Estadstica (Ing.

)
Variable aleatorias
Discretas
Ing. Sandra Gonzlez
I termino, 2016

La funcin de Variable Aleatoria Discreta

Una

variable aleatoria X (V.A.X) es una funcin que asocia un

nmero real con cada elemento del espacio muestral.

X:

A cada , la funcin X le asigna uno y solo un numero real

x().

Variable Aleatoria Discreta toma un numero contable o

enumerable x() cuya probabilidad es diferente de cero.

Ejemplo Variable Aleatoria Discreta:

Ej.: Se sacan 2 fichas de manera sucesiva sin reemplazo de una urna

que contiene 4 fichas rojas y 3 negras.

Variable aleatoria X= El nmero de fichas rojas.

Espacio
Muestral

RR

P(x=0)=1/4 = 0.25

RN

P(x=1)=2/4 = 0.50

NR

P(x=2)=1/4 = 0.25

NN

P(X=x)

Histograma de Probabilidad
0.50

0.25

Entonces, P(X=x) es la probabilidad que X tome el valor de x, para el

ejemplo la probabilidad de que X tome los valores de 0,1 o 2

A este conjunto se llama Soporte de X, entonces S={0,1,2}
S={x P(X=x) 0}

0.25

Funcin de distribucin de probabilidad

de una variable aleatoria discreta f(x)

Sea:

f(x) = P(X=x), distribucin de probabilidad de X, entonces f

establece una correspondencia de X a los nmeros reales.
f: X ,
x f(x),

dom f = X,

rg f [0, 1]

Debe de cumplir las siguientes condiciones:

a) f(x)=p(X=x)
b)

f ( x) 1 para todo x que pertenece al soporte de X

X

c) P(X =

A es un subconjunto del soporte de X

Ejemplo:
Ejemplo. Sea X una variable aleatoria discreta cuya distribucin
de probabilidad est dada por
f(x) = P(X=x) =

kx 2 , x 0,1,2,3

otro x
0,

Encuentre P(X=2)
Por la propiedad 2)

f (x ) 1
X

2
2
2
2
=
k(0)
+
k(1)
+
k(2)
+
k(3)
=1 k=
kx
1/14
x0

Por lo tanto, P(X=2) = (1/14)(2)2 = 2/7=0.28

Funcin de Distribucin Acumulada de

una variable aleatoria discreta F(X)
Sea

X: variable aleatoria discreta,

f(x): distribucin de probabilidad de la variable aleatoria X
F(x): distribucin de probabilidad acumulada de la variable aleatoria X

F es una funcin definida sobre el conjunto de los nmeros reales y expresa la

probabilidad que la variable aleatoria X tome cualquier valor menor o igual que un
valor dado x:
F(x) = P(Xx) =

f(t)
t x

para - < x <

F: , dom F = ,

rg F [0, 1]

Ejemplo: funcion de distribucion f(x) y funcion de distribucion acumulada F(x):

Ej.: Lanzar tres monedas y observar el resultado de cada una: cara(c), o

sello(s)

Variable aleatoria X= Cantidad de sellos que se obtienen

Espacio
Muestral

CSC

CSS

P(x=0)=1/8 = 0.125

CCC

P(x=1)=3/8 = 0.375

CCS

P(x=2)=3/8 = 0.375

SSC

P(X=3)=1/8 =0.125

SSS

SCC

SCS

Funcion de distribucion
f(x)=P(X=x)

Funcion de distribucion Acumulada F(X)

f(x)=P(X=x)
P(x=0)=1/8 = 0.125
P(x=1)=3/8 = 0.50
P(x=2)=3/8 = 0.25

Entonces:
F(0) = P(X0) = f ( t ) =P(X=0) = 1/8
t 0

F(1) = P(X1) =

f (t ) =P(X=0)+P(X=1) = 1/8 +3/8 =4/8

t 1

F(2) = P(X2) = f (t ) =P(X=0)+P(X=1)+P(X=2) = 1/8 +3/8+3/8 =7/8

t 2

P(X=3)=1/8 =0.125

F(3) = P(X3) = f (t ) =P(X=0)+P(X=1)+P(X=2)+P(X=3) =

t 3
1/8 +3/8+3/8 +1/8=1

0,
x0
1 / 8, 0 x 1
4 / 8, 1 x 2
7 / 8, 2 x 3

F(X)=

1,

x3

Funcion de distribucion Acumulada F(X)

0,
x0
1 / 8, 0 x 1
4 / 8, 1 x 2
7 / 8, 2 x 3

1,

x3

Propiedades de la Distribucion
Acumulada
1) = P(Xa)
F(a)
1) 0F(x)1
2) a b F(a)F(b)(F es creciente)
3) P(X>a) = 1 P(Xa) = 1 F(a)

Para el ejemplo anterior:

0,

x0

1 / 8, 0 x 1

F(2.5) = P(X2.5) = 7/8

F(-3.4) = P(X -3.4) = 0

F(24.7) = P(X 24.7) =1

4 / 8, 1 x 2
7 / 8, 2 x 3
1,

x3

Valor Esperado de una V.A Discreta: E(x)

El valor esperado o media es una medida estadstica que describe la
tendencia central de la variable aleatoria. Podemos pensar que representa
el valor promedio que tomara la variable aleatoria si el experimento se
realizara un gran nmero de veces en condiciones similares.

Definicin
Sea X: variable aleatoria discreta y f(x) su distribucin de probabilidad, Entonces:
=E(X)=

xf (x )
x

Variable aleatoria X= Cantidad de sellos que se obtienen

Ej.: Lanzar tres monedas y observar el resultado de cada una: cara(c), o sello(s)
Variable aleatoria X= Cantidad de sellos que se obtienen
Espacio
Muestral

CSC

CSS

CCC

P(x=1)=3/8 = 0.50

CCS

SSC

P(x=2)=3/8 = 0.25

SSS

SCC

SCS

f(x)=P(X=x)
P(x=0)=1/8 = 0.125

P(X=3)=1/8 =0.125

Entonces, el valor esperado de X es: = E[X] =

xf ( x)
x 0

= 0(1/8) + 1(3/8) + 2(3/8) + 3(1/8) = 1.5

Significa que si se realizaran un gran nmero de ensayos, en promedio se
obtendran 1.5 sellos

Valor esperado de funciones de X

El valor esperado puede extenderse a expresiones con la variable aleatoria. Estas
expresiones tambin son variables aleatorias y con igual dominio.
Sea X: Variable aleatoria discreta
f(x): Distribucin de probabilidad
G(X):
Alguna expresin con X

E (G ( x)) G ( x) f ( x)
x

Ejemplo:
Sea X una variable aleatoria discreta con distribucin de probabilidad:

x
1
2
3
4

f(x)
0.1
0.4
0.3
0.2

Sea G(X) = 2X + 1. Encuentre E[G(X)]

E[G(X)] = G(x )f (x ) = (2(1)+1)(0.1) + (2(2)+1)(0.4) + (2(3)+1)(0.3) +

(2(4)+1)(0.2) = 6.2
x 1

Ejemplo:

Un almacn vende diariamente 0, 1, 2, 3, o 4 artculos electrodomsticos con

probabilidad 10%, 40%, 30%, 15%, y 5% respectivamente. Mantener el local le
cuesta diariamente $40. Por cada artculo que vende, tiene una ganancia de
$50. Encuentre el valor esperado de la ganancia diaria.
Sea X: variable aleatoria discreta (nmero de artculos que vende cada da)
La distribucin de probabilidad de X es:
x

f(x)=P(X=x)

0
1
2
3
4

0.1
0.4
0.3
0.15
0.05

Sea
G(X) = 50X 40, variable aleatoria que
representa la ganancia diaria
Entonces:

E[G(X)]=

G(x )f (x )

x0

= (50(0)-40)(0.1) + (50(1)-40)(0.4) + .... = 42.5

Significa que cada da la ganancia esperada es $42.5

PROPIEDADES DEL VALOR ESPERADO

Sean
X: variable aleatoria discreta
f(x): distribucin de probabilidad de X
a, b , nmeros reales cualesquiera
Entonces

E[aX + b] = aE[X] + b

Corolarios:
1)E[aX] = a E[x],
2)E[b]=b b es una constante

Ejemplo:
G(X) = 50X 40
E[G(X)] = E[50X 40] = 50 E[X] 40
4

E[X] = xf (x ) = 0(0.1) + 1(0.4) + 2(0.3) + 3(0.15) + 4(0.05) = 1.65

x0

E[G(X)] = 50(1.65) 40 = 42.5

Varianza de una V. A discreta (

La varianza o variancia es una medida estadstica que indica cuan dispersos estn
los valores de la variable aleatoria alrededor de la media, es decir mide su
variabilidad.

Definicin
Sea
X: variable aleatoria discreta
f(x):distribucin de probabilidad
, o E[X]: valor esperado de la variable aleatoria X
Entonces
2 o V[X] representan la varianza de la variable aleatoria X
(el smbolo del alfabeto griego, se lee sigma)

2= V[X] = E[(X-)2
] =( x )

f (x )

Ejemplo:
Se tiene la distribucin de probabilidad de X:
x

f(x)=P(X=x)

0
1
2
3

1/8
3/8
3/8
1/8

= E[X] =

xf (x )

x0

= 1.5

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

(x ) 2 f (x )

x0

= (0-1.5)2(1/8) +(1-1.5)2(3/8) +
(2-1.5)2(3/8)+(3-1.5)2(1/8) = 0.75

Formula alternativa para calcular la

varianza
2=

V[X] = E[(X-)2] = E[X2] - 2

Demostracion:

Usando las propiedades del valor esperado:

V[X] = E[(X-)2] = E[X2 2X + 2] = E[X2] E[2X] + E[ 2] =
= E[X2] 2E[X] + 2 = E[X2] 2 2 + 2

Ejemplo:

Calcule la varianza en el ejemplo anterior usando la frmula alternativa para la

varianza:

E[X ] =
2

2
x
f (x)

x 0

= 02(1/8) + 12(3/8) + 22(3/8) + 32(1/8) = 3

2= V[X] = E[X2] - 2 = 3 1.52 = 0.75

PROPIEDADES DE LA VARIANZA

Sean
X: variable aleatoria discreta
f(x):distribucin de probabilidad de X
a, b , nmeros reales cualesquiera
Entonces

V[aX + b] = a2V[X]

Demostracion:
V[aX+b] = E[(aX + b)2] (E[aX + b))2 = E[a2X2 + 2abX + b2] (aE[X] + b)2
= a2E[X2] + 2abE[X] + b2 (a2E2[X] + 2abE[X] + b2)
= a2(E[X2] E2[X]) = a2 V[X]
Corolarios:
1) V[aX] = a2 V[x],
2) V[b]=0 b es una constante

Momentos de una Variable Aleatoria

Discreta
Los momentos de una variable aleatoria X son los valores esperados de algunas funciones
de la variable aleatoria X y constituyen una coleccin de medidas descriptivas con las
que se puede caracterizar de manera nica a su distribucin de probabilidad f(x).
Usualmente estas definiciones se las hace usando como referencia el origen, o la media
de X

Momentos con respecto al origen:

Definicin
Sea X: variable aleatoria discreta
f(x): distribucin de probabilidad de X
Entonces, el r-simo momento de X alrededor del origen es:

= E[] =

r=1: 1 = E[X] =
r=2: 2 = E[X2] =

x f(x) =

(primer momento alrededor del origen)

x 2f(x)

(segundo momento alrededor del origen)

(Note que el primer momento alrededor del origen es la media)

Momentos alrededor de la media

Sea

X: variable aleatoria discreta

f(x): distribucin de probabilidad de X
Entonces,
el r-simo momento de X alrededor de la media
o r-simo momento central, es:

= E[ ] =

Ejemplos
r=1: 1 = E[(X-)] = E[X] - = 0, (primer momento central)
r=2: 2 = E[(X-)2] = 2,
(segundo momento central)
r=3: 3 = E[(X-)3],
(tercer momento central, sesgo o asimetra)
r=4: 4 = E[(X-)4],
(cuarto momento central, curtosis o picudes)

Asimetria y Curtosis

Coeficiente de Variacin:

Coeficiente de Asimetra: 3/( 2)3/2

Coeficiente de Curtosis

4/( 2)2

Coeficiente de Asimetra
Positivo: La asimetra es positiva (se extiende a la derecha)
Cero:
La distribucin es simtrica.
Negativo:
La asimetra es negativa (se extiende a la izquierda)
Coeficiente de Curtosis
Mayor a 3: La distribucin es puntiaguda o leptocrtica
Igual a 3:
La distribucin es regular
Menor a 3: La distribucin es plana o platicrtica

Funcion Generadora de Momentos

Definicin
Sea
X: Variable aleatoria discreta
f(x): Distribucin de probabilidad de X
Entonces la Funcin Generadora de Momentos de su distribucin de
probabilidad es

M(t) = E[] =

Ejemplo:
Suponga una variable aleatoria discreta X con la siguiente Distribucin de Probabilidad:
x
1
2
3
4

f(x)
0.2
0.3
0.4
0.1

a) Encuentre el coeficiente de variacin

4

=E[X] =

x f(x)
x 1

= 1(0.2) + 2(0.3) + 3(0.4) + 4(0.1) = 2.4

2 =E[X2] =

x2 f(x) = 12(0.2) + 22(0.3) + 32(0.4) + 42(0.1) = 6.6

x 1

2= 2 = E[(X-)2]= E[X2] (E[X]) 2 = 6.6 (2.4)2 = 0.84

v = / =

0.84 /2.4 = 0.3818

b) Encuentre el coeficiente de asimetra

3 = E[(X-)3] = 3 - 32 + 2 3 = 19.8 3(2.4)(6.6) + 2(2.4)3 = -0.072

Coeficiente de asimetra:

3/( 2)3/2 = -0.072/(0.84)3/2 = -0.0935

Siendo este valor

negativo, se concluye
que la distribucin es
asimtrica con sesgo
hacia la izquierda.

 Funcin Generadora de momentos:

M(t) = E[etX] =

etX f(x) =

x 1

etX f(x) = 0.2et + 0.3e2t + 0.4e3t +

0.1e4t

Recomendaciones:

Leer su libro guia Capitulo # 3 hasta la pagina 148

Empezar a realizar el deber del Capitulo # 3