Variable aleatoria Página 1 de 18

VARIABLE ALEATORIA

Se llama variable aleatoria (v.a.) a la función X, que asigna a cada

elemento del espacio muestral Ω , uno y solo un número real x,
tal que x = X (ω).

X : Ω R

Dominio de X = DX = 
Rango de X = RX  Reales

Si recordamos que la probabilidad P, es una función cuyo dominio

es Ω y su rango es el intervalo real 0,1; entonces se identifica
que,

X : Ω R y P: R 0,1

Clases: v. a. discretas y v. a. continuas.

VARIABLE ALEATORIA DISCRETA

La v.a. X se llama DISCRETA, si su rango Rx es un conjunto

numerable (finito o infinito). Generalmente valores enteros.

Ejemplo 1:
Sea el experimento ε: Lanzar una moneda 3 veces, en el cual nos
interesa el número de sellos que aparezcan.

José Cruz Cabrera

Variable aleatoria Página 2 de 18

Solución:

Ω = ccc, ccs, csc, scc, css, scs, ssc, sss

Nuestro interés en v.a. X : Número de sellos en Ω.

Aplicando la v.a. X a cada suceso, se tiene:

X (ccc) = 0
X (ccs) = X (csc) = X (scc) = 1
X (css) = X (scs) = X (ssc) = 2
X (sss) = 3

Recorrido de la v.a. X : RX =  0, 1, 2, 3 ;
es decir, RX =  x1 , x2 , x3 , x4 

Las probabilidades de cada xi , son:

P(o) = P(X=0) = P ( ccc ) = 1/8

P(1) = P(X=1) = P ( ccs ) + P (csc ) + P ( scc )

= 3/8

P(2) = P(X=2) = P ( css ) + P ( scs ) + P ( ssc )

= 3/8

P(3) = P(X=3) = P ( sss ) = 1/8

A. Función de Probabilidad ó Función de CUANTÍA

José Cruz Cabrera

Variable aleatoria Página 3 de 18

Sea X una v.a. discreta con recorrido Rx. Se llama función de

CUANTÍA de la v.a X, a la función p(x) definida por:

p(x) = P(X=x)=  P (ωi ) ; para todo ωi tal que

X(ωi) = x .
Donde, los x son números reales y los ωi   ; y cumple las
siguientes condiciones:
a) p (xi)  0 ;  xi  Rx
b)  p ( xi ) = 1 ;  xi  Rx
c) p (x) = P  X = x  = 0 ; si y solo si x  Rx,

Ejemplo 2:
Retomemos el Ejemplo 1 de v.a. donde, ε : Lanzar 3 monedas
consecutivamente, la v.a. X : Nº de sellos ; y Rx = 0, 1, 2, 3.

Solución:

La FUNCIÓN DE CUANTÍA queda expresada por:

1/8 ; x = 0
3/8 ; x = 1
p (x) = 3/8 ; x = 2
1/8 ; x = 3
0 ; otros puntos

José Cruz Cabrera

Variable aleatoria Página 4 de 18

PRESENTACION TABULAR de la función de cuantía,

x = Rx p(x)= P(X=x)
0 1/8
1 3/8
2 3/8
3 1/8
Total 1

GRÁFICA de la función de cuantía,

…

B. Función de Distribución o Acumulativa:

Sea X una v.a. discreta, con Rx =  x1, x2, ... xn , con función de
cuantía p( xi ) = P ( X = xi ); y sea x un número real cualquiera, la
función de distribución acumulativa de X, se denota y define:

F(x) = P  X  x  = 
xi  x
p(xi)

José Cruz Cabrera

Variable aleatoria Página 5 de 18

Ejemplo 3:
En el experimento de lanzar 3 monedas, donde el número de
sellos es nuestro interés, calcule la función de distribución y su
gráfica.

Solución

1/8 ; x = 0
3/8 ; x = 1
p (x) = 3/8 ; x = 2
1/8 ; x = 3
0 ; otros puntos

Busquemos F( x ) = P( X  x ) = ? , donde x  R

i. Si tomamos un x  0,

F(x) = 
x  o
p(x) = 0

ii. Si x está en 0  x  1,

F(x) = 
x 1
p(x) = p(0) = 1/8

iii. Si tomamos 1  x  2,

F(x) = 
x  2
p(x) = p(0) + p(1) = 4/8

iv. Si elegimos a x dentro de 2  x  3,

José Cruz Cabrera

Variable aleatoria Página 6 de 18

F(x) = 
x  3
p(x) = p(0) + p(1) + p(2) = 7/8

v. Si x  3,

F(x) = 
x  3
p(x) = p(0) + p(1) + p(2) + p(3) = 1

Luego,

0 ; x < 0
1/8 ; 0  x < 1
F(x) = PXx = 4/8 ; 1  x < 2
7/8 ; 2  x < 3
1 ; x  3

Presentación Tabular de F(x),

x p(x) F(x) = P(Xx)

0 1/8 1/8
1 3/8 4/8
2 3/8 7/8
3 1/8 1
Total 1 -

Gráfica de F(x),
…

PROPIEDADES DE F(X), en X v.a. DISCRETA

 0  F (x)  1 ; xR

 F(x) es una función escalonada no decreciente. Si x1  x2  ...  xn ;

José Cruz Cabrera

Variable aleatoria Página 7 de 18

F(x1)  F(x2)  ...  F(xn)

 limx   F(x) = P (X  ) = 1 ; (R =  x / x   ) ; F() = 1

 limx -  F(x) = P (X  -  ) = 0 ; ( = x /x  - ) ; F(- ) = 0

Para calcular probabilidades utilizando F(x),

P(X r)=F(r)

P (X  r) = 1 – P (X  r) = 1 – F (r-1), si r es entero

P (X  k) = 1 – F (  k  ) ; si k no es entero

P (a  X  b) = F (b) – F (a)

P ( a  X  b) = F (b) – F (a) + p (a)

P (a  X  b) = F (b) – F (a) – p (b)

P (a  X  b) = F (b) – F (a) + p (a) – p (b)

Para calcular la p(x) dada la función F (x):

p(xi) = F(xi) - F(xi-1)

José Cruz Cabrera

Variable aleatoria Página 8 de 18

Ejemplo 4:
Para la siguiente F(x), calcule las probabilidades,
a) P(X  2) b) P(1 X  2)
c) P(X  1) d) P ( X  2.8 )

0 ; x < 0
1/8 ; 0  x < 1
F(x) = P  X  x  = 4/8 ; 1  x < 2
7/8 ; 2  x < 3
1 ; x  3

Solución
a. P ( X  2 ) = F(2) = 7/8 = 0.875

b. P (1  X  2 ) = F (2) – F (1) + p(1)

= F (2) – F (1) +  F (1) – F (0) 
= F (2) – F (1) + F (1) – F (0)
= 7/8 – 1/8 = 6/8 = 3/4 = 0.75
c. P ( X  1) = 1 – P ( X  0) = 1 – F (0)
= 1 – 1/8 = 7/8 = 0.875

d. P (X  2.8 ) = F ( 〖2.8 〗) = F (2) = 7/8 = 0.875

José Cruz Cabrera

Variable aleatoria Página 9 de 18

C. Valor Esperado o Esperanza de una v.a Discreta

Sea X una v.a. discreta, con Rx y función de cuantía p(x). El

valor esperado o esperanza de X denotado por E (X), se define
como:
E(X) =  x p(x)

Para todo x que pertenece a RX ; siempre que  x p(x) sea

convergente (   )

PROPIEDADES:

Sean las v.a. X y Y en Rx y Ry ; además a , b  R.

i) Si Y = a X  b  E(Y) = E (a X  b) = a E (X)  b
ii) Si Z = a X  b Y ; X e Y independientes, entonces
E (Z) = E ( a X  b Y) = a E (X)  b E (Y)

iii) Sean X1 , X2 , ... , Xm ; m variables aleatorias,

m m

E( 
i 1
Xi ) = 
i 1
E ( Xi )

José Cruz Cabrera

Variable aleatoria Página 10 de 18

D. Varianza, de una v.a. DISCRETA.

Es una medida que describe la dispersión de los valores de una

v.a. (el RX) asociados con sus probabilidades correspondientes.
Se denota por V(X) y define mediante:

V(X) = E[(X -E(X)]2

= E(X2) - [ E ( X )] 2

En forma desarrollada esto es:

V(X) =  x 2 p(x) - [  x p(x) ] 2

Donde la sumatoria se aplica a todos los valores x que pertenecen

a RX.

PROPIEDADES DE V (X) ; X v.a. discreta.

Sean X y Y v.a. independientes discretas y a , b  R.
i) V (a) = 0

ii) Si Y = b X  V (Y) = V ( b X ) = b 2 V ( X )

iii) Si Y = b X  a  V (Y) = V ( b X  a ) = b2 V (X)

iv) Si Z = a X  b Y , X e Y independientes
V(Z) = V (a X  b Y) = V ( a X ) + V ( b Y )
= a2 V(X) + b2 V(Y)

José Cruz Cabrera

Variable aleatoria Página 11 de 18

Presentación tabular de F(x),

x p(x) x p(x) x2 p(x)

0 1/8 0 0
1 3/8 3/8 3/8
2 3/8 6/8 12/8
3 1/8 3/8 9/8
Total 1 12/8 24/8

E(X) = 3/2
V(X) = 3 - (3/2) 2 = 3/4.

VARIABLE ALEATORIA CONTINUA

La v.a. X es continua si su rango RX, es un intervalo o colección

de intervalos sobre la recta de números reales.

A. Función de Probabilidad o Función de DENSIDAD

Sea X una v.a. continua con rango RX ; entonces, la función de

probabilidad o DENSIDAD de esta v.a. es una función f(x)
integrable que satisface las siguientes condiciones:
a) f (x)  0 ;  x  RX
b) Rx f (x) dx = 1 ( o integral de - a + )

Gráfica de la integral igual a 1 : …

José Cruz Cabrera

Variable aleatoria Página 12 de 18

OBSERVACIONES:
 P(a X b) = a
b
f (x) dx
Los signos  o < son indistintos. Gráfica …

 P ( X = x0 ) = ( x0  X  x0 ) = 0 , la integral en un punto es 0.

B. Función de Distribución Acumulativa

Sea X una v. a. continua con f(x). La función de distribución

acumulativa de la v.a. X, se denota por F (x) y se define:

F(x) = P  X  x  = 
- x f (t) dt ; para todo x real y
la integral de x desde - a x.

C. Valor esperado o esperanza de una v.a. continua

Sea X una v.a. continua con función de densidad f(x) y R(x);

entonces el valor esperado (esperanza) de X, se denota y define
por:

E(X) = Rx x f (x) dx ( o integral de -  hasta + )

Siempre que  x  f ( x ) dx sea finita.

D. Varianza de una v.a. continua

José Cruz Cabrera

Variable aleatoria Página 13 de 18

Si x es una v.a. continua con f(x) y Rx, su varianza se denota y

define mediante:

V(x) = E ( x² ) - [ E( x ) ]²

V(x) =  x² f ( x ) dx - [  x f ( x ) dx ] ²

PROPIEDADES:

Las propiedades de esperanza y varianza de una v.a. continua, se

cumplen igual que en una v.a. discreta; manteniendo su definición
con  ó  respectivamente.

Ejemplo 1: Una v. a. X, tiene la siguiente función de densidad,

x ; 0x1
f (x) = 2–x ; 1 x2
0 ; en otro lugar

Encuentre:
a. La gráfica de f (x)
b. Calcule P ( -1  X  1 / 2 ) y P ( X  3/2 )
c. Obtenga la función de distribución acumulativa
d. Calcule P ( X  3/2 ) y P ( 1 / 2  X  3 / 2 )
e. Calcule esperanza y varianza.

Solución:

a) Gráfica.

José Cruz Cabrera

Variable aleatoria Página 14 de 18

b) P (-1  X  ½ ) = -10 0 dx + 01/2 x dx

c) Como F(x) está definida en todos los reales

(1) Si x  0 : F(x) = 0
(2) Si 0  x < 1 : F(x) = -∞ x f (t) dt = x2 / 2
(3) Si 1  x  2 : F(x) = -∞ x f (t) dt = -1 + 2x - x2 / 2
(4) Si x > 2 : F(x) = -∞ ∞ f (t) dt = 1

0 ; x  0
F (x) = x2 / 2 ; 0  x  1
-1 + 2x - x2 / 2 ; 1  x  2
1 ; x > 2

d) P ( X  3/2 ) = 7/8 = 0.875

P ( 1 / 2  X  3 / 2 ) = 0.75

e. Esperanza,
E(x) = Rx x f (x) dx = Rx x (x) dx + Rx x (2-x) dx = 1
Varianza,

V(x) = Rx x² f (x) dx - [ Rx x f (x) dx ] ²

Donde:
Rx x² f ( x ) dx = Rx x² ( x ) dx + Rx x² ( 2 - x ) dx = 7/6

Luego, V(x) = 7/6 - 12 = 1/6 = 0.167

GRACIAS.
************************* . *******************************

José Cruz Cabrera

Variable aleatoria Página 15 de 18

Ejemplo :
De un lote de 10 artículos, donde hay 3 defectuosos, se extraen 4
artículos. Sea la X v. a. Número de defectuosos entre los 4.

  3   7 
 x   4 x 
 10  ; x  0 , 1, 2 , 3

4 

p( x )  

 0 ; en otro lugar

Representación tabular:

x p (x) x p(x) x 2 p(x)

0 5/30 0 0
1 15/30 15/30 15/30
2 9/30 18/30 36/30
3 1/30 3/30 9/30
Total 1 36/30 60/30

Esperanza:
E(X) =  x p(x) = 36 / 30
= 6/5 = 1.2 artículos defectuosos

José Cruz Cabrera

Variable aleatoria Página 16 de 18

Varianza:
V(X) = E (X2) – ( E(X)) 2
=  x 2 p(x) – (6 / 5 ) 2
= 2 - 36 / 25 = 14 / 25 = 0.56

La desviación estándar: ( 0.56 )1/2

Ejemplo 2: Sea X una v. a. cuya función de densidad es:

x/2 ; 0x1
1/2 ; 1x2
f (x) = 3/2–x/2 ; 2x3
0 ; otro lugar

a) Halle la función de distribución y su gráfica

b) Calcule P ( X  ¾ ) y P( X  2.4 )

SOLUCION:

a) Como F (x) está definida  x  R , entonces

(5) Si x  0 
…
(2) Si 0  x  1 
…

José Cruz Cabrera

Variable aleatoria Página 17 de 18

Ejemplo 3: Sea X una v.a. continua con función de densidad,

kx2 ; 0  x 1
f (x) = 1 ; 1 < x 4/3
0 ; en otro lugar

a) Determine el valor de k.
b) Calcule esperanza y varianza
……

Solución:

José Cruz Cabrera

Variable aleatoria Página 18 de 18


a ) Debe cumplirse - f ( x )dx  1 
0 1 4/3 
 odx  0 kx ² dx  1 dx  4 / 3 odx  1
k x3 1 4/3

3 0  x 1 k 2

b ) Esperanza :
1 4/3 2 x4 1 x² 4/3
E(x)  0 2 x dx 
3
1 xdx 
4 0 
2 1
 8/9

Varianza :
x²  
V(x)  Rx f ( x )dx    f ( x )dx  ²
 
Rx 
1 4/3
 0 2 x 4 dx  1 x ² dx  (8 / 9 )²
1 4/3
 ( 2 x 5 / 5 )  ( x3 / 3 ) 1  (64/81)
0
 (2/5)  (64/81) - (1/3) - (64/81)
V(x)  27/405  0.0667

José Cruz Cabrera