VARIABLE ALEATORIA

Definicin y clases de v.a.

Funcin de probabilidad
Distribucin de probabilidad acumulada
Esperanza y varianza de una v. a. discreta
Esperanza y varianza de una v. a. continua.

Mg. Anne Aniceto C. 1

 VARIA ALEAT
BLE ORIA

Variab
Funcin Funcin Valor
Definici le
de
probabili de
distribuci esperado
y
n aleator
dad n Varianza
ia
discret
a
Mg. Anne Aniceto C. 2
 VARIABLE
ALEATORIA
Una Variable Aleatoria X es una espac muestral
funcin definida en el io y
que toma valores reales.
Media la variable transfor lo resulta w d u
nte aleatoria,
experimento se en valores
aleatorio, ma s dos i
e n
numricos X(wi).
Por ejemplo, si se elige una un poblac y se
persona al azar de a in le
asigne su peso X, se tendr una
variable aleatoria. Mg. Anne Aniceto C. 3
Mg. Anne Aniceto C. 4
 VARIABLES
ALEATORIAS -
CLASIFICACION
DISCRETA: Cuando el CONTINUA: Cuando el
Segn los valores que
conjunto de valores
pueden tomar, las variables
conjunto de
aleatorias
valores
que puede el rango, es un
se que
clasifican en:
puede tomar el rango, tomar intervalo
es finito o infinito real.
numerable.
Ejemp Nm d hijo d sex Ejemplo: que tarda un
lo: ero queetiene
masculino, s e o Tiempo cliente en
una familia. pagar una
deuda.

Mg. Anne Aniceto C. 5

 VARIABLES
ALEATORIAS -
CLASIFICACION
Las variables aleatorias se clasifican en:
RX = {x1, x2, ., xn,
Variable aleatoria.} discreta: Si el rango RX de la V.A. X,
esEjemplo: Nmero
un conjunto de das
finito que un trabajador no llega a su
trabajo
infinito numerable. Todos sus valores posibles se pueden listar
oVariable
enumerar;aleatoria
en este continua:
caso: Si el rango RX de la V.A. X,
es un intervalo sobre la recta
RX = {x / a x
de los nmeros reales; en este caso:
b}
Ejemplo: Estatura de los trabajadores RX = {x / 0.30 x
de una empresa 3}
Mg. Anne Aniceto C. 6
 VARIABLE
ALEATORIA
M ejempl DISCRETA
s os:
N d ventas realizadas mensualmente por la
e compaa Tori S.A.
N d horas trabajadas por da.
y las
e llamadas telefnicas que recibe una
12:00 horas.
N
N d central
de entre
personas enlas 11:
una 00
muestra cuyos 300.
ingresos
e son menores que $ 00.
 FUNCIN DE
PROBABILIDAD
Es la funcin p, que hace corresponder a cada valor xi
de RX, un nmero real
Par un varia aleato X p(xi)=P(X satisf la siguien
p(xi)=P(X=x
a ble i), llamado
apropieda ria ,probabilidad
=xi)p(x ) P(del
aceevento s tes
asociado al valor x de X. i) X xi ) 0 ; xi RX
des: i
i

ii) p(x i ) xi ) 1
xi RX
En forma P(X
grfica: xi RX
p
R
X
p(xi )
xi
 VARIABLE ALEATORIA
1 DISCRETA
. Experimento: Lanzamos dos monedas y registramos la
Resultados
sucesin dedel = {(C,C),(C,S),(S,C),(S,S)}
caras y sellos que
experimento:
aparecen. Nmero de caras al realizar el
:
Si definimos la : experimento.
V.A. X RX = { 0, 1, 2}
2 Experimento: Lanzamos dos dados y registramos
Valores posibles
. losResultados
nmeros que
de X del muestran.
: = {(1,1),(1,2),...,(2,1),(2,2), ...
experimento ,(6,6)}
:
Si definimos la : Suma de los resultados.
V.A. X RX = {2, 3, 4, ..., 12}
3 Experimento: Se realiza el control de calidad de los artculos
Valores
. producidos
Resultadospordel
posibles de X
una mquina. = {DDD, DDN, DND, DNN, NDD,
experimento: : NDN, NND, NNN}
Si definimos la : Nmero de artculos defectuosos
V.A. X encontrados.
Valores R = { 0, 1, 2, 3}
 DISTRIBUCION DE
PROBABILIDAD
Es una descripcin del valores de X, junto
conjunto de asociada d posibles
probabilidad con elau conju
est valor e deci
con cada uno e os es; s r, s n nto
de pares ordenados{(xdei,p(x
la i))/xi
forma: RX}
cuya dad po
grfica est a r:
p(x)
p(x2)
p(x1
)

x
x1 x2
Ejemplo: Consideremos el experimento que consiste en lanzar
una moneda tres veces; y sea
X, la V.A. que representa el nmero de caras obtenidas en los
El
tresespacio muestral
lanzamientos. = {SSS, CSS, SCS, SSC, CCS,
generado
y el rangoes: CSC, SCC,
o recorrido de la variable RXCCC}
= {0, 1, 2,
est
i Si dado por:
los resultados 3}
tienen igual probabilidad de se tiene
) ocurrir (equiprobables), que:
P(C ) = P(S) = 1/2
x Resultados asociados # p(x)
0 (wi) (s, s, 1 1/8
1 (c,s,s) s)
(s,c,s) (s,s,c) 3 3/8
2 (c,c,s) (c,s,c) (s,c,c) 3 3/8
3 (c,c,c 1 1/8
)
De modo que p(x) puede expresarse de la
siguiente manera: 1/ 8 ; si x 0, 3
a b
X 0 1 2
) 3 ) p( x) 3 / 8 ; si x 1, 2
p(x) 1/8 3/8 3/8 0
1/8 ; en otro caso
En este caso, teniendo en cuenta que los resultados son
equiprobables e independientes, las
probabilidades se asignaron de la siguiente manera:
p(0)= P(X=0)= P({(S,S,S)}= P({S})* P({S})*
P({S})*=(1/2)*(1/2)*(1/2)=1/8
P(1)= P(X=1)= P({(C,S,S), (S,C,S).((S,S,C)}=
P({(C,S,S)})+P({(S,C,S)})+P({(S,S,C)})
= (1/8)+(1/8)+(1/8) = 3/8
P(2)= P(X=2)= P({(C,C,S), (C,S,C).((S,C,C)}=
P({(C,C,S)})+P({(C,S,C)})+P({(S,C,C)})
= (1/8)+(1/8)+(1/8) = 3/8
p(3)= P(X=3)= P({(C,C,C)}= P({C})* P({C})*
P({C})*=(1/2)*(1/2)*(1/2)=1/8
Ejemplo - Contina:
ii) Si los resultados no tienen igual probabilidad de
ocurrir: (Por ejemplo: El nmero de caras aparece tres
veces mas frecuente P(C
Se tiene que )sello)
= , y P(S)
que: = 1/4
x Resultados asociados # p(x)
(wi)
0 (s, s, 1 1/64
1 (c,s,s) s)
(s,c,s) (s,s,c) 3 9/64
2 (c,c,s) (c,s,c) (s,c,c) 3 27/64
3 (c,c,c 1 27/64
)
De modo que expresarse de la
p(x) puede siguiente manera:
a 1/ 64 ; si x 0
b 9 / 64 ; si x 1
) X 3
0 1 2
) p(x)
p(x) 1/64 9/64
27/64 27/64 27 / 64; si x 2, 3
0 ; en otro caso
En este caso, los resultados ya no son equiprobables pero por
s mantienen independencia, lo
que , las probabilidades se asignaron de la siguiente manera:
p(0)= P(X=0)= P({(S,S,S)}= P({S})* P({S})*
P({S})*=(1/4)*(1/4)*(1/4)=1/64
P(1)= P(X=1)= P({(C,S,S), (S,C,S).((S,S,C)}=
P({(C,S,S)})+P({(S,C,S)})+P({(S,S,C)})
= (3/64)+(3/64)+(3/64) =
9/64
P(2)= P(X=2)= P({(C,C,S), (C,S,C).((S,C,C)}=
P({(C,C,S)})+P({(C,S,C)})+P({(S,C,C)})
= (9/64)+(9/64)+(9/64) =
27/64 P({C})*
p(3)= P(X=3)= P({(C,C,C)}= P({C})*
P({C})*=(3/4)*(3/4)*(3/4)= 27/64
 Grfica de la Distribucin de
Probabilidades
Ejemplo: Si X es la V.A. que representa obteni e tre
el nmero de caras das n s
lanzamientos de una moneda (Caso de
resultados
p( equiprobables).
x)
3/
8

1/
8 x
0 1 2 3

Ej.2: Si X es la suma de los valores obtenidos

al lanzar dos dados.
 FUNCION DE
DISTRIBUCION
ACUMULADA
confuncin
F (x)
Si X es una V.A. P( X de
probabilidad
x) p( x )
xi x
i la
p(x),
funcin de distribucin acumulada
F(x) es
F(x) astal
definida,
que: satisface siguient
las propiedades ii) Si es: y, entonces
i) 0 F(x) 1 x F(x) F(y)

iii) Lim F ( x) P[ x RX / x ] P[ x ] 1
x

iv) Lim F ( x) P[ x RX / x ] P[ x ] 0
x
Propiedades de la Funcin de Distribucin Discret
Acumulativa (Caso o)
F(xi) = P(X xi) por
definicin
P(X > a) = 1 - = 1 -
P(X a) F(a)
P(X <a) = P(X a) - P(X=a) =
F(a) - P(X=a)
P(X a) = 1 - P(X< (F(a) P(X=a) )
a) = 1 -
P( < X a ) = - P(X b) = F(a)
b P(X a) F(b)
X a )=
P( P(X a) - P(X< b) =
b = F(a) - (F(b) -
P(X= b))
Para el ejemplo que venimos desarrollando,
tendramos
Situacin i)lo siguiente:
- Resultados F (x) P( X x) p( xi )
equiprobables: xi x
0 ; si x
X 0 1 2 1/ 8 ; si 00 x
3
F(x) 1/8 4/8 7/8
1 F ( x) 14 / 8 ; si 1
x 2

; sisix23
7 / 8;
3
1x
Situacin ii) - Resultados no
equiprobables:
X 0 1 2
3
p(x) 1/64 10/64
37/64 1

0 ; si x
1/ 64 ; si 00 x

F ( x) 110 / 64 ; si 1 x
2

37 /; 64; 23 x
si x si
13
Ejemplo
Consideremos el experimento aleatorio que consiste en
lanzar dos dados:
= {Lanzar dos dados y observar los nmeros que
2do dado. 1 2 3 4 5 6
aparecen en las caras superiores}
1 1,1 1, 2 1,3 1, 4 1,5 1, 6
2
2,1 2, 2 2, 3 2, 4 2, 5 2, 6

3
( )
3,1 3, 2 3, 3 3, 4 3, 5 3, 6
N () 36
4 4,1 4, 2 4, 3 4, 4 4, 5 4, 6
5 5,1 5, 2 5, 3 5, 4 5, 5 5, 6
6,1 6, 6
6 6, 2 6,3 6, 4 6,5
Suponga que definimos la variable aleatoria X= Suma de los
nmeros resultantes en cada dado
De modo que, el rango de la variable
aleatoria estar dada por:
RX : {2, 3, 4 5, 6, 7, 8, 9,
La distribucin de 10, 11,
y la12}
distribucin de acumulativa,
probabilidad probabilidad sern:
Xi 2 3 4 5 6 7 8 9 10 11 12 Total
n(Xi) 1 2 3 4 5 6 5 4 3 2 1 36
1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 4/36 1/36
p(Xi) 1
0.028 0.056 0.083 0.111 0.139 0.167 0.139 0.111 0.083 0.056 0.028
1/36 3/36 6/36 10/36 15/36 21/3 26/36 30/36 33/36 35/36 36/36
F(xi)=P(Xxi 60.583
0.028 0.083 0.167 0.278 0.417 0.722 0.833 0.917 0.972 1.000
)

Calcular e 6
interpretar P(X = )
Calcular e interpretar P( X
5) = F(5)
Calcular e interpretar P(x
> 7)
Ejem
plo
Una urna contiene 2 bolillas negras, 3 bolillas blancas y 4
bolillas rojas. Se extrae al azar, una
bolilla en forma sucesiva y sin reposicin hasta que se obtenga
una bolilla roja.
Se define la Variable aleatoria X: N extracciones realizadas
hasta obtener una bolilla de color
rojo. Hallar la funcin de probabilidad y la funcin de
distribucin acumulada de X.
Solucin
: {Extraer una bolilla en forma sucesiva y sin reposicin
hasta obtener una bolilla roja}.
Sean: R = Bolilla Roja, T = Bolilla de otro color
Entonces: = { R, TR, TTR, TTTR, TTTTR, TTTTTR }
La variable aleatoria:
 4 5 5
p(1) P[ 1] p(2) P[X 2] 4
X 9 98
5 4 4 10 518
434 5
p(3) P[ 3] p(4) P[X 4]
X 9 8 7 63 9 8 7 6 63
54324 2 54321 1
p(5) P[ 5] p(6) P[X 6] 4
X 9 8 7 6 5 63 98765 12
4 6
La funcin de probabilidad y la funcin de distribucin
acumulada est dada por:
x 1 2 3 4 5 6
p(x)=P(X=x 0.444 0.278 0.159 0.079 0.032 0.008
)
F(x)=P(Xx 0.444 0.722 0.881 0.960 0.992 1.000
)
 ESPERANZA DE
Es el
UNA V.A.D. X
promedio a largo plazo de y s l cono tambi co val
los valores de X, e e ce n mo or
esperado de la V.A. X.
Est definida por la
siguiente expresin:
E(X ) x p(x)
xRX

Mide la tendencia central de la

variable aleatoria X.
 Propiedades de la
Esperanza
Si X Y son variables aleatorias y k, k1 y k2
constantes: E(k) =
k
E(X k) =
E(X) k
E(kX) =
kE(X)
E(k1X k2) =
k1E(X) k2

E(X Y ) = E(X)
E(Y)
 VARIANZA DE
La d
UNA V.A.D. dicha
un V.A. X, mide la respe d s espera oval
varianza e a dispersin de V.A. cto e u nza or
esperad V(X) = E[X-
o. E(X)]2
V(X) = E(X 2) -
V(X) = x p(x)
2
[E(X)]2 2
[xp(x)]
DESVIACIN DE UNA
ESTNDAR V.A.D.
X V(X)

DESVIACIN
ESTNDAR DE UNA
CV ( X ) X
V.A.D.
X
 Propiedades de la
Varianza
Si X Y son variables aleatorias y k, k1 y k2
constantes:
V(k) = k)
V(X 0=
V(X)
V(kX) = k2
V(X)
V(k1X k2) = k12V(X)

V(XY) = V(X) + V(Y) ; si X

Y son variables
aleatorias independientes.
Para el caso que venimos tratando, hallar la esperanza,
la varianza, la desviacin
estandar y el coeficiente de variacin de la variable:
nmero de caras obtenidas al lanzar una moneda tres
 VARIABLE
ALEATORIA
intervalo de valores. CONTINUA
En este tipo de variable lista d tod
noEsesuna
fcilvariable
tener unaleatoria que puede tomar do e os
cualquier
sus valores posibles, porque
valor real sondeterminado
en un valores
fraccionarios.
El tiempo que transcurre entre dos
Ejemplos:
transacciones comerciales
La inversin en publicidad realizada por
una empresa

Tiempo transcurrido hasta que un proyectil

regresa a la Tierra
El peso de una pieza de plstico moldeada
por inyeccin.
 FUNCIN DE DENSIDAD
DE PROBABILIDAD
U funcin f(x), e un funci d densid d
na integrable,de la variable
probabilidad s a n X e par ad cualqu
e
aleatoria
interv continua
[a,b] nmeros reales se , si a ier
alo de cumple:
i) X
f (x) 0 ; x R

ii) f (x) dx 1
-
b

iii) P(a X b) f (x) dx

a
 FUNC DE
f(
IN DENSID b
x) AD
P(a X b) f(x)dx
a

x
0 a b
a

i) P (X a) P(a X a) f (x) 0
a dx
ii) P(a X b) P(a X
b) P(a X b)
P(a X b)
 FUNCI DISTRIBUCIN
F ( x) P(X x)
N DE ACUMULADA
f (t) dt, paratodo X
x

d
En este caso, F ( x) f(x) f(x)
d( x)
Adem s,para cualquier par de nm erosa y b / a b:
P(a X b) F(b)- F(a)

Adems F(x) debe

satisfacer:
0 F(x) 1, x RX
F(x) es una funcin creciente. Esto es, para tales que x1
x1 RX y x2 RX, entonces: F(x1) F(x2). x2
 ESPERANZA DE
X
UNA V.A.C.
E(x) x f (x) dx
-
VARIA D UNA
NZA E V.A.C. X
V(x) 2 E[ x E( X ) ] 2
2
E(x ) [E(x)]2
2 2

V(x) x f(x)dx xf(x)dx
-
 Ejemplos
La cobertura de una prueba en el proceso de
verificacin de un semiconductor tiene una
eficacia del 80% ( chip defectuoso no pase la
prueba). Se someten a prueba tres chips .
Supngase que la falla de cada chip
defectuoso es independiente de las que
aparezca en otras pruebas Cul es el valor
esperado del numero de chips defectuosos
que no pasan la prueba?