Tema 4

Variable Aleatoria Unidimensional

Definicin: Se define como una funcin que asocia a todo evento del espacio
muestral un valor r (w).

Dnde: El Dominio de x es un subconjunto de y el codominio de x

La forma de la funcin responde a la caracterstica del objeto de estudio.

Clasificacin: se clasifica por el valor asignado, entonces:

- Variable Aleatoria Unidimensional Discreta: Se la denomina cuando

el valor asignado es nico dentro de un determinado intervalo.
 - Variable Aleatoria Unidimensional Continua: Cuando es posible
asignar infinitos valores dentro un intervalo.

Ejemplo: Una urna contiene 5 bolas numeradas del 1 al 5. Se extraen 2 bolas sin
reposicin, se define la variable aleatoria x como la suma de los nmeros
obtenidos. Determinar:
a) El dominio de la variable aleatoria x.
b) El rango de la variable aleatoria x.
c) Encontrar P(x=3), P(x=5), P (6<x<8).
Solucin

a) D(x)=
D(x)= {(1,2), (1,3), (1,4), (1,5); (2,3), (2,4), (3,5); (3,4), (3,4); (4,5)}
b) V. A. x = valores de las esferas

R(x) = {3, 4, 5, 6, 7, 8, 9}

1
c) P(x=3) = 10
 2 1
P(x=5) = 10 = 5
P (6<x<8) = P(x=6) + P(x=7) + P(x=7)
2 2 1 1
P (6<x<8) = 10 + 10 + 10 = 2

Funcin o Ley de Probabilidad: Una funcin o ley de probabilidad se

define como una funcin que asocia a la variable aleatoria una probabilidad.

X p(x)

El principio de equivalencia nos muestra: x=x (w) p (x) p (w)

Por el teorema de probabilidad total: W1 U W2 U W3 U W4 U Wk=
Wj son particiones de
k k

Entonces: p(wi) p(xi )=1

i=1 i=0

Por lo tanto: p( xi)=1

i=1

Para la Variable Aleatoria Discreta: La funcin o ley de probabilidad se

denomina funcin de cuanta y es posible tabularla de la siguiente manera:
x X1 X2 X3 . Xk
p(x) p(1) p(2) p(3) . p(k)
Cuya grfica es:

p(xi)= 1
Se debe verificar que
R ( x)

Funcin Acumulada de Distribucin para la Variable Aleatoria Discreta: se

define como la funcin de distribucin como la sumatoria de todas las
probabilidades menores e iguales al valor asignado.
x X1 X2 X3 Xk
p(x) p(1) p(2) p(3) p(k)
P(x) p(1) p(1) + p(2) p(1) + p(2) + p(3) 1

Se verifica que: P(x)= p( xi)=1

R (x)

La grfica corresponde a:

Propiedades:
i) P(xxo) = P(x=xo)
ii) P(xxo) = 1 - P(xxo)
iii) P(a<xb) = P(x=b) - P(x=a)
iv) P(axb) = P(x=b) - P(x=a) + p(x=a)
v) P(a<x<b) = P(x=b) - P(x=a) - p(x=b)
Ejemplo: Se tiene una urna con 3 fichas enumeradas del 1 al 3 se extrae al azar
una ficha, luego se lanza una moneda tantas veces como indica el nmero de la
ficha obtenida si la variable aleatoria x representa el nmero de caras.
Determinar:
a) El dominio de la variable aleatoria x.
b) El rengo y las probabilidades asociadas.
c) La distribucin de probabilidad y su grfica.
d) La funcin de probabilidad y su grfica.
Solucin
V.A. x = # de caras obtenidas.
a) D(x)= {0, 1, 2, 3}
b) R(x) = {3, 4, 5, 6, 7, 8, 9}

1
1
P(x=0) = 3 1 12 1 13 7
+ + =
2 3 2 3 2 24

1
1
P(x=1) = 3 1 1 2 1 1 3 1 1 3 1 1 3 11
+ + + + =
2 3 2 3 2 3 2 3 2 24

1 12 1 13 1 13 5
P(x=2) = + + =
3 2 3 2 3 2 24

1 13 1
P(x=3) = 3 2 = 24

c) d)
x 0 1 2 3
 p(x) 7 11 5 1
24 24 24 24
P(x) 7 18 23 1
24 24 24

Ejemplo: Con los datos del anterior ejemplo hallar:

a) P(x2,5)
b) P(x0,5)
c) P(1,5x2,5)
Solucin
23
a) P(x2,5) = P(x=2,5) = 24
23 1
b) P(x0,5) = 1- P(x2,5) = 1 24 = 24
23 18 5
c) P(1,5x2,5) = P(x=2,5) - P(x=1,5) = =
24 24 24

Ejemplo: Se tiene una urna con 3 fichas negras y 2 rojas se extraen

sucesivamente sin reposicin una ficha hasta que salga un roja. Sea x el nmero
de extracciones que hay que realizar. Determinar:
a) La funcin de cuanta.
b) Hallar la funcin de distribucin acumulada y sus respectivas grficas.
c) P (0x1,5).
Solucin
V.A. x = # de extracciones hasta que salga 1 ficha roja
R(x) = {1, 2, 3, 4}
a)
b)
x 1 2 3 4
p(x) 2 3 1 1
5 10 5 10
P(x) 2 7 9 1
5 10 10

2 2
c) P(0x1,5) P(x=1,5) - P(x=0) = 0=
5 5

En Variable Aleatoria Continua: La funcin o ley de probabilidad se llama

funcin de densidad y debe verificar que:


p( x )=1 Lo que implica p (x) x=1

La funcin de distribucin tendr la frmula: P(x) = p( x) x

R (x)

Propiedades:
i) P(xxo) = P(x=xo)
ii) P(xxo) = 1 - P(xxo)
iii) P(axb) = P(x=b) - P(x=a)
Ejemplo: Suponga que x es una variable aleatoria cuya funcin de densidad
est representada por la figura:

Determinar:
a) Hallar el valor de b.
b) Hallar la funcin de distribucin.
1 1
c) Si la probabilidad P ( 3 xa) = 2 , hallar el valor de b.

1
d) Calcule P ( 2 x2)
Solucin
a)
1
0 1
2 y= ( xb )
m= 2 ( b1 )
b1

{
1
si0< x<1
2
1
p(x) ( x b ) si 1 x <b
2 ( b1 )
0 six b

Por definicin p (x) x=1

1 b

12 x+ 2xb
( b1 )
x=1
0 1

)( )
1 1 xb ( xb )2|1
x| + (
2 0 2 ( b1 )

2
=1

0( 1b )2
1 1 [
=1
2 4 ( b1 )

2
1 (b1)
+ =1
2 4 (b1)

2+ b1
=1
4

b=3

Por lo tanto la funcin de densidad ser:

 {
1
si0< x <1
2
1
p(x) ( x3 ) si 1 x <3
4
0 six 3

b) Para la funcin de distribucin tenemos por definicin: P (x) = p( x) x

R (x)

- 0,1
x
x
1
P(x1) = 12 x = 2
x
0

- 0,3
x
1 x
1
P(x2) = 2 x + x3
4
x
0 1

P(x2) =
1
2 - ( ( x3 )2|1
4 )
1 1 2
P(x2) = + [ ( x3 ) 4 ]
2 8
( x3 )2
P(x2) = 1 8

Por lo tanto la funcin de distribucin ser:

{
1
x si 0 x <1
2
1
P(x) 2
1 ( x3 ) si 1 x< 3
8
1 six 3

1 1
c) P( 3 xa) = 2
 1 1
P(x=a) - P(x= 3 ) = 2
1
1
P(x=a) = 1 2 2
+ =
2 3 3
1
Pertenece al intervalo: 1 ( x3 )2
8

1 2 2
Por lo tanto: 1 ( a3 ) =
8 3

a=32
2
3

1
1 1 1
d) P( 2 = P(x=2) - P(x= = 1 2 2 5
x2) 2 ) 1 ( 23 ) =
8 2 8

Funciones de Variable Aleatoria: Sea x una variable aleatoria es posible

definir una funcin de variable aleatoria: y = H (x).

Entonces un evento en W es equivalente a un valor en x, y tambin es

equivalente a un valor en y.
Por lo tanto p (wi) = p (xi) = p (yi)
Esperanza Matemtica: La esperanza matemtica de una variable aleatoria x o
llamada tambin valor promedio esperado es igual a la funcin de variable
aleatoria x p (x).
El valor promedio esperado es en realidad la media aritmtica poblacional.
 = E(x)

Para la Variable Aleatoria Discreta: = E(x) =

x p(x)
R (x)

Para la Variable Aleatoria Continua: = E(x) = x p (x) x

Propiedades
i) E (ctte.) = ctte.
ii) E(x+y) = E(x) + E(y)
iii) E(ax) = a E(x)
iv) E(a H(x) + b G(x)) = a E(H(x)) + b E(G(x))

En funcin de la esperanza matemtica.

Mediana de la Distribucin:

1
Med (x) = x0 P (xxo) = 2

Moda de la Distribucin:

Mod (x) = x0 p (xxo) sea mxima

Varianza de la Distribucin:
2
= var (x) = E [(x-)2] donde = valor promedio
esperado
2
Para la Variable Aleatoria Discreta: = E [(x-)2] =

( x )2p (x)
R ( x)

2
Para la Variable Aleatoria Continua: = E [(x-)2] =

( x )2p( x ) x

Una expresin alternativa es:

2 = E [(x-)2] = E [(x2 -2x + 2)]

 2
= E (x2) 2 E(x) + E (2) donde = E(x)

2 = E (x2) 22 + E (2) donde E (2) = 2

2
= E (x2) 22 + 2

2 = E (x2) 2

Coeficiente de Variacin

C.V. = 100

Momento de Orden r de una Variable Aleatoria

Mr (x) = E [(x-) r]

Para la Variable Aleatoria Discreta: Mr (x) =

( x )rp(x )
R ( x)

Para la Variable Aleatoria Continua: Mr (x) = ( x )rp (x) x

Medidas de Deformacin
M 3( x ) E [ ( x )3 ]
Deformacin Horizontal: As (x) =
3 = 3

Si As < 0 Sesgo Izquierdo.

Si As = 0 Curva normal.
Si As > 0 Sesgo Derecho.
M 4 ( x) E [ ( x )4 ]
Deformacin Vertical: K= 4 = 4

Si K<3 Curva Leptocrtica.

Si K=3 Curva Mesocrtica o normal.
Si K>3 Curva Platicrtica.
Ejemplo: Una empresa lanzara al mercado un nuevo producto, ha considerado la
contratacin de una pliza de seguro para cubrir posibles prdidas en la
operacin. Consideremos que si el lanzamiento es un fracaso total, las prdidas
sern de 180 mil dlares; y si el lanzamiento del producto es solo modestamente
satisfactorio las prdidas sern de 50 mil dlares, los actuarios de la empresa
aseguradora vasados en encuestas de mercado han determinado que las
probabilidades de un fracaso total y de un lanzamiento satisfactorio son
respectivamente 0,01 y 0,05 respectivamente. Si se ignoran otras perdidas
asociadas, que monto de primas debe cobrarse para salir sin ganancia ni perdida.
Solucin
F: fracaso total: prdida = 180000$us
M: modestamente satisfactoria: perdida = 50000$us
P (F) = 0,01 P (M) = 0,05

Sea la V.A. x = prdida.

p (x-180000) = 0,01
p (x-50000) = 0,05
Cuando x=0 (perdida y ganancia estn en equilibrio).

De la ecuacin: p( x ) =1

P (x=0) = 1 - 0,01 0,05 = 0,94

x -180000 -50000 0
p (x) 0,01 0,05 0,94
P (x) 0,01 0,06 1

Entonces: E (x) = valor promedio esperado de perdida

E (x) = xp( x)

E (x) = [ (1800000,01 ) +(500000,05 )+ ( 00,94 ) ] [$ us ]

E (x) = 4300[$ us ]

Por lo tanto la prima a cobrar: - E(x) = 4300 [$ us]

4300 [$us] no existe perdida ni ganancia.

Ejemplo: En una feria se deben pagar 50 ctvs. Para participar en un juego que
consiste en lanzar anillos, se dan 3 anillos a una persona la cual trata de lanzarlos
uno por uno hacia una clavija, seda un premio de 1 Bs. Si se logra ensartar 1 anillo
en la clavija; un premio de 2 Bs. Si se ensartan 2 anillos y un premio de 5 Bs. Si se
ensartan los 3 anillos. Suponiendo que la probabilidad de ensartar en la clavija sea
de 0,1 en cada tirada, cual es la ganancia esperada si se juega una vez, si se
juega diez veces.
Solucin
Se paga 50 ctvs. = 0.5 Bs. por juego.
V.A. x = cantidad de aciertos.

p (x=0) = 0,90,90,9=0,729

p (x=1) = ( 0,10,90,9 )+ ( 0,10,90,9 ) + ( 0,10,90,9 )=0,243

p (x=2) = ( 0,10,10,9 ) + ( 0,10,10,9 )+ ( 0,10,10,9 )=0,027

p (x=3) = 0,10,10,1=0,001

x 0 1 2 3
p (x) 0,729 0,243 0,027 0,001
 P (x) 0,729 0,972 0,999 1

Si V.A. y = ganancia.
Si x = 0 y = 0 - 0,5 = - 0,5
Si x = 1 y = 1 - 0,5 = 0,5
Si x = 2 y = 2 - 0,5 = 1,5
Si x = 3 y = 5 - 0,5 = 4,5
Por la equivalencia de eventos
y -0,5 0,5 1,5 4,5
p (y) 0,729 0,243 0,027 0,001
P (y) 0,729 0,972 0,999 1

E (y) = yp ( y )

E (y) = [ (0,50,729 )+( 0,50,243 )+ ( 1,50,027 )+ ( 4,50,001 ) ] [Bs .]

E (y) = 0,198[Bs .]

Si se juega una vez: E (y) = 0,198[Bs .]

Si se juega diez veces: E (y) = 10{0,198 [ Bs . ] }=1.98[Bs .]

Ejemplo: Si p(x) es la funcin de densidad:

{
a x2 0 x <1
p( x) a(2 x)2 1 x <2
0e.o.c .

Se pide:
a) El valor de a.
b) La funcin acumulada.
c) El coeficiente de asimetra.
d) El coeficiente de variacin.
e) La mediana.
Solucin


a) Por definicin p (x) x=1

1 2
a x 2 x+ a (2x)2 x=1
0 1

2
a 3|1
3
x 0 +(a)
3(
( 2x )3|1
=1 )
01
a a[
=1
3 3

2
a=1
3

3
a=
2

Por lo tanto la funcin de densidad ser:

{
3 2
x 0 x <1
2
p( x) 3
(2x )2 1 x <2
2
0e.o.c.

b) Para la funcin de distribucin tenemos por definicin: P (x) = p( x) x

R (x)

- 0,1
x
x 3x

0
3 2
P(x1) = 2 x x = ( )
3 x |0
2 3
=
x3
2

- 0,2
x
 1 x
3 2
P(x2) = 2 x x + 32 (2x)2 x
0 1

31 x

( )
3 x |0
(
3 ( 2x ) |1
)
3

P(x2) = -
2 3 2 3
1 1
P(x2) = - [ ( 2x )31]
2 2
1
P(x2) = 1 - ( 2x )3
2

Por lo tanto la funcin de distribucin ser:

{
1 2
x 0 x< 1
2
P( x) 1
1 (2x)2 1 x <2
2
1 x2

Para la esperanza matemtica:

E(x) = xp(x ) x

1 2

E(x) = 32 x 3 x + 32 x (2x )2 x
0 1

[( ) ( ) ( ) ( ) ]
1 2 2 2
3 x 4|0 4 x 2|1 4 x 3|1 x 4|1
E(x) = + +
2 4 2 3 4

E(x) =
3
2 ({ 14 )+[ ( 8 )( 323 )+( 4) ][ ( 2)( 43 )+( 14 )]}
E(x) = 1

M 3( x )
c) As (x) = 3


2
= ( x )2p( x ) x

1 2
3 2

2
= 2 x ( x1 ) x
2
+ 32 (2x)2 ( x1 )2 x
0 1

1 1 1
2 = + =
20 20 10

=
1
10

M 3 ( x) = ( x )3p(x ) x

1 2
3
M 3 (x)= x 2 ( x 1 )3 x + 32 (2x)2 ( x1 )3 x
0 2 1

1 1
M 3 (x)= + =0
40 40

M 3( x )
As (x) =
3 =0

d) C.V. = 100

C.V. = 1
1
10
100

C.V. = 1
10
100

1
e) Med (x) = x0 P (xxo) = 2
En P (x) si x = 1
3
1 1
Por lo tanto P (x1) = 2 = 2
Med (x) = 1