VARIABLES ALEATORIAS

OBJETIVOS
Estudiar variable aleatoria, variable aleatoria
discreta y variable aleatoria continua.
Definir distribucin de probabilidad y distinguir
una distribucin de probabilidad discreta.
Calcular la funcin de distribucin acumulada.
Calcular la media, varianza y desviacin
estndar de una variable aleatoria discreta.
 VARIABLES ALEATORIAS (v.a.)
DEFINICION 1: Una variable aleatoria es una
cantidad, que es el resultado al azar de un
experimento, debido a la aleatoriedad puede
tomar valores diferentes.
Una variable aleatoria es una descripcin
numrica del resultado de un experimento.
Las variables aleatorias se denotan con letras
maysculas tales como X, Y, etc.
DEFINICION 2: Una variable aleatoria X es una
funcin real, que asocia un nmero real a cada
resultado de un espacio muestral , en un
experimento aleatorio. Una variable aleatoria X es
una funcin definida en tal que a cada resultado
w le asocia el nmero real x=X(w).
X: R

wi xi

El dominio de la v.a. X es el y el rango es el

subconjunto de nmeros reales (R).
R X
xR / x X ( w), x
Ejemplo: Una empresa fabrica componentes
electrnicos y se cuenta el nmero de artculos
defectuosos. Se verifican al azar dos componentes.
Qu valores toma la variable aleatoria?
Solucin: X: Nmero de artculos defectuosos
={BB, BD, DB, DD}
X: R

BB 0
BD 1
DB 2
DD

El recorrido de la variable aleatoria es el conjunto

de todos los valores posibles
R 0, 1, 2
X
 Variable
Experimento Resultado Rango
Aleatoria

Nmero de X: Nmero de
Ofrecer en venta
arboles de arboles de
50 arboles de 0, 1, 2, , 50
navidad navidad
navidad
vendidos vendidos

Funcionamiento
de un Cantidad de Y: Cantidad de
0, 1, 2, ..
restaurante clientes clientes
durante un da

Tiempo que
Probar la vida til T: Tiempo en
dura la
de una bombilla que se funde la 0 T 80000
bombilla hasta
elctrica bombilla
80000 minutos

Tiempo en Tiempo en
Funcionamiento minuto, entre minuto, entre
w0
de un banco llegadas de llegadas de
clientes clientes
 Ejemplo: En una Universidad se considera que el
nmero mnimo de cursos por semestre en que
puede matricularse un alumno es 1 y el mximo
es 5.
Experimento: Matricula de estudiantes
Espacio muestral : Alumnos matriculados
segn el nmero de cursos
Variable aleatoria X: Nmero de cursos por
semestre.
Rango o Recorrido:

R X
1, 2, 3, 4, 5
 Ejemplo: Resultados posibles que se
obtiene en tres lanzamientos de una
moneda:
Experimento: Lanzar tres veces una
moneda
Espacio Muestral:
SSS , SSC, SCS, CSS, SCC, CSC, CCS, CCC
Variable aleatoria: Nmero de caras
Rango o Recorrido:
R X
0, 1, 2, 3
CLASES DE VARIABLES ALEATORIAS
VARIABLE ALEATORIA DISCRETA: Es aquella
cuyo rango es un conjunto finito o infinito
numerable de valores.

R X
x1 , x , ..., x ,....
2 n

Ejemplo:
Nmero de autos entrando en un autolavado
por hora.
Nmero de lmparas defectuosas producidas
durante una semana.
 Ejemplo: De un registro donde estn todas las
familias de un poblado, se elige una familia al azar
y para cada familia se considera el nmero de hijos
que tiene.
Experimento: Registro de familias
Espacio muestral : Familias segn el numero de
hijos que estn inscritas en el registro.
Variable aleatoria X: Nmero de hijos.
Rango o Recorrido:

R X
0, 1, 2, 3, .....
 Ejemplo: La cantidad de ausentes el da lunes en
una empresa compuesta por 100 empleados.
Experimento: Asistencia de los empleados a la
empresa
Espacio muestral : 100 empleados
considerando la cantidad de ausencia que han
tenido.
Variable aleatoria X: Cantidad de ausentes
Rango o Recorrido:

R X
0, 1, 2, ..., 100
 VARIABLE ALEATORIA CONTINUA: Es aquella
cuyo rango es un conjunto infinito no numerable
de valores. Las variables aleatorias continuas
representan mediciones: Tiempo, peso, longitud
Ejemplos:
Si se pesa un lingote de acero, el resultado (en
libras) puede ser 2500, 2500.1, 2500.13, etc, y
as sucesivamente, dependiendo de la precisin
de la bscula.
La presin de un neumtico (en libras por
pulgada cuadrada) podra ser 28, 28.6, 28.62,
28.624, etc, dependiendo de la precisin del
medidor.
 Ejemplo: Realizamos un experimento, el objetivo
es probar la vida til de una bombilla elctrica.
Experimento: Probar la vida til de una bombilla
Espacio muestral : Tiempo que dura la bombilla
hasta 80000 minutos
Variable aleatoria continua X: Tiempo que tarda
en fundirse la bombilla
Rango o Recorrido:

R X
: 0 T 80000
DISTRIBUCION DE
PROBABILIDAD
 DISTRIBUCION DE PROBABILIDAD
Una distribucin de probabilidad indica una
lista de todos los resultados posibles de un
experimento junto con la probabilidad
correspondiente a cada uno de ellos.
Una distribucin de probabilidad en vez de
describir el pasado, describe que tan probable
es un evento en el futuro.
Valores de xi de X x1 x2 x3 ... xn
Probabilidad pi = P[X=xi] p1 p2 p3 pn
DISTRIBUCION DE PROBABILIDAD DISCRETA
Una distribucin de probabilidad discreta es
el conjunto de valores posibles de una
variable aleatoria discreta, organizadas en
una distribucin de probabilidades.
Una distribucin de probabilidad discreta
asume slo valores claramente separados.
La funcin o distribucin de probabilidad de
una variable aleatoria discreta X, es p(x), esta
representado por la probabilidad:
p( x) PX x
 Los valores de la distribucin de probabilidad de
la variable aleatoria discreta X, p(x) satisfacen
las siguientes condiciones:
i) p( x) 0
ii ) p ( xi ) 1
x i R x

La funcin o distribucin de probabilidad

discreta se puede expresar por una tabla:
Valores de xi de X x1 x2 x3 ... xn
Probabilidad pi = P[X=xi] p1 p2 p3 pn
FUNCION DE DISTRIBUCION ACUMULADA DE
UNA VARIABLE DISCRETA
La funcin de distribucin acumulada (f.d.a.) de
probabilidades o simplemente funcin de
distribucin P(x) de la variable aleatoria
discreta X, cuya funcin de probabilidad es p(x)
se define por:

P( x) P( X x) P( X k ) p(k ); x
kx
MEDIA DE UNA VARIABLE ALEATORIA DISCRETA
La media o valor esperado de una variable
aleatoria discreta X con funcin de
probabilidad p(x) es la expresin:
n
E ( X ) [ xi p( xi )]
i 1

La media o valor esperado de una variable

aleatoria discreta H(X) con funcin de
probabilidad p(x) es la expresin:
n
E H ( X ) [ H ( xi ) p ( xi )]
i 1
 VARIANZA Y DESVIACION ESTANDAR DE UNA
VARIABLE ALEATORIA DISCRETA

La varianza de una variable aleatoria X con

funcin de probabilidad p(x) es:
n n
V ( X ) 2 E[( x u) ] [( x ) 2 p( x)] x p( x) u
2 2 2

i 1 i 1

La desviacin estndar de la variable aleatoria X

es la raz cuadrada de la varianza:

V (X )

20
 PROPIEDADES DE LA ESPERANZA MATEMATICA
Si a y b son constantes reales, entonces:
E (aX b) aE ( X ) b
Si X e Y son variables aleatorias y a, b constantes:
E (aX bY ) aE ( X ) bE (Y )
Si X1, X2, ., Xn son n variables y a1, a2, ., an son
n constantes: n n
E ( ai X i ) ai E ( X )
i
i 1 i 1

Si X e Y son variables aleatorias independientes y

a, b son constantes reales, entonces:
E (aXbY ) abE ( X ) E (Y )
 PROPIEDADES DE LA VARIANZA
La varianza tambin se calcula:
2
V ( X ) E ( X ) ( E ( X ))
2

La varianza de una constante es:

V (a) 0
Si a y b son constantes reales, entonces:
V (aX b) a 2V ( X )
Si X e Y son variables aleatorias independientes
y a, b son dos constantes reales, entonces:
V (aX bY ) a 2 E ( X ) b 2 E (Y )

La varianza: V ( X Y ) V ( X ) V (Y )
 Ejemplo: Un jefe de laboratorio de computacin
tiene trabajando con l; a 5 hombres y 3
mujeres. Para un trabajo especial selecciona 4
de ellos al azar. Si X es el nmero de hombres
seleccionados, determinar:
La funcin de probabilidad
La funcin de distribucin acumulada y
graficarla
Calcular el valor esperado y la desviacin
estndar
 a) La distribucin de probabilidad de X
Espacio muestral:
={H, H, H, H, H, M, M, M}
Variable Aleatoria:
Nmero de hombres seleccionados
Recorrido:
R X
1, 2, 3, 4
 Las probabilidades son:
5 3

P( X 1) C1C 3

5
0.07
8
C 70
4
5 3

2) C C
30
P( X 2
8
2
0.43
C 70
4
5 3

3) C C
30
P( X 3
8
1
0.43
C 70
4
5 3

4) C C
5
P( X 4
8
0
0.07
C 70
4
La distribucin de probabilidad es:
Valores de xi 1 2 3 4
Probabilidad pi = P[X=xi] 0.07 0.43 0.43 0.07

b) La funcin de distribucin acumulada es:

Rx p(x) FP(x)
0, x 1
1 P(X=1) = 0.07 P(1) = 0.07 0.07 1 x 2

2 P(X=2) = 0.43 P(2) = 0.50 P( x) 0.50 2 x 3
3 P(X=3) = 0.43 P(3) = 0.93
0.93 3 x 4

4 P(X=4) = 0.07 P(4) = 1 1 4 x
c) Grafico de la funcin de distribucin
acumulada

1
0.93

0.5

0.07
1 2 3 4
 d) El promedio de hombres seleccionado es:
Valores de xi 1 2 3 4
Probabilidad pi = P[X=xi] 0.07 0.43 0.43 0.07

E ( X ) 1 * 0.07 2 * 0.43 3 * 0.43 4 * 0.07 2.5

e) La varianza es:
E ( X 2 ) 12 * 0.07 2 2 * 0.43 32 * 0.43 4 2 * 0.07 6.78
2
V ( X ) E ( X ) ( E ( X )) 6.78 2.5 2 0.53
2

f) La desviacin estndar es: 0.7280, es el

grado de variabilidad del nmero de hombres
seleccionados respecto a su promedio
S V ( X ) 0.53 0.7280
Ejemplo: Sea X la variable aleatoria definida
como el numero de caras que resultan al lanzar
una moneda 3 veces.
a) Determinar la distribucin de
probabilidad p(x)
b) Calcular la probabilidad P(1X2)
c) Determinar la funcin de distribucin de
probabilidad acumulada P(x) de
la variable aleatoria X y graficarla
 a) Determinar la funcin de distribucin de
probabilidad
Los posibles resultados para este experimento
sern:
El espacio muestral es:
={sss, ssc, scs, scc, css, csc, ccs, ccc}
La variable aleatoria es X: Numero de caras
El recorrido es:
R X
0, 1, 2, 3
 Las probabilidades son:

1
p (0) P[ X 0] P[ sss ]
8
3
p (1) P[ X 1] P[css , scs , ssc ]
8
3
p (2) P[ X 1] P[ccs, csc, scc ]
8
1
p (3) P[ X 1] P[ccc]
8

31
 Entonces la distribucin de probabilidad es:

xi 0 1 2 3
P(x=x) 1/8 3/8 3/8 1/8

b) Calcular la probabilidad P(1X2)

2
3 3 6
P(1 X 2) pk p(1) p(2) 8 8 8 0.75
k 1
c) Determinar la funcin de distribucin de
acumulada P(x) de la variable aleatoria X y
graficarla
Rx p(x) FF(x)
0, x0
1
0 p(o) = 1/8 P(o) = 1/8 0 x 1
8
1 P(1) = 3/8 P(1) = 4/8
4

F ( x) 1 x 2
2 p(2) = 3/8 P(2) = 7/8
8
7
8 2 x 3
3 p(3) = 1/8 P(3) = 1

1 3 x

 GRAFICA:

8/8
7/8

4/8

1/8
0 1 2 3
 MUCHAS GRACIAS

DISTRIBUCION DISTRIBUCION DE DISTRIBUCION

BINOMIAL POISSON HIPERGEOMETRICA