Variables Aleatorias

Unidimensionales
Definicin 1: Sea E un experimento, y sea S un espacio muestral
asociado a E. Entonces una funcin X, que a cada elemento del
espacio muestral, le asocia un nmero real, recibe el nombre de
variable aleatoria.

X : S R
si X(si)= xi

1
Prof. David Becerra Rojas

Variables Aleatorias
Unidimensionales
Definicin 2: Sea X una v.a. Entonces llamaremos recorrido
de la v.a. X, y lo denotaremos por Rx, al conjunto de todos los
valores que toma la v.a. X. Rx = {xi R / X(si) = xi , si S }
S R
X Rx
s1 x1
s2 x2
:
: X(si)=xi
si :
:
:
:
2
Prof. David Becerra Rojas

Variables Aleatorias
Unidimensionales
Definicin 3: Sea X una v.a. Entonces si el recorrido
de la v.a. X, ( Rx), es un conjunto finito o infinito numerable,
entonces diremos que X, es una v.a. Discreta.

Definicin 4: Sea X una v.a.discreta. Entonces a cada valor que

toma la variable (xi Rx), le asociaremos un nmero
p(xi) = P(X=xi), y que cumple con las siguientes condiciones:

i. p ( x i ) o i = 1 , 2 ,....

ii . p ( xi ) = 1
3
i=1
Prof. David Becerra Rojas

1
Definicin 5:

Sea E un experimento, sea S un espacio muestral asociado a E, sea

Rx, el recorrido de la variable aleatoria X y sea B Rx. Entonces
Si definimos A = { s S / X(s) = x B }, entonces,
diremos que A y B son equivalentes, A B y P(A) = P(B)

S Rx

A cc B
0
cs
1
sc
2
ss
4
Prof. David Becerra Rojas

Ejemplo:
Sea el experimento E: se lanza una moneda dos veces y se registra
el signo que aparece en la cara superior. Luego el espacio muestral
S = {cc, cs, sc, ss }. Sea la v.a. X : nmero de sellos que aparecen.

En este caso el recorrido de la v.a. Ser Rx = {0, 1, 2}

S X Rx

cc X(cc) = x1=0
cs
sc
X(cs) =
X(sc) =
} x2=1
ss X(ss) = x3=2

5
Prof. David Becerra Rojas

Luego:

p(x1) = P(X = x1) = p(0) = P(X=0) = P(cc) = 1/4

p(x2)= P(X = x2) = p(1) = P(X=1) = P(cs,sc) = P(cs) + P(sc) = 1/2
p(x3) = P(X = x3) = p(2) = P(X=2) = P(ss) = 1/4
Por lo tanto:

p(xi) = p(0) + p(1) + p(2) = 1/4 + 1/2 +1/4 = 1

De la definicin 5 tenemos:
Si A={cc, cs, sc} y si B={0, 1} P(A) = P(B) =

6
Prof. David Becerra Rojas

2
 Ejercicio

De un curso de 15 personas (5 hombres y 10 mujeres) se

Seleccionan al azar dos, una despus de otra, y se clasifican
segn el sexo. Determine:

a.- el espacio muestral

b.- la probabilidad de que ambas sean mujeres
c.- que el nmero de mujeres seleccionadas sea 2
Previo: la variable aleatoria X
el recorrido de X (Rx)
d.- que el nmero de mujeres sea al menos una
Respuesta:

7
Prof. David Becerra Rojas

Ejercicio:
Sea la variable aleatoria X: mes en que un computador
tiene problemas.
(4C )k , k = 1,2,3,4,5,6
p (k ) = P ( X = k ) =
7

Determine:
1.- el valor de C
2.- p( 5 ) = P( X = 5 )
3.- P( X 2 ) =

i. p ( x i ) o i = 1 , 2 ,....
Recordar:

ii . p ( xi ) = 1
i =1
8
Prof. David Becerra Rojas

1.- De la condicin ii.- tenemos :

6
4 C + 8C + 12 C + 16 C + 20 C + 24 C
p(k i ) = 1 =1
i =1
7

Luego 84 C 7 1
=1 C = =
7 84 12
Esto quiere decir que:

4k k
p (k ) = P ( X = k ) = =
7 * 12 21
9
Prof. David Becerra Rojas

3
 k 5
b.- p (5) = P ( X = 5) = =
21 21

c.- P ( X 2) = p ( 2) + p (3) + p (4) + p (5) + p (6)

20
=
21

10
Prof. David Becerra Rojas

Proposicin:

i.- La Funcin P, se denomina Funcin de Probabilidad

ii.- El par ( xi , p(xi) ): se denomina Distribucin de Probabilidad

En realidad, la Distribucin de Probabilidad, es la grfica de la

Funcin de Probabilidad.
p(xi)

xi 11
Prof. David Becerra Rojas

Ejercicio:
Supongamos que la probabilidad de que un camin de trasporte
llegue a destino sin problemas es de 0.57 ( es decir en el 57% de
los casos). Supongamos adems que es posible enviar una gran
cantidad de camiones. El envo continua hasta que llega el primer
camin a destino sin problemas.

Determine la probabilidad de que el nmero de envos necesario

para que llegue el primer camin sin problemas, sea k (k = 1,2,3...)

Previo Determine:
a.- Espacio muestral S = { A, BA, BBA, BBBA,.....}

b.- La variable aleatoria X X : N de envos necesarias para que llegue el primer

camin a destino sin problemas.

c.- Recorrido de la v.a. X. Rx = {1, 2, 3, 4, ......}

12
Prof. David Becerra Rojas

4
Recordando; S = { A, BA, BBA, BBBA,.....}
Rx = { 1 , 2 , 3 , 4 , .........} Segn el diagrama del rbol tenemos:

A
0.57
A
0.57 A
0.43 B
0.57 A
0.57
0.43
B
0.43 B
Luego; 0.43
B ..............................
p(1) = P(X=1) = P(A) = (0.57)
p(2) = P(X=2) = P(BA) = (0.43)(0.57)
p(3) = P(X=3) = P(BBA) = (0.43)2 (0.57)
p(3) = P(X=4) = P(BBBA) = (0.43)3(0.57)
Por consiguiente tenemos que:
p(k) = P(X=k) = (0.43)k-1(0.57) ; k = 1,2,3......
13
Prof. David Becerra Rojas

Debemos demostrar que :

p(k) = P(X=k) = (0.43)k-1(0.57) ; k = 1,2,3......

es efectivamente una funcin de probabilidad, es decir,

que debe cumplir con:
i. p ( k ) o k = 1 , 2 ,....

ii . p (k ) = 1
k =1

i
1 1
Como =
1
(0 . 43 )k 1 = (0 . 43 )i
i=0
r 1 k =1 i= 0
r

(0 . 43 )i * ( 0 . 57 ) = 1
1 0 . 43
* ( 0 . 57 ) = 1
i=0
14
Prof. David Becerra Rojas

Distribucin Binomial
Def.: Sea E un experimento y sea A un suceso asociado
a E. Supongamos que P(A) = p, luego P(A) = 1 p.
Consideremos n repeticiones independientes del experimento E.
Por lo tanto el espacio muestral del experimento total, estar
Dado por todas las sucesiones posibles tal que ocurra A o A .

Si la v.a. X se define como: Nmero de veces que ocurre el suceso

A, diremos que X tiene una distribucin binomial con parmetros
n y p, y la denotaremos:

X ~ b(n , p )
15
Prof. David Becerra Rojas

5
 Distribucin Binomial

y su funcin de probabilidad est dada por:

P (k ) = P ( X = k ) = ( )p
n
k
k
(1 p ) n k

Con k = 0,1,2,3,.n

16
Prof. David Becerra Rojas

Distribucin de Bernoulli
Si el experimento se realiza una sola vez, la
variable X tomar los valores 0 y 1, y se dice que
tiene una distribucin de Bernoulli con parmetros
1 y p.
X ~ B(1 , p )

P (k ) = P ( X = k ) = p k (1 p )1 k
Con k = 0,1
17
Prof. David Becerra Rojas

Distribucin de Poissn

Sea X una v.a.d., si su funcin de probabilidad est dada por:

e * k
P (k ) = P ( X = k ) = con k = 0,1,2,3, , , , , , , ,
k !

Entonces diremos que X tiene una distribucin de Poissn

con parmetro . Se anota: ( media y varianza )
)
X ~ P(
18
Prof. David Becerra Rojas

6
Variables Aleatorias Continuas (vac)
Supongamos que X es una v.a. cuyo recorrido Rx,
son todos los nmeros reales.

Si definimos una funcin f :R

R
y si cumple con las siguientes condiciones:
i. f ( x ) 0 x Rx

ii . f ( x)d ( x) = 1

Entonces diremos que X es una v.a.c. con funcin de densidad de

Probabilidad (f.d.p.) f
19
Prof. David Becerra Rojas

Observaciones
1.- f(x) no es una probabilidad, como en el
caso discreto, donde p(x) = P(X = x ).
2.- Las siguientes probabilidades, son
equivalentes:
P(a x b) = P(a < x b) = P(a x < b)
= P(a < x < b)
Esto implica que P(X = k ) = 0
20
Prof. David Becerra Rojas

Observaciones
b
3. P ( a x b) = f ( x ) d ( x )
a

a b

21
Prof. David Becerra Rojas

7
 Ejemplo
Sea X una variable aleatoria continua (vac), con funcin
de densidad de probabilidad f(fdp). Talque:

f(x) = { kx 0 x 1
0 en otros casos

1.- Determine el valor de k

2.- Grafique la funcin f
3.- Calcule P( x 1/2 1/3 x 2/3) /
22
Prof. David Becerra Rojas

Funcin de Distribucin
Acumulativa
Def. : Sea X una variable aleatoria se define funcin
de distribucin acumulativa o funcin de distribucin como:

{
p(k ) Si X v.a.d.
k
F(x) = P( X x)= x
f ( x) d ( x) Si X v.a.c.

23
Prof. David Becerra Rojas

Valor Esperado de una Variable

Aleatoria

Def. : Sea X una variable aleatoria. Se define Valor

esperado o Esperanza de X como:

xi p ( xi ) Si X v.a.d.

E(x) =
{ i =1

xf ( x) d ( x) Si X v.a.c.

24
Prof. David Becerra Rojas

8
 Varianza de una Variable Aleatoria
Def. : Sea X una variable aleatoria. Se define
Varianza de X como:

V(x) = E( x - E(x) )2 = E ( x2 ) ( E (x) )2

Donde : xi2 p ( xi )
{
Si X v.a.d.
i =1
E( x2 )=
x 2 f ( x )d ( x ) Si X v.a.c.

25
Prof. David Becerra Rojas

Tarea N ___

Propiedades de la Esperanza
Propiedades de la Varianza
Si X ~ b(n,p), determine la E(X) y V(X)
Demostrar que : E( x - E(x) )2 = E ( x2 ) ( E (x) )2

26
Prof. David Becerra Rojas

Ejemplo:
1.- Sea X v.a.d. con funcin de probabilidad dada por:

xi 1 2 3 4 5 Total
p(xi) 0.2 0.25 0.32 0.08 0.15 1.00
F(xi) 0.2 0.45 0.77 0.85 1.00 ////
xip(xi) 0.2 0.50 0.96 0.32 0.75 2.73 E(X)
x2ip(xi) 0.2 1.00 2.88 1.28 3.75 9.11 E(X2)

Determine : a.- Funcin de Distribucin Acumulativa

b.- Esperanza de X ( E(X) ) = 2.73
c.- Varianza de X ( V(X) ) = E ( x2 ) ( E (x) )2 = 9.11 (2.73)2 = 1.6571
d.- Grafique F(X)
27
Prof. David Becerra Rojas

9
 {
Grfica de F(x) 0
0 . 20
x<1
1 x < 2
0 . 45 2 x <3
F(x) = 0 . 77 3 x< 4
0 . 85 4 x <5
F(x) 1 . 00 x 5

1.00
0.80
0.60
0.40
0.20

1 2 3 4 5 x
28
Prof. David Becerra Rojas

2.- Sea X v.a.c. con funcin de densidad de probabilidad

dada por .

2x 0 x 1
f ( x) =
0 en otros casos

Determine : a.- Funcin de Distribucin Acumulativa F(x)

b.- Esperanza de X E(x)
c.- Varianza de X V(x)

29
Prof. David Becerra Rojas

La funcin f(x) y F(x), estn dadas por:

2x 0 x 1 0 x<0
f ( x) =
0 en otros casos F ( x) = x 2 0 x < 1
1 x 1

f(x) F(x)

2
1

0 1 0 1
30
Prof. David Becerra Rojas

10
 Distribucin Normal
Sea X una v.a.c. si su fdp est dada por:

( x )2
1
f ( x) = *e 2 2
x
2 2

Entonces, diremos que X tiene una distribucin

Normal con media y varianza 2. Se denota:

, 2 )
X ~ N( 31
Prof. David Becerra Rojas

Caractersticas
Tiene forma de campana ( por su descubridor
es tambin llamada campana de GAUSS)
Es simtrica con respecto a su media ( )
Es asinttica al eje horizontal.
A +/- tres desv. tpicas de la media, se
encuentra prcticamente el 99.8% de su rea
+/- 3 )
(

-3 +3
32
Prof. David Becerra Rojas

Teorema Central del Limite

(X )
, 2 ) entonces,
Sea X ~ N( Z= ~ N(0 , 1 )

X
( X )

33
Prof. David Becerra Rojas

11
Ejercicio
Supongamos que en un estadio lleno, el 40% de los
asistentes son mujeres. Una empresa comercial, realiza
para promocionar un nuevo producto, toma una
muestra de tamao 20. Determine la probabilidad quer
la muestra contenga:
1.- exactamente 11 mujeres.
2.- a lo ms 8 mujeres.
3.- al menos 5 mujeres.
4.- exactamente 9 hombres.

34
Prof. David Becerra Rojas

Previo: Determine

el experimento E Se elije al azar una persona

el espacio muestral s: = { A , B }
el suceso de inters A la persona es mujer
la probabilidad de A p = P(A) = 0.40
el espacio muestral S: ={A...A,.A..B,..,BB}
la variable aleatorio X: N de mujeres seleccionadas
el recorrido Rx : = {0,1,2,.,20}
Luego:
1.- P(X = 11) = P(X 11) P(X 10) por tabla
2.- P(X 8) = 0.596 directo por tabla
3.- P(X 8) = 1 P(X 7) = 1 0.416 = 0.584
35
Prof. David Becerra Rojas

12