Академический Документы
Профессиональный Документы
Культура Документы
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.
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).
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
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
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:
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
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.
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)
xB xB
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)
x2 x2
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
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.
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: 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)}
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
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:
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
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.
x 1 12dx
2
1
2,5
x 1 12dx
2
5
80
18
17 153
32
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
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:
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
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:
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
xRX
X ( x) xP X x
xRX
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
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:
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