Estadstica

Parte 2: Variable aleatoria

2. Variable aleatoria
2.1 Variable aleatoria discreta y continua
 2.2.1 Funciones de variable aleatoria discreta

a) Funcin de probabilidad

Al elaborar una funcin de

probabilidad para una variable
aleatoria discreta, deben satisfacerse
las dos condiciones siguientes:
Ejemplo:
Experimento: Lanzar una moneda 3 veces
Espacio Muestral:
Variable (X): nmero de caras

x f(x) = P(X=x)
0 1/8 = 0,125
1 3/8 = 0,375
2 3/8 = 0,375
3 1/8 = 0,125

Al conjunto de pares ordenados (x, f(x)) se le llama funcin de

probabilidad, de cuanta, funcin de masa de probabilidad o distribucin
de probabilidad de la variable aleatoria discreta X
b) Funcin de distribucin

La funcin de distribucin, F(x), es la probabilidad de que X tome valores menores o

iguales a x. Es tambin llamada Funcin de distribucin acumulativa

Ejemplo: Determinar F(2)

x f(x) = P(X=x)
0 1/8 = 0,125
1 3/8 = 0,375
2 3/8 = 0,375
3 1/8 = 0,125
F(2) = P(X 2) = f(0) + f(1) + f(2)
= 0,125 + 0,375 + 0,375
= 0,875
 2.2.2 Funciones de variable aleatoria continua

a) Funcin de densidad

Al elaborar una funcin de densidad para una variable aleatoria

continua, esta no se puede tabular.
Ejemplo:
Estatura de todas las personas mayores de 21 aos de edad.
Evento: personas que miden 164 cm

Entre cualquiera dos valores por ejemplo 163,5 y 164,5 cm o incluso entre 163,99 y 164,01
cm hay un nmero infinito de estatura, una de las cuales es 164 cm.
La probabilidad de seleccionar al azar una persona que mida exactamente 164 cm de
estatura en lugar de una del conjunto infinitamente grande de estaturas tan cercanas a
164 cm, por lo cual se asigna una probabilidad 0 al evento.

Sin embargo esto no sucede si nos referimos a la probabilidad de seleccionar al azar una
persona que mida al menos 163 cm pero no mas de 165 cm de estatura.
Nos debemos referir a un intervalo en vez de un valor puntual.
Ejemplo: Suponga que el error en la temperatura de reaccin, en C, en un experimento de
laboratorio controlado es una variable aleatoria continua X que tiene la funcin de
densidad de probabilidad:

a) Verifique que f(x) es una funcin de densidad

1. Evidentemente f(x) 0 (condicin 1 cumplida)

2. (condicin 2 cumplida)

f(x) es una funcin de densidad

b) Calcule la P(0
b) Funcin de distribucin

Como consecuencia de la definicin anterior se puede escribir:

Ejemplo: Determinar F(x) para la funcin de densidad del ejemplo anterior y utilice el resultado
para evaluar P(0
Ejemplo 2: Se desea estudiar el nivel de colesterol en cierto tipo de pollos. La funcin de
densidad de la v.a. asociada es:

1. Obtener la Funcin de Distribucin, F(x)

F(x) =

x < 0 : F(x) = 0

0 x 2 : F(x) =

x > 2 : F(x) =
2. Obtener : P( X 1.2) ; P ( X 0.8 ) ; P ( 1 < X < 1.5 )

P( X 1.2) = F ( 1.2 ) = / 4 = 0.36

P( X 0.8 ) = 1 P ( X < 0.8 ) = 1 F ( 0.8 ) = = 1 / 4 = 0.84

P ( 1 < X < 1.5 ) = F ( 1.5 ) F ( 1 ) = = / 4 / 4 = 0.3125

 2.4 Esperanza matemtica v.a discreta

La Esperanza Matemtica (tambin llamada media o valor esperado) es el valor medio de

un fenmeno aleatorio.

La Esperanza Matemtica se representa por E(x). Cuando la variable aleatoria es discreta

(toma solamente nmeros discretos: 1, 2, 3, 4... no continuos) la esperanza matemtica es
igual a la suma de los productos de la probabilidad de cada suceso por el valor de dicho
suceso.

Si las probabilidades de obtener las cantidades a1, a2, ,ak son p1, p2, ,pk
respectivamente, entonces la esperanza:
Ejemplo 1: Un sindicato al negociar salarios intuye que las probabilidades estn 0.40,
0.30, 0.20 y 0.10 que los trabajadores consigan un aumento de $1500 por hora, $1000
por hora, $500 por hora o ningn aumento, respectivamente. Cul es su aumento
esperado?

E(x) = 0,4 x 1500 + 0,3 x 1000 + 0,2 x 500 + 0,10 x 0 = 600 + 300 + 100 + 0 = 1000

El aumento esperado es de $1000 por hora.

Ejemplo 2: Un contratista debe elegir entre dos obras. La primera promete una ganancia
de $240,000, con una probabilidad de 0.75 o una prdida de $60,000 (debido a huelgas y
otras demoras), con una probabilidad de 0.25; la segunda obra promete una ganancia de
$360,000 con una probabilidad de 0.5 o con una prdida de $90,000 con una
probabilidad de 0.5
a. Cul debera elegir el contratista, si quiere maximizar la ganancia esperada?
Definimos E1 como la esperanza matemtica de la primera obra.
E1= 240,000x0.75 60,000x0.25= 180,000 15,000= $165,000

Definimos E2 como la esperanza matemtica de la segunda obra.

E2=360,000x0.5 90,000x0.5=180,000 45,000=$135,000

Para responder la pregunta basta con comparar los dos

resultados y obviamente, resulta que la primera obra
representa la mejor opcin por tener una esperanza
matemtica ms alta.
b. Cul sera la obra que probablemente escogera si su negocio anduviera mal y
quebrara a menos de que lograra una ganancia de $300,000 en su prxima obra?

Para la pregunta debemos de partir que el contratista se

encuentra en una situacin inminente de quiebra, por lo que
ninguna obra inferior a los $300,000 le resultara satisfactoria;
por lo su nica salida es tomar la segunda obra que representa
un mayor riesgo, ya que la posibilidad de que tenga xito es
solo del 50%, pero su ganancia sera de $360,000.
2.4 Esperanza matemtica v.a continua
2.4 Propiedades de la Esperanza matemtica
2.4 Varianza de una variable aleatoria

Aunque el valor esperado proporciona el valor medio de una variable aleatoria,

tambin suele ser necesaria una medida de la variabilidad o dispersin, para ello
utilizamos la varianza
Ejemplo:
 La desviacin estndar, , se define como la raz cuadrada positiva de la
varianza. Por tanto, la desviacin estndar del nmero de automviles vendidos
en un da es:

La desviacin estndar se mide en las mismas unidades que la variable aleatoria

( = 1.1180 automviles) y por tanto suele preferirse para describir la
variabilidad de una variable aleatoria. La varianza se mide en unidades al
cuadrado por lo que es ms difcil de interpretar.