Variables Aleatorias

Una variable aleatoria es una funci´on que asocia un valor num´erico a cada posible resultado de un
experimento aleatorio. Ejemplo Lanzar un dado una vez. Sea la v.a. X = resultado de la tirada. ¿cu´antos sucesos
elementales hay? ¿qu´e valores puede tomar X? Se denotan las v.a. con letras may´usculas, y sus posibles valores
con letras min´usculas.
Clasificación
Para su estudio, las variables aleatorias se clasifican en:
 Variables aleatorias discretas
Diremos que una variable aleatoria es discreta si su recorrido es finito o infinito numerable.
Generalmente, este tipo de variables van asociadas a experimentos en los cuales se cuenta el número de
veces que se ha presentado un suceso o donde el resultado es una puntuación concreta.
Los puntos del recorrido se corresponden con saltos en la gráfica de la función de distribución, que
correspondería al segundo tipo de gráfica visto anteriormente.

 Variables aleatorias continuas

Son aquellas en las que la función de distribución es una función continua. Se corresponde con el primer
tipo de gráfica visto.
Generalmente, se corresponden con variables asociadas a experimentos en los cuales la variable medida
puede tomar cualquier valor en un intervalo; mediciones biométricas, por ejemplo.
Un caso particular dentro de las variables aleatorias continuas y al cual pertenecen todos los ejemplos
usualmente utilizados, son las denominadas variables aleatorias absolutamente continuas.

 Variables aleatorias absolutamente continuas

Diremos que una variable aleatoria X continua tiene una distribución absolutamente continua si existe una
función real f, positiva e integrable en el conjunto de números reales, tal que la función de distribución F de X se
puede expresar como

Una variable aleatoria con distribución absolutamente continua, por extensión, se la clasifica como variable
aleatoria absolutamente continua.
A la función f se la denomina función de densidad de probabilidad de la variable X.
Hay que hacer notar que no toda variable continua es absolutamente continua, pero los ejemplos son
complicados, algunos utilizan para su construcción el conjunto de Cantor, y quedan fuera del nivel y del objetivo
de este curso.
 Igualmente indicaremos que los tipos de variables comentados anteriormente forman únicamente una parte
de todos los posibles tipos de variables, sin embargo contienen prácticamente todas las variables aleatorias que
encontramos usualmente.
Tal como se estudiará más adelante, existen algunas familias de funciones de distribución, tanto dentro del
grupo de las discretas como de las continuas, que por su importancia reciben un nombre propio y se estudiarán en
los capítulos siguientes.
Función de Densidad de Probabilidad

En el contexto de las variables aleatorias continuas, la función de distribución, Fx (x) es continua y derivable, con derivada
continua salvo en un conjunto de medida nula.

Pues bien, la función de densidad de probabilidad, fx (x) o simplemente f (x), no es sino la derivada de la función de
distribución, y es continua salvo en el conjunto de medida nula. Esta función asigna a cada valor x de la variable aleatoria X la
densidad de masa probabilística que corresponde a un intervalo infinitesimal centrado en x.

Quizás esta última aseveración merezca una explicación más intuitiva. Como puede verse en “Función de distribución”, las
variables aleatorias discretas toman los valores donde “salta” la función de distribución, siendo la probabilidad de cada uno
de esos valores el tamaño del salto. Sin embargo, en el caso de las variables aleatorias continuas, la función de distribución no
salta; o mejor dicho, salta infinitas veces, siendo el tamaño del salto inapreciable. En otras palabras, las variables aleatorias
continuas surgen cuando se analizan características numéricas que pueden tomar una infinidad (no numerable) de valores
(todos los de la recta real o los de un intervalo de la misma). En este caso, variaciones infinitesimales de x dan lugar a
variaciones infinitesimales de Fx (x), de tal manera que la probabilidad se va acumulando suavemente (inapreciablemente) a
lo largo de todo el campo de variación de la variable y no se encuentra concentrada en unos cuantos valores de la variable
(como ocurre cuando la variable aleatoria en cuestión tiene carácter discreto).

A modo de ejemplo, supóngase que Cristiano Ronaldo quiere celebrar su cumpleaños con los 100.000 aficionados que llenan
el estadio del Real Madrid y que para ello lleva una tarta. Si la reparte entre los aficionados, cada uno de ellos recibirá una
migaja de tarta y si se les pregunta ¿de qué sabor era la tarta? no sabrían contestar debido a que la porción recibida no es lo
suficientemente grande para apreciar el sabor. Pues lo mismo ocurre con la distribución de la tarta de la probabilidad. Su
tamaño es unitario y si se reparte entre los infinitos valores de la variable, a cada uno de ellos le corresponderá una porción
minúscula; tan minúscula que podríamos decir, con cierta tranquilidad, que es nula.

Por ello se conviene en que, en el caso de las variables aleatorias de tipo continuo la probabilidad de que la variable tome un
valor particular es nula. Este hecho nos lleva a prescindir, en el caso continuo, de los valores de la variable y sustituirlos por

intervalos infinitesimales en torno a dichos valores, en los que quepa “algo” de

probabilidad. Dicha probabilidad viene dada por ,

recibe el nombre de probabilidad elemental y viene representada, geométricamente, por un área (la base es dxy la altura f (x)).
Como puede apreciarse, sin más que pasar dx al lado izquierdo de la expresión precedente, la función de densidad de
probabilidad en un punto xproporciona la probabilidad por unidad de longitud en un intervalo infinitesimal centrado en x.

Evidentemente, la cantidad de probabilidad que cabe en un intervalo depende de la amplitud del mismo.
En términos formales, ,
siendo Fx (x) el valor de la función de distribución de X en el punto x e la amplitud del intervalo considerado (centrado en x).
Al ser la probabilidad en un punto nula, la probabilidad de que X tome valores en un intervalo cerrado, abierto, abierto por la
izquierda y cerrado por la derecha, o cerrado por la izquierda y abierto por la derecha, es la misma. Si ahora se divide la
probabilidad anterior entre la amplitud del intervalo, se tendrá la masa de probabilidad media por unidad de intervalo. Si,
además, dicho intervalo se hace tender a cero, entonces:

donde f(x) puede ser interpretada como una función indicadora de la densidad de probabilidad en el intervalo

infinitesimal . Es importante no confundir la densidad de probabilidad con la probabilidad

en sí misma.

De la expresión precedente se puede deducir que

con lo cual,

Función de Distribución de Probabilidad

Es una función que asigna a cada suceso definido sobre la variable la probabilidad de que dicho suceso
ocurra. La distribución de probabilidad está definida sobre el conjunto de todos los sucesos y cada uno de los
sucesos es el rango de valores de la variable aleatoria. También puede decirse que tiene una relación estrecha con
las distribuciones de frecuencia. De hecho, una distribución de probabilidades puede comprenderse como una
frecuencia teórica, ya que describe cómo se espera que varíen los resultados.
 La distribución de probabilidad está completamente especificada por la función de distribución, cuyo
valor en cada x real es la probabilidad de que la variable aleatoria sea menor o igual que x.

 DISTRIBUCIÓN DE PROBABILIDAD DISCRETA: Sea X una variable aleatoria discreta y suponga que
los valores posibles que puede tomar están dados por x1, x2, x3,…, xk ordenado en orden de 100 de
magnitud supóngase también que los valores se asumen con probabilidades dadas por:
P(X=xk) = f (xk)
K= 1, 2, 3,…, ∞
Es conveniente introducir la función de probabilidad conocida también como la distribución de probabilidad
definida como la siguiente forma:
P (X=x) = f(x)
En general f(x) es una función de probabilidad si se cumple con lo siguiente:
1) F(x1)¸0
2) ∑ f(Xi) = 1

FUNCIÓN DE DISTRIBUCIÓN ACUMULADA: La distribución acumulada posiblemente la función de

distribución para una variable aleatoria X se define por:
P(X.x) = f (x)
Dónde:
X cualquier número real es decir: -∞ < x < ∞
La función de distribución acumulada puede obtenerse de la función de probabilidad notando que:
F(x) = P (X.x)= ∑ f (u) para -∞ < x < ∞
Si x únicamente toma un número finito de valores entonces la función de distribución está dada por la
siguiente función:

0 si -∞ < x < x1
f(x1) si x1 . x < x2
F(x)= f(x1) + f(x2) si x2 . x < x3
f (x1)+f(x2)+…+f (xn) si Xn  x < +∞

 DISTRIBUCIÓN DE PROBABILIDAD CONTINUA: Si X es una variable aleatoria continua la

probabilidad de que X tome un valor determinado en cero. Por lo tanto no podemos definir una función de
probabilidad en la misma forma que para una variable aleatoria discreta sin embargo para una variable
continua notamos que la probabilidad de x se encuentre entre dos valores diferentes tienen significado.La
probabilidad de x se encuentre entre dos valores diferentes tienen significado.Las ideas anteriores y las
 analógicas vistas anteriormente permiten postular la existencia de una función f(x) de manera que se tienen
las siguientes definiciones. Para la variable aleatoria X definida en el conjunto de los números reales si:
∫_(-∞)^∞ 〖f(x)dx=1〗
P(a< x <b)= ∫_a^b f(x)dx
Como consecuencia de lo anterior se tiene la siguiente definición:
La distribución acumulada f(x) de una variable aleatoria continúa de X con una función de densidad f(x) es:
F(x)= P(X.x) = ∫_(-∞)^x〖f(t)dt para-∞<x< ∞〗
También se puede escribir el siguiente resultado:
P(a< X <b)= f (b)- f(a)