FACULTAD DE INGENIERA

UNAM

PROBABILIDAD
Y
ESTADSTICA
Irene Patricia Valdez y Alfaro

irenev@servidor.unam.mx

T E M A S DEL CURSO

1. Anlisis Estadstico de datos

muestrales.
2. Fundamentos de la Teora de la
probabilidad.
3. Variables aleatorias.
4. Modelos probabilsticos comunes.
5. Variables aleatorias conjuntas.
6. Distribuciones muestrales.

CONTENIDO TEMA 3
3.

Variables aleatorias.
Objetivo: El alumno conocer el concepto de variable aleatoria y
podr analizar el comportamiento probabilista de la variable, a
travs de su distribucin y sus caractersticas numricas.
3.1

Concepto de variable aleatoria como abstraccin de un evento aleatorio.

3.2

Variable aleatoria discreta: funcin de probabilidad sus propiedades y

su representacin grfica. Funcin de distribucin acumulativa, sus
propiedades y su representacin grfica.

3.3

Variable aleatoria continua: funcin de densidad de probabilidad sus

propiedades y su representacin grfica. Funcin de distribucin
acumulativa, sus propiedades y su representacin grfica.

3.4

Valor esperado o media de la variable aleatoria discreta y de la continua.

Valor esperado como operador matemtico y sus propiedades.
Momentos con respecto al origen y a la media.

3.4

Parmetros de las distribuciones de las variables aleatorias. Medidas de

tendencia central, de dispersin y de asimetra.

INTRODUCCIN A LA
PROBABILIDAD
VARIABLES ALEATORIAS

VARIABLE *
VARIABLE: Adj. que varia o puede variar.
f. Mat. Magnitud que puede tener un valor
cualquiera de los comprendidos en un conjunto.
Nmero que resulta de una medida u
operacin.
VARIABLE CONTINUA: La que consta de unidades o
partes que no estn separadas unas de otras,
como la longitud de una lnea, el rea de una
superficie, el volumen de un slido, la cabida
de un vaso, etc.
VARIABLE DISCRETA: La que consta de unidades o
partes separadas unas de otras, como los
rboles de un monte, los soldados de un
ejrcito, los granos de una espiga, etc.
* Real Academia de la Lengua Espaola

VARIABLE DETERMINSTICA
Variable: f. Mat. Magnitud que puede tener un valor de los
comprendidos en un conjunto, pero
predecible con exactitud.

Continua
Variable
Determinstica:

Discreta

VARIABLE ALEATORIA
Variable Aleatoria: f. Mat. Magnitud cuyos valores estn
determinados por las leyes de
probabilidad, como los puntos
resultantes de la tirada de un dado.

Continua
Variable Aleatoria:

Discreta

Algunos valores de una variable aleatoria pueden ser mas

probables que otros, lo que da origen al concepto de distribucin
de probabilidad de una VA.

VARIABLE ALEATORIA
Una VA es una funcin sobre el espacio de los posibles
resultados (eventos) de un experimento aleatorio,
Por ejemplo:
a) Al arrojar una moneda y observar el lado que queda hacia arriba:
X={ x1 = 1 (guila), x2 = 0 (sol) }
b) Alimentar de la misma manera a 20 animales y obervar su peso
despus de 30 das
c) arrojar dos dados y anotar la suma de los puntos que caen hacia
arriba.
d) el voltaje de salida de 50 eliminadores de bateras.

Algunos valores de una variable aleatoria pueden ser mas

probables que otros, lo que da origen al concepto de distribucin
de probabilidad de una VA.

DISTRIBUCIN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Ejemplo: Caso de una VA discreta:

Experimento: Arrojar
dos dados y observar
la VA X : la suma de
los puntos de las
caras que quedan
hacia arriba.
Las formas en que
puede ocurrir cada uno
de los valores que toma
la VA X se muestran en
la tabla.
Observemos que hay 1
posibilidad en 36 de que X=2,
mientras que hay 2
posibilidades en 36 de que X=3

Y1

Y2

X=Y1+Y2

Y1

Y2

X=Y1+Y2

10

10

11

10

11

12

DISTRIBUCIN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Las probabilidades para cada valor de la VA X se muestran
en la tabla. En este ejemplo la tabla representa la funcin de
distribucin de probabilidad (fdp) de la VA X.
X

P(X=x)
Representacin grfica de la funcin de distribucin de probabilidad de la VA X

2
3

1/36
2/36

P(X)

P(x)
0.20

3/36

4/36

0.16

5/36

0.12

6/36

5/36

4/36

10

3/36

11

2/36

12

1/36

0.18
0.14
0.10
0.08
0.06
0.04
0.02
0.00
1

10

11

12

13

DISTRIBUCIN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Distribucin de probabilidad de una VA X:
f(x) = P( X=x )
En nuestro ejemplo de la suma de dos dados:

f(3) = P( X=3 ); f(3) = 2/36

Propiedades de la distribucin de probabilidad de una

variable aleatoria discreta (tambin conocida como funcin
masa de probabilidad, fmp) :
a) f (x) 0
b)

Para toda x que pertencece a X

f ( x) 1
x

DISTRIBUCIN DE PROBABILIDAD ACUMULATIVA

DE UNA VARIABLE ALEATORIA DISCRETA
Las probabilidades acumuladas para cada valor de la VA X se
muestran en la siguiente tabla que representa la funcin de
distribucin acumulativa (FDA) de la VA X.
X

P(Xx)

1/36

3/36

6/36

10/36

15/36

21/36

26/36

30/36

10

33/36

11

35/36

12

36/36

En nuestro ejemplo:

P(X<=x)

1.00

0.80

0.60

0.40

F ( x j ) P ( X x j ) xi

0.20

i 1

0.00
1

10

11

12

13

Esta es una funcin escaln, hay un salto en cada valor de X y es plana entre ellos.

F(3) = P( X<=3 ); F(3) = 1/36 + 2/36 = 3/36

DISTRIBUCIN DE PROBABILIDAD ACUMULATIVA

DE UNA VARIABLE ALEATORIA DISCRETA
j

F ( x j ) P ( X x j ) xi
i 1

La FDA es una funcin no decreciente de X con las

siguientes propiedades.
1. 0 F ( x ) 1
2. F ( xi ) F ( x j )

xi x j

3. P(X x) 1 - F ( x)

Adems, si X pertenece al conjunto de los nmeros

enteros:
4. P(X x) F ( x) F ( x 1)
5. P( xi X x j ) F ( x j ) F ( xi 1)
xi x j
consultar: Canavos, Prob. y Estad., Aplicaciones y
Mtodos., Mc Graw Hill., pag. 56

DISTRIBUCIN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA

Caso de una VA continua

Experimento: observar la VA X : el tiempo que dura una
lmpara hasta que se funde.
f(x)
La probabilidad de que una lmpara dure
de 0 a 1,000 horas es ms alta que la
probabilidad de que dure de 1,000 a 2,000
horas; es decir, que a medida que
transcurre el tiempo, la probabilidad de que
contine en operacin disminuye; este
comportamiento se puede representar
mediante una curva exponencial de la
forma:

e x
f ( x)
0

fdp

x0
cualquier otro caso

DISTRIBUCIN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Caso de una VA continua
Propiedades de la distribucin de probabilidad de una
variable aleatoria continua (tambin conocida como funcin
de densidad de probabilidad, fdp) :

1. f(x) 0,
2.

f(x)dx 1
b

3. P(a X b) f(x)dx
a

DISTRIBUCIN DE PROBABILIDAD
ACUMULATIVA DE UNA VARIABLE ALEATORIA CONTINUA
Caso de una VA continua
Experimento: observar la VA X : el tiempo que dura una
lmpara hasta que se funde.
F(x)
La probabilidad de que una lmpara dure al
menos X horas se obtiene mediante la funcin
de distribucin acumulativa (FDA).

FDA

fdp
e x

f ( x)

x0
cualquier otro caso

1 e x
F ( x)
0

FDA

F ( x) P ( X x)

f (t ) dt

X
x0
cualquier otro caso

DISTRIBUCIN DE PROBABILIDAD
ACUMULATIVA DE UNA VARIABLE ALEATORIA CONTINUA
Caso de una VA continua
x

F ( x) P ( X x) f (t )dt

La FDA es una funcin no decreciente de X con las siguientes caractersticas.

1. F( ) 0
2. F( ) 1
3. P(a X b) F(b) F(a)
4.
adems:
y:

dF ( x)
f ( x)
dx
x

P( X x) f (t )dt 0
x

P ( X x) P ( X x) f (t )dt F ( x)

VALOR ESPERADO DE UNA VARIABLE ALEATORIA

O ESPERANZA MATEMTICA
Valor esperado de una variable aleatoria X:

E X

xP( x)

; si X es discreta

xf ( x)dx

; si X es continua

Valor esperado de una funcin g(x) de una

variable aleatoria X:

E g ( X )

g ( x) P( x)
x

; si X es discreta

g ( x) f ( x)dx ; si X es continua

PROPIEDADES DEL VALOR ESPERADO

COMO OPERADOR MATEMTICO
Si X es una variable aleatoria con distribucin de probabilidad
f(x); a, b y c son constantes y g(x) y h(x) son funciones de X,
entonces:

1.

E[c] c

2.

E[aX b] aE[ X ] b

3.

E[ g ( x) h( x)] E[ g ( x)] E[h( x)]

MOMENTOS DE UNA VARIABLE ALEATORIA

El momento de orden k respecto al origen de una variable aleatoria se
define como:

k
x
i P ( xi ) ; si X es discreta.
k
'k E[ X ] i
k
x f ( x)dx ; si X es continua.
x
El momento de orden k respecto a la media de una variable aleatoria se
define como:

k E[( X ) ]

k
(
x

)
P( xi )
i
i

; si X es discreta.

k
(
x

)
f ( x)dx ; si X es continua.

MEDIA, VARIANZA Y DESVIACIN ESTNDAR DE UNA VA

Valor esperado o media de una variable
aleatoria

x P( x )

; si X es discreta.

xf ( x)dx

; si X es continua.

E[ X ]

Varianza de una variable aleatoria

2 E[( X )2 ]

2
(
x

)
P ( xi )
i
i

; si X es discreta.

2
(
x

)
f ( x )dx ; si X es continua.

Desviacin estndar

MOMENTOS DE UNA VARIABLE ALEATORIA

Los momentos de orden k respecto a la media pueden expresarse en
funcin de los momentos respecto al origen mediante la relacin:

k j
k (1) 'k j ; k 0,1,2,...
j 0
j
k

Ejemplo:
Para k=2 (segundo momento respecto a la media = varianza)
2 j
2
2
2
'2 j (1) 0 0 '2 0 (1)1 1 '21 ( 1) 2 2 '2 2
j 0
j
0
1
2
2 (1)(1)(1) '2 (1)(2) '1 (1)(1) 2 '0
2

2 (1) j

2 '2 (2) 2 (1)

2 '2 2 2 2
2 '2

Notar que :

'1

2 2 E[( X ) 2 ] E[ X 2 ] E[ X ]2

'0 1

MOMENTOS DE UNA VARIABLE ALEATORIA

Con un procedimiento anlogo al anterior encontramos que:

Para k=3

3 '3 3 '2 2

Para k=4

4 '4 4 '3 6 '2 3

2

PROPIEDADES DE LA VARIANZA
COMO OPERADOR MATEMTICO
Si X es una variable aleatoria con distribucin de probabilidad
fX(x); a, b y c son constantes , entonces:

1.

V [c ] 0

2.

V [aX b] a V [ X ]
2

Adems, si Y es una variable aleatoria con distribucin de

probabilidad fY(y), y se cumple que X y Y son INDEPENDIENTES
entonces:

3.

V [ X Y ] V [ X ] V [Y ]

DESIGUALDAD DE CHEBYSHEV
Teorema:
Si X es una variable aleatoria con distribucin de probabilidad
fX(x) con media varianza 2; y k es una constante positiva,
entonces:

1
P X k 2
k

Formas alternativas, a veces tiles, de la desigualdad de Chebyshev son:

1
P X k 1 2
k

1
P k X k 1 2
k

La desigualdad proporciona una probabilidad lmite de que la variable aleatoria X est a lo

ms a k desviaciones estndar de la media sin que sea necesario conocer la distribucin
de probabilidad de X, aunque se considera un resultado dbil, ya que si se conoce con
precisin f(x) se pueden obtener mejores resultados.