09 de Enero de 2012

VARIABLES
ALEATORIAS Y
DISTRIBUCIONES
DE PROBABILIDAD
(Clase 01)
Departamento de Matemtica Aplicada
Facultad de Ingeniera
Universidad Central de Venezuela
Elementos de Estadstica

Jos Luis Quintero

Puntos a tratar

1. Definicin de variable aleatoria

2. Clasificacin de variables aleatorias
3. Distribuciones de probabilidad para VAD
4. Distribuciones de probabilidad para VAC
5. Esperanza de una variable aleatoria
6. Varianza de una variable aleatoria

Elementos de Estadstica

Jos Luis Quintero

Definicin de variable aleatoria

Sea un experimento y S el espacio muestral asociado

con el experimento. Una funcin X que asigna a cada
uno de los elementos x S, un nmero real X(x), se
llama variable aleatoria (VA).
Es importante distinguir entre una VA y los posibles
valores que sta pueda tomar. Usaremos letras
maysculas, tales como X, Y, Z para designar la VA y la
correspondiente letra minscula, tales como x, y, z para
designar un valor posible de la VA.

Elementos de Estadstica

Jos Luis Quintero

Definicin de variable aleatoria

Por ejemplo, para el experimento lanzar un dado y

observar el resultado, puede usarse la VA X para
designar el resultado. Esta VA puede tomar los valores
concretos: x =1, x = 2, x = 3, x = 4, x = 5, x = 6; cada uno
con probabilidad 1/6.

Elementos de Estadstica

Jos Luis Quintero

Puntos a tratar

1. Definicin de variable aleatoria

2. Clasificacin de variables aleatorias
3. Distribuciones de probabilidad para VAD
4. Distribuciones de probabilidad para VAC
5. Esperanza de una variable aleatoria
6. Varianza de una variable aleatoria

Elementos de Estadstica

Jos Luis Quintero

Clasificacin de las variables aleatorias

Se dice que una VA es discreta (VAD) si su rango es
finito o infinito numerable. En este caso, cada posible
valor de la VA tiene una probabilidad mayor que cero.
- Nmero de fallas de un sistema.
- Nmero de intentos para acceder a un cajero automtico.

Una VA es continua (VAC) si su rango es no numerable

y todos los sucesos del tipo {X = x} tienen asignada una
probabilidad igual a cero. Sin embargo, las
probabilidades pueden determinarse por intervalos
- Temperatura promedio de maana.
- Tiempo de atencin a los clientes en una agencia bancaria.

El rango de una VA es el nmero de posibles

resultados que puede tomar.
Elementos de Estadstica

Jos Luis Quintero

Puntos a tratar

1. Definicin de variable aleatoria

2. Clasificacin de variables aleatorias
3. Distribuciones de probabilidad para VAD
4. Distribuciones de probabilidad para VAC
5. Esperanza de una variable aleatoria
6. Varianza de una variable aleatoria

Elementos de Estadstica

Jos Luis Quintero

Distribuciones de probabilidad para VAD

La funcin de probabilidad, Px(x), de una VAD X
representa la probabilidad que X tome el valor x,
como funcin de x. Es decir: PX(x) = P(X = x), donde la
funcin se evala en todos los posibles valores de x. Se
puede utilizar una representacin algebraica, grfica o
tabular.
Ejemplo: Se lanza un dado. Sea X la VA que representa
el nmero resultante. Sabemos que P(X=1) = P(X=2) =
P(X=3) = P(X=4) = P(X=5) = P(X=6) = 1/6, la funcin de
probabilidad es:
PX(x) = P(X = x) = 1/6,
para x = 1, 2, 3,, 6
PX(x) = 0,
para otros x
Elementos de Estadstica

Jos Luis Quintero

Distribuciones de probabilidad para VAD

Una representacin grfica de la funcin anterior es la
siguiente:
PX(x)
1/6

Sea X una VAD con funcin de probabilidad PX(x),

entonces la funcin de probabilidad debe satisfacer las
dos condiciones siguientes:
(i) PX(x) 0, para cada valor x.
(ii) PX(xi) = 1.
i
Elementos de Estadstica

Jos Luis Quintero

Distribuciones de probabilidad para VAD

La funcin de probabilidad acumulada, FX(x0), de una
VA X, representa la probabilidad que X tome un valor
menor o igual a x0, como funcin de x0. Es decir:
FX(x0) = P(X x0)
donde la funcin se evala en todos los valores de x0.
Ejemplo: Para la VA del ejemplo anterior, se obtuvo
que:
PX(x) = P(X = x) = 1/6,
para x = 1, 2, 3,, 6
Ahora bien, para calcular la funcin acumulada se
procede de la siguiente manera:
FX(x0) = P(X x0) = 0,
para x0 < 1.
FX(x0) = P(X x0) = PX(1) = 1/6,
para 1 x0 < 2.
Elementos de Estadstica

Jos Luis Quintero

Distribuciones de probabilidad para VAD

FX(x0) = P(X
x0) = FX(1) + PX(2) = 2/6,
FX(x0) = P(X
x0) = FX(2) + PX(3) = 3/6,
FX(x0) = P(X
x0) = FX(3) + PX(4) = 4/6,
FX(x0) = P(X
x0) = FX(4) + PX(5) = 5/6,
FX(x0) = P(X
x0) = FX(5) + PX(6) = 1,

para 2 x0 < 3.
para 3 x0 < 4.
para 4 x0 < 5.
para 5 x0 < 6.
para x0 6.

FX(x0)
1
5/6
4/6
3/6
2/6
1/6

1
Elementos de Estadstica

x0
Jos Luis Quintero

Distribuciones de probabilidad para VAD

FX(x0) siempre tiene la forma escalonada, comienza en 0,
hasta 1.
0 FX(x0) 1, para cada nmero x0.
Si x0 y x1 son dos nmeros tales que x0 < x1, entonces:
FX(x0) FX(x1)

P(X > a) = 1 - F(a)

P(X a) = 1 - F(a) + P(X=a)
P(X a) = P({X = a} {X > a}) = P(X = a) + P(X > a)
= P(X = a) + (1-F(a))
P(X<a) = F(a) - P(X=a)
P(a<X
b) = F(b) - F(a)
P(a<X<b) = F(b) - F(a) - P(X=b)
P(a X< b) = F(b) - F(a) + P(X=a) - P(X=b)
P(a X b) = F(b) - F(a) + P(X=a)
Elementos de Estadstica

Jos Luis Quintero

Puntos a tratar

1. Definicin de variable aleatoria

2. Clasificacin de variables aleatorias
3. Distribuciones de probabilidad para VAD
4. Distribuciones de probabilidad para VAC
5. Esperanza de una variable aleatoria
6. Varianza de una variable aleatoria

Elementos de Estadstica

Jos Luis Quintero 13

Distribuciones de probabilidad para VAC

Se dice que X es una VAC si existe una funcin ,
denominada Funcin de Densidad de Probabilidad
(fdp) de X, que satisface las siguientes condiciones:
(a) X(x) 0, para todo x.
+

(b) f X ( x )dx = 1.
(c) Para cualquier a, b, tal que -
< a < b < +
,
tenemos que:
P(a X b) =

a fX ( x )dx .

La ltima propiedad expresa que la probabilidad

que X est entre a y b, es el rea bajo la fdp entre
los dos puntos.
Elementos de Estadstica

Jos Luis Quintero

Distribuciones de probabilidad para VAC

La Funcin de Distribucin de Probabilidad Acumulada
(fdpa) FX(x) de una VAC X expresa la probabilidad que
X sea menor o igual que x, como funcin de x, es decir:
FX(x) = P(X x).
Teorema: si X es una VAC con fdp , entonces :
FX ( x ) =

dF ( x)
fX( x) = X
dx

fX ( x )dx

Ejemplo: sea la siguiente fdp:

f(x)
c

c si 1000 x 5000
f(x) =
en otros casos
0
1000

Elementos de Estadstica

5000

x
Jos Luis Quintero

Distribuciones de probabilidad para VAC

f(x) es una fdp si se cumple que:
(i) f(x) 0 para todo x.

(ii) f(x) dx =

5000

cdx = 4000 c = 1

=> c = 1/4000

1000

Aplicando la
acumulada:

definicin

se

obtiene

la

funcin

0
si x < 1000

x
x
1
( x 1000)

F(x) = f X (x) dx =
dx =
si 1000 x < 5000
4000

1000 4000

1
si x 5000

Elementos de Estadstica

Jos Luis Quintero

Distribuciones de probabilidad para VAC

Qu valor de x hace que F(x) = 0.80 ?
F(x)
1
0.8

x
1000

P(X x) = 0.80

Elementos de Estadstica

4200 5000

=> x = 4200

Jos Luis Quintero

Puntos a tratar

1. Definicin de variable aleatoria

2. Clasificacin de variables aleatorias
3. Distribuciones de probabilidad para VAD
4. Distribuciones de probabilidad para VAC
5. Esperanza de una variable aleatoria
6. Varianza de una variable aleatoria

Elementos de Estadstica

Jos Luis Quintero 18

Esperanza de una variable aleatoria

Def.: si X es una VAD y PX(x) es el valor de su funcin de
probabilidad en x, el valor esperado de X es:
E[X ] =

x*P

X(

x)

Def.: si X es una VAC y X(x) es el valor de su funcin

densidad de probabilidad en x, el valor esperado de X
+
es:
E[X ] =

x * f X ( x )dx

En esta ltima definicin se asume que la integral existe.

Elementos de Estadstica

Jos Luis Quintero

Esperanza de una variable aleatoria

En otros casos el valor esperado de X no est definido.
El valor esperado de una VA se conoce como su media
y se denota X.

El valor esperado de una VA puede entenderse como el valor

promedio que tomara una VA sobre un nmero grande de
repeticiones.

Elementos de Estadstica

Jos Luis Quintero

Esperanza de una variable aleatoria

Los beneficios que se estiman en un proyecto de
ingeniera puede representarse como una VAC que
tiene la siguiente fdp:
1
( x + 1 ) si 1 < x < 5
f X ( x ) = 18
0 otros casos

Donde las unidades estn en $1000, cul es el valor

esperado de los beneficios?.
+

1
E[X ] =
x * f X ( x )dx =

18

x * ( x + 1 )dx = 2.96

Es decir, si el proyecto se repitiera muchas veces, se

esperara obtener en promedio una ganancia de
$2960.
Elementos de Estadstica

Jos Luis Quintero

Esperanza de una variable aleatoria

Hay muchos problemas en los cuales estaremos
interesados no slo en el valor esperado de un VA X,
sino tambin en el valor esperado de VA que estn
relacionadas con X. As, podramos estar interesados
en la VA Y, cuyos valores estn relacionados con los
de X, mediante la ecuacin y = g(x).
Def.: Si X es una VAD y PX(x) es el valor de su funcin de
probabilidad en x, el valor esperado de g(x) est dado
por:
E [ g( x )] =

g( x )* PX ( xi )
x

Elementos de Estadstica

Jos Luis Quintero

Esperanza de una variable aleatoria

Def.: si X es una VAC y X(x) es el valor de su funcin

de distribucin de probabilidad en x, el valor esperado
de g(x) est dado por:
E [ g( x )] =

Elementos de Estadstica

g( x )* f X ( x )dx

Jos Luis Quintero

Esperanza de una variable aleatoria

Ejemplo: para la VA del ejemplo anterior calcular E[X2]:

12000

E(X)

2 x - 10000
(
) dx +
6

8E

10000

18000

2
2 18000- x
(
) dx = 1.80667E8 ( )
6

24E

12000

Ejemplo: si X es la VA que representa todos los posibles

resultados del lanzamiento de un dado, encontrar el
valor esperado de g(x) = 2x2 + 1.
E [ g( x )] =

Elementos de Estadstica

g( x )* PX ( xi ) =

x =1

( 2 x 2 + 1 )*

1 94
=
6 3

Jos Luis Quintero

Esperanza de una variable aleatoria

La determinacin del valor esperado de una VA puede

a menudo ser simplificada utilizando las siguientes
propiedades:
(a) Si b es una constante, entonces: E[b] = b
(b) Si a es una constante, entonces: E[aX] = aE[X]
(c) Si a y b son constantes, entonces E[aX+b] = aE[X] + b

Elementos de Estadstica

Jos Luis Quintero

Puntos a tratar

1. Definicin de variable aleatoria

2. Clasificacin de variables aleatorias
3. Distribuciones de probabilidad para VAD
4. Distribuciones de probabilidad para VAC
5. Esperanza de una variable aleatoria
6. Varianza de una variable aleatoria

Elementos de Estadstica

Jos Luis Quintero 26

Varianza de una variable aleatoria

Una medida numrica de inters utilizada para
describir la dispersin alrededor de la media de la
distribucin de probabilidad de una VA se conoce
como Varianza.
Def.: sea X una VAD. El valor esperado de la diferencia
con la media al cuadrado (X - X)2 se denomina
varianza, la cual se representa por 2X , y se obtiene
como:
X2 = E [( X X )2 ] =

( x X )2 PX ( x )

Elementos de Estadstica

Jos Luis Quintero

Varianza de una variable aleatoria

Una frmula alternativa es:

X2 = E [( X X )2 ] = E ( X 2 ) X2 =

x 2 PX ( x ) X2

Para el caso de una VAC, la varianza se obtiene como:

2
X
= E [( X X ) 2 ] =

Elementos de Estadstica

( x X )2 f X ( x )dx

Jos Luis Quintero

Varianza de una variable aleatoria

.7

.16
.12
.07 .10

.13

.13

.11
.12 .10

.07

1 2 3 4 5 6 7 8 9
= 5, 2 = 5.26, = 2.29

.01 .01

.02

.11
.02

.01 .01

1 2 3 4 5 6 7 8 9
= 5, 2 = 0.88, = 0.93

Se observa que un valor bajo de varianza, sugiere que

hay mayor probabilidad de obtener valores cerca de
la media, y obtener un valor alto de varianza sugiere
que hay mayor probabilidad de obtener un valor no
cercano a la media.

Elementos de Estadstica

Jos Luis Quintero

Varianza de una variable aleatoria

Debido a que las unidades de la varianza

son las unidades de la VA elevadas al
cuadrado, muchas veces ser necesario
conocer una medida de dispersin en la
unidades de la media, para lo cual, se
calcula la raz cuadrada positiva de la
varianza,
dando
como
resultado
la
desviacin tpica:
X

Elementos de Estadstica

Jos Luis Quintero

Varianza de una variable aleatoria

Algunas propiedades importantes para el clculo de la
varianza son:
(a) Si X tiene la varianza 2, y definimos la VA Z =
a+bX, entonces:

Z2 = var( a + bX ) = b 2 X2
Por tanto, la desviacin tpica de Z es:

Z = b X
(b) Si una VA siempre toma un valor constante a,
entonces:
2X = Var ( a ) = 0
Elementos de Estadstica

Jos Luis Quintero

Varianza de una variable aleatoria

Un contratista est interesado en conocer el costo total
de un proyecto sobre el cual intenta hacer una oferta.
Estima que los materiales costarn $25.000 y su trabajo
$900 diarios. Si se necesitan X das para terminar el
proyecto, el costo total del trabajo ser 900X, y el
costo total del proyecto (en dlares) ser:
C = 25000 + 900X
El contratista construye la siguiente tabla de
probabilidades sobre la duracin del proyecto:
Duracin (X das)
10
11
12
13
14
Probabilidad
0.1
0.3
0.3
0.2
0.1
Calcular la media y la varianza del costo total del
proyecto.
Elementos de Estadstica

Jos Luis Quintero

Varianza de una variable aleatoria

X =

xP

X(

x ) = 10 * 0.1 + 11 * 0.3 + ... + 14 * 0.1 = 11.9 das

X2 =

( x X )2 PX ( x ) = ( 10 11.9 )2 * 0.1 + ( 11 11.9 )2 * 0.3

+ ... + ( 14 11.9 )2 * 0.1 = 1.29 das 2

X = 1.14 das.

La media y la varianza del costo total C se pueden

calcular como:
C = E [ 25000 + 900 X ] = 25000 + 900 E [ X ]
= 25000 + 900 * 11.9 = $35710

C2 = var( 25000 + 900 X ) = ( 900 )2 x2 = 810000 * ( 1.29 ) = $ 21044900

Por lo tanto, su desviacin tpica es:

C = C2 = $1022.2
Elementos de Estadstica

Jos Luis Quintero

Pensamiento de hoy

Nada es permanente
excepto el cambio.
Herclito

Elementos de Estadstica

Jos Luis Quintero 34