces y anotamos el resultado. Se define la variable aleatoria X como nmero de caras
aparecidas en los tres lanzamiento.



a) Calcular el espacio muestral y comprobar que es una variable aleatoroa
b) Calcular los subespacios: {X 2,75}

a) La solucin es la siguiente,
{0,5 X 1,75}

E= (C,X,X),(X,C,X),(X,X,C),(C,C,X),(C,X,C),(X,C,C),(C,C,C),(X,X,X)






X ( S ) X
0/
(X,X,X)

(C,C,C)(X,C,X)(X,X,C)
X 0
0 X 1
1 X 2

(C,C,X)(C,X,C)(X,C,C)

(C,C,C)
2 X 3

X 3


b) {X 2,75} X<0, 0 X < 1 , 1 X < 2
{0,5 X 1,75} es lo mismos que decir x=1, 1 X 2 .




TIPOS DE VARIABLES ALEATORIAS

Las variables aleatorias se clasifican en discretas y continuas:

o DISCRETA: La variable aleatoria X se dice que es discreta si los nmeros
asignados a los sucesos elementales de E son puntos aislados. Sus posibles
valores constituyen un conjunto finito o infinito numerable. Por ejemplo,
supongamos el experimento consistente en lanzar tres veces una moneda no
trucada; si consideramos la variable aleatoria X=nmero de caras obtenidas en
los tres lanzamientos, los valores que puede tomar esta variable aleatoria son
finitos (0,1,2,3).

o CONTINUA: La variable aleatoria X ser continua si los valores asignados
pueden ser cualesquiera, dentro de ciertos intervalos, es decir, puede tomar
cualquier valor de R. Por ejemplo, si consideramos el experimento aleatoria
consistente en medir el nivel de agua en un embalse y tomamos la variable
aleatoria X=nivel de agua, esta puede tomar valores entre 0 y ms infinito.


DISTRIBUCIN DE PROBABILIDAD

Es un modelo terico que describe la forma en que varan los resultados de un
experimento aleatorio, es decir, nos da todas las probabilidades de todos los posibles
resultados que podran obtenerse cuando se realiza un experimento aleatorio. Se
clasifican como discretas o continuas. En la distribucin de probabilidad discreta est
permitido tomar slo un nmero limitado de valores. En la continua, llamada funcin de




densidad, la variable que se est considerando puede tomar cualquier valor dentro de un
intervalo dado.

Distribucin de probabilidad discreta

Sea un espacio probabilstico y sea X una variable aleatoria discreta que toma
como posibles valores x
1
,x
2
,.....x
n
, se define la distribucin de probabilidad de X como
el conjunto de pares (x
i
, p
i
) que a cada valor de la variable le asocia una probabilidad,
donde p
i
= P(X=x
i
), tal que la suma de todas las probabilidades es igual a la unidad.

Del ejemplo realizado anteriormente se desprende que la distribucin de
probabilidad viene dada por:

(0,1/8); (1,3/8); (2,3/8); (3,1/8).




Distribucin de probabilidad continua

Si la variable aleatoria es continua, hay infinitos valores posibles de la variable y
entra cada dos de ellos se podran definir infinitos valores. En estas condiciones no es
posible deducir la probabilidad de un valor puntual de la variable como se puede hacer
en el caso de las variables discretas. Pero s es posible calcular la probabilidad
acumulada hasta un cierto valor (funcin de distribucin) y cmo cambia esa
probabilidad acumulada en cada punto (densidad de probabilidad). Por tanto, cuando la
variable aleatoria sea continua hablaremos de funcin de densidad.

Sea X una variable aleatoria continua, se llama funcin de densidad y se
representa como f(x) a una funcin no negativa definida sobre la recta real, tal que para
cualquier intervalo que estudiemos se verifica:
( ) =

f (x )dx .



FUNCIN DE DISTRIBUCIN

La funcin de distribucin describe el comportamiento probabilstico de una
variable aleatoria X asociada a un experimento aleatorio y se representa como:

F(x) F
x


Para estudiar la funcin de distribucin distinguiremos entre el caso discreto y el
caso continuo.

o CASO DISCRETO

Sea X una variable aleatoria discreta asociada a un espacio probabilstico, se
define la funcin de distribucin:
F ( x ) : R [0,1] que verifica
F ( x ) = [X X ] =

xi < x

i




Ejemplo: Continuando con el ejemplo anterior, cuya distribucin de probabilidad era:

(0 caras, 1/8); (1 cara, 3/8); (2 caras, 3/8); (3caras, 1/8), Calcula la probabilidad de
obtener menos dos caras?.

Para resolver el problema lo que debemos de calcular es la probabilidad de que la
variable aleatoria tome valores inferiores a dos. Esto viene dado por la expresin

F (1) = Prob [ X 1] = P
i
1=Prob [ X =0] +Prob [ X =1] = 1/8 + 3/8= 4/8
x
i
<x



La funcin de distribucin para una variable discreta siempre verifica las
siguientes propiedades:
A) F () = 0; F (+ ) = 1

B) [(a, b)] = F (b) F (a )

C) Es una funcin no decreciente:
x
1
, x
2

x
1
< x
2
F (x
1
) F (x
2
).



o CASO CONTINUO:

Sea X una variable aleatoria continua con funcin de densidad f(x), se define la
funcin de distribucin, F(x), como:
F (x

) = [x X ] =



f ( x )dx .

La funcin de distribucin para una variable continua siempre verifica las
siguientes propiedades:

A) F ( x) 0;



B)

f ( x)dx = 1



b
C) P[a x b] =

f ( x)dx = F (b) F (a)

a

D) f ( x) = F(x) la funcin de densidad es la derivada de la funcin de distribucin.



i =0

Ejemplo: Sea X una variable aleatoria cuya funcin de densidad viene dada por f (X),
calcula su funcin de distribucin:


f (x )=
X/2 0 x 2

0 en otro caso

Calculamos la funcin de distribucin, obteniendo
+ x


0 x
x
2
F ( X ) =


f ( x)dx =

f ( x)dx =

0dx +

x
2

dx = ,
4
0

por tanto, la funcin de distribucin ser:
0

x
2

F ( X ) =


4


X < 0
0 < X < 2
1 X > 2





PARMETROS DE UNA VARIABLE ALEATORIA

En esta seccin estudiaremos, de manera anloga a las variables estadsticas,
algunos parmetros de que van a resumir numricamente las distribuciones de las
variables aleatorias, distinguiendo como siempre, para el caso discreto y continuo.




Esperanza matemtica para una variable aleatoria discreta
Dada una variable aleatoria X que toma valores x
1
,x
2
,x
3
....x
n
con distribucin de
probabilidad (x = x
i
) = P
i
, se define la esperanza matemtica de una variable
aleatoria como:


[x] =

=1
x
i
(X = x
i
) =

=1
x
i

i
.

n n
i i


Ejemplo: Continuando con el ejemplo anterior, cuya distribucin de probabilidad era:
(0 caras, 1/8); (1 cara, 3/8); (2 caras, 3/8); (3caras, 1/8), calcula la esperanza
matemtica.
3
1 3

3 1 12 3
El resultado ser: E[ X ] =

x
i
p
i
= 0
8
+ 1
8
+ 2
8
+ 3
8
=
8
=
2
.



2 2 2

Esperanza matemtica para una variable aleatoria continua
Sea X una variable aleatoria continua con funcin de densidad f(x), se define la
esperanza matemtica de esa variable aleatoria como:
[x] =
+

xf ( x)dx = .

Tanto para el caso discreto como para el caso continuo, la esperanza matemtica
presenta las siguientes propiedades:


o Si C es una constante, E(C) = C.
o a, b R, E(aX + b) = aE(X) + b
o Si g(X) es una funcin de X, entonces:

o Si X es discreta, E[ g ( X )] =

g ( x
i
) p
i
.

i =1

+
o Si X es continua, E[ g ( X )] =


g ( x) f ( x)dx.

n n
o Si X
1
, ..., X
n
son variables aleatorias, entonces E[

X
i
] =

E[ X
i
].
i =1 i =1



Varianza de una variable aleatoria
A continuacin vamos a definir la varianza de una variable aleatoria
diferenciando para el caso discreto y continuo. Dada una variable aleatoria X que toma
valores x
1
,x
2
,x
3
....x
n
con distribucin de probabilidad, se define la varianza de X:

o Discreta: V [x] = ( x E ( x))
2

n
=

( x
i
)

n
=

x
i
P
i


o Continua: V [x] =

+
2

(x )


i =1


f ( x)dx
i =1

Ejemplo: Continuando con el ejemplo anterior, cuya distribucin de probabilidad era:
(0 caras, 1/8); (1 cara, 3/8); (2 caras, 3/8); (3caras, 1/8), calcula la varianza.

El resultado ser:
3
2
V [ X ] =
2
=

x
2
p


2
=

0
2

1
+ 1
2

3
+ 2
2

3
+ 3
2

1

3

0,75.
i i

=
i =0

8 8

8 8

Propiedades de la Varianza y la Esperanza matemtica:


Sea X una variable aleatoria e Y otra variable aleatoria tal que Y = a X + b,
entonces siempre se verifica:



k
k
o E[Y ] = aE[X ]+ b
o V [Y ] =


a
2
V [Xx ]
o Si X e Y son independientes, entonces E[XY ] = E[X ]E[Y ].



Covarianza
Sean X e Y dos variables aleatorias, se define la covarianza entre estas dos
variables como,
Cov = E[XY ] E[X ]E[Y ] ,

donde el clculo de las esperanzas depender de si las variables son discretas o
continuas. De esta definicin surge el siguiente resultado. Cuando X, Y son
independientes la covarianza es igual a 0.


E[X Y ] = E[X ]E[Y ], entonces

Cov = E[XY ] E[X ]E[Y ] = E[ X ] E[Y ] E[ X ] E[Y ] = 0.


Momentos de una variable aleatoria


Dada una v.a X, se define su momento de orden k (k = 0, 1, 2,...) respecto a la
media o momento central de orden k como la esperanza de (X )
k
:

= E[( X )
k
]


Del mismo modo se define su momento de orden k (k = 0, 1, 2, ...) respecto al
origen o momento no central de orden k como la esperanza de X
k
:

= E[ X
K
]

De las definiciones se deduce que:
o
o
= 1
o
1
=
o
o
= 1
o
1
= 0
o El segundo momento central se llama tambin varianza, y se denota por V(X) o

2
.