VARIABLE ALEATORIA DISCRETA

Muchas veces se desea resumir con un nmero el resultado de un

experimento aleatorio. En muchos de los ejemplos relativos a experimentos
aleatorios que han sido considerados hasta ahora, el espacio muestral es slo
una descripcin de los posibles resultados. En algunos casos tales
descripciones son suficientes, pero en otros se hace til asociar un nmero
con cada resultado del espacio muestral. Es as como se llega a la definicin
de variable aleatoria.

Una variable aleatoria X es una funcin que asigna un nmero real a cada
resultado en el espacio muestral de un experimento aleatorio. El conjunto
de los posibles valores de la variable aleatoria X se denomina rango. Diremos
que la variable aleatoria es discreta si su rango es finito (o infinito contable).

A menudo el inters recae en la probabilidad de que una variable aleatoria X

tome un valor particular x, esto se denota P(X=x). La distribucin de
probabilidad de X ser entonces la descripcin del conjunto de valores
posibles de X (rango de X), junto con la probabilidad asociada con cada uno
de estos valores. La distribucin de probabilidad de una variable aleatoria es
a menudo el resumen ms til de un experimento aleatorio.

Diremos que la funcin p(x)=P(X=x) que va del conjunto de valores posibles

de la variable aleatoria X al intervalo [0, 1] es la funcin distribucin de
probabilidad para X si y slo si se satisfacen las siguientes propiedades:

0 p(x) 1 para todo x

p x 1
x

Se define la distribucin acumulada F(x) para la variable aleatoria X como

p t
t x
F(x) = P(X x) =
Ejemplo
Experimento aleatorio: se lanza una moneda 3 veces
= {ccc, ccs, csc, css, scc, scs, ssc, sss }
Sea X : # caras observadas

x 0 1 2 3
 p(x) 1 3 3 1
8 8 8 8

La distribucin anterior es una distribucin de probabilidades para la variable

aleatoria X, en efecto 0 p(x) 1 para todo x (x = 0, 1, 2 y 3) y adems
p x 1
x . Para determinar la distribucin acumulada de probabilidad
observe que

1
P(X 0) = P(X = 0) = 8

1 3 1
P(X 1) = P(X = 0) + P(X = 1) = 8+ 8= 2

1 3 3 7
P(X 2) = P(X = 0) + P(X = 1) + P(X = 2) = 8+ 8+ 8= 8

1 3 3 1
P(X 3) = P(X= 0) + P(X= 1) + P(X= 2) + P(X= 3) = 8+ 8+ 8+ 8
=1

Se tiene entonces,

x 0 1 2 3
F(x) 1 1 7 1
8 2 8

Si X es una variable aleatoria, y el experimento aleatorio que determina el

valor de X se repite muchas veces, entonces se obtiene una secuencia de
valores para X. A partir de esta secuencia de valores se puede identificar el
valor promedio o valor esperado de la variable aleatoria X, que denotamos
E X
, y se define en la forma siguiente:

E X
xp x
= x

Propiedades:
a) E(k)=k
b) E(kX)=kE(X)
c) E(XY)=E(X)E(Y)
 d) E(g(X))=g(x)p(x)
e) Si X y Y son independientes entonces E(XY)=E(X)E(Y)=XY

E X
xp x 0 p 0 1p 1 2p 2 3p 3
Para el ejemplo dado, = x =
1 3 3 1 12 3
0 . 1. 2. 3.
= 8 8 8 8 8 2

A veces, el inters es determinar la variabilidad de la variable aleatoria.

V X
Definimos entonces la varianza de la variable aleatoria X, denotada ,
2 mediante la siguiente ecuacin:
V(X) = E[(X-E(X))2] y su forma reducida es:
V X
=

E X2 E X 2

donde,
EX =
2 x2 p x
x

Para el ejemplo dado,

= 02 p 0 12 p 1 22 p 2 32 p 3
E X2
1 3 3 1 24
0 . 1. 4. 9. 3
= 8 8 8 8 8

2 12 9
3 3
3
V X
Entonces, = 2 4 4
a) V(k)=0
b) V(kX)=k2V(X)
c) V(XY)=V(X)+V(Y) si X y Y son independientes
d) V(aX+bY)= a2V(X)+b2V(Y)+2abCov(XY)
donde Cov(XY) = E((X-X)(Y-Y)) = E(XY)-XY

La desviacin estndar de la variable aleatoria X es la raz cuadrada

V X
positiva de la varianza, es decir, = .

DISTRIBUCIN BINOMIAL
Un ensayo Bernoulli es un experimento aleatorio que slo admite dos
posibles resultados, denotados xito y fracaso. La probabilidad de xito se
denota p.
Por lo tanto si denotamos el xito por 1 y el fracaso por 0 se tiene:
P(1)= p P(0)=1-p=q
Adems se cumple: E(X)= p V(X)=pq