VARIABLE ALEATORIA

Definicin. Sea E un experimento aleatorio y el espacio muestral asociado al

experimento. Una funcin que asigna a cada uno de los elementos del espacio muestral
( w )un nmero real X (w), se llama variable aleatoria.

W1
X
wi

wn

Ejemplo
De una caja que contiene 5 artculos, de las cuales 3 son buenos y 2 son malos, se selecciona
2 artculos.
a. con reposicin
b. sin reposicin
Se observa el estado de cada artculo.
Solucin.
a. Exp. Accin: Seleccionar dos artculos con reposicin.
] Interesa: Observar el estado en que se encuentra cada artculo seleccionado.
= ( B1 , B2 ), ( B1 , D2 ), ( D1 , B2 ), ( D1 , D2 )
donde Bi : Artculo bueno en la i-sima seleccin, i= 1, 2
Di: artculo defectuoso en la i-sima seleccin, i= 1, 2
Sea la variable:
X: Nmero de artculos defectuosos.
Luego:
X B1 , B2 = 0
X B1 , D2 = X D1 , B2 = 1
X

D1 , D2

=2
RX: 0, 1, 2 a RX se le llama recorrido de la variable.

De esto tenemos que:

Si X = 0 entonces ocurre el evento {(B 1,B2 )}
X = 1 entonces ocurre uno de cualesquiera de los siguientes eventos:
{(B1,D2), (D1,B2)}
X = 2 entonces ocurre el evento {(D1, D2)}
De lo anterior sabemos cuales son los posibles valores que puede tomar la variable, pero
antes de llevar a cabo el experimento no sabemos cual va ser el valor que tome la variable, lo

Lic. Mara A. Zacaras Daz

Pgina 27

que si podemos saber es la probabilidad con que cada una de los valores de la variable puede
ocurrir, as:
P(X = 0) = P ( B1 , B2 ) P ( B1 ) P ( B2 ) =(3/5)(3/5)
P(X = 1) = P ( B1 , D2 ), ( D1 , B2 ) P ( B1 , D2 ) P ( D1 , B2 )
= P(B1)P(D2)+P(D1)P(B2)=3/5x2/5+2/5x3/5=12/25
P(X = 2) = P D1 , D2 = P(D1)P(D2)=2/5x2/5=4/25
Si los resultados anteriores lo presentamos en una tabla, tenemos:
xi
0
1
2

p( x i )
9/25
12/25
4/25

A esta tabla se le denomina distribucin de probabilidades y a p( x i ) funcin de probabilidad

o cuanta.
La representacin grfica de la tabla anterior es:

Esta grfica y la tabla nos indica el comportamiento probabilstico de la variable, o sea nos
est indicando que al seleccionar 2 artculos con reposicin es ms probable que salga 1
artculo defectuoso.
Resumiendo lo anterior y estableciendo Equivalencias
Exp.
Acc. Seleccionar dos artculos
=

Int. Observar el estado de cada articulo

= ( B1 , B2 ), ( B1 , D2 ), ( D1 , B2 ), ( D1 , D2 )
La probabilidad de cada evento elemental
es:
Lic. Mara A. Zacaras Daz

Exp.
Acc. Seleccionar dos artculos
X: Nmero de artculos defectuosos
RX : 0, 1, 2
La probabilidad de cada valor de la
variable es:
Pgina 28

P B1 , B2 P B1 P B2

3 3 9
x
5 5 25

3 2 6
x
5 5 25
2 3 6
P D1 , B2 P D1 P B2 x
5 5 25
2 2 4
P D1 , D2 P D1 P D2 x
5 5 25
Sea el evento:
S: A lo ms un artculo es defectuoso
S B1 , B2 , B1 , D2 , D1 , B2
P B1 , D2 P B1 P D2

P( S )

9
6
6 21

25 25 25 25

P( X = 0 ) =

P( X = 1 ) =

12
25

P( X = 2 ) =

4
25

P ( S ) P B1 , B2 P B1 , D2 P D1 , B2

9
25

Sea el evento
S: A lo ms un artculo es defectuoso
S X 1

P ( S ) P X 1 P X 0 P X 1

P( S )

9 12 21

25 25 25

El smbolo significa equivalente.

Todos los puntos tratados hasta antes de variable aleatoria, ahora van a ser tratados en
trminos de variable aleatoria, por lo tanto tenemos las siguientes equivalencias:
1. El experimento aleatorio siempre se va a dar.
2. Lo que Interesa va ser reemplazado por la variable aleatoria X.
3. El espacio muestral va ser reemplazado por el recorrido de la variable aleatoria, R X
4. La probabilidad de cada uno o ms eventos elementales, va estar dado por la
probabilidad de cada uno de los valores de la variable aleatoria.
5. La probabilidad de cualquier evento, como subconjunto del espacio muestral, va ser
la probabilidad de un intervalo, siendo este intervalo un subconjunto del recorrido de
la variable aleatoria.
Ejercicio.
Obtenga la distribucin de probabilidades para la variable Nmero de artculos defectuosos,
cuando la seleccin de los artculos se hace sin reposicin.
Al estudiar variables aleatorias distinguiremos 2 casos importantes:

Variables aleatorias discretas.

Variables aleatorias continuas.
Variable Aleatoria Discreta
Definicin. Si el nmero de valores posibles de X es finito o infinito numerable, llamamos a
X una variable aleatoria discreta.
Es decir los valores posibles de X se pueden anotar como x 1, x2,...

Funcin Probabilidad o Cuanta

Definicin. En una variable aleatoria discreta, con cada posible valor de X, asociamos un
nmero p( xi ) = P(X=xi) llamada la probabilidad de xi.

Lic. Mara A. Zacaras Daz

Pgina 29

Los nmeros p( xi ) deben satisfacer las siguientes condiciones:

a.
p( xi ) 0
b.
p( xi ) = 1
La funcin P se llama funcin de probabilidad de la variable aleatoria X.
La coleccin de pares (xi, p( xi )) i=1,2... se le llama distribucin de probabilidades de X.

Variable Aleatoria Continua.

Supongamos que el recorrido de X est formado por un gran nmero de valores, xi, i = 1, 2, 3,
., N, como por ejemplo 0; 0.01; 0.02; 0.03; 0.04; , 0.96, 0.97; 0.98; 0.99; 1.00. Con
cada uno de estos valores est asociado un nmero no negativo p(xi)= P(X= xi), i = 0 1, 2,
3, , N cuya suma es igual a 1.
La representacin grafica de esta situacin es:
Grfica de los puntos del 0 al 1 con separacin de 0.02

0.00

0.14

0.28

0.42
0.56
Recorrido de X

0.70

0.84

0.98

La anterior descripcin probabilstica de X, podra ser matemticamente idealizada, al

suponer que X puede tomar todos los valores posibles, 0 < = x < = 1, al hacer esto,
puesto que los valores posibles de X no son contables, no se puede hablar del i-esimo
valor de X, por lo tanto p(xi) pierde significado. Por lo que se har es sustituir la funcin
p, definida slo para x1, x2, x3, por una funcin f para todos los valores x, 0 < = x < = 1
y esta funcin f , cumplir que f(x) >= 0 y

f ( x)dx 1 .

La anterior descripcin probabilstica de X, podra ser matemticamente idealizada, al

suponer que X puede tomar todos los valores posibles, 0 < = x < = 1, al hacer esto,
puesto que los valores posibles de X no son contables, no se puede hablar del i-esimo
valor de X, por lo tanto p(xi) pierde significado. Por lo que se har es sustituir la funcin
p, definida slo para x1, x2, x3, por una funcin f para todos los valores x, 0 < = x < = 1
y esta funcin f , cumplir que f(x) >= 0 y

Lic. Mara A. Zacaras Daz

f ( x)dx 1 .

Pgina 30

Formalizando lo anterior tenemos:

Definicin. Se dice que X es una variable aleatoria continua si existe una funcin f, llamada
funcin de densidad de probabilidad (fdp) de X, que satisface las siguientes condiciones:
f (x) 0, x , es decir la funcin es no negativa.

El rea bajo la curva es igual a 1, es decir:

f ( x)dx 1

Para cualquier a, b tal que a b tenemos:

b

P(a < X < b) =

f ( x)dx
a

La variable, X, su recorrido, RX y su funcin de densidad de probabilidad f (x) recibe el

nombre de Distribucin de Probabilidades.
Una consecuencia de la descripcin probabilstica de X, que para cualquier valor especifico
de X, por ejemplo x0, es que tenemos P(X = x0) = 0, puesto que P(X = x0) =
x0

f ( x)dx 0 , sin embargo, debemos notar que s permitimos que X tome todos los

x0

valores en un intervalo, entonces la probabilidad cero no es equivalente con la

imposibilidad. Por lo tanto, en el caso continuo, P(A) = 0 no implica A = , el conjunto
vacio. En vista de estas consideraciones, las siguientes probabilidades son todas iguales,
si X es una variable aleatoria continua:
P (c X d ), P (c X d ), P (c X d ) y P (c X d )
Ejemplo
Considere la siguiente funcin:
2x 0 x 1
f ( x)
para cualquier otro valor
0
1. Es esta una funcin de densidad de probabilidad asociada a la variable aleatoria X?
2. Si lo es, muestre el comportamiento probabilstico de la Variable aleatoria y halle la
P(X > 0.7)
Solucin.
1.
Si x 0.1 f (0.1) 0.2

a. x 0.5 f (0.5) 1
x 0.9 f (0.9) 1.8

luego f(x) > = 0

b. 2 xdx 2 xdx x 2 0 1

0
Cumple las 2 condiciones, por lo tanto f(x) es una funcin de densidad de probabilidad.
2. Comportamiento probabilstico.

Lic. Mara A. Zacaras Daz

Pgina 31

rea bajo la curva

es 1

P(X > 0.7) =

2 x dx x

0.7

2 1
0.7

1 0.49 0.51

P(X>0.7)

Ejemplo
Considere la siguiente funcin:
0 x2
kx,

f ( x ) k (4 x ), 2 x 4
0,
en otros casos

a. Halle el valor de k para que f sea una funcin de densidad.

b. Muestre el comportamiento probabilstico de la variable.
c. Calcule: P(X<1.2), P(X>= 2.5), P(1 < X < 3), P(X = 0.5)
Solucin.

a.

f ( x) 1 kxdx k (4 x)dx 1 4k 1 k

1
4

luego:
0 x2
x / 4,

f ( x ) (4 x) / 4, 2 x 4
0, en otros casos

Lic. Mara A. Zacaras Daz

Pgina 32

b.

1.2

x 2
x
1.44
dx

0.18
c. i. P(X<1.2) =

4
8
8
0
0
2.5
2x
4 x dx
ii. P(X>=2.5) = 1 - P X 2.5 1 dx
= 0.2825
4
2
04

2
3
4 x dx
x
iii. P(1<X<3) = dx
= 0.75
4
4
1
2
iv. P( X = 0.5) = 0
1.2

Funcin de Distribucin Acumulativa

Definicin. Sea X una variable aleatoria, discreta o continua.
La funcin de distribucin acumulativa (fda) para una variable aleatoria X, denotada por
FX ( a) tal que:
a. El dominio de FX ( a) es la lnea completa de los reales
b. Para toda a real FX ( a) P ( X a)
Se puede notar que la fda, expresa la probabilidad de que X tome uno ms valores en el
intervalo que va desde hasta a . Por tanto, no es posible que FX ( a) decrezca
conforme crece a
Teorema.
a. Si X es una variable aleatoria discreta, con funcin de cuanta p(xj), entonces
FX ( a) = p ( x j ) , en donde la suma se toma sobre todos los subndices j que satisfacen
x a
j

xj a
a

b. Si X es una variable aleatoria continua con fdp f, entonces FX ( a)

f ( x)dx .

Lic. Mara A. Zacaras Daz

Pgina 33

La FX ( a) debe satisfacer los siguientes cuatro requisitos:

1. 0 FX (a ) 1, para toda a
FX (a ) es una probabilidad y est limitada por 0 y 1.
2. lim a F (a ) 0 y lim a F (a) 1
3.Si a < b, tenemos FX (a ) FX (b)
4. lim h 0 FX (b h) FX (b) para toda b, h 0 o sea FX (b) es continua desde la derecha,
en todos los puntos
Ejemplo
La distribucin de probabilidades de la Variable aleatoria, X. Nmero de artculos
defectuosos, donde la seleccin de los artculos es con reposicin es:
xi
p( x i )
0
9/25
1
12/25
2
4/25

Lic. Mara A. Zacaras Daz

Pgina 34

Su funcin de distribucin acumulativa es:

Si
a0
FX ( a) p ( x j ) 0
x j a

0 a 1 FX (a)
1 a 2 FX (a )
a2

FX (a )

p( x ) p(0) 25
j

x j a

12

21

p( x ) p(0) P(1) 25 25 25
j

x j a

12

p( x ) p(0) P(1) p(2) 25 25 25 1

j

x j a

Ejemplo
La funcin de distribucin acumulativa para la siguiente distribucin de probabilidades:
2x 0 x 1
f ( x)
para cualquier otro valor
0
0

Si a < = 0 F(a) = P(X a) =

odx 0

0 < a < 1 F(a) = P(X a) =

a 1
Resumiendo:
0

2
F (a ) a
1

F(a) = P(X a) =

0dx 2 x dx a

0dx 2 x dx 0dx 1

a 0
0 a 1
a 1

Halle la P(X > 0.7) = 1- P(X 0.7) = 1 F(0.7) = 1 (0.7)2 = 0.51

Ejemplo
La funcin de distribucin acumulativa para la siguiente distribucin de probabilidades
0 x2
x / 4,

f ( x ) (4 x) / 4, 2 x 4
0, en otros casos

es:
0

Si a < 0 F(a) = P(X a) =

odx 0

0 a <2 F(a) = P(X a) =

Lic. Mara A. Zacaras Daz

x
a2
0
dx

dx

0 4
8

Pgina 35

 4 x dx a 2 8a 8
x
0
dx

dx

2 a <4 F(a) = P(X a) =

0 4 2 4
8

4 x dx 0dx 1
x
F(a) = P(X a) = 0dx dx
4
4
4

0
2
0

a 4

Resumiendo:
0,
a0

a 2 8,
0 a 2

F (a )
2
( a 8a 8) 8, 2 a 4
1,
a4
Utilizando esta funcin se puede calcular la probabilidad de los eventos propuestos.
P(X 1.2) = F(1.2) = (1.2 )2 / 8 = 0.18
8 2.5 2.5 2 8
0.2825
P(X >0 2.5) = 1 F(2.5) = 1

2
8 3 3 8
1
P(1 < X < 3) = F(3) F(1) =
= 0.75
8
8

Lic. Mara A. Zacaras Daz

Pgina 36