Variables Aleatorias

VARIABLES ALEATORIAS
Variable aleatoria
Es una función cuyo dominio es un espacio muestral, y
cuyo rango es un subconjunto de lo números reales.
X
DX= RX

O1 x1
O2 x2
.. ..
.. ..
Ok xm
DX=={O1, O2, ..., Ok} RX  { X (w) / w   }
 VARIABLES ALEATORIAS
Tipo de variables aleatorias

1. Variables aleatorias discretas

Son aquellas cuyos rangos forman conjuntos numerables.
Pueden contener un número finito o infinito de elementos.
Ejemplos: Número de fallas por cada metro de un tejido.
Número de artículos defectuosos producidos.
2. Variables aleatorias continuas
Son aquellas cuyos rangos forman conjuntos no
numerables.
Ejemplos: Cantidad de combustible consumido por día.
Peso de un producto.
 VARIABLES ALEATORIAS DISCRETAS.
Distribución de probabilidad
La distribución de probabilidad de una variable aleatoria
discreta X se describe como una función de
probabilidad representada por f(x) que asigna a cada
valor de la variable aleatoria, la probabilidad de que X
asuma ese valor, esto es f(x) = P(X = x).
1. 0  f (x)  1

2.
 f ( x)  1
x R X

3. Si A  RX , entonces P  A   f x 
xA
4. El dominio de la función f(x) se puede extender a todos los números
reales, si se define f(x) = 0 para todo x  IR- RX.
 EJEMPLO

Una ONG ha propuesto 10 nuevos proyectos, de los

cuales 4 son proyectos educativos y 6 son proyectos
sociales. Para realizar un análisis de factibilidad de los
proyectos se eligen al azar 3 de ellos para que sean
analizados la próxima semana.
Si se define X= Número de proyectos educativos que
serán evaluados la próxima semana, halle la función de
probabilidad de la variable X.
Exp. Aleatorio: Se eligen al azar 3 proyectos para ser analizados.
MSR 10 
4 P.Educativos 3 n( )     120
3
6 P.Sociales
 EJEMPLO

Función de probabilidad de la variable aleatoria X

f ( x)  5 / 30 , si x  0
 15 / 30, si x  1
 9 / 30, si x  2
 1/30, si x  3
 0, otros valore s de x

Tabla de probabilidades
X 0 1 2 3
f(x) 5/30 15/30 9/30 1/30
 EJEMPLO

Gráfico de distribución de probabilidades

f(x)

16/30

12/30

8/30

4/30

0 1 2 3 x
Número de proyectos educativos
 EJERCICIOS
1. Sea X el número de caras obtenidas al lanzar una
moneda dos veces. Determine la función de
probabilidad de la variable X y calcule P(X  1)
2. Sea X el número de lanzamientos de un dado hasta que
salga el primer seis. Determine la función de
probabilidad de la variable X y calcule P(X  3)
3. En una urna hay dos bolas rojas y tres bolas negras. Se
saca, una a una y sin reemplazo, las bojas hasta que
salga la segunda bola roja. Sea X la variable aleatoria
definida como el número de extracciones necesarias
hasta que aparezca la segunda bola roja. Determine la
función de probabilidad de la variable X. .
 VARIABLES ALEATORIAS CONTÍNUAS.
• Dado que los posibles valores de una variable aleatoria
continua X son infinitos y no enumerables, no tiene
mucho sentido hablar, como en el caso de una v.a.
discreta, de la probabilidad de que X tome un único valor
(ya que intuitivamente esta probabilidad sería siempre 0).

• Sin embargo, si es razonable hablar de la probabilidad

de que X tome valores en un intervalo. Para ello se utiliza
un modelo matemático conocido como la función de
densidad.
 VARIABLES ALEATORIAS CONTÍNUAS.
Función de Densidad
Se denomina función de densidad de probabilidad f(x) de una
variable aleatoria continua X a la función que satisface lo siguiente:
 VARIABLES ALEATORIAS CONTÍNUAS

Función de densidad
• Es importante indicar que la función de densidad no es
una probabilidad sino un modelo matemático (que se
supone refleja una realidad) que nos permite calcular
probabilidades como áreas debajo de esta función.
• Los requerimientos anteriores nos dicen que la función
de densidad tiene una gráfica que nunca está debajo
del eje x y que el área que hay debajo de esta gráfica
es 1.
VARIABLES ALEATORIAS CONTÍNUAS
 EJERCICIOS
Si las ventas diarias (en miles de nuevos soles) en una
tienda se modelan con una variable continua X con
función de densidad de probabilidad
f ( x)  c x ; 0  x  10
• Calcular el valor de c
• Calcule e interprete P( X  5)
• Calcule e interprete P( X  8)
 EJERCICIOS
El porcentaje de grasa corporal en un hombre adulto de 40
años puede modelarse como una variable aleatoria
continua X con la siguiente función de densidad de
probabilidad:
f ( x)  a (12  x) ; 8  x  10
• Determine el valor de a.
• Si se elige al azar a un hombre adulto de 40 años,
calcule la probabilidad de que su porcentaje de grasa
corporal sea mayor a 9,5%
 VARIABLES ALEATORIAS

Distribución de probabilidad
La distribución de probabilidad f(x) de una variable
aleatoria X, es la función de probabilidad de X, si X es
discreta y la función de densidad de probabilidad de X, si
X es continua.
 VARIABLES ALEATORIAS DISCRETAS

Valor esperado o esperanza matemática

El valor esperado E(X) de una variable aleatoria discreta X con
distribución de probabilidad f(x) se define por:

EX    xf x
xRX

Al valor esperado E(X), también, se le conoce como media de

la variable X, denotada por μX.
 EJEMPLO
Si el número de proyectos educativos que son evaluados por
semana es una variable aleatoria X que tiene como tabla de
probabilidades:
X 0 1 2 3
f(x) 5/30 15/30 9/30 1/30
Halle la media de X.
EX   x f ( x )
 (0)(5 / 30)  (1)(15 / 30)  (2)(9 / 30)  (3)(1 / 30)  1.2
X  EX  1.2
 VARIALES ALEATORIAS DISCRETAS

Valor esperado o esperanza matemática de una función

de una variable aleatoria

Sea X una variable aleatorias con función de probabilidad f(x), y

sea Y=g(x) una función de la variable aleatoria X, luego,

EY  E g (X)    g ( x) f ( xi )
xi RX
 VALOR ESPERADO

Media y variancia de una variable aleatoria

Sea X una variable aleatoria con función de probabilidad f(x) ;

entonces, la media X y la variancia de la variable aleatoria X se
definen como:

X  E  X 

 X2  Var  X  E  X  X   E X2   X2

2
 EJEMPLO
Si el número de proyectos educativos que son evaluados por
semana es una variable aleatoria X que tiene como tabla de
probabilidades:
X 0 1 2 3
f(x) 5/30 15/30 9/30 1/30
Halle la media y variancia de X.
X  EX  1.2
 
E X 2   x 2 f ( x)
 (0) 2 (5 / 30)  (1) 2 (15 / 30)  (2) 2 (9 / 30)  (3) 2 (1 / 30)  2
 
2X  E X2  2X  2  (1.2)2  0.56
 Propiedad de linealidad
Sea X una v.a y definamos una nueva v.a Y por:
Y=a +bX
Entonces la media y varianza de esta nueva v.a
vienen dadas, en función de la media y varianza
de la v.a antigua X, por:

Y  a  b X
y
 b 
2
Y
2 2
X
 VALOR ESPERADO. Ejemplo
Si el costo de evaluación de los proyectos educativos (miles de
nuevos soles) es igual a : Y=5+1.2X, halle la media y variancia del
costo de evaluación de los proyectos educativos.

Y  E 5  1.2X  5  1.2 E  X   5  1.2 X

 5  (1.2)(1.2)  5.44 miles de nuevos soles

 Y2  Var 5  1.2X   (1.2) 2 Var  X   (1.2) 2  X2

 (1.2)2 (0.56)  0.8064 (miles de nuevos soles)2
 EJERCICIOS
Un negocio de computadoras que atiende pedidos por correo
tiene cuatro líneas telefónicas. Sea la variable aleatoria X =
Número de líneas ocupadas en un momento dado, cuya función
de probabilidad es:

Nº de líneas ocupadas 0 1 2 3 4

f(x) 0,10 0,20 0,25 0,25 0,20

a) Calcule el valor esperado, la variancia y coeficiente de

variación de X.
b) Si la función perdida (en soles) del negocio P por línea
ocupada esta dado por: P = 10X + 2, calcule el valor
esperado, la variancia y coeficiente de variación de P.
 EJERCICIOS
Suponga que el número de accidentes por semana que ocurren
en una empresa es una variable aleatoria X con función de
distribución de probabilidades dada por:

a) Hallar la media, la variancia y coeficiente de variación de X.

b) Si en una semana se sabe que ocurrió al menos un accidente,
¿cuál es la probabilidad de que en dicha semana haya
ocurrido exactamente uno?
c) La empresa incurre en una pérdida semanal Y (soles) según
el número de accidentes dada por: Y = 10 + 8X. Hallar la
pérdida esperada semanal
EJERCICIOS
EJERCICIOS
 VARIABLES ALEATORIAS CONTÍNUAS

Valor esperado de una variable aleatoria

El valor esperado E(X) de una variable aleatoria continua X con

distribución de probabilidad f(x) se define por:

EX    xf xdx
RX
El valor esperado E(X), también, se le conoce como media de la
variable X, denotada por μX.
 VARIABLES ALEATORIAS CONTÍNUAS

Valor esperado de una función de variable aleatoria

Sea G(X) una función de la variable aleatoria X. El valor

esperado de G(X) es:

E G X   Gx  f x dx


RX
 VARIABLES ALEATORIAS CONTÍNUAS

Varianza de una variable aleatoria

La varianza V(X) de una variable aleatoria continua X con
distribución de probabilidad f(x) se define por:
V X   EX          f x dx
2 2
x
RX

Se cumple V  X   E X 2    X2   x 2 f x    X2
R
La varianza de la variable aleatoria
X
X, V(X), también se denota
por  X.
2
 PROPIEDADES

Propiedades de valores esperados en variables aleatorias

• E(b) = b
• Si X e Y son variables aleatorias, a y b son constantes,
entonces:
E(aX + bY) = a E(X) + b E(Y)
• Si X1, X2, X3, . . ., Xn son n variables aleatorias, y a1, a2,
a3, . . ., an son n constantes, entonces:
E  a1 X1  a2 X 2  ...  an X n   a1E ( X1 )  a2 E ( X 2 )  ...  an E ( X n )
 PROPIEDADES

Propiedades de la varianza en variables aleatorias

• Si Y = aX + b, con a y b son constantes, entonces:
 a 
2
y
2 2
x

• Si X1, X2, X3, . . ., Xn son n variables aleatorias

independientes, y a1, a2, a3, . . ., an son n constantes,
entonces:
V  a1 X1  a2 X 2  ...  an X n   a12V ( X1 )  a22V ( X 2 )  ...  an2V ( X n )
 Ejemplo

El tiempo de espera en una cola de servicios (en minutos), de

los clientes de un establecimiento comercial, es una variable
cuya función de densidad es:

(x 1)/8 , si 1 x 5
f (x )  
0 , para otros valores

Suponga que el costo de atención (nuevos soles) de un clientes

es igual a : Y= g(X)= 5+1.2X, halle la media y variancia de la
distribución de Y.

32
EJERCICIOS
EJERCICIOS
 FUNCIÓN DE DISTRIBUCIÓN ACUMULADA

Función de probabilidad acumulativa.

La función de distribución acumulada de la variable
aleatoria X, es una función F : RX  IR , tal que F ( x)  P( X  x)
Si X es una variable discreta con función de
probabilidad f(x);
F ( a )  P( X  a )   f x 
xa
Si X es una variable continua con función de
densidad de probabilidad f(x)
F (a)  P( X  a)   f xdx
xa
 FUNCIÓN DE DISTRIBUCIÓN ACUMULADA

Propiedades
• Si x1 ≤ x2 entonces F(x1) ≤ F(x2)
• P(a < X ≤ b) = F(b) – F(a)
 f x 
dF ( x)
• Si la variable X es continua se cumple que dx

• lim F x   0 y que lim F x   1

x x
 VARIABLES ALEATORIAS DISCRETAS. Ejemplo

Si el número de proyectos educativos que son evaluados por

semana es una variable aleatoria X que tiene como tabla de
probabilidades:

X 0 1 2 3
f(x) 5/30 15/30 9/30 1/30
Halle la función de distribución acumulativa de X.

Puesto que RX={0,1,2,3}  m=Min x RX =0, M=Max x RX =3,

F(x)=P[ X < x ]=0  x <0

 VARIABLES ALEATORIAS DISCRETAS. Ejemplo
X 0 1 2 3
f(x) 5/30 15/30 9/30 1/30
RX={0,1,2,3}  m=Min x RX =0, M=Max x RX =3,
Para 0  x <1
F(0)=P[ X  0 ]= P[ X < 0 ]+P[ X = 0 ]= 0 +f(0)= 5/30
Para 1 x <2
F(1)=P[ X  1]= P[ X < 1 ]+P[ X = 1 ]= 5/30 +f(1)= 20/30
Para 2  x <3
F(2)=P[ X  2 ]= P[ X < 2 ]+P[ X = 2 ]= 20/30 +f(2)= 29/30
Para x  3
F(3)=P[ X  3 ]= P[ X < 3 ]+P[ X = 3 ]= 29/30 +f(3)= 1
 VARIABLES ALEATORIAS DISCRETAS. Ejemplo

F ( x)  0 , si x  0 Gráfico de distribución acumulativa de probabilidades

F(x)
 5 / 30, si 0  x  1 1

 20 / 30, si 1  x  2 25/30

 29 /30, si 2  x  3 20/30

 1, si x  3 15/30

10/30

5/30

0 1 2 3 4 x
Número de proyectos educativos
 Función de Distribución de Probabilidad Acumulativa
Continua : Ejemplo

El tiempo de espera en una cola de servicios (en minutos), se

distribuye según:
(x-1)
 , para 1  x  5
f(x) =  8
 0 , de otro modo

a) Determine la función de distribución acumulativa.
b) Halle la probabilidad de que un cliente deba esperar más de dos
minutos más para ser atendido, si ya esperó dos minutos.

40
Función de Distribución Acumulativa Continua: Ejemplo
(continuación)
Función de distribución acumulativa de probabilidades

F(x)
1.0

0.8

0.6

0.4

0.2

0 1 2 3 4 5 x

41
 Ejemplo

El tiempo de espera en una cola de servicios (en minutos), de

los clientes de un establecimiento comercial, es una variable
cuya función de densidad es:

(x 1)/8 , si 1 x 5
f (x )  
0 , para otros valores

Halle los valores de la media, mediana y variancia del

tiempo de atención.

42