05.

VARIABLE ALEATORIA
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, CCS, CSC, SCC, CSS, SCS, SSC, SSS) le asignamos un nmero
real, el correspondiente al nmero de caras.
Esta correspondencia que acaamos de construir es una funci!n del espacio muestral
E en el conjunto de los nmeros reales ". # esta funci!n la llamaremos Variable
Aleatoria $ la denotaremos por %.
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 &'' personas $ medir su
estatura. (a le$ que asocia a cada persona con su talla es una )ariale aleatoria
(continua).
Variable Aleatoria. Se dice que *emos definido una )ariale aleatoria para un
experimento aleatorio cuando *emos asociado un )alor num+rico a cada resultado del
experimento. Sea E el Espacio muestral asociado a un experimento. Se llama
)ariale aleatoria a toda aplicaci!n del espacio muestral E en el conjunto de los
nmeros reales (es decir, asocia a cada elemento de E un nmero real). Se utilizan
letras ma$sculas %, ,,... para designar )ariales aleatorias, $ las respecti)as
minsculas (x, $, ...) para designar )alores concretos de las mismas.
Si un experimento con espacio muestral E, tiene asociada la )ariale aleatoria %, es
natural que se planteen preguntas como- .Cul es la proailidad de que % tome un
determinado )alor/, esto nos lle)a a estalecer, por con)enio, la siguiente notaci!n,
0 (%=x) representa el suceso 1la 2ariale #leatoria % toma el )alor x1, $ 3(%=x)
representa la proailidad de dic*o suceso.
4
0 (%5x) representa el suceso 1la )ariale aleatoria % toma un )alor menor a x1, $
3(%5x) representa la proailidad de que la 2ariale #leatoria % tome un )alor
menor a x.
0 (%6x) representa el suceso 1la )ariale aleatoria % toma un )alor menor o igual a
x7, $ 3(%6x) representa la proailidad de que la 2ariale #leatoria % tome un
)alor menor o igual a x.
8ormalmente, los resultados posiles (Espacio muestral E) de un experimento
aleatorio no son )alores num+ricos. 3or ejemplo, si el experimento consiste en lanzar
de modo ordenado tres monedas al aire, para oser)ar el nmero de caras (C) $ Sellos
(S) que se otienen, el espacio muestral asociado a dic*o experimento aleatorio ser9a-
E=(CCC,CCS,CSC,SCC,SCS,SSC,CSS,SSS)
En estad9stica resulta ms fcil utilizar )alores num+ricos en lugar de traajar
directamente con los elementos de un espacio muestral como el anterior. #s9
preferimos identificar los sucesos (CSS,SCS,SSC) con el )alor num+rico 4 que
representa el nmero de caras otenidas al realizar el experimento. :e este modo
aparece el concepto de variable aleatoria unidimensional como el de toda funci!n
e
x ) e ( % e
E - %
=

que atriu$e un nico nmero real xe, a cada suceso elemental e, del espacio muestral
E.
3or ejemplo, en el ejemplo anterior, se define la )ariale aleatoria- %=8mero de
caras del siguiente modo- %(CCC)=;< %(CCS,CSC,SCC)==< $ %(SSC,CSS,SCS)=4,
$ finalmente %(SSS)=', puesto que estamos *alando de caras
0 (a )ariale % no recie el calificati)o de aleatoria por el *ec*o de que atriu$a de
modo impre)isile un )alor cualquiera a un elemento (e est incluido en E) $a
que este )alor est definido de forma precisa (determin9stica). (o que es aleatorio
en realidad, es que al *acer el experimento, no saemos qu+ elemento de E puede
ocurrir.
0 (a composici!n de una funci!n real con una )ariale es tami+n )ariale
aleatoria, pues est definida sore E $ a cada elemento su$o le asocia un )alor
real.
=
)) e ( % ( * x
E
! * ) % ( *
- *
E - %

=


En funci!n de los )alores que tome la )ariale, esta puede ser clasificada en discreta
o continua del siguiente modo que es Discreta cuando s!lo puede tomar un nmero
finito o infinito numerale de )alores, por ejemplo, el conjunto de los nmeros
naturales< $ es Continua cuando puede tomar un nmero infinito no numerale de
)alores, por ejemplo, el conjunto de los nmero reales. En un caso se *ala de
elementos contales $ en el otro de elementos mediles
Si sore los elementos de E existe una distriuci!n de proailidad, esta se transmite
a los )alores que toma la )ariale %. Es decir, toda la )ariale aleatoria conser)a la
estructura proail9stica del experimento aleatorio que descrie, en el sentido de que
si 3 es la funci!n de proailidad definida sore el espacio muestral E, +sta induce
otra funci!n 3> definida sore el conjunto de los reales, de forma que conser)a los
)alores de las proailidades,
( )
( ) ( ) ) , a ( ) e ( % - E e 3 ) , a ( % 3
! x ) E ( % - E e 3 ) x % ( 3
=

= = =

Variable Aleatoria Discreta. :ada una 2ariale #leatoria :iscreta %, su unci!n de

probabilidad f, se define de modo que f(xi) es la proailidad de que % tome ese
)alor. Si xi no es uno de los )alores que puede tomar %, entonces f(xi)='. (a
representaci!n grfica de la funci!n de proailidad se realiza mediante un diagrama
de arras anlogo al de distriuci!n de frecuencias relati)as para )ariales discretas.
E"emplo, si retomamos el caso del lanzamiento de ; monedas de forma que cada una
de ellas tenga proailidad 4?= de dar como resultado cara o sello, se tiene que,
;
@ ? 4 = ? 4 A = ? 4 A = ? 4 ) SSS ( 3 ) ' % ( 3 ) ' ( f
@ ? ; @ ? 4 @ ? 4 @ ? 4 ) CSS , SCS , SSC ( 3 ) 4 % ( 3 ) 4 ( f
@ ? ; @ ? 4 @ ? 4 @ ? 4 ) SCC , CSC , CCS ( 3 ) = % ( 3 ) = ( f
@ ? 4 = ? A = ? 4 A = ? 4 ) CCC ( 3 ) ; % ( 3 ) ; ( f
= = = = =
= + + = = = =
= + + = = = =
= = = = =
Bs+r)ese que % est definido sore el espacio muestral de sucesos E, mientras que f
lo est sore el espacio de nmeros reales .(as propiedades de la funci!n de
proailidad de 2ariale #leatoria se deducen de forma inmediata de los axiomas de
proailidad,
Si x4,C,xn son todos los )alores admisiles de la )ariale aleatoria %, entonces, la
suma de proailidades de todos los )alores es D8B (4)-

= =
= = =
E
4 i
E
4 i
i i
4 ) x % ( 3 ) % ( f
e igualmente todos estos )alores deen ser positi)os.
Btro concepto importante es el de unci!n de distribuci!n de una )ariale aleatoria
discreta, F, que se define de modo que si x pertenece al conjunto de los )alores reales,
F(xi) es igual a la proailidad de que % tome un )alor inferior o igual a xi-
F(xi)=3(%Gxi)
Esta funci!n se representa grficamente del mismo modo que la distriuci!n de
frecuencias relati)as acumuladas. 2ol)iendo al ejemplo de las tres monedas, se tiene
que
@ ? 4 ) ' ( f ) ' % ( 3 ) ' ( F
@ ? H @ ? ; @ ? 4 ) 4 ( f ) ' ( F ) 4 % ( 3 ) 4 ( F
@ ? I @ ? ; @ ? ; @ ? 4 ) = ( f ) 4 ( f ) ' ( f ) = % ( 3 ) = ( F
4 @ ? 4 @ ? ; @ ? ; @ ? 4 ) ; ( f ) = ( f ) 4 ( f ) ' ( f ) ; % ( 3 ) ; ( F
= = =
= + = + = =
= + + = + + = =
= + + + = + + + = =
Jrficamente,
H
Variables aleatorias discretas
#roblema. (anzamos dos dados al aire. 8os interesa encontrar proailidades tal
como la proailidad de que la suma de los puntos en los dados es menor que @. Si
asumimos que todos los resultados oser)ados al tirar dos dados son equiproales
entonces el espacio muestral del experimento, con treinta $ seis posiles resultados
es-
4 4, 4 4, = 4, ; 4, H 4, & 4, K 4
= =, 4 =, = =, ; =, H =, & =, K =
; ;, 4 ;, = ;, ; ;, H ;, & ;, K ;
H H, 4 H, = H, ; H, H H, & H, K H
& &, 4 &, = &, ; &, H &, & &, K &
Como nos interesa la suma de los puntos oser)ados, si otenemos el resultado (;, &)
le asignamos el )alor @, correspondiente a la suma de ; $ &. 3odemos calcular la
proailidad de que la suma sea igual a @, contando todos los resultados donde la
suma es oc*o. El e)ento de que la suma es oc*o contiene & resultados- L(=,K), (;,&),
(H,H), (&, ;), (K,=)M< por lo tanto la proailidad deseada es &?;K. 3odemos repetir este
proceso con cada uno de los resultados para otener la siguiente tala-
"esultado = ; H & K I @ N 4' 44 4=
3roailida
d
4?;K =?;K ;?;K H?;K &?;K K?;K &?;K H?;K ;?;K =?;K 4?;K
Oemos encontrado la distriuci!n de proailidad de los )alores posiles de la suma
al tirar dos dados. En general, si S es un espacio muestral con una medida de
proailidad 3, definimos una variable aleatoria como una funci!n que asigna un
nmero real a cada uno de los elementos de S. Es decir % es una funci!n cu$o
dominio es el espacio muestral S $ su codominio es el conjunto de nmeros reales
&
Pnterpretamos, por ejemplo % = @ como el e)ento de que se oser)! el resultado @ al
tirar los dos dados, es decir el e)ento L (=,K), (;,&), (H,H), (&, ;), (K,=)M ocurri!.
Qami+n asignamos a % = @ la proailidad de ese e)ento. #s9 )emos que 3( % = @ )
= 3(L (=,K), (;,&), (H,H), (&, ;), (K,=)M) = &?;K. 8ota que a pesar de que % es una
funci!n, usualmente no se escrie el argumento de la funci!n, es decir, si s es un
elemento del espacio muestral S, en )ez de escriir %(s), sencillamente escriimos %.
Es usual denotar las )ariales aleatorias por letras ma$sculas $ los )alores que puede
asumir por letras minsculas.
#ar Ordenado. Sea un conjunto La,M constituido por los elementos a $ , el
M , a L
el conjunto de todos los suconjuntos del conjunto La,M, que consta de los
elementos

, LaM, LM, La,M. Se llama par ordenado

, a
al suconjunto LLaM,
La,MM de
M , a L
Si # $ R son dos conjuntos, el #roducto Cartesiano, R # , es el conjunto de todos
los posiles pares ordenados
, a
formados con el primer elemento a que
pertenece a # $ un segundo elemento que pertenece a R, esto es,
{ } R , # a , a R # =
Dna Relaci!n " entre los conjuntos # $ R es un suconjunto de A B
Se llama Dominio de una "elaci!n " entre # $ R, $ se designa por dom", al conjunto
de los elementos # a tales que para algn R sea
" , a
, esto es, en
s9molos,
{ } " , a , R un lg a para # a dom" =
,
o sea, el dominio de una relaci!n es el conjunto de las primeras coordenadas de los
pares ordenados de "
Se denomina Ran$o de una relaci!n ", rg", o recorrido de ", rec", al conjunto de
aquellos elementos b B , tales que para algn R , sea
" , a
, o sea, en otras
palaras,
{ } " , a , # a un lg a para R rg" =
Dna %unci!n f de # a R, lo que quiere decir, una funci!n f cu$o dominio esta en # $
cu$o rango est en R, es una relaci!n entre # $ R con estas condiciones,
f , a $ , f , a , # domf
= 4
=
, dee ser 4==
K
Variable Aleatoria. Sea un conjunto fundamental de proailidades $ sea

el
sigma S anillo de sucesos sore . (a )ariale aleatoria % es una funci!n cu$o
dominio es $ cu$o rango es un conjunto no )ac9o de nmeros reales, con la
condici!n de que para cualquier nmero real x, el conjunto de sucesos elementales

para los que

x ) ( %
sea un suceso, esto es, un elemento de

. B sea,
{ } x ) ( %
&i$ma ' Espacio.
) 3 , , (
,

es el conjunto de los suconjuntos de

8otaci!n, :esde este punto, se traajara con la notaci!n
[ ] x %
en )ez de
{ } x ) ( %
$
[ ] S %
en )ez de
{ } S ) ( %
,
lo que permitir ajustarnos mas a lo normal de a literatura estad9stica $ normal de
otros textos.
Si % es una funci!n cualquiera con dominio , cu$o rango es el conjunto no )ac9o
de nmeros reales, entonces, se )erifica que,
T x % U T = x % U
n
4 n
< =

para cualquier nmero real x

Si % es una funci!n cualquiera con dominio , cu$o rango es el conjunto no )ac9o
de nmeros reales, se tiene,
T x % U T = x % U
n
4 n
= + <

Teorema- Sea % una funci!n de dominio , cu$o rango es el conjunto no )ac9o de

nmeros reales %, ser una )ariale aleatoria siempre $ cuando para cualquier
nmero real x, sea
T x % U
, tami+n lo ser siempre $ cuando,
> T x % U
, para
todo nmero real x
(l$ebra de las Variables Aleatorias.
Teoremas- Si % $ , son )ariales aleatorias $ E una constante real cualquiera,
tami+n sern )ariales aleatorias-
% ,, E%, %
=
, %,,
(% ,)
=
, U(%V,)
=
0(%0,)
=
T?H,
maxL%,,M, $ %?, cuando s9 U,='T=

.
Teorema- Sea # un conjunto de sucesos elementales en , P# ser una )ariale
aleatoria siempre $ cuando
A
, siendo P# el indicador de #, que se define como
una funci!n,
I

=
c
#
# si , '
# si , 4
P
lo que dee leerse como, 2erdaderamente, P indica a #, pues si ocurre # ocurrir
alguno de los sucesos elementales

en #, e P#(

)=4, mientras que si # no ocurre,

ocurrir alguno de los sucesos

en #
c
, $ entonces, P#(

)='
Teorema- Sea # un conjunto de sucesos elementales en , P# ser una )ariale
aleatoria siempre $ cuando sea
#
. Qraajar con,

<
<
=
x 4 si ,
4 x ' si , #
' x si ,
T x P U
c
#
Teorema- 3ara cualquier
P
=4, es decir,
4 ) ( P =

para cualquier
Teoremas- Sea la existencia de P# e PR $ dems funciones que aqu9 se relacionan,
entonces se cumple,
disjuntos sucesos de R , # par , P P P
R $ # M, P , P maxL P
R $ # , P P P
# , P P 4
# , P ) P (
R # R #
R # R #
#R R #
#
#
#
=
#
c
= +
=
=
=
=
+

Teorema- Si % $ , son )ariales aleatorias, entonces,

T z , U T z % U T z ) , , % Umin( =
@
%unci!n de probabilidad o distribuci!n de probabilidad En la Qala anterior (en la
definici!n de la )ariale aleatoria $ ejemplariz! con un lanzamiento de dos dados
regulares) )emos que a cada )alor posile de %, le asignamos un nmero
correspondiente a su proailidad. #s9 podemos definir otra funci!n- f(x) = 3(% = x),
para cada nmero x en el campo de )alores de la )ariale %. Esta funci!n se llama la
unci!n de probabilidad o distribuci!n de probabilidad de la )ariale %. 3ara el
ejemplo de la suma de los puntos al tirar dos dados, los )alores de esta funci!n estn
dados en la Qala, la cual se puede reescriir usando los conceptos estudiados.
x = ; H & K I @ N 4' 44 4=
f( x) 4?;K =?;K ;?;K H?;K &?;K K?;K &?;K H?;K ;?;K =?;K 4?;K
2emos que f(x) nunca adquiere un )alor menor de cero. Esto se dee a que f(x)
representa una proailidad, la cual nunca puede ser menor de cero. :e igual manera
f(x) nunca puede ser menor de 4. Si sumamos todos lo )alores que puede tener f(x)
otenemos 4, deido a que estamos sumando las proailidades de que la )ariale
aleatoria asuma uno de los )alores estalecidos. 3or su definici!n, la funci!n de
proailidad tiene las siguientes caracter9sticas-
4. f(x)' para todo )alor x en su dominio
=. f(Wx)=1 donde la sumatoria se extiende sore todos los )alores x en el dominio de
f.
(a proailidad de oser)ar un )alor particular de la )ariale aleatoria, digamos % =
; est dado por la altura de la arra sore el ;, es decir 3(% = ;) = =?;K. :e igual
manera, en )ez de asociar la altura de la arra con la proailidad, podemos )er que
el rea de la arra sore el ; es =?;K 4 = =?;K, $a que la altura de la arra es =?;K $
su anc*o es 4. Dsar el rea de las arras para representar la proailidad es mu$ til
para extender la noci!n de proailidad a otras )ariales.
3odemos usar el *istograma de proailidad para calcular proailidades tal como
3( % H). 2emos que 3(% H) = 3(% == ! % =; ! % =H) = 3(% = =) V 3(% = ;) V
N
3(% = H) , $a que los e)entos donde % = =, %= ; $ %=H son disjuntos. Entonces 3( %
H) = 4?;K V =?;K V ;?;K = K?;K, sumando las reas de la arras que estn sore el H
$ a su izquierda. :eemos ser mu$ cuidadosos con las desigualdades, $a que 3( %
H) = K?;K, mientras que 3( %5 H) = ;?=K.
Extendiendo esta idea de proailidades acumulati)as, podemos definir otra funci!n
partiendo de la distriuci!n de proailidad. Si % es una )ariale aleatoria discreta,
definimos la unci!n de distribuci!n de ) o unci!n de distribuci!n acumulativa
de ) de la siguiente manera- F(x) = P( Xx ) = f(t) para x en el inter)alo (0X,X)
4'