Tema 2

Rafael Rivera Martín TEMA 2: Variables aleatorias unidimensionales
TEMA 2
VARIABLES ALEATORIAS
UNIDIMENSIONALES
A) OBJETIVOS:
- Presentar el concepto de variable aleatoria y su
distribución de probabilidad comparada con la
variable estadística estudiada en Estadística
Descriptiva
- Distinguir los dos tipos de variables aleatorias:
Discretas y Continuas
- Se presenta el concepto de Función de
Distribución (comparado con la distribución de
frecuencias acumulada de una variable estadística)
- Se estudian también la función de cuantía de la
variable aleatoria discreta (comparado con la
distribución de frecuencias de una variable
estadística) y la función de densidad de la variable
aleatoria continua (no tiene su equivalente en la
variable estadística)
Estadística 2º LECO Curso 2005-2006 Página 1
- Es fundamental comprender el significado y las

propiedades de las tres funciones estudiadas y
cómo se relacionan entre ellas
- Finalmente se estudia la forma de obtener la
distribución de probabilidades de una variable
obtenida como transformación de otra cuya
distribución de probabilidades es conocida
B) ÍNDICE:
1.- Introducción: variables estadísticas y aleatorias
2.- Definición y tipos de variables aleatorias
3.- Variables aleatorias discretas
3.1.- Función de cuantía
3.2.- Función de distribución
4.- Variables aleatorias continuas
4.1.- Función de densidad
4.2.- Función de distribución
5.- Transformaciones de variables aleatorias
unidimensionales
5.1.- Caso discreto
5.2.- Caso continuo

1.- INTRODUCCIÓN: VARIABLES ESTADÍSTICAS Y

VARIABLES ALEATORIAS.
En el estudio descriptivo de la realidad se dispone de:

variables estadísticas (v.e.) y su distribución de
frecuencias (valores y frecuencias).
Variable Frecuencia Frecuencia Frecuencia

estadística relativa acumulada
xi ni
f =n i
F = f +L+ f
i 1 i
i
n
x1 n1 f =n 1 F =f
1
n 1 1
x2 n2 f =n 2 F =f +f
2
n 2 1 2
M M M M
xi ni f =n i F = f +L+ f
i
n i 1 i
M M M M
xk nk f =n k F = f +L+ f = 1
k
n k 1 k
Totales N 1 No tiene sentido

Por ejemplo:
Variable Frecuencia Frecuencia Frecuencia
estadística relativa acumulada
xi ni
f =n i
F = f +L+ f
i 1 i
i
n
-1 2 2/10 2/10
2 3 3/10 5/10
4 2 2/10 7/10
6 3 3/10 10/10 = 1
Totales 10 1 No tiene sentido
En el estudio de magnitudes aleatorias se dispone de:

variables aleatorias (v.a.) y su distribución de
probabilidad (valores y probabilidades).

2.- DEFINICIÓN Y TIPOS DE VARIABLES ALEATORIAS.
Es una variable que toma valores numéricos

determinados por los resultados de un experimento
aleatorio. Es decir, traduce los elementos del espacio
muestral E, a números reales.
Una variable aleatoria X es una función que asigna a

cada resultado posible de un experimento aleatorio un
número real. Esto es, una función del espacio muestral E en
ℜ:
X:E →ℜ
ω a X(ω ) = x
Observaciones:
- Una variable aleatoria se denota mediante las siglas
v.a.
- Una v.a. se escribe en mayúsculas (X), mientras que
los posibles valores que puede tomar se escriben en
minúsculas (x)

Este cambio de “letras” (E) a “números” (reales) debe

conservar la estructura de probabilidad subyacente. O
expresado más rigurosamente: es necesario preservar en la
transformación la estructura del espacio de probabilidad.
A través de la v.a. se pasa de un espacio de probabilidad

a otro nuevo denominado distribución de probabilidad.
La estructura de la distribución de probabilidad es idéntica
a la del espacio básico. Todas las definiciones y
proposiciones se trasladan a la v.a.
Ejemplo: Si lanzamos dos monedas al aire y definimos la

v.a. X = “número de caras obtenidas”
X: E → ℜ Probabilidad
{cara, cara} a X = 2 P(X = 2) = 1 4
{cara, cruz} a X = 1 P(X = 1) = 1 4
{cruz, cara} a X = 1 P(X = 1) = 1 4
{cruz, cruz} a X = 0 P(X = 0) = 1 4

Tipos de v.a.: En función de los valores que pueda tomar

una v.a. podemos distinguir dos tipos ...
(1) DISCRETAS: Son aquellas en las que el conjunto

de valores que pueden tomar es finito o infinito
numerable.
Ejemplos: Nº de caras al tirar dos monedas
Nº de aprobados en una clase de 200
Nº clientes en la cola de un banco, ...
(2) CONTINUAS: Son aquellas en las que el

conjunto de valores que pueden tomar es infinito no
numerable (un intervalo real).
Ejemplos: Altura
Peso
Notas de un examen
Nivel de azúcar en sangre
Gastos o beneficios de una empresa

3.- VARIABLES ALEATORIAS DISCRETAS.
Sea X una v.a. DISCRETA que puede tomar los valores

{ x , x , K, x , K}
1 2 i
(nº finito ó infinito numerable de valores)
3.1.- Función de cuantía.
La función de cuantía (f.c.) es la que nos da la

probabilidad de los valores de la v.a. X, esto es, nos da las
def
probabilidades en cada punto: p(x ) =P(X = x ) i i
Para que una f.c. esté bien definida deben verificarse:

(1) 0 ≤ p(x ) ≤ 1 i
∀x i
(2) ∑ p(x ) = 1
i
i
(3) p(x) = 0 ∀x ∉ {x , x , K , x , K}
1 2 i
En el caso finito suele venir dada en forma de tabla:

xi x1 x2 ... xn
P(xi) p(x1) p(x2) ... p(xn)

Se puede usar para calcular probabilidades no

elementales: P(X ∈ A) = ∑ p(x ) x i ∈A
i
Su representación gráfica se denomina diagrama de

barras:
p(xi)
p(xn)
p(x1)
p(x2)
x1 x2 ...
xn xi
3.2.- Función de distribución.
La función de distribución (F.d.) es la que nos

proporcionada las probabilidades acumuladas hasta un
def
punto (incluido): F(x) =P(X ≤ x) = ∑ p(x) x≤xi

Propiedades de la F.d. (caso discreto):

(1) Generales: 0 ≤ F(x) ≤ 1 , F(−∞) = 0 y F(∞) = 1
(2) F(x) es escalonada y creciente
(3) F(x) es continua por la derecha: F(x ) = F(x ) i
+
(4) F(x) es discontinua por la izquierda:

F(x ) = F(x )
−
i i −1
(5) Pasar de F(x) a p(x):

p(x ) = P(X = x ) = F(x ) − F(x )
i i i i −1
SUMAR
→
p(x) F(x)
←
RESTAR
(6) Uso para el cálculo de probabilidades:

• P(a < X ≤ b) = F(b) − F(a)
• P(a < X < b) = F(b ) − F(a) −
• P(a ≤ X < b) = F(b ) − F(a ) − −
• P(a ≤ X ≤ b) = F(b) − F(a ) −
• P(X = a) = F(a) − F(a ) −
¡¡Cuidado con las igualdades!!

Su representación gráfica es un diagrama de escalera:
F(xi)
xi
0 x1 x2 x3 ... xn-1 xn
La distribución de probabilidades de una v.a. discreta se

puede conocer bien a través de su función de cuantía, o bien
a través de su función de distribución.

4.- VARIABLES ALEATORIAS CONTINUAS.
Sea X una v.a. CONTINUA que puede tomar todos los

valores reales desde − ∞ a ∞ (infinitos valores)
4.1.- Función de densidad.
La función de densidad (f.d.) es una función f(x) definida

en (−∞, ∞) que debe verificar:
∞
f(x) ≥ 0 y ∫ f(x) dx = 1
−∞
Su representación gráfica es una función positiva (sobre

el eje de abscisas) que encierra un área de 1 con el eje de
abscisas.
f x
Área = 1
Se usa para calcular probabilidades: P(X ∈ A) = ∫ f(x) dx

A
En particular: P(a ≤ X ≤ b) = P(X ∈ [a, b]) = ∫ f(x) dx

b

¡¡IMPORTANTE!! En v.a. continuas toda probabilidad

a
puntual SIEMPRE vale cero, esto es: P(X = a) = ∫ f(x)dx = 0

a
4.2.- Función de distribución.
La función de distribución (F.d.) es la que nos

proporcionada las probabilidades acumuladas hasta un
def x
punto (incluido): F(x) =P(X ≤ x) = ∫ f(t) dt

−∞
Propiedades de la F.d. (caso continuo):

(1) Generales: 0 ≤ F(x) ≤ 1 , F(−∞) = 0 y F(∞) = 1
(2) F(x) es continua y creciente
dF(x)
(3) Pasar de F(x) a f(x): f(x) = F′(x) =
dx
INTEGRAR
→
f(x) F(x)
←
DERIVAR
P(a < X < b) = P(a ≤ X ≤ b) =

¡¡NO hay que tener
(4) = P(a < X ≤ b) = P(a ≤ X < b) = cuidado con las
b
= ∫ f(x) dx = F(b) − F(a) igualdades!!

a

La distribución de probabilidades de una v.a. continua

se puede conocer bien a través de su función de densidad, o
bien a través de su función de distribución.
5.- TRANSFORMACIONES DE VARIABLES ALEATORIAS

UNIDIMENSIONALES.
5.1.- Caso discreto.
Sea X = { x , x , K, x }
1 2 n
una v.a. discreta con f.c.
p(x) conocida
Y = h(X) una transformación sobre la v.a. X
(cambio de variable)
Queremos calcular la f.c. de la v.a. Y: ¿p(y)?
Procedimiento:
xi x1 X2 ... xn
P(xi) p(x1) p(x2) ... p(xn) Cambio de variable
de X a Y = h(X)
yi = h(xi) y1 y2 ... yn
p(yi)= p(xi) P(x1) p(x2) ... p(xn)
Observación: Puede que algunas de las nuevas yi coincidan y puedan

agruparse en una sola, sumando sus probabilidades correspondientes

5.2.- Caso continuo.
Sea X v.a. continua con f.d. f(x) conocida

Y = h(X) una transformación sobre la v.a. X
(cambio de variable)
Queremos calcular la f.d. de la v.a. Y: ¿g(y)?
Procedimiento:
(1) Partimos de “y” puesta en función de “x” a través
de la función “h” ⇒ y = y(x)
(2) Despejamos la “x” en función de “y” a través de la
función “h-1” ⇒ x = x(y)
(3) Derivamos esta función respecto a “y”:
d [x(y)] d dx
= [x(y)] = = x ′(y)
dy dy dy
(4) La f.d. de la v.a. Y viene dada por:
dx
g(y) = f [x(y)]⋅ Valor absoluto
dy

Observaciones:
- El paso (2) sólo es posible si la función y = h(x) es
invertible, para ello basta con que sea monótona
(creciente o decreciente)
- ¡¡IMPORTANTE!!: No debemos olvidar calcular el
rango de variación de las “y” a partir del rango de
variación de las “x”

Tema 2

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Tema 2

Hochgeladen von

Copyright:

Verfügbare Formate

Rafael Rivera Martín TEMA 2: Variables aleatorias unidimensionales

- Es fundamental comprender el significado y las

Estadística 2º LECO Curso 2005-2006 Página 2

1.- INTRODUCCIÓN: VARIABLES ESTADÍSTICAS Y

En el estudio descriptivo de la realidad se dispone de:

Variable Frecuencia Frecuencia Frecuencia

Totales N 1 No tiene sentido

Estadística 2º LECO Curso 2005-2006 Página 3

En el estudio de magnitudes aleatorias se dispone de:

Estadística 2º LECO Curso 2005-2006 Página 4

2.- DEFINICIÓN Y TIPOS DE VARIABLES ALEATORIAS.

Es una variable que toma valores numéricos

Una variable aleatoria X es una función que asigna a

Estadística 2º LECO Curso 2005-2006 Página 5

Este cambio de “letras” (E) a “números” (reales) debe

A través de la v.a. se pasa de un espacio de probabilidad

Ejemplo: Si lanzamos dos monedas al aire y definimos la

Estadística 2º LECO Curso 2005-2006 Página 6

Tipos de v.a.: En función de los valores que pueda tomar

(1) DISCRETAS: Son aquellas en las que el conjunto

(2) CONTINUAS: Son aquellas en las que el

Estadística 2º LECO Curso 2005-2006 Página 7

3.- VARIABLES ALEATORIAS DISCRETAS.

Sea X una v.a. DISCRETA que puede tomar los valores

(nº finito ó infinito numerable de valores)

3.1.- Función de cuantía.

La función de cuantía (f.c.) es la que nos da la

probabilidades en cada punto: p(x ) =P(X = x ) i i

Para que una f.c. esté bien definida deben verificarse:

En el caso finito suele venir dada en forma de tabla:

Estadística 2º LECO Curso 2005-2006 Página 8

Se puede usar para calcular probabilidades no

Su representación gráfica se denomina diagrama de

3.2.- Función de distribución.

La función de distribución (F.d.) es la que nos

punto (incluido): F(x) =P(X ≤ x) = ∑ p(x) x≤xi

Estadística 2º LECO Curso 2005-2006 Página 9

Propiedades de la F.d. (caso discreto):

(4) F(x) es discontinua por la izquierda:

(5) Pasar de F(x) a p(x):

(6) Uso para el cálculo de probabilidades:

• P(a ≤ X < b) = F(b ) − F(a ) − −

• P(a ≤ X ≤ b) = F(b) − F(a ) −

• P(X = a) = F(a) − F(a ) −

¡¡Cuidado con las igualdades!!

Estadística 2º LECO Curso 2005-2006 Página 10

Su representación gráfica es un diagrama de escalera:

La distribución de probabilidades de una v.a. discreta se

Estadística 2º LECO Curso 2005-2006 Página 11

4.- VARIABLES ALEATORIAS CONTINUAS.

Sea X una v.a. CONTINUA que puede tomar todos los

4.1.- Función de densidad.

La función de densidad (f.d.) es una función f(x) definida

Su representación gráfica es una función positiva (sobre

Se usa para calcular probabilidades: P(X ∈ A) = ∫ f(x) dx

En particular: P(a ≤ X ≤ b) = P(X ∈ [a, b]) = ∫ f(x) dx

Estadística 2º LECO Curso 2005-2006 Página 12

¡¡IMPORTANTE!! En v.a. continuas toda probabilidad

puntual SIEMPRE vale cero, esto es: P(X = a) = ∫ f(x)dx = 0

4.2.- Función de distribución.

La función de distribución (F.d.) es la que nos

punto (incluido): F(x) =P(X ≤ x) = ∫ f(t) dt

Propiedades de la F.d. (caso continuo):