VARIABLES ALEATORIAS

Hasta ahora hemos estudiado eventos en un experimento aleatorio, as

como sus propiedades. En esta seccin analizamos los valores numricos que
podemos asociar a los resultados posibles de un experimento aleatorio.
Como los resultados de un experimento pueden variar de un ensayo a otro,
entonces el valor numrico asociado es una variable. Ahora bien, como los
experimentos que queremos modelar son de tipo aleatorio, entonces esta
variable es aleatoria.
Una variable aleatoria es una variable que toma diferentes valores
numricos que han sido determinados por el azar.
Ejemplo1:
Se lanza una moneda dos veces en forma consecutiva; definamos una variable aleatoria
que describa el nmero de caras que se puede obtener.
Solucin:
X= Nmero de caras que aparecen
Por experiencia sabemos que al lanzar dos monedas los resultados pueden ser 0, 1
o 2 caras, luego sta es una variable aleatoria correctamente definida.
Ejemplo2:
Se lanza una moneda dos veces en forma consecutiva y queremos especificar
los resultados como primero que salga cara y luego sello, es posible
realizar esa especificacin mediante una variable aleatoria?

Solucin:
No! Observemos que los resultados del experimento dependen del
azar pero no son numricos , luego, no pueden especificarse, es
decir, no pueden representarse mediante una variable aleatoria
Ejemplo 3
Se selecciona un ciudadano de cierto pas, en forma aleatoria, y se
toma el valor de su estatura, podemos modelar los resultados de este
experimento mediante una variable aleatoria?
Solucin:
Si! Puesto que el resultado del experimento es un nmero obtenido al
azar.
 Observemos que las variables aleatorias, para los ejemplos 1 y 3, son
distintas, por cuanto la primera slo toma tres valores posibles: 0, 1 o
2, mientras que la segunda puede tomar cualquier valor numrico en
el intervalo de medidas en metros (0; 2.5), es decir, que si tomamos
la estatura de dos personas y una midi 1.80 y la otra 1.85 metros, no
podeos descartar el hecho de encontrar una persona cuya medida se
encuentre entre estos dos valores.
Una primera clasificacin de las variables aleatorias es en Discretas y
continuas.
Una variable aleatoria es discreta si los valores numricos que toma
se pueden contar, an cuando los valores que toma no son
necesariamente ni enteros ni positivos.
Una variable aleatoria es continua si puede tomar cualquier valor en
un intervalo de nmeros reales (sus valores posibles son infinitos y no
pueden contarse).
Ejemplo 4
Clasifique las siguientes variables aleatorias en discretas y continuas.
a. Nmero de estudiantes que siguen Finanzas.
b. Nmero de accidentes de aviacin que ocurrir en el mes de julio de este
ao a nivel mundial.
c. La edad de un individuo.
d. El peso de una persona.
e. El volumen de lluvia que caer en una regin durante este ao.

Solucin:
Son variables aleatorias discreta las que corresponden a los ejemplos a y b, y
continuas las de c, d y e.
Puede usted Explicar Por qu?
Ejemplo 5
Lanzamos una moneda tres veces en forma consecutiva. Analicemos las
probabilidades asociadas a los eventos de este experimento.
1. Espacio muestral:
EM = {(c, c, c), (c, c, s), (c, s, c), (s, c, c),(s, c, s), ( s, s, c), (c, s, s), (s, s, s)}
2. Probabilidad definida en EM:
Si suponemos que en cada experimento los resultados esperados cara (
C) o Sello (S) son igualmente probables, entonces la probabilidad de que
aparezca C es y de obtener S tambin es Por qu?
Luego, la probabilidad de cada uno de los 8 eventos simples del espacio
muestral es: ( )( )( ) = 1/8.
Observemos que el nmero de caras que aparecen en cada lanzamiento no
pueden determinarse, pues vara de manera aleatoria; por tanto, si
denotamos con X la variable nmero de caras que aparecen, entonces los
valores posibles que pueden tomar esa variable son 0, 1, 2, o 3. Luego
tenemos las siguientes implicaciones:
 Si A0 = {(s, s, s)}, entonces P(A0) = P(X = 0) = 1/8.
Si A1 = {(s, c, s), ( s, s, c), (c, s, s)}, entonces P(A1) = P(X=1) = 3/8
Si A2 = { (c, c, s), (c, s, c), (s, c, c)}, entonces P(A2) = P(X=2) = 3/8.
Si A3 = {(c, c, c)}, Entonces P(A3) = P(x=3) = 1/8
Donde P(A) debemos leerlo la probabilidad del evento A y (X = K) la
probabilidad de que la variable aleatoria X asuma el valor K.
Para una variable aleatoria discreta podemos listar las probabilidades
de los distintos valores que esta asume; eso podemos logarlo mediante
una tabla de valores, una frmula o una grfica, que asigne una
probabilidad a cada valor de la variable aleatoria.

La distribucin de probabilidad (llamada tambin masa de

probabilidad) de una variable aleatoria es una lista, frmula o grfica,
que asigna una probabilidad a cada valor de la variable aleatoria
Si denotamos con X la variable aleatoria discreta, entonces con P(x)
indicaremos la probabilidad P(X=x). La lista de todos los valores P(x) es
la distribucin de probabilidad de X, y tiene las siguientes propiedades:
p(x) 0; para todos los valores de x.
p(x) = 1, es decir, la sumatoria debe realizarse sobre todos los
valores x que puede tomar la variable aleatoria x.

En muchas ocasiones es de inters conocer la probabilidad de que los

valores asumidos por la variable aleatoria X sean, a lo sumo, algn valor
de x. esta probabilidad es la suma de las probabilidades de todos los
valores k, menores o iguales que x, que asume X.

La distribucin de probabilidad acumulativa, P(x), de la variable

aleatoria discreta X, est definida por p(x) = P(X x) = ()
Como p(x) = P(x) - P(x - 1), entonces P(x) = p(x) + P(x - 1)
Ejemplo 6
El nmero de llamadas que llega a una central telefnica durante
cualquier minuto dado entre las 12h00 y la 13h00, un da entre
semana, es una variable aleatoria X, con la siguiente distribucin de
probabilidad.
x 0 1 2 3 4 5
P(x) 0.3 0.2 0.2 0.1 0.1 0.1

a. Verifiquemos que p(x) es una distribucin de probabilidad.

b. Encontremos la distribucin de probabilidad acumulativa.
c. Cul es la probabilidad de que entre las 12h30 y las 12h31 lleguen
exactamente dos llamadas.
d. Cul es la probabilidad de que entre las 12h59 y las 13h00 no
lleguen mas de 3 llamadas?
e. Tracemos una grfica de la funciones de distribucin de la
probabilidad y distribucin de probabilidad acumulativa.
Solucin:
a. Como p(x) 0 y 5=0 = p(0) + p(1) + p(2) + p(3) + p(4) + p(5)
= 0,30 + 0,2 + 0,2 + 0,1 + 0,1 + 0,1 = 1,
Entonces p(x) es una distribucin de probabilidad.
b. P(0) = p(0) = 0.3 P(1) = p(1) + P(0) = 0.2 + 0.3 = 0,5
P(2) = p(2) + P(1) = 0,2 + 0,5 = 0,7 P(3) = p(3) + P(2) = 0,1+ 0,7 = 0,8
P(4) = p(4) + P(3)= 0,1 +0,8 = 0,9 P(5) = p(5) + P(4) = 0,1 + 0,9 = 1
c. P(X = 2) = p(2) = 0,2, es decir, existe un 20% de probabilidad de que
lleguen a lo sumo dos llamadas entre las 12h30 y las 12h31
d. El evento no lleguen ms de tres llamadas es equivalente a lleguen a lo
sumo tres llamadas, es decir que lleguen 0, 1, 2 o 3 llamadas; por tanto,
podemos utilizar la distribucin de probabilidad para encontrar la
probabilidad de este evento:
P(X 3) = P(3) = 0,8 u 80%
 P(x) P(x)
1 f(x)=0.2 1

0.9 f(x)=0.3 0.9

0.8 f(x)=0.2 0.8

f(x)=0.1 0.7
0.7
0.6
0.6 f(x)=0.1
0.5
0.5 f(x)=0.1
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1 x
x
-1 1 2 3 4 5
2 4

En estadstica, con anterioridad, aprendimos a resumir conjuntos de datos a

travs de ciertas medidas, como por ejemplo la media, la mediana, la moda,
el rango, la varianza, y la desviacin estndar. Vimos que la media es una
medida de centralizacin o localizacin de los datos, y que la varianza y la
desviacin estndar miden la variabilidad o dispersin de los datos
observados con respecto a su media.
ALGUNOS CONCEPTOS BASICOS:
Sea X una variable aleatoria discreta con distribucin de probabilidad p(x)
El valor esperado (o esperanza) de X, que denotaremos por E(X) o , es
igual a la suma de todos los valores de la variable aleatoria, cada uno
multiplicado por su correspondiente probabilidad:
E(X) = = . ()
La varianza de X esta dada por
2 = = 2 = 2 ()
La desviacin estndar de X se define por = ()
Por las propiedades del valor esperado de una variable aleatoria, la varianza
tambin puede calcularse a travs de la ecuacin:
2 = 2 2 = 2 . 2

Ejemplo 7
Encontremos el valor esperado, la varianza y la desviacin estndar de la variable aleatoria
X del ejemplo 6.
Solucin:
a. E(X) = = 0.p(0) + 1.p(1) + 2.p(2) + 3.p(3) + 4.p(4) + 5.p(5)
= 00.3 + 10.2 + 20.2 + 30.1 + 40.1 + 50.1 = 1 8
Redondeamos este valor a 2 unidades para poder interpretarlo (puesto que la
variable aleatoria X toma valores enteros solamente); en consecuencia,
esperamos que el nmero de llamadas que llegue a esta central telefnica, en
uno cualquiera de los minutos comprendidos entre las 12h00 y las 13h00 de un
da cualquiera entre semana, sea 2.
b. Como
2
5

= 2 = 02 0 + 12 1 + 22 2 + 32 3 + 42 4 + 52 5
=0
= 0 0.3 + 1 0.2 + 4 0.2 + 9 0.1 + 16 0.1 + 25 0.1 = 6.
Entonces E 2 2 = 6 1.82 = 6 3.24 = 2.76 ;
V[X] = 2.76
c. La desviacin estndar de la variable aleatoria X es
= 2.76 = 1.66
El anlisis anterior podemos obtenerlo mediante la siguiente tabla:
X 0 1 2 3 4 5 Suma

p(x) 0.3 0.2 0.2 0.1 0.1 0.1 1

x () 0 0.2 0.4 0.3 0.4 0.5 1.8

2 () 0 0.2 0.8 0.9 1.6 2.5 6

Ejercicio 8
La variable aleatoria X puede tomar los valores 0, 1, 2, 3; su distribucin
de probabilidad esta dada por p(x) = k/(x + 1). Encontremos el valor de
k, el valor esperado y la varianza.
Solucin:
Como 3=0 = 1 0 + 1 + 2 + (3) = 1,
k k k 12
es decir: k + + + = 1, luego k(1 + + 1/3 + )= 1 y por lo tanto k =
2 3 4 25

E(X) = 0.p(0) + 1.p(1) + 2.p(2) + 3.p(3) = 12/25(1/2 + 2/3 + ) = 23/25.

3

2 = 2 = 0 2 0 + 12 1 + 22 2 + 32 3 =
=0
12 12 12
= 0+1 +4 +9
50 75 100

12 1 4 9 49
= + + =
252 3 4 25
Por tanto
2
49 23
2 2 = = 1,1136 = 2
25 25
TALLER 1
1. Clasificar las siguientes variables en aleatorias y no aleatorias
a. Distancia horizontal total que alcanza un objeto lanzado en tiro parablico, con
un ngulo de tiro de 30 y una velocidad inicial de 20 m/s.
b. Equipos campen y subcampen del torneo de futbol de ste ao
c. Pacientes que llegan a la central de emergencia de un hospital en un da dado.
d. Nmero de gripes que puede darme en este ao.
e. Nmero de personas que hacen deporte al menos dos veces en la semana.

2. Clasifique las variables aleatorias en discretas y continuas.

a. Nivel de agua de un envase en un da cualquiera de este ao.
b. Nmero de bebs que nacern un da cualquiera de este ao.
c. Puntaje que sacar en la primera prueba de esta asignatura.
d. Nmero del premio mayor de una lotera en un sorteo.
e. Nmero de accidentes de aviacin de una compaa en este ao.
f. Nmero de automviles que vende un concesionario por da.
3. Un punto de venta de una compaa de automviles lleva un control
del nmero de autos vendidos diariamente. Los datos almacenados se
utilizaron para modelar la tabla de distribucin de probabilidad
siguiente, para la variable aleatoria X: nmero de autos vendidos
diariamente
x 0 1 2 3 4 5
p(x) 0.1 0.1 0.2 0.2 0.3 0.1

a. Muestre que p(x) es una distribucin de probabilidad.

b. Encuentre la distribucin de probabilidad acumulada de X.
c. Cuntos autos se espera vender
d. Encuentre la varianza y la desviacin de X
e. Hallar la probabilidad de que el nmero de automviles vendidos el
prximo viernes est entre 1 y 3 autos inclusive.
4. Una persona participa en un juego donde los premios son $0, $100,
$500 y $1000 dlares, con probabilidades 0.1; 0.4; 0.35; y 0.15,
respectivamente. Si el dueo del juego cobra $P por participar en el
juego, cul es el menor valor de P para que el dueo del juego
obtenga ganancia.
5. Se lanza un dado dos veces en forma consecutiva. Considere las
siguientes variables aleatorias.
S = Suma de los valores que aparecen en los dos lanzamientos.
D = Diferencia de los valores que aparecen en los dos lanzamientos.
X = mximo de los valores que aparecen en los dos lanzamientos.
Y = mnimo de los valores que aparecen en los dos lanzamientos.
Con base en el supuesto que el dado es legal, es decir que los
resultados tienen la isma probabilidad de salir, hallar:
a. La distribucin de probabilidad para cada variable anterior.
b. Las grficas de las distribuciones de probabilidad halladas en a.
c. El valor esperado de cada variable aleatoria.

6. Considere la variable aleatoria X cuya distribucin de probabilidad

1
esta dada por p(x) = , = 1, 2, 3, .
2
a. Compruebe que p(x) es una distribucin de probabilidad.
b. Trace una grfica de la distribucin de probabilidad.
c. Hallar la probabilidad P(X3)