TEORIA DE VARIABLES ALEATORIAS DISCRETAS

PROBABILIDAD PUNTUAL
Una distribución de probabilidades que incluye solamente valores discretos de x suele
llamarse función de probabilidad puntual. Se describe generalmente mediante una de las tres formas
siguientes:
1) Mediante una gráfica,
2) Mediante una tabla de valores, o
3) Mediante una fórmula.

FUNCION DE DISTRIBUCIÓN ACUMULADA

La propiedad de que la variable aleatoria X, tome valores menores o iguales a x, se conoce
como Función de distribución acumulada y se designa por F(x), donde: F(x) = P (X<= x), lo cual
indica, la probabilidad de que X asuma valores menores o iguales a un determinado valor, por
ejemplo, un valor a:
F(a) = P(X<=a) = f(x) = P (X=x)

PROPIEDADES DE LA FUNCION DE DISTRIBUCIÓN ACUMULADA

1) Si la probabilidad es un número comprendido entre 0 y +1 <= P {E} <= 1, entonces: 0<= F(x) <= 1.
2) Sean “a” y “b”, dos números reales cualesquiera tales que a<b, luego, los sucesos x<=a y
a<x<=b, serán mutuamente excluyentes, y su suma, será el suceso x<=b. Al aplicar la regla de la
adición, se tiene:
P(X=b) = P(X<=a) + P(a<X<=b), por lo tanto,
P(a<X<=b) = F(b), lo cual implica que F(x) es una función no decreciente en la medida en que el
desplazamiento sea de izquierda a derecha.
3) La probabilidad de que la variable aleatoria tome cualquier valor finito es igual a 1.
F(+°°) = límite F(x) = P(X<= +°°) =1
x + °°

En conclusión: P (X>x) = 1 – P(X<=x)

ESPERANZA MATEMÁTICA
Es una medida de tendencia central de una variable aleatoria. La esperanza matemática se
conoce también como “valor esperado” o “valor promedio”.

La esperanza matemática de una variable aleatoria “X” se representa así:

n
E(X) =ux, viene dada por: E(X) = ux = xi . f(xi)
i=1

PROPIEDADES DE LA ESPERANZA MATEMÁTICA

1) Si a una variable aleatoria “X”, se le suma una constante “K”, la nueva variable aleatoria (X+K),
tiene la misma esperanza matemática que “X” mas la constante: E(X+K) = E(X) + K
2) Si multiplicamos cada valor de una variable aleatoria “X”, por una constante “K”, la esperanza
matemática quedara multiplicada por ese valor: E (X×K) = K × E(X)
3) Cuando una variable aleatoria “X”, se multiplica por una constante “a” y después se le suma una
constante “b” , la esperanza matemática quedara multiplicada e incrementada por esa constante
E(a×X+b) = a×E(X) + b
4) Cuando una variable aleatoria es capaz de asumir solamente un valor “K”, se denomina variable
aleatoria constante y la esperanza matemática de esa variable aleatoria es K: E(K) = K
VARIANZA
Señala la mayor o menor concentración de los valores alrededor de la esperanza matemática.
Entre mayor sea la varianza, mayor será la dispersión entre los valores de la variable aleatoria y
viceversa. La varianza viene dada por: V (X) = E (X2) – [E(X)2] = E (X2) – (ux)2
E (X2) = X2 × f(x)

PROPIEDADES DE LA VARIANZA
1) Si una variable aleatoria es siempre igual a una constante “K”, su promedio o esperanza será “K”
y la varianza será cero: V(K) = E(K2 ) - (ux)2 = 0
2) Si una variable aleatoria “X”, se le suma una constante “K”, E(X) queda aumentada en “K” sin
embargo, la diferencia “X – E(X)” permanece igual y, por lo tanto, V (X) no queda afectada por la
constante.
3) Al multiplicar todos los valores de una variable aleatoria “X” por un número positivo “K”, la
varianza queda multiplicada por “K”: V(X×K) = V(X)×K2

DESVIACIÓN ESTÁNDAR
La raíz cuadrada positiva de la varianza se llama desviación estándar y se designa por 6x= V(X)
La desviación estándar nos señala el grado de concentración de los valores alrededor del valor
esperado o esperanza matemática.

EJERCICIO
Se lanza un par de dados al aire simultáneamente. Se le da al jugador en Bs., la suma de los valores
que aparezcan. Determinar: a) la esperanza matemática, b) la varianza, c) la desviación estándar.

Procedimiento:
1) Determinamos el espacio muestral: S

S= {(1,1); (1,2);(1,3);(1,4);(1,5);(1,6); (2,1); (2,2);(2,3);(2,4);(2,5);(2,6);

(3,1);(3,2);(3,3);(3,4);(3,5);(3,6);(4,1);(4,2);(4,3);(4,4);(4,5);(4,6);
(5,1); (5,2);(5,3);(5,4);(5,5);(5,6); (6,1); (6,2);(6,3);(6,4);(6,5);(6,6)}

X= Es la suma de los números que muestren las caras superiores de los dados

2 <= X <= 12

62=36

X f f(X) X. f(X) X2. f(X)

2 1 1/36 2/36 4/36
3 2 2/36 6/36 18/36
4 3 3/36 12/36 48/36
5 4 4/36 20/36 100/36
6 5 5/36 30/36 180/36
7 6 6/36 42/36 294/36
8 5 5/36 40/36 320/36
9 4 4/36 36/36 324/36
10 3 3/36 30/36 300/36
11 2 2/36 22/36 242/36
12 1 1/36 12/36 144/36
36 36/36 252/36 1974/36

252/36=7
Al lanzar dos dados simultánea y repetidamente en las mismas condiciones, el promedio de las
sumas de los números que salgan de las caras superiores de los dados es igual a 7.

Calculo de la varianza
V (X) = 62x = E (X2) – (ux)2 = X2 × f(x) - (ux)2
2
6 x= X × f(x) - (ux) = 1974/36 – (7) 2 = 54,83 – 49 = 5,83
2 2

Calculo de la desviación estándar

6x= V(X) = 5,83 = 2,41

6x=2,41 representa el grado de dispersión de los puntos muestrales (2,3,4,5,6,7,8,9,10,11,12) con

respecto al valor esperado E(X)=7.