Estadstica (Q) Dra. Diana M.

Kelmansky
FCEN-UBA
57

7. Variables Aleatorias

Definir una variable aleatoria en un experimento aleatorio consiste en asociar un valor numrico a
cada suceso elemental del experimento. Interesa fundamentalmente asignar probabilidades a
dichos valores numricos.

Formalmente, dados un experimento aleatorio , un espacio muestral , una familia de sucesos en
con una probabilidad P, diremos que una funcin

X: R, es una variable aleatoria si

X
-1
(- , x ] = {

: X ( ) x } es un suceso

Esta definicin asegura que sea posible realizar clculos de probabilidades sobre sucesos definidos
en R a partir de valores de las variables aleatorias. No utilizaremos esta definicin en forma
explcita en lo que sigue!

En ocasiones los sucesos elementales de un experimento aleatorio son nmeros, en esta
situacin esos nmeros coinciden con el valor de una variable aleatoria.

Ejemplo 1

= se arroja un dado y se observa el resultado de la tirada
= {1,2,3,4,5 ,6}
Sucesos = cualquier subconjunto de
X: R la funcin identidad
Valores posibles de X = {1,2,3,4,5 ,6} = R
X


Para un dado que no est cargado asignamos equiprobabilidad a los valores posibles de la variable
aleatoria X:

P(X=1) = P(X=2) = P(X=3) = P(X=4) = P(X=5) = P(X=6) = 1/6

Ejemplo 2

= se elige un individuo al azar de una poblacin y se registra cuantos aos complet de la escuela
secundaria
= {0,1,2,3,4,5 }
Sucesos = cualquier subconjunto de
X: R la funcin identidad
Valores posibles de X = {0, 1,2,3,4,5} = R
X


En qu casos es razonable asignar equiprobabilidad a los valores posibles de la variable aleatoria
X?


Estadstica (Q) Dra. Diana M. Kelmansky
FCEN-UBA
58


Muchas veces los sucesos elementales de un experimento aleatorio son vectores, en esta situacin
podemos definir una o ms variables aleatorias en dicho experimento y asignar probabilidades a
sus valores.

Ejemplo 3

= se eligen al azar y con reposicin 3 artculos de un lote que contiene 5% de artculos
defectuosos.
= { / (DDD, BDD, DBD, DDB, BBD, BDB, DBB, BBB)}
Sucesos = cualquier subconjunto de
X: R
X () = cantidad de defectuosos en
Valores posibles de X = {0,1,2,3} = R
X



P(X=0) = P {

: X ( ) = 0 } = P(BBB)= (0.95)
3
P(X=1) = P {

: X ( ) = 1 } = P(BBD, BDB, DBB)= 3 (0.95)
2
(0.05)
1
P(X=2) = P {

: X ( ) = 2 } = P(BDD, DBD, DDB)= 3 (0.95)
1
(0.05)
2
P(X=3) = P {

: X ( ) = 3} = P(DDD)= (0.05)
2

Cul es la probabilidad de obtener a lo sumo un defectuoso?

P (X 1) = P(X=0)+ P(X=1) = (0.95)
3
+3 (0.95)
2
(0.05)
1

Cual es la probabilidad de a lo sumo 2 artculos defectuosos?

P (X 2) = 1- P (X=3) = 1- (0.05)
2



Veremos ms adelante como asignar probabilidades en este tipo de variables aleatorias en general.




Estadstica (Q) Dra. Diana M. Kelmansky
FCEN-UBA
59

7.1 Variables Aleatorias Discretas


Si el conjunto de resultados posibles, R
X
, es finito infinito numerable, decimos
que X es una v.a. discreta.

Sea X una v.a. discreta. Indicaremos por R
X
={x
i
, i Naturales} al conjunto de todos sus valores
posibles. Un modelo de probabilidad para X est dado por la asignacin de probabilidades, p
i
, a
estos resultados,

P(X=x
i
) = p
X
(x
i
)

=p
i
.

Las probabilidades deben satisfacer
1. 0 p
i
1
2. p
i
=1


La probabilidad P(X est en A) de cualquier suceso se calcula sumando las p
i
de los resultados que
componen A.

Los valores p
i
determinan la distribucin de probabilidades de la v.a. X mediante la funcin de
probabilidad puntual (f.p.p. p
X
) que asigna a cada x
i
una probabilidad p
i
.

Ejemplo 4: Un profesor califica sus pruebas en una escala de 4 puntos (1, 2, 3, 4). Supongamos
que en un curso de 30 alumnos los resultados ordenados fueron:

1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4

Sea X = resultado de la prueba para un alumno del curso elegido al azar.

Luego R
X
= {1, 2, 3, 4} X es una variable aleatoria discreta


La frecuencia de cada una de las calificaciones es, 3, 6, 12 y 9 respectivamente, pues 3 alumnos
obtuvieron 1, 6 alumnos obtuvieron 2, 12 alumnos obtuvieron 3 y 9 alumnos obtuvieron 4.

resultado (x
i
) 1 2 3 4
frecuencia (f
i
) 3 6 12 9
frec. relativa (f
i
/n) .1 .2 .4 .3
p
X
(x
i
) = p
i
.1 .2 .4 .3

Es razonable asignar a cada valor posible de la v.a. X una probabilidad igual a la frecuencia
relativa.



Estadstica (Q) Dra. Diana M. Kelmansky
FCEN-UBA
60




Diagrama de barras -- Histograma de Probabilidad


Siguiendo con el ejemplo 4:

Cul es la probabilidad de que un alumno elegido al azar haya tenido a lo sumo un 3?

P( X 3 ) = p
X
(1) + p
X
(2) + p
X
(3)
= p1 + p
2
+ p
3
= .1 + .2 + .4 = .7

Este valor (0.7) coincide con la proporcin de alumnos que obtuvieron una calificacin de a lo sumo
3.

Si pensamos que los 30 alumnos constituyen la poblacin en estudio, podemos calcular la media,
, y la varianza,
2
, poblacionales de la variable, X (resultado de la prueba).


) 4 ( 4 ) 3 ( 3 ) 2 ( 2 ) 1 ( 1
30
9
4
30
12
3
30
6
2
30
3
1
30
4 4 4 ...... 2 2 2 2 2 2 2 1 1 1
x x x x
p p p p + + + =
+ + + =
+ + + + + + + + + + + + +
=



Estadstica (Q) Dra. Diana M. Kelmansky
FCEN-UBA
61

La media poblacional
X
de una variable X es un promedio pesado de los valores posibles.

En general tenemos:

Si X es una v.a. discreta con valores posibles R
X
=

{ x
i
, i en los Naturales} y

f.p.p. p
X
(x
i
)
entonces se define la Esperanza de X (
X
)

E(X)=

X
R x
i X i
x p x
i
) (

Volviendo al ejemplo 4: La varianza poblacional
2
es

) 4 ( ) 4 ( ) 3 ( ) 3 ( ) 2 ( ) 2 ( ) 1 ( ) 1 (
30
9
) 4 (
30
12
) 3 (
30
6
) 2 (
30
3
) 1 (
30
) 4 ( ...... ) 1 ( ) 1 ( ) 1 (
2 2 2 2
2 2 2 2
2 2 2 2
2
x x x x
p p p p

+ + + =
+ + + =
+ + + +
=


En general tenemos:

Si X es una v.a. discreta con valores posibles R
X
=

{ x
i
, i en los Naturales} y

f.p.p. p
X
(x
i
)
entonces se define la Varianza de X (
2
)

Var(X)=

X
R x
i X
2
i
x p ) - (x
i
) (




7.2 Variables aleatorias continuas

Una variable aleatoria es continua cuando el conjunto de sus valores posibles son todos los valores
de un intervalo o de una unin de intervalos de nmeros reales.

Por ejemplo, la concentracin de cromo en el Riachuelo es una variable aleatoria continua.

La distribucin de una variable aleatoria continua se describe mediante la funcin de densidad de
probabilidad, simplemente funcin de densidad f
X
.

La funcin de densidad, f
X
, de una variable aleatoria X satisface:

1. f
X
(x) 0

Estadstica (Q) Dra. Diana M. Kelmansky
FCEN-UBA
62


2. f
X
(x) dx = 1

3. P(X A) =
A
f
X
(x) dx

Si X es una v.a. continua cualquiera. Cunto vale la probabilidad de que X = 160? Por qu?

Ejemplo 5: La distribucin alturas de las mujeres jvenes argentinas es aproximadamente Normal
con = 160 cm = 4 cm.

Sea X = altura de una mujer argentina joven, elegida al azar, X es una v.a. continua y su funcin de
densidad de probabilidad est dada por:

2
2
2
) (
2
1
) (

=
x
X
e x f


En general, si la funcin de densidad de probabilidad de una variable aleatoria X est dada por la
expresin anterior, decimos que X tiene distribucin Normal de parmetros y
2
:
X ~ N ( ,
2
)

7,2,1 Propiedades de la distribucin Normal

Sea X ~ N ( ,
2
), entonces

a) Z= (X - ) / ~ N (0 , 1) distribucin Normal Estndar.

b) aX + b ~ N (a + b , a
2

2
)

Siguiendo con el ejemplo 5: Cul es la probabilidad de que una mujer joven elegida al azar tenga
una altura entre 160 cm y 168 cm? Recordemos que
X = altura de una mujer argentina joven, elegida al azar entonces
X ~ N ( ,
2
) con = 160 cm y = 4 cm

P (160 < X < 168) = P ( 0 < (X - 160) / 4 < 2 ) = (2) - (0)
= 0.9772 - 0.5 = 0.4772


7.2.2 Esperanza y varianza de una variable aleatoria continua

Cmo se calculan la esperanza y la varianza de una variable aleatoria continua X conociendo su
funcin de densidad de probabilidad f
X
?


Estadstica (Q) Dra. Diana M. Kelmansky
FCEN-UBA
63

Si X es una variable aleatoria continua con funcin de densidad, f
X
entonces su media o esperanza
(E(X)) est dada por:

= dt t t
X
) ( f
X

y su varianza

= dt (t) f t
X X
X ) (
2 2




Compare con el caso discreto.

En base a las propiedades de la esperanza es fcil ver que Var(X) = E[(X- )
2
]


7.2.2.1 Propiedades de la Esperanza y la Varianza

a) Esperanza de una funcin de una variable aleatoria: sea Y = h( X ) entonces


continua es X si dx (x) f (x) h
discreta es X si p h(x
E(Y)
X
i
X i

=

) ( )
1
i
x


b) Si P(X = c) = 1 entonces E(X) = c ( E (c) = c )
c) E( aX + b) = aE(X) + b
d) Var (aX + b) = a
2
Var(X)
e) Var (c) = .......



7.3 Funcin de Distribucin acumulada

La funcin de distribucin acumulada de una variable aleatoria X, cualquiera, es:

) x X ( P (x) F
X
=



Si X es una variable aleatoria discreta

Estadstica (Q) Dra. Diana M. Kelmansky
FCEN-UBA
64

=
x x
R x
i
i
X i
x ) (
X X
p (x) F



Si X es una variable aleatoria continua

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


Luego
) ( ) ( x x
X
'
X
f F =



7.3.1 Propiedades de la funcin de distribucin acumulada


(i) 0 F
X
(x) 1 x R

porque es una probabilidad


(ii) Es montona
no decreciente


porque es acumulada

(iii) Es continua a derecha


por la forma en que est definida

(iv) lm F
X
(x) = 1
x +

por (i) (ii)
lm F
X
(x) = 0
x -


(v) En cada punto x el valor del salto es la probabilidad puntual de ese
punto:
salto = F
X
(x) - F
X
(x
-
)
= p (x)
X



Ejemplo 4 cont: Sea X = nota obtenida en una prueba de un alumno elegido al azar

Estadstica (Q) Dra. Diana M. Kelmansky
FCEN-UBA
65


nota (x) 1 2 3 4
p
X
(x) 0.1 0.2 0.4 0.3



Funcin de distribucin acumulada

<
<
<
<
=
x si
x si
x si
x si
x si
x F
X
4 1
4 3 7 . 0
3 2 3 . 0
2 1 1 . 0
1 0
) (