Universidad de Los Andes

Facultad de Ciencias Econmicas y Sociales

Departamento de Estadstica
Prof. Anna Gabriela Prez de Rivas
Estadstica I
TEMA 3 - VARIABLE ALEATORIA
Introduccin
En muchas situaciones experimentales y de la vida cotidiana, el inters recae en
resumir el resultado de un experimento a travs de un nmero. En el tema de
probabilidades en los ejemplos y ejercicios considerados, slo se hizo una
descripcin de los posibles resultados de dichos experimentos, pero en algunas
ocasiones resulta til asociar un nmero con cada resultado del espacio muestral.
Dado que los experimentos considerados son experimentos aleatorios, y por lo
tanto no se conoce con anticipacin el resultado de una realizacin en particular,
sucede lo mismo con el valor que se asigne a ese resultado, por esta razn la
variable que asocia un nmero con el resultado de un experimento aleatorio se
conoce como variable aleatoria.
Concepto de Variable Aleatoria
Se dice que una variable es aleatoria si toma diferentes valores como resultado de
un experimento aleatorio. Una variable aleatoria no es ms que una regla de
asignacin que permitir asociarle un nmero real a cada elemento del espacio
muestral.
Definicin:: Dado un experimento aleatorio cuyo espacio muestral es S una
funcin X que asigna a cada elemento de S un nmero real denotado por X()
se denomina variable aleatoria. En trminos matemticos, una variable aleatoria
X es una funcin cuyo dominio es S y rango es el conjunto R de los nmeros
reales o un subconjunto de l. Por ser X una funcin matemtica a cada elemento
de S le corresponde uno y solo un elemento de R.
Ejemplos
1. Considere el experimento que consiste en lanzar tres monedas, se est
interesado por ejemplo en el nmero de caras que aparecen, S = {sss,
ssc, scs, scc, css, csc, ccs, ccc} . Sea X la variable aleatoria que denota el
nmero de caras, X puede tomar los valores {0,1,2,3}.
2. Medicin de la estatura de una persona. Considere un experimento en el
que se selecciona una persona al azar de una poblacin y se mide su
estatura en centmetros. Esta estatura es una variable aleatoria.
3. En una empresa en particular, la central telefnica dispone de 18 lneas. En
un determinado momento se observa el nmero de lneas ocupadas. Sea Y

la variable aleatoria que denota el nmero de lneas ocupadas, entonces X

puede tomar los valores X(s) = {0,1,2,..,18}
Clasificacin
Las variables aleatorias pueden ser discretas o continuas.
-

Una variable aleatoria es discreta si puede tomar slo un nmero

limitado de valores, tal como en el ejemplo 1 y en el ejemplo 3.
Una variable aleatoria es continua si puede tomar cualquier valor
dentro de un intervalo dado, tal como en el ejemplo 2.

Distribucin de Probabilidad o Funcin de Masa de Probabilidad de una

Variable Aleatoria Discreta
Se denomina distribucin de probabilidad de una variable aleatoria discreta X al
conjunto formado por los valores x que puede tomar esa variable y sus
correspondientes probabilidades P(X=
=x) con las que X puede tomar esos valores.
A menudo la distribucin de probabilidad de una variable aleatoria es el resumen
ms til de un experimento aleatorio.
La distribucin de probabilidad puede ser representada por una frmula. Toda
distribucin de probabilidad de una variable aleatoria discreta debe cumplir que
todas las probabilidades estn comprendidas entre 0 y 1 y la suma de ellas debe
ser exactamente igual a 1, es decir 0P(X=x)1 y P(X =x) = 1.
n

Ejemplos
1. Un experimento aleatorio consiste en registrar en secuencia el sexo de los
dos primeros bebs que nacen en un hospital en un da cualquiera. Sea
v= varn y h=hembra. As S = (v v, v h, h v, hh). Considere la variable
aleatoria X que denota el nmero de hembras.
a. X(v v) = 0
b. X(v h) = X(h v) = 1
c. X(h h) = 2
Suponiendo que los resultados de S son igualmente probables, la probabilidad
de ocurrencia de cada elemento de S es . As la distribucin de probabilidad
est dada por:
x
0
1/4
P(X=x)

1
2
1/2 1/4

Observe que

P( X = x ) = 1
x =0

2. El espacio muestral de un experimento aleatorio es S = {a, b, c, d, e, f} y

cada resultado es igualmente probable. Se define la variable aleatoria X de
la siguiente manera:
Resultado
x

a
0

b
0

c
1.5

d
1.5

e
3

f
3

La funcin de probabilidad de X est dada por:

X
P(X =x)

0
1/3

1.5
1/3

2
1/6

3
1/6

A partir de la funcin de probabilidad se pueden calcular las siguientes

probabilidades:
- P(X = 1.5) = 1/3
- P(0.5 < X 3) = P(X = 1.5) + p8x = 3) = (1/3) + (1/6) = 9/18 = 1/2
- P(X>3) = 0
- P(0 X < 2) = P(X=0) + P(X=1.5) = 1/3 + 1/3 = 2/3
3. Un operador registra el tiempo requerido para terminar un ensamblaje. Los
resultados que se obtienen son los siguientes:
Tiempo
(segundos)
Nmero de
Ensamblajes

30

31

32

33

34

35

36

37

38

39

Total

12

25

32

15

122

Sea X la variable aleatoria que denota el tiempo necesario para terminar un

ensamblaje.
- Determine la funcin de probabilidad de X
- Determine las siguientes probabilidades
- P(33X<38)
- P(X<34)
- P(X36)
La funcin de masa de probabilidad de la variable aleatoria X est dada por:
X
P(X = x)

30
3/122

31
5/122

32
6/122

33
9/122

34
12/122

35
25/122

36
32/122

37
15/122

38
9/122

39
6/122

Clculo de las probabilidades:

- P(33X<38) = P(X = 33) + P(X = 34)+ P(X = 35) + P(X = 36) + P(X = 37)
= (9/122) + (12/122) + (25/122) + (32/122) + (15/122)
= 93/122
- P(X<34) = P(X=33) + P(X=32) + P(X=31) + P(X=30)
= (9/122) + (6/122) + (5/122) + (3/122)
= 23/122

- P(X>36) = P(X=37) + P(X=38) + P(X=39)

= (15/122) + (9/122) + (6/122)
= 30/122
Funcin de Distribucin Acumulada de una Variable Aleatoria Discreta
Se denomina funcin de distribucin de una variable aleatoria discreta, y se
denota por FX (x ) a la probabilidad de que X sea menor o igual que un valor
determinado
x,
siendo
x
cualquier
nmero
real.
Es
decir
FX (x ) = P(X x ) = P(X = t )x R . Al calcular el valor de la funcin de
tx

distribucin en un punto determinado x, ste proporciona la cantidad de masa de

probabilidad que hay acumulada hasta ese punto. En consecuencia, la funcin de
distribucin de distribucin es una funcin no decreciente cuyo valor mnimo es 0 y
cuyo valor mximo es uno.
Ejemplos
1. Considere la variable aleatoria discreta X que denota el nmero de caras al
lanzar tres monedas con distribucin de probabilidad dada por:
X
0
1
2
3
P(X=x) 1/8 3/8 3/8 1/8
A continuacin se determina la funcin de distribucin de X acumulando el valor
de P(X x) para todos los nmeros reales x.
P(X<0) =0
P(0X<1) =1/8 P(X<1)= 1/8
P(1X<2) =3/8 P(X<2)=4/8=1/2
P(2X<3) =3/8 P(X<3)=7/8
P(X3) =1/8
P(X3)=1
As, la funcin de distribucin de X viene dada por:
0
X<0
1/8 0 X <1
Fx(x)= 4/8 1 X <2
7/8 2 X <3
1
3X
Observe que es posible calcular el valor de FX ( x ) para cualquier nmero real que
sea de inters. Por ejemplo
Fx(-1)=0
Fx(0)=1/8

Fx(1)=4/8
Fx(2,5)=7/8
Fx(4)= 1
2. Considere la funcin de masa de probabilidad de la variable aleatoria Y y
determine la correspondiente funcin de distribucin acumulada.
X
-2 -1 0
1
2
1/8
2/8
2/8
2/8
1/8
P(X=x)
0
X < -2
1/8 -2 X <-1
3/8 -1 X <0
5/8 0 X <1
7/8 1 X <2
1
3X

Fx(x)=

3. Considere la siguiente funcin de distribucin acumulada Fx(x), y calcule las

siguientes probabilidades:

Fx(x) =

0
0.25
0.75
1

X < 0.1
0.1 X < 0.3
0.3 X < 0.5
0.5 X

P(X 0.5) = 1
P(X0.4) = 0.75
P(0.4X0.6) = 1 0.75 = 0.25
P(0X<0.1) = 0

Media, Valor Esperado o Esperanza Matemtica de una Variable Aleatoria

Discreta
Sea X una variable aleatoria discreta con funcin de masa de probabilidad dada
por P(X = x), entonces la esperanza matemtica , valor esperado o media de X se
define como:
E ( X ) = xP( X = x)
x

A E(X) tambin se le denomina Media Poblacional y se denota por .

Ejemplo: Considere la variable aleatoria X = nmero de hembras, definida sobre

el espacio muestral del experimento que consiste en registrar el sexo de los dos
primeros recin nacidos en un hospital.
Asumiendo que los resultados del espacio muestral son equiprobables, la
distribucin de X es:

X
P(X = x)

0
1/4

1
1/2

2
1/4

La media de X es:

E ( X ) = xP( X = x)
x

E(X) = ( 0 * ) +( 1 * )+ (2 * ) = () +( ) = 1
Se espera que nazca una hembra cuando se producen dos nacimientos.
Nota: si se repite el experimento un nmero suficientemente grande de veces y se
registra el valor que toma X en cada repeticin se obtendra por ejemplo:
X = 2, 1, 0, 0, 1, 2, 1, y si se calcula de la manera usual la media aritmtica, el
valor de sta ser 1. Es decir, = E(X ) representa el valor promedio de X cuando
el experimento se repite un nmero suficientemente grande de veces.
Propiedades
Si X es una v.a. discreta, y a, b y c son constantes, entonces se cumple.
i)
ii)
iii)
iv)
v)

E(a) = a
E(X + a) = E(X) + a
E(a X) = aE(X)
E(a + bX) = a + b E(X)
E(a + b X + c X2) = a + b E(X) + cE[ (X)2]

8. Varianza de una Variable Aleatoria Discreta

Sea X una v.a discreta y su media, entonces se denomina Varianza de una v.a.
discreta X a:
V(X)=E[(x-)2]
Tambin a la V(X) se le denota 2 o x2.
Utilizando las propiedades del valor esperado, se encuentra una frmula
alternativa para la varianza:
V (X) = E [(X - )2)]
= E [X2 - 2X + 2]
= E (X2) - 2E(X) + 2 como E (X) =

= E (X2) - 22 + 2
= E (X2) - 2
como = E (X)
2
= E (X ) [E (X)]2
La varianza es una medida de la dispersin de los valores de la v.a con respecto a
su media, es decir, la varianza mide el grado de dispersin de la distribucin.
La varianza viene dada en unidades al cuadrado, lo cual representa una dificultad
al momento de su interpretacin. Para resolver esto, se define una medida de
dispersin llamada Desviacin Estndar.
Definicin: dada una v.a. X cuya varianza es V (X), se define la desviacin
estndar de X como la raz cuadrada positiva de la varianza. Se denota por DE
(X), o x. As:
DE (X) = V ( X )
De manera, que la DE (X) viene dada en las mismas unidades de X.
Ejemplo: En una fbrica de calzados se ha determinado que el nmero de
zapatos defectuosos que se producen en cada turno de trabajo, es una v.a. que
sigue la siguiente distribucin de probabilidad:

X
P (X = x)

0
0,90

1
0,06

2
0,02

3
0,01

4
0,01

Hallar la Media, Varianza y Desviacin Estndar de esa distribucin.

E ( X ) = xP( X = x)
x

= E (X) = 0 x 0,90 + 1 x 0,06 + 2 x 0,02 + 3 x 0,01 + 4 x 0,01

= 0,17

Para calcular V (X) = E (X2) [E (X)]2, requiere calcular E (X2)

E (X2) = 02 x 0,90 + 12 x 0,06 + 22 x 0,02 + 32 x 0,01 + 42 x 0,01
= 0,39
Sustituyendo en V (X) tenemos:
2 = V (X) = 0,39 0,172 = 0,3611 zapatos2
= DE (X) = 0,3611 = 0,6009 zapatos.

La varianza tambin puede calcularse por la frmula de la definicin.

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

= (00,17)2 *0,90 + (00,17)2 *0,06 + (20,17)2 *0,02 + (30,17)2 *0,01+ (4

0,17)2 *0,01
= 0,3611 zapatos2

Propiedades
Si X es una v.a. con varianza V (X) y desviacin estndar DE (X) y si a y b son
constantes cualesquiera, entonces:
i)
ii)
iii)
iv)
v)

V (X) y DE (X) son no negativas

V (a) = 0
DE (a) = 0
V ( X + a) = V (X)
DE (X + a) = DE (X)
V (a X) = a2 V (X)
DE (a X) = |a| DE (X)
2
V (a X + b) = a V (X)
DE (a X + b) = |a| DE (X)

Distribucin de Probabilidad o Funcin de Densidad de una Variable

Aleatoria Continua
Cuando la variable aleatoria es continua no es posible definir su distribucin de
probabilidad como en el caso discreto, porque no se cumplira la 2da. condicin
que dice que la suma de las probabilidades es 1, ya que la probabilidad de un
punto especfico P(X=x)=0 en el caso continuo. Grfico de la distribucin de
probabilidad:

Grfico 1

La curva f(x) tendr una expresin matemtica y se le llama Funcin de

Densidad de Probabilidad de la variable aleatoria continua X y representa la
distribucin de probabilidad de esa variable.
Definicin: Si X es una variable aleatoria continua, f(x) es la funcin de densidad
de probabilidad de esa variable; si satisface las siguientes propiedades:
i) Para cualquier valor x de X, f(x) es positiva o cero.
ii) El rea total bajo la curva es igual a 1. Es decir,

f ( x)dx = 1

iii) Para un intervalo cualquiera (a,b) de valores de X, la probabilidad de que la

variable X tome valores dentro de ese intervalo, P(a X b), es igual al rea
que hay bajo la curva entre esos dos valores. Es decir,
b

f ( x)dx
a

Nota: En el caso discreto, se calculan probabilidades en diferentes puntos,

mientras que en el caso continuo, el problema consiste en calcular probabilidades
sobre intervalos.
Ejemplo 1: Sea X una v.a. continua cuya funcin de densidad viene dada por:
x si 0 x 1
f(x)= 2-x 1 < x 2
0 en otro caso
Pruebe que es una funcin de densidad y calcule P(0< x <3/4) y P(0,5< x 1,5).
Probemos que es una funcin de densidad:
Para cualquier valor de x, f(x) es positiva. (se cumple)
rea total bajo la curva es 1?. Veamos,

x2
f
(
x
)
dx
=
xdx
+
(
2

x
)
dx
=

0
1
2

x2
+ 2 x = 1
2 1

Por lo tanto f(x) es una funcin de densidad.

Calcular:
3/ 4

x2
P(0< x <3/4)= xdx =
2
0
1

3/ 4

= 9 / 32
0

1, 5

x2
P(0,5< x 1,5)= xdx + (2 x )dx =
2
0,5
1

9,5

1, 5

x2
+ 2 x = 3 / 4
2 1

6.
Funcin de Distribucin Acumulativa para una Variable Aleatoria
Continua
Definicin: Sea X una variable aleatoria continua. Se define F como la funcin de
distribucin acumulativa de la variable aleatoria X como:
x

F(x) = P(Xx) =

f (s)ds

Ejemplo: Suponga que X es una variable aleatoria continua con funcin de

densidad de probabilidad dada por:
f(x) =

2x
0

0<x<1
en otro caso
9

Encuentre F(X) (funcin de distribucin)

Si x0
F(x)=0
x

Si 0 x 1

F(x) = 2sds = s 2

x
0

= x2

0
1

Si x>1

F(x)= 2xdx = x 2

1
0

=1

As,
0
F(x) = x2
1

x0
0 x 1
x>1

10