VARIABLES Y VECTORES ALEATORIOS

Ejemplo 1 Se lanza una moneda al aire dos

veces
= {(C, C); (S, C); (C, S); (S, S)}
X = el n
umero de caras
X:R
(C, C)
(S, C)
(C, S)
(S, S)

2
1
1
0

X es una variable aleatoria.

P (X = 0) = 1/4
P (X = 1) = 1/2
P (X = 2) = 1/4
Ejemplo 2 Se lanza un dado equilibrado dos
veces
= {1, 2, 3, 4, 5, 6} {1, 2, 3, 4, 5, 6}
X = (X1, X2, X3, X4, X5, X6)

Xi= El n
umero de resultados iguales a i, i =
1, . . . , 6.
X : R6
(1, 1) (2, 0, 0, 0, 0, 0)
(1, 5) (1, 0, 0, 0, 1, 0)
(5, 5) (0, 0, 0, 0, 2, 0)
...
P6
i=1 Xi = Z

Sea Z = la suma de los n

umeros obtenidos.
Z:R
(1, 1) 2
(1, 2) 3
...
(6, 6) 12

Rec Z = {2, . . . , 12}

P (Z = 2) = P ({1, 1}) = 1/36
P (Z = 3) = P ({1, 2}, {2, 1}) = 2/36
...
P (Z = 12) = 1/36

Ejemplo 3 Se lanza una moneda equilibrada

hasta obtener cara por primera vez.
Sea X = El n
umero de lanzamientos necesarios
hasta obtener cara.
= {C, SC, SSC, SSSC, . . . }
X:R
C 1
SC 2
SSC 3
...
Rec X = {1, 2, . . . } = N
P (X = 1) = 1/2
\
P (X = 2) = P (S1 C2) = P (S1)P (C2)
= 1/2 1/2 = 1/4
\
\
P (X = 3) = P (S1 S2 C3)
= P (S1)P (S2)P (C3) = 1/8
...
k
1
k = 1, 2, . . .
P (X = k) =
2

Definici
on: Sea (, A, P ) un espacio de probabilidad y (, B) un espacio medible. Una funon medible si
ci
on g : 1 es una funci
g 1(B) A para cada B B donde:
g 1(B) = {w : g(w) B} B ; B 1
Observaci
on: Si A P(), entonces toda funci
on g : 1 es medible. En lo que sigue,
asumiremos que A = P().
Definici
on: Sea (, A, P ) un espacio de probabilidad. Una variable aleatoria es una funci
on
X : R medible.
De manera similar un vector aleatorio X =
X1, . . . , Xk ) es un vector cuyas componentes
son variables aleatorias o equivalentemente, una
funci
on X : Rk medible.
Definici
on: Una variable aleatoria es discreta si
su recorrido es contable (finito o enumerable).
(Si Rec X no es contable, la v.a. es continua
o mixta).

VARIABLES ALEATORIAS DISCRETAS

Definici
on: La funci
on de probabilidad (f.p) de
una variable aleatoria X se define como la funci
on f tal que para cada n
umero real x, f (x) =
P (X = x).
Notar que si X = {x1, x2, . . . , xn, . . . } es el recorrido de la v.a. X entonces f (x) = 0 si x no
pertenece a X .
Observaci
on: El conjunto SX = {x R : f (x) >
0} es denominado soporte de la v.a. X.
Ejemplo Se lanza un dado equilibrado dos veces y sea
X= Diferencia en valor absoluto de los n
umeros
que aparecen.
Determine la f.p. de la v.a. X y repres
entela
gr
aficamente.

X toma valores en {0,1,2,3,4,5}

f (0) = P (X = 0) = 6/36
f (1) = P (X = 1)
= P ({(i, i + 1), (i + 1, i) : i = 1, . . . , 5})
= 10/36
f (2) = P (X = 2)
= P ({(i, i + 2), (i + 2, i) : i = 1, . . . , 4})
= 8/36
f (3) = P (X = 3) = 6/36
f (4) = P (X = 4) = 4/36
f (5) = P (X = 5) = 2/36

f (x) =

6/36

10/36

8/36
4/36
2/36
0

x = 0, 3
x=1
x=2
x=4
x=5
e.o.c.

Calcular P (1 X 3) =

P3
x=1 f (x) = 24/36.

Ejercicio
Usted es invitado a participar en un juego que
consiste en lanzar 2 veces un dado honesto,
ganando una cantidad igual a la diferencia resultante en valor absoluto (u.m.). Para participar usted debe pagar 2 u.m. Participaria
usted en el juego?
Notaci
on: La f.p. de una v.a. discreta X ser
a
denotada por f (x) = P (X = x).
Proposici
on: Sea X una v.a.d. con soporte SX
y f.p. fx. Sea h : R R (medible) entonces
Y = h(x) es una v.a.d. con f.p.
fY (y) =

fx(x)

x:h(x)=y

Ejemplo Suponga que una v.a. X puede tomar

cada uno de los 7 valores {-3, -2, -1, 0,1,2,3}
con la misma probabilidad. Determine la f.p.
de la v.a. Y = X 2.

La f.p. de
( la v.a. X es
1/7
si x = 3, 2, 1, 0, 1, 2, 3
fX (x) =
0
e.o.c.
Si X {3, 2, 1, 0, 1, 2, 3} Y {0, 1, 4, 9}
fY (y) = P (Y = y)
P (Y = 0) = P (X = 0) = 1/7
P (Y = 1) = P (X 2 = 1)
= P (X = 1 X = 1)
= P (X = 1) + P (X = 1) = 2/7
P (Y = 4) = 2/7
P (Y = 9) = 2/7
fY (y) =

1/7

2/7
0

si
si

y=0
y = 1, 4, 9
e.o.c.

Definici
on: Sea X una v.a.d con f.p. fX . La
esperanza (o valor esperado) de X, que se
denota E(X), se define como
E(X) =

X
x

x fX (x)

Observaci
on: Si el soporte de una v.a. X es
finito, la esperanza siempre existe, sin embargo, si X toma un n
umero infinito de valores,
digamos {x1, . . . , xn, . . . } la esperanza existe si:
E(X) =

xifX (xi) <

i=1

|xi|fX (xi) <

i=1

Proposici
on: Sea X una v.a.d. con f.p. fX e
Y = h(X) una funci
on de la v.a. X entonces:
E(Y ) = E(h(X)) =

X
x

h(X)fX (x)

Definici
on: Sea X una v.a.d con f.p. fX . Se
define varianza de la v.a. X, si existe por
V (X) = E[X E(X)]2 =

X
x

[x E(X)]2fX (x)

Definici
on: Se define tambi
en la desviaci
on est
andar
de la v.a.d. X, por
ST D(X) = (X) =

V (X)

Otra medida de dispersi

on es la desviaci
on media:
DM (X) = E(|x E(X)|)
PROPIEDADES
Sea X v.a.d. y sean a, b, c constantes.
Sean g1(X), g2(X) funciones cuya esperanza
existe:

1. E(ag1(X)+bg2(X)) = aE(g1(X))+bE(g2(X)).
En particular: E(aX + b) = aE(X) + b

2. Si P (g1(X) 0) = 1 E(g1(X)) 0
3. Si g1(X) g2(X) c.t.p.
E[g1(X)] E[g2(X)]
4. Si a g1(X) b c.t.p.
a E[g1(X)] b

5. V ar(ag1(X) + b) = a2V ar(g1(X))

(ag1(X) + b) = |a| (g1(X))

6. Si X v.a. tq P (X = c) = 1
E(X) = c V ar(X) = 0
7. V ar(X) = E[X 2 E(X)]2

Observaci
on: Puesto que V ar(X) 0, se deduce que E(X 2) [E(X)]2.
En general esto muestra que E[g(X)] 6= g[E(X)].