Clase 4: Variables aleatorias.

Definiciones basicas
y
ejemplos. Tipos de variables aleatorias. Variables aleatorias
discretas y distribuciones de probabilidad de variables
aleatorias discretas.

Lina Mara Acosta Avena*

Escuela de Estadstica
Universidad Nacional de Colombia, Sede Medellin
limacostaav@unal.edu.co
*

Estudiante de la Maestra en Ciencias Estadstica

Estadstica I.
1


INTRODUCCION

En la mayora de los problemas a los que comunmente

nos enfrentamos, la

del conjunto de posibles resultados de un experimento aleatorio

descripcion

se
puede ser complicada y por lo tanto el calculo
de probabilidades tambien
dificulta.
diversas carPor ejemplo, si una persona es seleccionada de una poblacion
y cada una aporta a el entendimiento de un
actersticas pueden ser de interes

fenomeno
en especial, como son: cuanto
gana, cuanto
gasta, cuantos
hijos

tiene, cuanto
paga por servicios, etc.

Estadstica I.
2


INTRODUCCION

las caracterstiCada vez que seleccionemos una persona de esta poblacion,

cas antes mencionadas varan.
Asociadas a estas caractersticas se puede establecer una regla que relacione
un resultado con un numero
real.

o regla
Por ejemplo: ingresos, gastos, el numero
de hijos, etc. Esta asociacion

se conoce como Variable Aleatoria.

Estadstica I.
3

VARIABLES ALEATORIAS

definida en el espacio
Una variable aleatoria* es una funcion
Definicion:

muestral S que asigna a cada resultado un valor real. En lenguaje matematico,

cuyo dominio es el espacio muestral y
una variable aleatoria es una funcion
cuyo rango es el conjunto de los numeros
reales.

Proporcionan un medio para relacionar cualquier resultado con una medida cuantitativa
Estadstica I.
4


DEFINICIONES BASICAS
Y EJEMPLOS

Al conjunto de todos los posibles resultados de una variable aleatoria se le

llamara Rango de la variable, y es usualmente dentado por AX .
Ejemplo 1
Tres monedas no cargadas son lanzadas al tiempo. Se define la variable
aleatoria X : numero de caras obtenidas, hallar AX y la probabilidad de que
salgan dos caras.
Sln:
El espacio muestral es:

S = {CCC,CCS,CSC,CSS, SCC, SCS, SSC, SSS}

Estadstica I.
5


DEFINICIONES BASICAS
Y EJEMPLOS

{CCC} = x = 3
{CCS,CSC, SCC} = x = 2
{CSS, SCS, SSC} = x = 1
{SSS} = x = 0
Por lo tanto el rango de X es: AX = {0, 1, 2, 3}
La probabilidad de que salgan dos caras es: P(X = 2) = 83

Estadstica I.
6


DEFINICIONES BASICAS
Y EJEMPLOS

Ejemplo 2
Se lanzan dos dados no cargados, defina las siguientes variables aleatorias

X : la suma de los resultados.

Y : el maximo de ambos resultados.
Halle el rango de X y el rango de Y . Calcule la probabilidad de que la suma
de ambos resultados sea exactamente 5.
Sln:
El espacio muestral es: S = {(1, 1), (1, 2), (1, 3), . . . , (6, 4), (6, 5), (6, 6)}
El rango de X es: AX = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
El rango de Y es: AY = {1, 2, 3, 4, 5, 6}
La probabilidad de que la suma de ambos resultados sea cinco es:
4 , pues la suma resulta cinco cuando {(1, 4), (2, 3), (3, 2), (4, 1)}
P(X = 5) = 36

Estadstica I.
7


DEFINICIONES BASICAS
Y EJEMPLOS
Ejemplo 3
de un tiemUn grupo de n sujetos es sometido a cierto tratamiento y despues
po se registra cuantos logran mejorar con dicho tratamiento. Sea X la variable

aleatoria que cuenta cuantos

sujetos mejoran con el tratamiento. Halle el rango de X .
Sln:
AX = {1, 2, . . . , n}
Ejemplo 4
se encuestan de manera aleatoria sujetos hasta enconEn una gran poblacion
Si X
trar el primero que responde afirmativamente a una pregunta de interes.
es la variable aleatoria que cuenta el numero
de sujetos encuestados hasta

encontrar el primero que responde afirmativamente, cual sera el rango de

X?
Sln:
AX = {1, 2, 3, . . .}
Estadstica I.
8


DEFINICIONES BASICAS
Y EJEMPLOS

Ejemplo 5
diaria de jabones se escoge uno al azar y se mide su PH.
De la produccion
Cual
sera el rango de X ?
Sea X: el Ph del jabon.
Sln:
AX = [0, 14].

Estadstica I.
9


DEFINICIONES BASICAS
Y EJEMPLOS

Estos ejemplos representan variables las cuales son observadas en dos tipos
de escalas las cuales implican conteos o mediciones. A las primeras se les
conoce como variables aleatorias discretas, a las segundas como variables
aleatorias continuas.
La diferencia principal entre ellas, es que para las primeras, el rango es un
conjunto contable (discreto o numerable) (son ejemplos de variables aleatorias
discretas, los ejemplos 1,2,3,4); en las segundas, el rango es un intervalo o la
de intervalos reales (ejemplo 5).
union

Estadstica I.
10

TIPOS DE VARIABLES ALEATORIAS

Variables aleatorias discretas: Se dice que una variable aleatoria (v.a)

X es discreta si el numero
de valores que puede tomar es contable (finito o

infinito), y si estos
pueden arreglarse en una secuencia que corresponde con
los enteros.

En otras palabras, se pueden enumerar todos los valores numericos

posibles
de la variable en una tabla con los valores correspondientes.

Variables aleatorias continuas: Se dice que una variable aleatoria

intervalos de la
(v.a) X es continua si sus valores consisten en una o mas
recta de los reales.

Estadstica I.
11

VARIABLES ALEATORIAS DISCRETAS

Definicion:
de probabilidad o funcion
de masa de probabilidad (p.m.f).
La funcion

de una v.a discreta X definida en un espacio muestral S, es una funcion

x de la variable
matematica
que asigna una probabilidad a cada realizacion
aleatoria X ; se denotara p(x) y se define como:

p(x) = P(X = x), x AX

Estadstica I.
12

VARIABLES ALEATORIAS DISCRETAS

debe satisfacer las siguientes condiciones:

Esta funcion

1. p(x) 0 x AX

2. p(x) = 1
x

3. Si A Ax ,entonces P(X A) = p(x)

xA

Estadstica I.
13

VARIABLES ALEATORIAS DISCRETAS

Para el ejemplo 1, si X representa el numero

de caras, se tiene que:

P(X = 0) = 81

P(X = 1) = 38

P(X = 2) = 38

P(X = 3) = 18

As, la p.m.f. es

x
p(x)

1
8

3
8

3
8

1
8

Note que

P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) = 18 + 18 + 38 + 83 + 18 = 1

Estadstica I.
14

VARIABLES ALEATORIAS DISCRETAS

Ejemplo 6

Suponga
que se lanza un dado corriente una vez y sea X la v.a. que indica el
resultado obtenido. Halle la p.m.f.
Sln:
Los posibles valores de X son 1, 2, 3, 4, 5, 6, cada uno de ellos tiene igual
probabilidad de ocurrir (1/6). Luego

p(x) =

1
6

, x = 1, 2, 3, 4, 5, 6
0 , en otro caso.

Estadstica I.
15

VARIABLES ALEATORIAS DISCRETAS

Definicion:
acumuSea X una variable aleatoria discreta con p.m.f p(x). La distribucion
lada de X , denotada por FX (x) se define como:

FX (x) = P(X x) =

p(x ) x R

x x

FX (x) representa la suma de las probabilidades puntuales hasta el valor de x.

Estadstica I.
16

VARIABLES ALEATORIAS DISCRETAS

Para el ejemplo 1, se tiene que

1
F(0) = P(X 0) = P(X = 0) =
8
1 3 4
F(1) = P(X 1) = P(X = 0) + P(X = 1) = + =
8 8 8
1 3 3 7
F(2) = P(X 2) = P(X = 0) + P(X = 1) + P(X = 2) = + + =
8 8 8 8
1 3 3 1
F(3) = P(X 3) = P(X = 0)+P(X = 1)+P(X = 2)+P(X = 3) = + + + = 1
8 8 8 8

Estadstica I.
17

VARIABLES ALEATORIAS DISCRETAS

Por lo tanto

1/8
F(x) = 4/8

7/8

x<0
0x<1
1x<2
2x<3
x3

Estadstica I.
18

VARIABLES ALEATORIAS DISCRETAS

Estadstica I.
19

VARIABLES ALEATORIAS DISCRETAS

de distribuLas variables aleatorias se clasifican de acuerdo con su funcion

Si la funcion
de distribucion
FX (x), de la variable aleatoria X , es una
cion.
escalonada, entonces se dice que X es una variable aleatoria discfuncion
reta, si Fx (x) es continua, entonces se dice que X es una variable aleatoria
lineal de una
continua, y si FX (x) se puede expresar como una combinacion
escalonada y una funcion
continua, entonces se dice que X es una
funcion
variable aleatoria mixta.

Estadstica I.
20

VARIABLES ALEATORIAS DISCRETAS

PROPIEDADES:
1. 0 F(x) 1

porque F(x) es una probabilidad.

2. P(X > x) = 1 F(x)

3. Si X < Y = F(x) < F(y)

4. P(X = a) = F(a) F(a 1)

Estadstica I.
21

VARIABLES ALEATORIAS DISCRETAS

5. P(a X b) = F(b) F(a 1)

6. P(a < X < b) = F(b 1) F(a) = F(b) F(a) P(X = b)

7. P(a X < b) = F(b 1) F(a) = F(b) F(a) + P(X = a) P(X = b)

8. P(a < X b) = F(b) F(a)

Estadstica I.
22

EJERCICIOS

1. Sea X una v.a. discreta, determinar el valor de k para que la funcion

p(x) = kx ; x = 1, 2, 3, 4 sea la m.p.f. de X . Halle p(x),F(x) y P(1 X 3).

Sln:
4

1=
=

p(x)

x=1
4 k

x=1


12
= k = 25

1 1 1 1
=k + + +
1 2 3 4
 
25
=k
12

Estadstica I.
23

EJERCICIOS
Luego, la p.m.f.

p(x) =

12
25x

, x = 1, 2, 3, 4

en otro caso.

12 , x = 1

25

6 ,x = 2

25

4 ,x = 3
p(x) = 25

3 ,x = 4

25

0 , en otro caso.

Estadstica I.
24

EJERCICIOS

de distribucion
acumulada es
La funcion

F(x) =

12

25

6 + 12 = 18
25

25

25

,x < 1
,1 x < 2
,2 x < 3

4 + 6 + 12 = 22 , 3 x < 4

25
25 25
25

1
,x 4

Estadstica I.
25

EJERCICIOS

P(1 X 3)
6 +
+
Forma 1, P(1 X 3) = P(X = 1) + P(X = 2) + P(X = 3) = 12
25 25
4 = 22
25
25

22 + 0 = 22
Forma 2, P(1 X 3) = F(3) F(0) = 25
25

Forma 3, graficamente.

Estadstica I.
26

EJERCICIOS

Estadstica I.
27

EJERCICIOS

2. Se carga una moneda de tal manera que P(C) = 37 y P(S) = 47 . Suponga

que se lanza una moneda tres veces consecutivas y sea X la variable
de
aleatoria que indica el numero
de caras obtenidas. Hallar la funcion

acumulada de X . A que es igual la

masa de probabilidad y la funcion
probabilidad de que X sea igual a un numero
impar?

Estadstica I.
28

EJERCICIOS

3. Un negocio de computadoras, que atiende pedidos por correo, tiene 6

lneas telefonicas.
Sea X el numero
de lneas en uso en un momento

especfico. La funcion acumulada de X esta dada por

x
F(x)

x<0
0

0x<1
0,1

1x<2
0,25

2x<3
0,45

3x<4
0,70

4x<5
0,90

5x<6
0,96

x6
1

de masa de probabilidad de X . Calcule la probabilidad de

Halle la funcion

disponibles .
que por lo menos 4 lineas telefonicas
esten

Estadstica I.
29

EJERCICIOS

2 es seleccionada del
4. Una muestra aleatoria con reemplazo de tamano
conjunto {1, 2, 3, 4}. Suponga que los resultados son equiprobables. Sea

X la variable aleatoria: suma de los dos numeros.

Calcule la probabilidad

de que la suma de los dos numeros

5
(a) sea a lo mas

(b) este entre 3 y 6

Estadstica I.
30

EJERCICIOS

5. Se sabe que un grupo de cuatro componentes hay dos que tienen defecto. Un inspector los prueba de uno en uno hasta encontrar las dos piezas
defectuosas. Una vez que las localiza interrumpe las pruebas. Si X es el
numero
de las pruebas en la que se detecta la segunda pieza defectuosa,

a que es igual P(X = 3).

6. Un juego consiste en relacionar con una palabra a tres figuras escondidas

detras de unos paneles.

Si una persona asigna al azar las tres palabras
de masa de probabilidad del numero
de las tres figuras, cual es la funcion

de correspondencias correctas.

Estadstica I.
31

EJERCICIOS

7. Sea X el numero
de clientes que llega a una tienda en un periodo de una

de probabilidad de X es
hora. La distribucion

x
p(x)

0
0,02

1
0,08

2
0,10

3
0,15

4
0,20

5
0,25

6
0,10

7
0,06

8 o mas
0,04

Si llegan almenos dos clientes, a que equivale la probabilidad de que no

de cinco?
lleguen mas

Estadstica I.
32