Guía 4: VARIABLES ALEATORIA Y

DISTRIBUCIONES DE PROBABILIDAD

19 de mayo de 2019

Universidad Católica San Pablo

Grupo: ADM4-
Curso: Estadística para Administradores
Profesor: Ticona Méndez Ronald Bladimiro

1. Variable aleatoria

Denición 1. Se denomina variable aleatoria a una variable estadística cuantitativa denida en un espacio
muestral Ω. Esto es, una variable aleatoria X es una función denida en Ω tal que a cada elemento w ∈ Ωle
asocia un número real x = X(w).
El dominio de la variable aleatoria X es el espacio muestral Ω y su rango es el conjunto de todos los valores
posibles que denotaremos por Rx , esto es:

Rx = {x ∈ R/ x = X(w), w ∈ Ω}

Ejemplo 1. Sea Ω el espacio muestral que resulta del experimento aleatorio de lanzar al aire una moneda tres
veces consecutivamente y observar sello en la casa superior.
Sea X =Número de sellos obtenidos, entonce X es una variable aleatoria cuyo rango es el conjunto de sus
valores posibles RX = {0, 1, 2, 3}. En efecto:
X = 0 corresponde al evento elemental {CCC}
X = 1 corresponde a los eventos elementales {SCC}, {CSC},{CCS}
X = 2 corresponde a los eventos elementales {SSC}, {CSS},{SCS}
X = 3 corresponde a los eventos elementales {SSS}

Probabilidad en el rango Rx de la variable aleatoria

Si B = {xi } es un evento de la variable aleatoria X , entonces se utiliza la expresión P [X = xi ] para denotar
la probabilidad PX ({xi }), esto es:

P [X = xi ] = P ({w ∈ Ω} / X(w) ∈ B)

Del ejemplo anterior se obtiene:

P [X = 0] = 1/8
P [X = 1] = 3/8
P [X = 2] = 3/8
P [X = 3] = 1/8

Clasicación de variables aleatorias

1. Variable aleatoria discreta

2. Variable aleatoria continua.

1
 Var. aleatoria y distribuciones Estadística y probabilidades

2. Función de probabilidad

2.1. Variable aleatoria discreta

Denición 2. Sea X una variable aleatoria discreta. Se denomina función de probabilidad de X a la función
f (x) = P [X = x] en todo x número real y que satisface las siguientes condiciones:
Si f (x) es la función de probabilidad de la variable discreta X , entonces:

a) f (x) ≥ 0, ∀x ∈ Rx

b)
P
f (xi ) = 1
x∈Rx

Observaciones.
1. Si A ⊂ Rx , entonces, al probabilidad de A es el número:
X X
P (A) = P [X = xi ] = f (x)
xi ∈A xi ∈A

2. La función de probabilidad de una variable aleatoria X se puede describir como:

Valores xi de X x1 x2 ··· xn
Probabilidad pi = P [X = xi ] p1 p2 ··· pn

Ejemplo 2. Del ejemplo 1, determinar:

a) La distribución de probabilidades de X . Luego graque la distribución.

b) La probabilidad de P [0 < X ≤ 2]

2.2. Variable Aleatoria Continua

Denición 3. Se dice que la función f (x) es la función de densidad de probabilidad de la variable aleatoria
continua X , si satisface las siguientes condiciones:

a) f (x) ≥ 0, para todo x ∈ R

Z +∞
b) f (x)dx = 1
−∞
Z
c) P [A] = P [x ∈ A] = f (x)dx para cualquier A ⊂ R
A

Observaciones.
Z a
1. P (X = a) = f (x)dx = 0
a
Z b
2. P (a ≤ X ≤ b) = P (a ≤ X < b) = P (a < X ≤ b) = P (a < X < b) = f (x)dx
a

Ejemplo 3. La demanda en miles de kilogramos de un producto es una variable aleatoria X cuya función de
densidad es la función de valor real: (
cx2 , si x ∈ [0, 2]
f (x) =
0 , si x ∈
/ [0, 2]

a) Halle el valor de la constante c y trace la gráca de la distribución de probabilidad.

b) Determine P [X > 1]

Ticona Méndez R. Bladimiro 2

 Var. aleatoria y distribuciones Estadística y probabilidades

3. Función acumulada

3.1. Función Acumulada de una variable discreta

Denición 4. La función acumulada de probabilidades de la variable aleatoria discreta X , cuya función de
probabilidad es f (x), se dene en todos los números reales por:
X
F (x) = P [X ≤ x] = f (k), para − ∞ < x < ∞
k≤x

Observación. Si la variable aleatoria X tiene como rango Rx = {x1 , x2 , ... xn } y función de probabilidad
f (xi ) entonces: 
0
 −∞ < x < x1
P
F (x) = f (k) xi ≤ x ≤ xi+1 , i = 1, 2, . . . , n − 1

1 xn ≤ x < +∞


Ejemplo 4. Sea X la variable que se dene como el número de caras obtenidas al lanzar una moneda 4 veces.

a) Obtenga la distribución de probabilidades de X

b) Obtenga y graque la función de distribución acumulada F (x)

3.2. Función acumulada de variable aleatoria continua

Denición 5. La función acumulada de probabilidades de la variable aleatoria discreta X , cuya función de
densidad es f (x), se dene en todo números real x por:
Z x
F (x) = P [X ≤ x] = f (t)dt, para − ∞ < x < ∞
−∞

una variable continua.

Ejemplo 5. El ingreso monetario por hogar, en miles de soles, de una población es una variable aleatoria
continua X , cuyo modelo de porobabilidad es descrita por la función:

si 0 ≤ x ≤ 1


 cx
si 1 ≤ x ≤ 2

c
f (x) =


 −cx + 3c si 2 ≤ x ≤ 3
0 en el resto


a) Determine el valor de la constante c y redena f (x).

b) Dena y graque la función de distribución acumulada F (x) de X

4. Valor esperado, varianza de variables aleatorias

4.1. Media o valor esperado de una variable aleatoria

La media de una variable aleatoria discreta.
X
µ = E(X) = xi pi , donde pi = f (xi )
xi ∈Rx

La media de una variable aleatoria continua.

Z +∞
µ = E(X) = xf (x)dx
−∞

Ticona Méndez R. Bladimiro 3

 Var. aleatoria y distribuciones Estadística y probabilidades

4.2. Varianza de una variable aleatoria

La varianza de una variable aleatoria discreta.
X
σ 2 = Var(x) = (xi − µ)f (x)
xi ∈Rx

La varianza de una variable aleatoria continua.

Z +∞
σ = Var(x) =
2
(x − µ)2 dx
−∞

Denición √
6. La desviación estándar de la variable aleatoria X es la raiz cuadrada positiva de su varianza.
esto es: σ = σ2

No es difícil de vericar

V ar(X) = E[(X − µ)2 ] = E(X 2 ) − µ2

Z +∞
Además: V ar(x) = x2 f (x)dx
−∞

Propiedades de esperanza y varianza:

1. E(aX + b) = aE(X) + b

2. E(b) = b

3. E(aX) = aE(X)

4. E(X + b) = E(X) + b

5. Var(aX + b) = a2 Var(X)

6. Var(b) = 0

7. Var(aX) = a2 Var(X)

8. Var(X + b) = Var(X)

9. Var(X) = E(X 2 )(E(X))2

10. E(aX + bY ) = aE(X) + bE(Y )

11. E(X ± Y ) = E(X) ± E(Y )

12. Si X e Y son independientes, entonces E(XY ) = E(X)E(Y )

13. Si X e Y son independientes, entonces V ar(aX + bY ) = a2 V ar(X) + b2 V ar(Y )

14. Var(X ± Y ) = Var(X) + Var(Y )

Ticona Méndez R. Bladimiro 4