Вы находитесь на странице: 1из 53

Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

CAPÍTULO DOS

VARIABLES ALEATORIAS

Orientador
1
Carlos Panza Ospino
Universidad Nacional de Colombia
Departamento de Estadı́stica

2020-I

1 Oficina 404-340; e-mail: capanzao@unal.edu.co


Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Contenido

1 Concepto de variable aleatoria

2 Distribución de una variable aleatoria

3 Función de distribución acumulada

4 Clasificación de variables aleatorias


Variables aleatorias discretas
Variables aleatorias continuas
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Generalidades

Por lo general, cuando se plantea un experimento aleatorio el interés se


centra más frecuentemente en valores numéricos que se puedan asociar a
los resultados del experimento que en los resultados particulares del
experimento en sı́. Supóngase, por ejemplo, que se lanza una moneda seis
veces consecutivas y se desea conocer cuántas salidas “cara” se obtienen.
En este caso el espacio muestral es

Ω = {(a1 , a2 , a3 , a4 , a5 , a6 ) : ai ∈ {C , S}, i = 1, . . . , 6}

Si se define X como la cantidad de salidas “cara” que se obtienen en los


seis lanzamientos de la moneda, entonces es claro que X es una
aplicación de Ω en Ω̃, donde Ω̃ = {0, 1, 2, 3, 4, 5, 6}. La aplicación X es
un ejemplo de variable aleatoria.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Concepto

Variable aleatoria
˜ un espacio medible. La
Sea (Ω; =; P) un espacio de probabilidad y (Ω̃; =)
˜ se tiene que
aplicación X : Ω → Ω̃ tal que, para todo B ∈ =
X −1 (B) ∈ =, es una = − =−˜ variable aleatoria.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Concepto

Variable aleatoria
˜ un espacio medible. La
Sea (Ω; =; P) un espacio de probabilidad y (Ω̃; =)
˜ se tiene que
aplicación X : Ω → Ω̃ tal que, para todo B ∈ =
X −1 (B) ∈ =, es una = − =−˜ variable aleatoria.

Ejemplo. Sean Ω = {a, b, c}, = = {∅, {a}, {b, c}, Ω} y P una medida de
˜ un espacio
probabilidad arbitraria definida sobre =. Sea además (Ω̃; =)
˜
medible con Ω̃ = {d, e} y = = P(Ω̃). La aplicación X : Ω → Ω̃ dada por

d si ω = a
X (ω) =
e si ω = b ó ω = c

˜
es una = − =−variable aleatoria.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Continuación del ejemplo

En el contexto del ejemplo anterior, la aplicación Y : Ω → Ω̃ dada por



d si ω = b
Y (ω) =
e si ω = a ó ω = c

˜
no es una = − =−variable aleatoria pues Y −1 ({d}) = {b} ∈
/ =.

Sin embargo, si se toma a < = {∅, {b}, {a, c}, Ω} en calidad de


˜
σ−álgebra sobre Ω, entonces la aplicación Y es una < − =−variable
aleatoria.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Variable aleatoria real

Caso especial. Si en la definición de variable aleatoria se hace Ω̃ = R,


˜ = B y todo B ∈ B es, en particular, un intervalo de la forma
entonces =
(−∞; x] con x ∈ R. Por tanto, una aplicación X : Ω → R es una
= − B−variable aleatoria, si y sólo si, X −1 ((−∞; x]) ∈ = para todo
x ∈ R.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Variable aleatoria real

Caso especial. Si en la definición de variable aleatoria se hace Ω̃ = R,


˜ = B y todo B ∈ B es, en particular, un intervalo de la forma
entonces =
(−∞; x] con x ∈ R. Por tanto, una aplicación X : Ω → R es una
= − B−variable aleatoria, si y sólo si, X −1 ((−∞; x]) ∈ = para todo
x ∈ R.

Ejemplo. Sea (Ω; =; P) un espacio de probabilidad y A ∈ =. La


aplicación IA : Ω → R dada por

1 si ω ∈ A
IA =
0 si ω ∈
/A

es una = − B−variable aleatoria real llamada función indicadora de A.


Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Aclaración
Haciendo uso de las propiedades de una σ−álgebra y de la definición de
variable aleatoria real, se puede demostrar que si X y Y son variables
aleatorias reales definidas sobre el mismo espacio de probabilidad y α es
una constante real, entonces X + Y , α X , XY , YX (siempre que esté
definida), máx(X , Y ) y mı́n(X , Y ) también son variables aleatorias reales.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Aclaración
Haciendo uso de las propiedades de una σ−álgebra y de la definición de
variable aleatoria real, se puede demostrar que si X y Y son variables
aleatorias reales definidas sobre el mismo espacio de probabilidad y α es
una constante real, entonces X + Y , α X , XY , YX (siempre que esté
definida), máx(X , Y ) y mı́n(X , Y ) también son variables aleatorias reales.

Notación
Sea X una variable aleatoria definida sobre el espacio de probabilidad
˜ Para todo B ∈ =,
(Ω; =; P) y con valores en el espacio medible (Ω̃; =). ˜
se debe entender que

{X ∈ B} := {ω ∈ Ω : X (ω) ∈ B}
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Distribución de una variable aleatoria

Theorem
Supóngase que X es una variable aleatoria definida sobre el espacio de
˜ La
probabilidad (Ω; =; P) y con valores en el espacio medible (Ω̃; =).
˜
aplicación PX : = → [0; 1] definida por

PX (B) := P({ω ∈ Ω : X (ω) ∈ B})


:= P({X ∈ B}), ˜
para todo B ∈ =

˜ llamada la distribución de la
es una medida de probabilidad sobre (Ω̃; =)
variable aleatoria X .
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Distribución de una variable aleatoria

Theorem
Supóngase que X es una variable aleatoria definida sobre el espacio de
˜ La
probabilidad (Ω; =; P) y con valores en el espacio medible (Ω̃; =).
˜
aplicación PX : = → [0; 1] definida por

PX (B) := P({ω ∈ Ω : X (ω) ∈ B})


:= P({X ∈ B}), ˜
para todo B ∈ =

˜ llamada la distribución de la
es una medida de probabilidad sobre (Ω̃; =)
variable aleatoria X .

Idea de la demostración
Se debe verificar que la función PX satisface los tres postulados
axiomáticos de una medida de probabilidad.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Ejemplo

Sean Ω = {1, 2, 3}, = = {∅, {1}, {2, 3}, Ω} y P dada por


1 4
P(∅) = 0 P({1}) = P({2, 3}) = P(Ω) = 1
5 5

˜ = P(Ω̃) y la aplicación X : Ω → Ω̃ dada por


Sean además Ω̃ = {a, b}, =

a si ω = 1
X (ω) =
b si ω = 2 ó ω = 3

Es claro que la distribución de la variable aleatoria X está dada por


1
PX (∅) = 0 PX ({a}) = P({1}) =
5
4
PX ({b}) = P({2, 3}) = PX (Ω̃) = 1
5
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Función de distribución acumulada

Definición
Sea X una variable aleatoria real. La función FX : R → [0; 1] dada por

FX (x) := PX ((−∞; x]) = P(X ≤ x)

se llama función de distribución o función de distribución acumulada de


la variable aleatoria X .
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Función de distribución acumulada

Definición
Sea X una variable aleatoria real. La función FX : R → [0; 1] dada por

FX (x) := PX ((−∞; x]) = P(X ≤ x)

se llama función de distribución o función de distribución acumulada de


la variable aleatoria X .
Ejemplo. Se lanza una moneda corriente tres veces consecutivas. Sea la
variable aleatoria X que representa la cantidad de salidas “cara”. Luego:
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Función de distribución acumulada

Definición
Sea X una variable aleatoria real. La función FX : R → [0; 1] dada por

FX (x) := PX ((−∞; x]) = P(X ≤ x)

se llama función de distribución o función de distribución acumulada de


la variable aleatoria X .
Ejemplo. Se lanza una moneda corriente tres veces consecutivas. Sea la
variable aleatoria X que representa la cantidad de salidas “cara”. Luego:


 0 si x < 0

1
si 0 ≤ x < 1



 8

1
FX (x) = 2 si 1 ≤ x < 2

7
si 2 ≤ x < 3


8




1 si x ≥ 3

Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Función de distribución acumulada

Definición
Sea X una variable aleatoria real. La función FX : R → [0; 1] dada por

FX (x) := PX ((−∞; x]) = P(X ≤ x)

se llama función de distribución o función de distribución acumulada de


la variable aleatoria X .
Ejemplo. Se lanza una moneda corriente tres veces consecutivas. Sea la
variable aleatoria X que representa la cantidad de salidas “cara”. Luego:


 0 si x < 0

1
si 0 ≤ x < 1



 8

1
FX (x) = 2 si 1 ≤ x < 2

7
si 2 ≤ x < 3


8




1 si x ≥ 3

Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Propiedades de la función de distribución

Sea X una variable aleatoria definida sobre el espacio de probabilidad


(Ω; =, P). La función de distribución FX de la variable aleatoria X tiene
las siguientes propiedades
1.) Si x ≤ y , entonces FX (x) ≤ FX (y )
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Propiedades de la función de distribución

Sea X una variable aleatoria definida sobre el espacio de probabilidad


(Ω; =, P). La función de distribución FX de la variable aleatoria X tiene
las siguientes propiedades
1.) Si x ≤ y , entonces FX (x) ≤ FX (y )
2.) FX (+∞) = 1
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Propiedades de la función de distribución

Sea X una variable aleatoria definida sobre el espacio de probabilidad


(Ω; =, P). La función de distribución FX de la variable aleatoria X tiene
las siguientes propiedades
1.) Si x ≤ y , entonces FX (x) ≤ FX (y )
2.) FX (+∞) = 1
3.) FX (−∞) = 0
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Propiedades de la función de distribución

Sea X una variable aleatoria definida sobre el espacio de probabilidad


(Ω; =, P). La función de distribución FX de la variable aleatoria X tiene
las siguientes propiedades
1.) Si x ≤ y , entonces FX (x) ≤ FX (y )
2.) FX (+∞) = 1
3.) FX (−∞) = 0
4.) FX (x + ) := lı́m+ FX (x + h) = FX (x), para todo x ∈ R
h→0
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Propiedades de la función de distribución

Sea X una variable aleatoria definida sobre el espacio de probabilidad


(Ω; =, P). La función de distribución FX de la variable aleatoria X tiene
las siguientes propiedades
1.) Si x ≤ y , entonces FX (x) ≤ FX (y )
2.) FX (+∞) = 1
3.) FX (−∞) = 0
4.) FX (x + ) := lı́m+ FX (x + h) = FX (x), para todo x ∈ R
h→0
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Propiedades de la función de distribución

Sea X una variable aleatoria definida sobre el espacio de probabilidad


(Ω; =, P). La función de distribución FX de la variable aleatoria X tiene
las siguientes propiedades
1.) Si x ≤ y , entonces FX (x) ≤ FX (y )
2.) FX (+∞) = 1
3.) FX (−∞) = 0
4.) FX (x + ) := lı́m+ FX (x + h) = FX (x), para todo x ∈ R
h→0

Idea de la demostración
Para x ∈ R fijo, supóngase que {xn }n≥1 es una sucesión decreciente de
números tal que lı́m xn = x, entonces
n→∞

FX (x + ) := lı́m+ FX (x + h) = lı́m FX (xn ) = lı́m P(X ≤ xn )


h→0 n→∞ n→∞
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Consecuencias de las propiedades

Sea X una variable aleatoria definida sobre el espacio de probabilidad


(Ω; =, P), FX su función de distribución
1.) FX (x − ) := lı́m+ FX (x − h) = P(X < x), para todo x ∈ R
h→0
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Consecuencias de las propiedades

Sea X una variable aleatoria definida sobre el espacio de probabilidad


(Ω; =, P), FX su función de distribución
1.) FX (x − ) := lı́m+ FX (x − h) = P(X < x), para todo x ∈ R
h→0
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Consecuencias de las propiedades

Sea X una variable aleatoria definida sobre el espacio de probabilidad


(Ω; =, P), FX su función de distribución
1.) FX (x − ) := lı́m+ FX (x − h) = P(X < x), para todo x ∈ R
h→0

Idea de la demostración
Para x ∈ R fijo, supóngase que {xn }n≥1 es una sucesión creciente de
números tal que lı́m xn = x, entonces es claro que
n→∞


[
{X ≤ xn } = {X < x}
n=1

Por tanto,

FX (x − ) := lı́m+ FX (x − h) = lı́m FX (xn ) = lı́m P(X ≤ xn )


h→0 n→∞ n→∞
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Consecuencias de las propiedades

Sean además a, b ∈ R con a < b. De las propiedades de la función de


distribución se tiene que
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Consecuencias de las propiedades

Sean además a, b ∈ R con a < b. De las propiedades de la función de


distribución se tiene que
2.) P(a ≤ X ≤ b) = FX (b) − FX (a− )

Idea de la demostración
Es claro que

Ω = {X < a} ∪ {a ≤ X ≤ b} ∪ {X > b}
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Consecuencias de las propiedades

Sean además a, b ∈ R con a < b. De las propiedades de la función de


distribución se tiene que
2.) P(a ≤ X ≤ b) = FX (b) − FX (a− )

Idea de la demostración
Es claro que

Ω = {X < a} ∪ {a ≤ X ≤ b} ∪ {X > b}

3.) P(a < X ≤ b) = FX (b) − FX (a)


Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Consecuencias de las propiedades

Sean además a, b ∈ R con a < b. De las propiedades de la función de


distribución se tiene que
2.) P(a ≤ X ≤ b) = FX (b) − FX (a− )

Idea de la demostración
Es claro que

Ω = {X < a} ∪ {a ≤ X ≤ b} ∪ {X > b}

3.) P(a < X ≤ b) = FX (b) − FX (a)


4.) P(a ≤ X < b) = FX (b − ) − FX (a− )
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Consecuencias de las propiedades

Sean además a, b ∈ R con a < b. De las propiedades de la función de


distribución se tiene que
2.) P(a ≤ X ≤ b) = FX (b) − FX (a− )

Idea de la demostración
Es claro que

Ω = {X < a} ∪ {a ≤ X ≤ b} ∪ {X > b}

3.) P(a < X ≤ b) = FX (b) − FX (a)


4.) P(a ≤ X < b) = FX (b − ) − FX (a− )
5.) P(a < X < b) = FX (b − ) − FX (a)
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Consecuencias de las propiedades

Sean además a, b ∈ R con a < b. De las propiedades de la función de


distribución se tiene que
2.) P(a ≤ X ≤ b) = FX (b) − FX (a− )

Idea de la demostración
Es claro que

Ω = {X < a} ∪ {a ≤ X ≤ b} ∪ {X > b}

3.) P(a < X ≤ b) = FX (b) − FX (a)


4.) P(a ≤ X < b) = FX (b − ) − FX (a− )
5.) P(a < X < b) = FX (b − ) − FX (a)
6.) P(X = a) = FX (a) − FX (a− )
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Consecuencias de las propiedades

Sean además a, b ∈ R con a < b. De las propiedades de la función de


distribución se tiene que
2.) P(a ≤ X ≤ b) = FX (b) − FX (a− )

Idea de la demostración
Es claro que

Ω = {X < a} ∪ {a ≤ X ≤ b} ∪ {X > b}

3.) P(a < X ≤ b) = FX (b) − FX (a)


4.) P(a ≤ X < b) = FX (b − ) − FX (a− )
5.) P(a < X < b) = FX (b − ) − FX (a)
6.) P(X = a) = FX (a) − FX (a− )
7.) Si P(a < X < b) = 0, entonces FX es constante en el intervalo
(a, b).
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Clasificación de variables aleatorias

Sea la variable aleatoria X con función de distribución FX . Puede ser que


Si FX es escalonada, entonces X es una variable aleatoria discreta.
Si FX es continua, entonces X es una variable aleatoria continua.
Si FX es una combinación lineal de una función escalonada y una
función continua, entonces X es una variable aleatoria mixta.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Clasificación de variables aleatorias

Sea la variable aleatoria X con función de distribución FX . Puede ser que


Si FX es escalonada, entonces X es una variable aleatoria discreta.
Si FX es continua, entonces X es una variable aleatoria continua.
Si FX es una combinación lineal de una función escalonada y una
función continua, entonces X es una variable aleatoria mixta.

Ejemplo 1
La variable aleatoria X con
función de distribución dada por
 √
0 si x < − 2



FX (x) = 3
5 si − 2 ≤ x < π


1 si x ≥ π

es discreta.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Clasificación de variables aleatorias

Sea la variable aleatoria X con función de distribución FX . Puede ser que


Si FX es escalonada, entonces X es una variable aleatoria discreta.
Si FX es continua, entonces X es una variable aleatoria continua.
Si FX es una combinación lineal de una función escalonada y una
función continua, entonces X es una variable aleatoria mixta.

Ejemplo 1 Ejemplo 2
La variable aleatoria X con La variable aleatoria Y con
función de distribución dada por función de distribución dada por

0 si y < 0



0 si x < 2


 

2
FX (x) = 3 x
5 si − 2 ≤ x < π FY (y ) = 4 si 0 ≤ y < 2

 

1 si x ≥ π 1 si y ≥ 2

es discreta. es continua.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Concepto de VAD

Definición
Sea X una variable aleatoria real y FX su función de distribución. Se dice
que FX presenta un salto en el punto a ∈ R si se cumple que

FX (a) − FX (a− ) 6= 0

La diferencia FX (a) − FX (a− ) se conoce como la magnitud del salto.

Se puede demostrar que la cantidad de saltos en la función de


distribución de una VAD real es a lo más numerable y, por lo tanto, su
rango también es a lo más numerable.

Ejemplo. En el ejemplo del lanzamiento de una moneda tres veces


consecutivas, FX presenta saltos en los puntos x = 0, x = 1, x = 2 y
x = 3. Las magnitudes de los saltos son iguales a 81 , 38 , 83 y 18 ,
respectivamente.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Función de masa de probabilidad

Definición
Sea X una variable aleatoria real discreta con rango RX = {x1 , x2 , . . .}.
La función fX definida sobre R por

P(X = xi ) si x = x1 , x2 , . . .
fX (x) =
0 en otro caso

se conoce como función de masa de probabilidad de X .

Ejemplo. Se lanza un dado una vez. Sea X : “la cantidad de puntos en la


cara superior del dado”.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Función de masa de probabilidad

Definición
Sea X una variable aleatoria real discreta con rango RX = {x1 , x2 , . . .}.
La función fX definida sobre R por

P(X = xi ) si x = x1 , x2 , . . .
fX (x) =
0 en otro caso

se conoce como función de masa de probabilidad de X .

Ejemplo. Se lanza un dado una vez. Sea X : “la cantidad de puntos en la


cara superior del dado”. Es claro que X es una VAD real con
RX = {1, 2, 3, 4, 5, 6} y función de masa de probabilidad dada por
( 1
6 si x ∈ RX
fX (x) =
0 en otro caso
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Sea una VAD X con rango RX = {x1 , x2 , . . .} y x ∈ R un número


arbitrario. Es claro que
 
[ X
FX (x) = P(X ≤ x) = P  xi ≤ x}(X = xi ) = P(X = xi )
{ xi ≤x

Es decir, la función de distribución de X queda completamente


determinada por los valores pi := P(X = xi ).

Recı́procamente, para cualquier x ∈ R se tiene que

P(X = x) = FX (x) − FX (x − )

Es decir, la función de distribución de X determina completamente la


función de masa de probabilidad de la variable aleatoria.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Ejemplo

Sea X una VAD con función de masa de probabilidad dada por


 5
si x = −1
 9


4
fX (x) = 9 si x = 32


0 en otro caso

Luego, la función de distribución de X está dada por


Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Ejemplo

Sea X una VAD con función de masa de probabilidad dada por


 5
si x = −1
 9


4
fX (x) = 9 si x = 32


0 en otro caso

Luego, la función de distribución de X está dada por




 0 si x < −1

5
FX (x) = 9 si − 1 ≤ x < 32

1 si x ≥ 32


Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Concepto de VAC

Variables aleatorias absolutamente continuas


Sea X una variable aleatoria real definida sobre el espacio de probabilidad
(Ω; =; P). Se dice que X es absolutamente continua, si y sólo si, existe
una función real no negativa e integrable fX tal que, para todo x ∈ R, se
cumple que Z x
FX (x) = fX (t)dt
−∞

La función fX se conoce como función de densidad de probabilidad de la


variable aleatoria absolutamente continua X .
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Ejemplo

Sea X una VAC con función de densidad de probabilidad dada por


( x
2 si 0 ≤ x ≤ 2
fX (x) =
0 en otro caso

Luego, la función de distribución de X está dada por


Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Ejemplo

Sea X una VAC con función de densidad de probabilidad dada por


( x
2 si 0 ≤ x ≤ 2
fX (x) =
0 en otro caso

Luego, la función de distribución de X está dada por




 0 si x < 0

FX (x) = x2
4 si 0 ≤ x ≤ 2


1 si x > 2

Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Propiedades de una función de densidad

Sea X una variable aleatoria absolutamente continua con función de


densidad fX (x).
1.) Para todo x ∈ R, si FX es diferenciable, entonces se tiene que

d
FX (x) = fX (x)
dx
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Propiedades de una función de densidad

Sea X una variable aleatoria absolutamente continua con función de


densidad fX (x).
1.) Para todo x ∈ R, si FX es diferenciable, entonces se tiene que

d
FX (x) = fX (x)
dx
2.) Si a, b ∈ R entonces
Z b
P(a < X ≤ b) = FX (b) − FX (a) = fX (x)dx
a
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Propiedades de una función de densidad

Sea X una variable aleatoria absolutamente continua con función de


densidad fX (x).
1.) Para todo x ∈ R, si FX es diferenciable, entonces se tiene que

d
FX (x) = fX (x)
dx
2.) Si a, b ∈ R entonces
Z b
P(a < X ≤ b) = FX (b) − FX (a) = fX (x)dx
a

3.) Se tiene que


Z∞
fX (x)dx = 1
−∞
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

4.) Como FX es continua, entonces se tiene que

P(X = a) = FX (a) − FX (a− ) = 0

Consecuentemente,

P(a < X < b) = P(a ≤ X ≤ b) = P(a ≤ X < b) = P(a < X ≤ b)

NOTA. En lo sucesivo, se omitirá el subı́ndice en la función


correspondiente que se refiere a la variable en estudio.
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Ejemplo

Sea X una VAC con función de densidad dada por



α x (2 − x) si 0 ≤ x ≤ 2
f (x) =
0 en otro caso
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Ejemplo

Sea X una VAC con función de densidad dada por



α x (2 − x) si 0 ≤ x ≤ 2
f (x) =
0 en otro caso

El valor de α que convierte a f (x) en una función de densidad es 34 .


Luego, la función de distribución de X está dada por


 0 si x < 0

1 2
F (x) =
 4 x (3 − x) si 0 ≤ x ≤ 2

1 si x > 2

Por consiguiente,  
1 5
P −1 ≤ X ≤ =
2 32
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Gracias
Concepto de variable aleatoria Distribución de una variable aleatoria Función de distribución acumulada Clasificación de variables aleatorias

Preparado en LATEX

A partir de: BLANCO, L. Probabilidad. Segunda Edición. Universidad


Nacional de Colombia, Facultad de Ciencias, Bogotá, 2010.