PROBABILIDAD Y ESTADSTICA II- ISFD N 6018

3ER. AO DEL PROFESORADO PARA EGB3 Y POLIMODAL DE MATEMTICA -2013

Prof. Celia Villagra - 1 -
Variable aleatoria

Uno de los campos de aplicacin de la Estadstica consiste en la realizacin de
inferencias acerca de las poblaciones y sus caractersticas. Los resultados de los
experimentos que se llevan a cabo estn sujetos al azar o la casualidad.

En gran cantidad de experimentos aleatorios es necesario cuantificar los resultados, es
decir, asignar a cada resultado del experimento un nmero, con el fin de poder realizar un
estudio matemtico.
Ejemplos


Consideremos el experimento aleatorio que consiste en lanzar tres monedas,
supongamos que a cada elemento de su espacio muestral E={ccc, ccx, cxc, xcc, cxx, xcx,
xxc, xxx} le asignamos un nmero real, el correspondiente al nmero de caras (discreta).

Esta correspondencia que acabamos de construir es una funcin del espacio muestral E
en el conjunto de los nmeros reales R. A esta funcin la llamaremos variable aleatoria y
la denotaremos por X.
Supongamos el experimento aleatorio que consiste en lanzar dos dados, podemos
asignar a cada resultado la suma de los puntos aparecidos en cada dado (discreta).
Consideremos el experimento que consiste en elegir al azar 500 personas y medir su
estatura. La ley que asocia a cada persona con su talla es una variable aleatoria
(continua).
Consideremos el experimento que consiste en elegir al azar 100 sandias de una
plantacin y pesarlas. La ley que asocia a cada sanda su peso es una variable aleatoria
(continua).

Se utilizan letras maysculas X, Y, ... para designar variables aleatorias, y las respectivas
minsculas (x, y, ...) para designar valores concretos de las mismas.

Si un experimento con espacio muestral E, tiene asociada la variable aleatoria X, es
natural que se planteen preguntas como: Cul es la probabilidad de que X tome un
determinado valor?, esto nos lleva a establecer, por convenio, la siguiente notacin:

(X=x) representa el suceso "la variable aleatoria X toma el valor x", y
P(X=x) representa la probabilidad de dicho suceso.

(X<x) representa el suceso "la variable aleatoria X toma un valor menor a x", y
P(X<x) representa la probabilidad de que la v.a. X tome un valor menor a x.

(X s x) representa el suceso "la variable aleatoria X toma un valor menor o igual a x", y
P(X sx) representa la probabilidad de que la v.a. X tome un valor menor o igual a x.

Si una variable aleatoria slo toma valores enteros, es decir, un nmero finito de valores o
infinito numerable diremos que es discreta (los dos primeros ejemplos). Si tericamente,
puede tomar todos los valores de un intervalo de R, diremos que es continua (los dos
ltimos ejemplos).
Una v.a. puede ser continua, aunque nosotros slo podamos acceder a un subconjunto
finito de valores. Por ejemplo la presin arterial es una v.a. continua pero slo podemos
acceder a un conjunto finito de valores por la limitacin de los aparatos de medida.
En general, las medidas dan lugar a v.a. continuas y los conteos a v.a. discretas.

Algunas definiciones
Variable aleatoria: Una variable aleatoria es una funcin que asocia a cada elemento del
espacio muestral un nmero real.
X f
i
hi
0 1 1/8
1 3 3/8
2 3 3/8
3 1 1/8

PROBABILIDAD Y ESTADSTICA II- ISFD N 6018
3ER. AO DEL PROFESORADO PARA EGB3 Y POLIMODAL DE MATEMTICA -2013
Prof. Celia Villagra - 2 -
Distribucin de probabilidades: modelo terico que describe la forma en que varan los
resultados de un experimento aleatorio. Lista de los resultados de un experimento con las
probabilidades que se esperaran ver asociadas con cada resultado.

Variable aleatoria discreta: variable que toma un nmero finito o infinito de valores
numerables. Variable aleatoria que puede tomar slo un nmero limitado de valores.

Variable aleatoria continua: variable que toma un valor infinito de valores no
numerables. Variable aleatoria que puede tomar cualquier valor dentro de un intervalo
dado de valores.

Funcin de probabilidad: funcin que asigna probabilidades a cada uno de los valores
de una variable aleatoria.

Funcin de Probabilidad f(x)
Consideremos una v.a. discreta X, que toma los valores x1, x2, ..., xn. Supongamos que
conocemos la probabilidad de que la variable X tome dichos valores, es decir, se conoce
que p(X=x1) = p1 , p(X=x2) = p2, p(X=x3) = p3, ..., p(X=x1) = pn ,
en general p(X=xi) = pi

La funcin de probabilidad f(x) de la v.a. X es la funcin que asigna a cada valor x
i
de la
variable su correspondiente probabilidad p
i
. A f(x) se le llama funcin de probabilidad o
funcin de cuanta.

) ( ) (
:
x X P x f x
R R f
= =

El conjunto de pares ordenados (x,f(x)) es una distribucin de probabilidad de la variable
aleatoria discreta X si se cumple:

a) 0 > ) (x f (condicin de no negatividad)
b)

=1 ) (x f (Condicin de cierre)

La representacin grfica ms usual de la funcin de probabilidad es un diagrama de
barras no acumulativo.( como la variables es discreta son bastones)


Funcin de Distribucin o de Probabilidades acumuladas F(x)

En muchas ocasiones no nos interesa tanto conocer la probabilidad de que la v.a. X tome
exactamente un determinado valor xi, cuanto la probabilidad de que tome valores
menores o iguales que un cierto valor xi. En tales casos es necesario acumular los
distintos valores de la funcin de probabilidad hasta el valor deseado. Se trata de una
nueva aplicacin llamada funcin de distribucin acumulativa de la variable aleatoria.
Tambin se conoce cmo funcin masa de probabilidad de una variable aleatoria discreta.

PROBABILIDAD Y ESTADSTICA II- ISFD N 6018
3ER. AO DEL PROFESORADO PARA EGB3 Y POLIMODAL DE MATEMTICA -2013
Prof. Celia Villagra - 3 -
Sea X una variable aleatoria discreta, cuyos valores se suponen ordenados de menor a
mayor. Se llama funcin de distribucin de la variable X, y se simboliza por F(x), a la
funcin

) ( ) (
:
x X P x F x
R R F
s =

cuando < < x

es decir, asocia a cada valor de la v.a. discreta la probabilidad acumulada hasta ese valor
(la probabilidad de que la v.a. tome valores menores o iguales a xi).



Podemos expresar la funcin de distribucin de la siguiente forma:


Su representacin grfica tiene forma escalonada, siendo los saltos coincidentes con las
probabilidades pi correspondientes a los valores xi de la variable X.

Por lo tanto, en el caso discreto, una variable aleatoria X est caracterizada por la funcin
de probabilidad puntual p(x), la cual determina de que X = x, y por la funcin de
distribucin acumulativa F(x), la que representa la suma de las probabilidades puntuales
hasta el valor de x de X inclusive.
PROBABILIDAD Y ESTADSTICA II- ISFD N 6018
3ER. AO DEL PROFESORADO PARA EGB3 Y POLIMODAL DE MATEMTICA -2013
Prof. Celia Villagra - 4 -

VALOR ESPERADO DE UNA VARIABLE ALEATORIA DISCRETA

El valor esperado ( o esperanza) de una variable aleatoria es un concepto muy importante
en el estudio de las distribuciones de probabilidad. La esperanza de una variable aleatoria
en el estudio de las distribuciones de probabilidad. La esperanza de una variable aleatoria
tiene sus orgenes en los juegos del azar, debido a que los apostadores deseaban saber
cul era su esperanza de ganar repetidamente un juego. En este sentido el valor
esperado representa la cantidad de dinero promedio que el jugador est dispuesto a
ganar o perder despus de un nmero muy grande de apuestas. Este significado es
vlido para una variable aleatoria. Es decir, el valor promedio de una variable aleatoria
despus de un nmero grande de experimentos, en su valor esperado.
Para ilustrar la esencia de la esperanza, se analizar el siguiente juego de azar.
Supngase que se tiene moneda normal y el jugador tiene tres oportunidades para que al
lanzarla aparezca una cara. El juego termina en el momento en el que cae una cara o
despus de tres intentos, lo que suceda primero. Si en el primero, segundo o tercer
lanzamiento aparece una cara el jugador recibe $2, $4 y $8 respectivamente. Si no cae
cara en ninguno de los tres lanzamientos, pierde $20. Para determinar la ganancia o
prdida promedio despus de un nmero muy grande de juegos, sea X la variable
aleatoria que representa la cantidad que se gana o se pierde cada vez que se juega. La
siguiente tabla ilustra la situacin

X 2 4 8 -20
p(X) 1/2 1/8 1/8


Despus de un nmero grande de juegos se espera ganar $2 en cualquiera de los dos
lanzamientos, $4 en cualquiera de los cuatro lanzamientos, $8 una vez cada 8
lanzamientos y se espera perder $20 una vez en cada ocho intentos. El valor esperado, o
la cantidad promedio que se ganara en cada juego despus de un nmero muy grande
de stos, se determina multiplicando cada cantidad que se gana o se pierde por su
respectiva probabilidad y sumando los resultados. De acuerdo a lo anterior, la esperanza
de ganar es:

$2. (1/2) + $4. (1/4) + $8. (1/8) + ( -$20). (1/8) = $0.50

por juego. Ntese que el valor esperado de 50 centavos no es ninguno de los posibles
valores de la variable aleatoria; de esta forma, es completamente posible que una variable
aleatoria nunca tome el valor de su esperanza.

Valor esperado de una variable aleatoria discreta X es el promedio o valor medio de X y
est dado por:

E(X) =

x
x p x ) ( .
Donde p(x) es la funcin de probabilidad..

Propiedades de la Esperanza
1.El valor esperado de una constante c es el valor de la constante
E ( c ) = c
E( c) = c x p c x p c
x x
= =

) ( . ) ( .
2.El valor esperado de la cantidad aX + b, en donde a y b son constantes, es el producto
de a por el valor esperado de x ms b.

E(aX + b) = a . E(x) + b

E(aX+b) =

+ = + = + = +
x x x x
b X E a x p b x Xp a x p b x p aX x p b aX ) ( . ) ( ) ( . ) ( . )) ( . ( ) ( ) (
Momento de una variable aleatoria

Los momentos de una variable aleatoria X son los valores esperados de ciertas funciones
de X. Estos forman una coleccin de medidas descriptivas que pueden emplearse para
caracterizar la distribucin de probabilidades de X y especificarla si todos los momentos
de X son conocidos. A pesar de que los momentos de X pueden definirse alrededor de
cualquier punto de referencia, generalmente se definen alrededor del cero o del valor
esperado de X.
PROBABILIDAD Y ESTADSTICA II- ISFD N 6018
3ER. AO DEL PROFESORADO PARA EGB3 Y POLIMODAL DE MATEMTICA -2013
Prof. Celia Villagra - 5 -

Sea X una variable aleatoria discreta. El r simo momento de X alrededor del cero se
define por:

= =
x
r r
r
x p x X E u ) ( ) (
'

El primer momento alrededor del cero es la media o valor esperado de la variable
aleatoria y se denota por u ; de esta manera se tiene que ) (
'
1
x E u u = =

Sea X una variable aleatoria discreta. El r simo momento central de X o el r-simo
momento alrededor de la media de X se define por:

= =
x
r r
r
x p u x u X E u ) ( ) ( ) (
El momento central cero de cualquier variable aleatoria es uno, dado que:

1 ) 1 ( ) (
0
0
= = = E u x E u
El primer momento central de cualquier variable aleatoria es cero, dado que:

0 ) ( ) (
1
= = = u X E u X E u
El segundo momento central :

2
2
) ( u X E u = recibe el nombre de VARIANZA de la variable aleatoria.
Puesto que :
2 2 2 2 2 2 2 2
2
) ( 2 ) ( ) 2 ( ) ( ) ( u X E u u X E u Xu X E u X E X Var u = + = + = = =
Es decir : | |
2 2
) ( ) ( ) ( X E X E X Var = por lo tanto o(X) = ) (x Var

Es til notar que la varianza de una variable aleatoria X es invariable ; es decir:

Var ( X + b) = Var (X) para cualquier valor constante de b.

Adems: Var ( aX + b) = a
2
.Var(X)

Var (aX+b) = E(aX+b)
2
- [ E(aX+b)]
2

= E(a
2
X
2
+ 2abX + b
2
) [ a E(X) + b]
2

=a
2
E(X
2
) + 2 a b E(X) + b
2
a
2
[E(X)]
2
2ab E(X) b
2

= a
2
E(X
2
) - a
2
[E(X)]
2

= a
2
[E(X
2
) (E(X)]
2
]
= a
2
Var (X)

COEFICIENTE DE VARIACIN.

Sabemos que la varianza, y por tanto, la desviacin tpica, es una medida de dispersin
de la variable respecto a su media y teniendo en cuenta su definicin, vemos que la
varianza de una variable est influenciada por el tamao de los valores que toma y
consecuentemente por la media, entonces para evitar esta influencia del tamao de los
valores de la variable, debemos de dar una medida relativa de dispersin que nos exprese
la dispersin de la variable respecto del tamao de la variable, pero midiendo este tamao
de la variable por su valor esperado o media. Esta medida relativa de dispersin es el
coeficiente de variacin, que se define como:
CV
| |
x x
x
x
E X
o o

= =


Desigualdad de Chebyshev.
En apartados anteriores hemos calculado medias y varianzas para distribuciones y
decamos que estas dos cantidades nos daban alguna informacin sobre el centro de
gravedad y la dispersin de la distribucin.
Ahora el problema es que no conocemos la distribucin y solamente conocemos la media
y la varianza de una distribucin desconocida y queremos calcular cotas superiores de
ciertas probabilidades e incluso la probabilidad para algn intervalo relativo a la media.
Estos resultados vendrn dados por medio de la desigualdad de Chebychev.

PROBABILIDAD Y ESTADSTICA II- ISFD N 6018
3ER. AO DEL PROFESORADO PARA EGB3 Y POLIMODAL DE MATEMTICA -2013
Prof. Celia Villagra - 6 -
Sea X una variable aleatoria con E(X) = y V(X) = o
2
conocidas, y sea k un nmero
positivo. Entonces, la probabilidad de que la variable satisfaga la desigualdad o . k X >
es menor que
2
1
k
.
Este teorema da una cota de probabilidad. En smbolos : ( )
2
1
.
k
k X P < > o
Tambin puede enunciarse como: ( )
2
1
1 .
k
k X P > < o

Veamos un ejemplo
Supnga que el nmero de artculos producidos en una fbrica durante una
semana es una variable aleatoria con media 50. Si la varianza de una semana de
produccin se sabe que es igual a 25, entonces Qu podemos decir acerca de la
probabilidad de que en esta semana la produccin difiera en ms de 10 a la
media?

Por la desigualdad de Chebyshev

4
1
10
) (
) 10 50 (
2
= s >
x Var
X P

entonces la probabilidad de que en la semana de produccin el nmero de
artculos exceda en ms de 10 a la media es a lo ms 0.25.