Estadística 1

DMAE E003
Prof. Nolfa Núñez - Edmundo Peña

Variables Aleatorias

Antecedentes Generales
En la unidad anterior se presentaron los conceptos básicos relacionados con el cálculo de probabilidades asociadas a eventos
de un determinado espacio muestral.

En ocasiones, se necesita cuantificar o medir resultados asociados a un experimento aleatorio. Para ello, es útil el concepto
de variable aleatoria.

Variable Aleatoria – Definición

Sea un experimento, con espacio muestral S. Una variable aleatoria es una función X que asigna a cada uno de los elementos
𝑠 ∈ Ω un número real X(s). Una variable aleatoria es una función en la que a cada elemento del espacio muestral se le asocia
un número real.

Es importante notar que a cada elemento 𝑠 ∈ Ω le corresponde exactamente un valor X(s). Valores diferentes de 𝑠 ∈ Ω
pueden tener un mismo valor X(s).

Recorrido de la variable aleatoria RX 

Corresponde al conjunto de todos los valores posibles que puede tomar la variable aleatoria X.

Ejemplo: Para el experimento aleatorio de lanzar una moneda dos veces. Se pueden definir muchas variables aleatorias
para este experimento, por ejemplo:
X: variable aleatoria que denota el número de caras observadas.
Y: variable aleatoria que denota el número de sellos observados.

Notar que para el experimento aleatorio en cuestión, el espacio muestral está dado por:
Ω={(C,C), (C,S), (S,C), (S,S)}

Para el caso de la variable aleatoria X, ésta asocia un número real a cada elemento del espacio muestral, es decir:

Para s  (C, C ) , X s  (C, C )  2 
Para s  (C , S ) , X s  (C, S )  1
Para s  ( S , C ) , X s  (S , C)  1
Para s  ( S , S ) , X s  (S , S )  0

Entonces, el recorrido de la variable aleatoria X está dado por: RX  0,1,2

Diremos X (mayúscula) para determinar la variable aleatoria y x (minúscula) para los valores que toma la variable.

Ejemplo: Un Experimento consiste en inspeccionar los artículos fabricados en una cadena de producción, hasta detectar
uno defectuoso. Los artículos producidos pueden clasificarse como defectuosos o no defectuosos, dependiendo de si
cumplen con las especificaciones correspondientes. Se define la notación: s: Sano o no defectuoso y d: Defectuoso

02/05/2019
Estadística 2
DMAE E003
Prof. Nolfa Núñez - Edmundo Peña

Se define una variable aleatoria X, que denota el número de inspecciones hasta encontrar el primer artículo defectuoso.
Notar que el espacio muestral asociado a este experimento es:
  d , sd , ssd , sssd , ssssd ,... ,
el cual es infinito numerable

El recorrido de la variable aleatoria es: RX  1,2,3,4,...

Ejemplo: Consideremos el experimento de observar al azar dos recién nacidos. Supongamos que nos interesa el número
de varones, X; entonces, X es una variable aleatoria que puede ser considerada como una función numérica definido en el
espacio muestral siguiente:

Ω= {(0,0), (0,1), (1,0), (1,1)}

donde 0 y 1 representan mujer y varón respectivamente. Para definir X en este espacio muestral, descompongamos
primero el espacio muestral en los tres subconjuntos siguientes:
 x1 = cero varones = {(0,0)}
 x2 = un varón = {(0,1), (1,0)}
 x3= dos varones = {(1,1)}

La variable aleatoria X, o el número de recién nacidos varones, ha sido generada por dos observaciones de niños recién
nacidos, donde los valores posibles que puede tomar la variable son x 1=0, x2= 1 y x3=2

Ejemplo: Una familia (padre, madre, hijo) realizaron un viaje de vacaciones fuera del país en el que estuvieron expuestos a
cierta enfermedad. Al volver se realizaron un chequeo para evaluar el estado general de salud de la familia. El espacio
muestral del estado de salud de los integrantes de la familia es considerando S=Sano, E= Enfermo es:
𝛀 = {(𝑺, 𝑺, 𝑺), (𝑺, 𝑺, 𝑬), (𝑺, 𝑬, 𝑺), (𝑬, 𝑺, 𝑺), (𝑺, 𝑬, 𝑬), (𝑬, 𝑺, 𝑬), (𝑬, 𝑬, 𝑺), (𝑬, 𝑬, 𝑬)}

En este ejemplo, lo que interesa observar es cuántos miembros de la familia se contagiaron de la enfermedad. De esta
forma a cada punto (elemento) en el espacio muestral se le asignará un valor numérico de 0,1, 2 o 3, estos valores son
cantidades aleatorias determinadas por el experimento y se pueden ver como los valores que toma la variable aleatoria X,
es decir, el número de integrantes de la familia que se contagiaron durante su viaje.

Ejemplo: Si se lanzan 2 dados, el espacio muestral es {(1,1) (1,2)... (6,6)}. En total 36 pares como resultados. Si se define la
variable aleatoria X = suma de las caras, entonces la variable podrá tomar los valores 2, 3, 4,..., 12. Como en el caso
anterior, existen varios pares de caras asociadas a un mismo valor, de tal forma que se puede construir la siguiente tabla.

X= Suma de
Pares
las caras
2 (1,1)
3 (1,2), (2,1)
4 (1,3), (2,2), (3,1)
5 (1,4), (2,3), (3,2), (4,1)
6 (1,5), (2,4), (3,3), (4,2), (5,1)
7 (1,6), (2,5), (3,4), (4,3), (5,2), (6,1)
8 (2,6), (3,5), (4,4), (5,3), (6,2)
9 (3,6), (4,5), (5,4), (6,3)
10 (4,6), (5,5), (6,4)
11 (5,6), (6,5)
12 (6,6)

02/05/2019
Estadística 3
DMAE E003
Prof. Nolfa Núñez - Edmundo Peña

Ejemplo: A partir de un conjunto de 25 personas adultas se elige una al azar para medir su estatura. Se define la v.a. X, que
denota la estatura medida de la persona elegida al azar, en centímetros. Entonces, el recorrido de esta variable aleatoria

puede ser: RX  x : 80  x  270 

Clasificación de variables aleatorias

Las variables aleatorias pueden clasificarse en términos de su recorrido. Si el recorrido de una variable aleatoria es finito o
infinito numerable, se dice que la variable aleatoria es discreta.

Si el recorrido de una variable aleatoria es infinito en un cierto intervalo, se dice que la variable aleatoria es continua.

1. Determine si las siguientes variables aleatorias son discretas o continuas:

a) El peso de un bebe al nacer. ___________________________________________________________________
b) Número de fallecidos en un hospital por cáncer óseo. _______________________________________________
c) Número de capacitaciones de un médico en Chile. __________________________________________________
d) Dosis de fármaco (jarabe) recetado a un paciente. __________________________________________________

Variables aleatorias discretas

Como se mencionó anteriormente, si el recorrido de una variable aleatoria es finito o infinito numerable, se dice que la
variable aleatoria es discreta.

Sea X una v.a. discreta. A cada resultado posible xi  R X , se asocia un número p X xi   P X  xi  , llamado
Probabilidad de xi . Los números p X  xi , i  1,2,... deben satisfacer:
i) p X xi   0, i
ii)  p x   1
i
X i

La función p se llama Función de Probabilidad de la v.a X o función de cuantía de X. La colección de pares xi , p X xi  se
conoce como Distribución de Probabilidad de X.

Observación Importante:
Sea B  RX , entonces:
P( B)   p X  x    P( X  x)
xB xB

Nota: Una función distribución de probabilidad es una distribución que indica la probabilidad de cada valor de la variable
aleatoria, puede ser expresada como gráfica, tabla o formula.

Ejemplo: Considerar el lanzamiento de una moneda balanceada en cuatro ocasiones. Sea X la v.a. que indica el número de

caras observadas. Determinar la función de probabilidades. Notar que el recorrido de la variable es RX  0,1,2,3,4 . 
Ahora, para cada x  RX :

02/05/2019
Estadística 4
DMAE E003
Prof. Nolfa Núñez - Edmundo Peña

1 1 1 1 1
P( X  0)     
2 2 2 2 16
1 1 1 1 4
P( X  1)  4     
2 2 2 2 16
1 1 1 1 6
P( X  2)  6     
2 2 2 2 16
1 1 1 1 4
P( X  3)  4     
2 2 2 2 16
1 1 1 1 1
P( X  4)     
2 2 2 2 16

Por ejemplo, si se desea calcular la probabilidad de que aparezca más de una cara, entonces:
4 4
P( X  1)   p X ( x)   P( X  x)
x2 x2

6 4 1 11
   
16 16 16 16

También, para calcular esta probabilidad, pudo haberse utilizado la propiedad del complemento, es decir:
P( X  1)  1  P( X  1)
 1   p X (0)  p X (1) 
 1   P( X  0)  P( X  1) 
1 4
 1   
16 16 
11

16

Si se desea calcular la probabilidad de que aparezcan entre 1 y 3 caras (1 y 3 incluidos), se calcula:

3
4 6 4 7
P(1  X  3)   p X ( x)    
x 1 16 16 16 8

Ejemplo: Suponga que un mago tiene en su sombrero cuatro cartas, numeradas del 1 al 4. Comienza a extraer una a una
las cartas, sin reposición, hasta que logre sacar la que tiene el número 3. Se define la variable aleatoria X, que denota el
número de intentos hasta que logra encontrar la carta señalada.

i) Encuentre la función de probabilidad de X.

RX  {1,2,3,4} . Ahora;
El recorrido de la variable es
1 3 1 1 3 2 1 1 3 2 1 1
P( X  1)  , P( X  2)    , P( X  3)     , P( X  4)     1 
4 4 3 4 4 3 2 4 4 3 2 4
Por lo tanto, la función de probabilidad de X es posible escribirla de la siguiente forma:

02/05/2019
Estadística 5
DMAE E003
Prof. Nolfa Núñez - Edmundo Peña

1
p X ( x )  P( X  x )  ; x  1, 2,3, 4
4

P( X  2) .
ii) Calcule
P( X  2)  1  P( X  2)
 1   P( X  1)  P( X  2)
1 1
 1      0,5
4 4
iii) Calcule P( X  1) .
1
P( X  1)  P( X  1) 
4

Ejemplo: Si se lanzan 2 dados y X es la suma de sus caras

X= Suma de las caras Pares P(X=xi) P(X≤xi)

2 (1,1) 1/36 1/36
3 (1,2), (2,1) 2/36 3/36
4 (1,3), (2,2), (3,1) 3/36 6/36
5 (1,4), (2,3), (3,2), (4,1) 4/36 10/36
6 (1,5), (2,4), (3,3), (4,2), (5,1) 5/36 15/36
7 (1,6), (2,5), (3,4), (4,3), (5,2), (6,1) 6/36 21/36
8 (2,6), (3,5), (4,4), (5,3), (6,2) 5/36 26/36
9 (3,6), (4,5), (5,4), (6,3) 4/36 30/36
10 (4,6), (5,5), (6,4) 3/36 3/363
11 (5,6), (6,5) 2/36 35/36
12 (6,6) 1/36 36/36

Ejemplo: Suponga que la calidad de los artículos que salen de una línea de producción es independiente una de otra y se
clasifican como defectuosos (D) o no defectuosos (N). Si se eligen tres artículos al azar, sabiendo que la probabilidad de un
artículo sea defectuoso es 0,2. El espacio muestral asociado es:
 DDD; DDN ; DND; NDD;
 
 NND; NDN ; DNN ; NNN 
Si X es el número de artículos defectuosos la función de distribución de probabilidades es:
P( X  0)  0,8  0,8  0,8  0,512
P( X  1)  3  0, 2  0,8  0,8  0,384
P( X  2)  3  0, 2  0, 2  0,8  0, 096
P( X  3)  0, 2  0, 2  0, 2  0, 008

02/05/2019
Estadística 6
DMAE E003
Prof. Nolfa Núñez - Edmundo Peña

2. Una familia (padre, madre, hijo) realizaron un viaje de vacaciones fuera del país en el que estuvieron expuestos a cierta
enfermedad. Al volver se realizaron un chequeo para evaluar el estado general de salud de la familia. El espacio
muestral del estado de salud de los integrantes de la familia es considerando S=Sano, E= Enfermo es:
𝛀 = {(𝑺, 𝑺, 𝑺), (𝑺, 𝑺, 𝑬), (𝑺, 𝑬, 𝑺), (𝑬, 𝑺, 𝑺), (𝑺, 𝑬, 𝑬), (𝑬, 𝑺, 𝑬), (𝑬, 𝑬, 𝑺), (𝑬, 𝑬, 𝑬)}

a) ¿Cuál es la variable aleatoria y que valores puede tomar?

____________________________________________________________________________________________________
____________________________________________________________________________________________________
____________________________________________________________________________________________________

b) Encuentre las funciones de probabilidad y de distribución acumulada, traspáselas a una tabla:

Variables Aleatorias Continuas

Recordar que si el recorrido de una variable aleatoria es infinito dentro de un intervalo, se dice que X es una v.a. Continua.

Si X es una v.a. continua, entonces existe una función f llamada Función de densidad de probabilidad (f.d.p.) de X, que
satisface las siguientes propiedades:

i) f X x  0, x

ii)  f x dx  1

X

iii) Para valores a y b cualquiera, tal que    a  b   , P (a  X  b)   f X  x dx

a
Ejemplo: Se sabe que la concentración diaria de cierto contaminante en el aire, tiene función de densidad:
f X x   ce  x / 2 , x  0
Cuando la concentración excede los 6mg/litro, la autoridad debe decretar estado de emergencia ambiental. Calcule la
probabilidad de que se produzca esta situación.

02/05/2019
Estadística 7
DMAE E003
Prof. Nolfa Núñez - Edmundo Peña

Desarrollo:
En primer lugar, se debe encontrar el valor de la constante c, de forma que f X x corresponda realmente a una fdp.

Para ello, se observa que para cualquier c  0 , f X x  0 x . Ahora, debe cumplirse que  f x dx  1 . Por lo

X

tanto:
 

 f X  x dx  1   ce  x / 2 dx  1 . Resolviendo, se obtiene finalmente que c  1 / 2 .

 0

Entonces, la función de densidad de probabilidad para esta variable aleatoria está definida por:

f X x   e  x / 2 , x  0
1
2
Ahora, para calcular la probabilidad de que la un día la autoridad deba decretar emergencia ambiental, es equivalente a
calcular P( X  6) , es decir:

1
P( X  6)   e  x / 2 dx  0,0498
6
2

También, probabilidad anterior pudo haberse planteado de la siguiente forma:

P( X  6)  1  P( X  6)
6
1
 1   e  x /2 dx
0
2
 0, 0498
Ejemplo: Un estudiante toma un bus para ir a la Universidad. Este bus pasa cada 5 minutos. El estudiante no sale todos los
días a la misma hora, por lo que el tiempo de espera puede ser considerado como una variable aleatoria X, en el intervalo
[0,5] minutos. Se ha encontrado la siguiente función de densidad para X:
1
 ,0  x  5
f X x    5
0, e.o.c
a) Verificar que se trata de una función de densidad
b) Calcule la probabilidad de que el tiempo de espera esté entre 2 y 3 minutos
c) Calcule la probabilidad de que el tiempo de espera sea superior a 4 minutos.

Desarrollo:
a) Es efectivamente una fdp, ya que f X x  0 x , y además
 5

 f x dx   5 dx  1
1
X
 0
b) Se pide calcular:
3 3
P(2  X  3)   f X x dx   dx 0,2
1
2 2
5
c) Se pide calcular
 5
P( X  4)   f X x dx   dx 0,2
1
4 4
5

02/05/2019
Estadística 8
DMAE E003
Prof. Nolfa Núñez - Edmundo Peña

Ejemplo: Sea X una variable aleatoria continua con función de densidad f ( x)   x 2  1 12 , si 0≤x≤3. Encuentre la
probabilidad de que X sea menor o igual a dos, sabiendo que x se encuentra entre 1 y 2,5.

Claramente se trata de una probabilidad condicional de la forma:

P  X  2 | 1  X  2,5 
Aplicando la definición de probabilidad condicional, se tiene que:
P 1  X  2 
P  X  2 | 1  X  2,5  
P 1  X  2,5 
2

x  1 12dx
2

 1
2,5

 x  1 12dx
2

5
80
 18 
17 153
32

Función de Distribución Acumulada

Para una variable aleatoria X, se define la Función de Distribución Acumulada:

FX (t )  P( X  t ), t 
Es importante notar que esta función está definida en todo el conjunto de los números reales.
 Si X es una variable aleatoria discreta, entonces:
FX (t )   p X ( x)   P  X  x) , t  
x t x t
 Si X es una variable aleatoria continua, entonces:
t
FX (t )  

f X ( x)dx, t 

Observaciones:
i) FX es no decreciente.
ii) lim FX (t )  0 , y lim FX (t )  1
t  t 

Ejemplo: Para la siguiente distribución de Probabilidad, encontrar la función de distribución acumulada de la variable
aleatoria discreta X:

Para t  2, FX (t )  0
1 1
Para 2  t  3, FX (t )  0 

4 4
1 1 3
Para 3  t  4, FX (t )  0   
4 2 4

02/05/2019
Estadística 9
DMAE E003
Prof. Nolfa Núñez - Edmundo Peña

1 1 1
Para t  4, FX (t )  0     1
4 2 4
En resumen la función de distribución acumulada para la variable aleatoria X queda definida de la siguiente forma:
0, t  2
1/ 4, 2  t  3

FX (t )   ,
 3 / 4, 3  t  4
1, t  4

la cual se puede representar gráficamente:

Como se puede apreciar, se trata de una función “escalón”. Siempre, cuando se tiene una variable aleatoria discreta, la
función de distribución acumulada tiene esta forma.

Ejemplo: Sea una variable aleatoria X, con función de densidad de probabilidad definida por:
 2 x, 0  x  1
f X ( x)  
0, e.o.c
Encuentre la función de distribución acumulada.

Desarrollo:

Aplicando la definición, se tiene:

t t

Para t  0, FX (t )  

f X ( x)dx   0dx 0

t 0 t

Para 0  t  1, FX (t )  

f X ( x)dx   0dx   2 xdx t 2
 0
t 0 1 t

Para t  1, FX (t )  

f X ( x)dx   0dx   2 xdx   0dx  1
 0 1

Por lo tanto, la función de distribución acumulada para la variable aleatoria está definida por:
0, t  0

FX (t )  t 2 , 0  t  1
1, t  1


Cálculo de Probabilidades usando Función de distribución acumulada

Es ocasiones, sólo se dispone de la función de distribución acumulada asociada a una variable aleatoria X. Si bien es
relativamente sencillo obtener la función de densidad o de probabilidad (según sea el caso) a partir de la función de

02/05/2019
Estadística 10
DMAE E003
Prof. Nolfa Núñez - Edmundo Peña

distribución acumulada, es posible obtener las probabilidades para cualquier intervalo, utilizando directamente esta
función. En efecto, se puede verificar lo siguiente:

Esperanza de una Variable Aleatoria

Se ha visto que una variable aleatoria puede caracterizarse a partir de su función de probabilidad o densidad, o de su
función de distribución acumulada.

Cabe señalar que también es posible obtener constantes que permiten hacerse una idea rápida acerca de una variable
aleatoria. Una de esas constantes es la Esperanza, o Valor Esperado, y se denota por E[ X ] o  X .

Sea X una variable aleatoria. Se define la esperanza de X, en el caso discreto, de la siguiente forma:
E[ X ]   xp
xRX
X ( x)   xP  X  x 
xRX

y en el caso continuo:

E[ X ]   xf

X ( x)dx

Propiedades:

E[k ]  k
E  kX   k  E  X 
E  kX  C   k  E  X   C

Ejemplo: Calcule el valor esperado de la variable aleatoria cuya distribución de probabilidad está dada por:

1 1 1
E[ X ]  2   3   4   3
4 2 4
Ejemplo: Calcule el valor esperado de la variable aleatoria cuya función de densidad está dada por:

f X x   e  x / 2 , x  0
1
2
 
1
E[ X ]   xf

X ( x)dx   x e  x /2 dx  2
0
2

02/05/2019
Estadística 11
DMAE E003
Prof. Nolfa Núñez - Edmundo Peña

Ejemplo: Calcular el valor esperado de una variable aleatoria cuya función de densidad está dada por:
1
 ,0  x  5
f X x    5
0, e.o.c
 5
1
E[ X ]   xf X ( x)dx   x dx  2,5
 0
5

Varianza

La varianza o dispersión de una variable aleatoria X se denota por  X2 o Var ( X ) o V [X], y se define por:
 X2  E  X   X  
2
 

También se define la desviación típica o estándar de X, como la raíz cuadrada positiva de la varianza, es decir:

 X  E  X   X  
2
 
La varianza es un indicador respecto de qué tan dispersos están los valores de la variable aleatoria.
Para su cálculo, puede resultar más práctico usar la siguiente expresión:
V  X   E  X  E  X    E  X 2    E  X 
2 2

 

La varianza presenta las siguientes propiedades:

V [k ]  0
V  kX   k 2  V  X 
V  kX  C   k 2  V  X 

Ejemplo: Encuentre la varianza de la variable aleatoria discreta X, cuya distribución de probabilidad está definida por:

Como se calculó anteriormente:

1 1 1 1 1 1 19
E[ X ]  2   3   4   3 , y E[ X 2 ]  22   32   42  
4 2 4 4 2 4 2
Ahora  X  E  X    E  X  
19
  3  0,5
2 2 2 2

2
Ejemplo: Calcular la varianza de una variable aleatoria X, cuya función de densidad está dada por:
1
 ,0  x  5
f X x    5
0, e.o.c
Desarrollo. Se tiene que:

02/05/2019
Estadística 12
DMAE E003
Prof. Nolfa Núñez - Edmundo Peña

 5  5
1 2 1 25
E[ X ]   xf X ( x)dx  0 x 5 dx  2,5 y E[ X ]   x f X ( x)dx  0 x 5 dx  3
2 2

Entonces:  X  E  X    E  X  
25 25
  2,5 
2 2 2 2

3 12

REFERENCIAS BIBLIOGRÁFICAS

 Meyer, P., (1992), Probabilidad y Aplicaciones Estadísticas, 2° ed., Wilmington: Addison-Wesley Iberoamericana S.A.
 Walpole R., Myers R., Myers S. (1999), Probabilidad y Estadística para Ingenieros, 6° ed., México: Pearson Educación.
 Webster, A., (2000), Estadística Aplicada a la Economía y los Negocios, 3°ed., Bogotá: McGraw-Hill

02/05/2019