VARIABLE ALEATORIA

DEFINICIN:
UNA VARIABLE ALEATORIA ES UNA DESCRIPCIN NUMRICA DEL
RESULTADO DE UN EXPERIMENTO

Tipos:

Variable aleatoria Discreta

Variable aleatoria Continua
2

 VARIABLES ALEATORIAS DISCRETAS

DISTRIBUCIN UNIFORME
DISTRIBUCIN BINOMIAL
DISTRIBUCIN MULTINOMIAL
DISTRIBUCIN HIPERGEOMTRICA
DISTRIBUCIN MULTIHIPERGEOMTRICA
DISTRIBUCIN DE POISSON

VARIABLES ALEATORIAS CONTINUAS

DISTRIBUCIN NORMAL O DE GAUSS

DISTRIBUCIN GAMMA ()
DISTRIBUCIN EXPONENCIAL
DISTRIBUCIN CHI-CUADRADO
DISTRIBUCIN T DE STUDENT

EJEMPLOS VARIABLE ALEATORIA

DISCRETA
Experimento

Variable aleatoria

Valores posibles V.A

Llamar a cinco clientes

Cantidad de clientes

0, 1,2,3,4,5

Inspeccionar un
embarque de 40 chips

Cantidad de chips
defectuosos

0,1,2,.,40

Funcionamiento de un
restaurante durante un da

Cantidad de clientes

0,1,2,3.

Vender un automvil

Sexo Cliente

0 si es hombre y 1 si es
mujer

EJEMPLOS VARIABLE ALEATORIA

CONTINUA
Experimento

Variable aleatoria

Valores posibles V.A

Funcionamiento de un
banco

Tiempo en minuto, entre

llegadas de clientes

X>=0

Llenar una lata de bebida

(mx =12.1 onzas)

Cantidad de onzas

0<=x<=12.1

Proyecto para construir un

biblioteca

Porcentaje de terminado
del proyecto

0<=x<=100

Ensayar un nuevo
proceso qumico

Temperatura cuando se
lleva a cabo la reaccin
deseada (min 150 F; mx
212F)

150<=x<=212

VARIABLE ALEATORIA
Una variable aleatoria X es una funcin que asocia a
cada suceso del espacio muestral E de un experimento
aleatorio un valor numrico real:
X :E
w X ( w)

Llamar variable a una funcin resulta algo confuso,

por ello hay que insistir en que es una funcin.
La variable aleatoria puede ser discreta o continua.
Veremos en este captulo el caso discreto.

Funcin de probabilidad
Una vez definida una variable aleatoria X, podemos
definir una funcin de probabilidad asociada a X, de
la siguiente forma:

p : [0,1]
x p( x) P( X x)
La funcin de probabilidad debe cumplir:

(i) p( x) 0 x
(ii) p( x) 1

(Suma sobre todos los posibles valores

que puede tomar la variable aleatoria).

FUNCIN DE PROBABILIDAD DISCRETA

VALORES

Z
Z
Z

PROBABILIDAD

1/4 = 0.25

2/4 = 0.50

1/4 = 0.25

Funcin de probabilidad de la variable aleatoria X

6/36

P
5/36

5/36

4/36

4/36

3/36

3/36

2/36

2/36

1/36

1/36

10

11

12

Observa que cumple las dos condiciones: es siempre positiva y est normalizada.

Funcin de distribucin
Dada una variable aleatoria discreta X se llama
funcin de distribucin a la funcin F definida
como:

F : [0,1]

x F ( x) P( X x)
En nuestro ejemplo de los dos dados:
F(5) = P(X 5) = P(x = 2 o x = 3 o x = 4 o x = 5)
F(5) = 1/36 + 2/36 +3/36 + 4/36 = 10/36

10

Funcin de distribucin de la variable aleatoria X

F
1,0

0,5

0,028
2

11

10 11

12

ESPERANZA MATEMTICA O MEDIA

DE UN DISTRIBUCIN DISCRETA
E X xi P ( X xi ) xi p ( xi )
i

P(X)

X P(X)

-1
0
1
2
3

.1
.2
.4
.2
.1

-.1
.0
.4
.4
.3
1.0

12

VARIANZA Y DESVIACIN ESTNDAR O TPICA DE

UNA DISTRIBUCIN DISCRETA
Varianza

Var( X ) M 2 E (( X ) )
2

(x

) P( X xi )
2

Desviacin estndar o tpica

Var( X )

Ambas miden la dispersin de los datos. Observa que la desviacin

tpica lo hace con las mismas unidades que los propios datos.

13

EJEMPLO
X

P(X)

-1
0
1
2
3

.1
.2
.4
.2
.1

-2
-1
0
1
2

( X ) ( X ) P( X )
2

4
1
0
1
4

( xi ) P( xi ) 1,2
2

.4
.2
.0
.2
.4
1.2

Var( X ) 1.10

14

DISTRIBUCIN UNIFORME
La distribucin uniforme es la que corresponde a una variable
que toma todos sus valores, x1, x2... , xk, con igual probabilidad; el
espacio muestral debe ser finito.
Si la variable tiene k posibles valores, su funcin de probabilidad
sera:

15

donde k es el parmetro de la distribucin (un parmetro

es un valor que sirve para determinar la funcin de
probabilidad o densidad de una variable aleatoria)
La media y la varianza de la variable uniforme se
calculan por las expresiones:

16

El histograma de la funcin toma el aspecto de un

rectngulo, por ello, a la distribucin uniforme se le
suele llamar distribucin rectangular.

17

DISTRIBUCIN BINOMIAL

18

La distribucin binomial es tpica de las variables que

proceden de un experimento que cumple las siguientes
condiciones:
1) El experimento est compuesto de n pruebas iguales,
siendo n un nmero natural fijo.
2) Cada prueba resulta en un suceso que cumple las
propiedades de la variable binmica o de Bernouilli, es
decir, slo existen dos posibles resultados, mutuamente
excluyentes, que se denominan generalmente como xito
y fracaso.
3) La probabilidad del xito (o del fracaso) es constante en
todas las pruebas. P(xito) = p ; P(fracaso) = 1 - p = q
4) Las pruebas son estadsticamente independientes,

19

En estas condiciones, la variable aleatoria X que cuenta el nmero de

xitos en las n pruebas se llama variable binomial. Evidentemente, el
espacio muestral estar compuesto por los nmeros enteros del 0 al n.
Se suele decir que una variable binmica cuenta objetos de un tipo
determinado en un muestreo de n elementos con reemplazamiento.
La funcin de probabilidad de la variable binomial se representa
como b(x,n,p) siendo n el nmero de pruebas y p la probabilidad del
xito. n y p son los parmetros de la distribucin.

20

DISTRIBUCIN MULTINOMIAL

21

La distribucin multinomial es esencialmente igual a la binomial con la

nica diferencia de que cada prueba tiene ms de dos posibles resultados
mutuamente excluyentes.
Si tenemos K resultados posibles (Ei , i = 1, ... , K) con probabilidades
fijas (pi , i = 1, ... , K), la variable que expresa el nmero de resultados de
cada tipo obtenidos en n pruebas independientes tiene distribucin
multinomial.

22

La probabilidad de obtener x1 resultados E1, x2 resultados E2, etc. se

representa como:

Los parmetros de la distribucin son p1,..., pK y n.

23

DISTRIBUCIN HIPERGEOMTRICA

24

Una variable tiene distribucin hipergeomtrica si procede de un

experimento que cumple las siguientes condiciones:
1) Se toma una muestra de tamao n, sin reemplazamiento, de un
conjunto finito de N objetos.
2) K de los N objetos se pueden clasificar como xitos y N - K como
fracasos.
X cuenta el nmero de xitos obtenidos en la muestra. El
espacio muestral es el conjunto de los nmeros enteros de 0 a n, de 0
a K si K < n.

25

En este caso, la probabilidad del xito en pruebas sucesivas no es

constante pues depende del resultado de las pruebas anteriores. Por
tanto, las pruebas no son independientes entre s.
La funcin de probabilidad de la variable hipergeomtrica es:

Los parmetros de la distribucin son n, N

y K.

26

DISTRIBUCIN
MULTIHIPERGEOMTRICA

27

Este variable se define igual que la hipergeomtrica con la nica

diferencia de que se supone que el conjunto de objetos sobre el que se
muestrea se divide en R grupos de A1, A2,..., AR objetos y la variable
describe el nmero de objetos de cada tipo que se han obtenido (x1,
x2,..., xR)

Esta situacin es anloga a la planteada en el caso de la distribucin

multinomial. La funcin de probabilidad es:

28

DISTRIBUCIN DE POISSON

29

Una variable de tipo poisson cuenta xitos (es decir, objetos de un tipo
determinado) que ocurren en una regin del espacio o del tiempo.
El experimento que la genera debe cumplir las siguientes
condiciones:
El nmero de xitos que ocurren en cada regin del tiempo o del
espacio es independiente de lo que ocurra en cualquier otro tiempo o
espacio disjunto del anterior.
2.La probabilidad de un xito en un tiempo o espacio pequeo es
proporcional al tamao de este y no depende de lo que ocurra fuera
de l.
3.La probabilidad de encontrar uno o ms xitos en una regin del
tiempo o del espacio tiende a cero a medida que se reducen las
dimensiones de la regin en estudio.
1.

30

Como consecuencia de estas condiciones, las variables Poisson

tpicas son variables en las que se cuentan sucesos raros.
La funcin de probabilidad de una variable Poisson es:

El parmetro de la distribucin es que es igual a la media y a

la varianza de la variable.

31

DISTRIBUCIN NORMAL O DE
GAUSS

33

La distribucin normal fue definida por De Moivre en 1733 y es la

distribucin de mayor importancia en el campo de la estadstica.
Una variable es normal cuando se ajusta a la ley de los grandes
nmeros, es decir, cuando sus valores son el resultado de medir
reiteradamente una magnitud sobre la que influyen infinitas causas de
efecto infinitesimal.
Las variables normales tienen una funcin de densidad con forma de
campana a la que se llama campana de Gauss.
Su funcin de densidad es la siguiente:

34

DISTRIBUCIN GAMMA ()

35

La distribucin gamma se define a partir de la funcin gamma, cuya

ecuacin es:

La funcin de densidad de la distribucin gamma es:

y son los parmetros de la distribucin.

36

DISTRIBUCIN EXPONENCIAL

37

Es un caso particular de la distribucin gamma cuando = 1. Su

funcin de densidad es:

Su parmetro es .
La media y la varianza de la distribucin exponencial

son:

38

DISTRIBUCIN CHICUADRADO (C2)

39

Es otro caso particular de la distribucin gamma para el caso = 2 y =

n / 2, siendo n un nmero natural.
Su funcin de densidad es:

El parmetro de la distribucin c2 es n y su media y su varianza son,

respectivamente:

40

DISTRIBUCIN T DE STUDENT

41

El parmetro de la distribucin t es n, su nmero de grados de libertad.

Esta distribucin es simtrica respecto al eje Y y sus colas se aproximan
asintticamente al eje X. Es similar a la distribucin Z salvo que es platicrtica
y, por tanto, ms aplanada.
Cuando n tiende a infinito, t tiende asintticamente a Z y se pueden
considerar prcticamente iguales para valores de n mayores o iguales que 30..

42