FACULTAD DE INGENIERIA DE

UNIVERSIDAD NACIONAL MINAS GEOLOGIA Y METALURGÍA

“SANTIAGO ANTÚNEZ DE ESCUELA ACADÉMICO

MAYOLO” PROFESIONAL ING. MINAS

Lic. Martha Vanessa Poma Blas

1
Introducción a Variables
Aleatorias
 Tanto en la vida cotidiana como en el campo científico
estamos habituados a observar fenómenos aleatorios cuyos
resultados se expresan mediante números; por ejemplo el
voltaje de salida en una fuente de alimentación, el número
de personas en la cola del cine, la velocidad de conexión a
la red, etc.
 Incluso en problemas de naturaleza puramente cualitativa
es muy frecuente recurrir a la codificación numérica; en
situaciones tales como: el diagnostico de un paciente
“sano” o “enfermo”, preguntas del tipo ¿estudias o trabajas?,
etc., las respuestas son usualmente codificadas con 0 y 1,
aunque en realidad podría emplearse cualquier pareja de
símbolos con igual precisión.
Introducción a Variables
aleatorias
 Una variable aleatoria o es una variable estadística cuyos
valores se obtienen de mediciones en algún tipo de
experimento aleatorio. Formalmente, una variable aleatoria
es una función, que asigna eventos.
 Por ejemplo lanzar un dado dos veces
Espacio muestral:
Los posibles resultados: (1, 1), (1, 2), etc.
Evento: La suma de resultados obtenidos: 2, 3, 4, etc.
 Una variable aleatoria es un valor numérico que
corresponde al resultado de un experimento
aleatorio.
VARIABLES ALEATORIAS
 DEFINICIÓN :
Se denomina variable aleatoria es toda función que
asocia a cada elemento del espacio muestral Ω ó S un
valor en el conjunto de los números reales Rx
 VARIABLES ALEATORIAS
 Una v. a. X es una función definida en Ω tal que a cada
elemento ω є Ω le asocia un numero real x= X(ω).

 El dominio de la v. a. X es el espacio Ω y el rango es el

subconjunto de los números reales que denotaremos
por Rx , siendo.

Rx  x  R / x  X (w), w 
 VARIABLES ALEATORIAS
Ejemplo: se prueban tres componentes electrónicos y
se observa el carácter de defectuoso o no.

Una función de S en R (Reales)

X: “número o cantidad de artículos defectuosos ”
VARIABLES ALEATORIAS
Ejemplo:
Se sacan dos bolillas de manera sucesiva sin reemplazo
de una urna que contiene 5 bolillas blancas y 4 bolillas
rojas.
X: “numero de bolillas rojas extraídas”
Definir:
Espacio muestral:
Evento :
Rango Rx:
CLASIFICACIÓN
 V. A. Discretas.
 Es aquella cuyo rango es un conjunto finito o infinito
numerable de valores proceden del conteo.
 Si la variable aleatoria X es discreta su rango se
expresara en general por:


Rx  x1 , x 2 , ...xn 
 Una variable aleatoria discreta X es una función que
asigna valores numéricos a los sucesos elementales de
un espacio muestral.
 V. A. Discretas.
Ejm: Lanzamos dos monedas y definimos la variable aleatoria X,
número de caras obtenidas. Siendo C obtener cara y X obtener
cruz, como el espacio muestral es:
S= {CC,CX,XC,XX} entonces se tiene
X : −----R
CC ----- 2
CX ----- 1
XC ----- 1
XX ----- 0
 Función DE PROBABILIDAD
 Definición.- Es la aplicación que asigna a cada valor
de la variable aleatoria discreta X la probabilidad de
que la variable tome dicho valor.
ƒ x : X → [0, 1]
xi −→ ƒ(X = xi)
 Tiene que cumplir lo siguiente :

f ( x)  0; x  R
n

 f (x )  1
i 1
i
 Función DE PROBABILIDAD
Ejemplo: Lanzamos dos monedas y definimos la variable
aleatoria X, número de caras obtenidas. Siendo C obtener
cara y X obtener cruz. La
función de probabilidad de X es.
fx(2) = P(X = 2) = P(“CC”) =1/4
fx(1) = P(X = 1) = P(“CX, XC”) =2/4
fx(0) = P(X = 0) = P(“XX”)=1/4
 Es habitual expresar la función de probabilidad en una
tabla de la forma:
1
2
3
4como (xi, y p(xi)) son la colección de pares ordenados de
llama distribución de probabilidad
 Función DE PROBABILIDAD
Ejemplo:
Consideremos el experimento que consiste en
lanzar tres monedas a al aire. Llamaremos C : cara y
S: sello; y el evento es el número de caras:
Definir:

El espacio muestral:

Definir la variable aleatoria:

Definir su función de probabilidad:

4
Función de distribución
 También denominada función de distribución
acumulativa (f.d.a.)
 Definición.- la función de distribución acumulada de
probabilidades o simplemente función de
distribución, F(x), de una variable aleatoria
discreta x cuya función de probabilidad es f(x), se
define por:

F ( x)  P[ X  x]   P[ X  x]   f ( xi ), para   x 
k x k x
Función de distribución
Ejemplo: Lanzamos dos monedas y definimos la
variable aleatoria x, número de caras obtenidas. Siendo
C obtener cara y X obtener cruz. Hemos calculado la
función de distribución de probabilidad.

Calculemos ahora de la función de distribución

F ( x)  P[ X  x]   P[ X  x]   f ( xi ), para   x 
k x k x
Función de distribución
En base a la tabla anterior pasemos a hallar la función
de distribución acumulativa .
F ( x)  P[ X  x]   P[ X  x]   f ( xi ), para   x 
k x k x

Fx (0)  P( X  0)  Px (0)  1/ 4
1 2 3
Fx (1)  P ( X  1)  Px (0)  Px (1)   
4 4 4
1 2 1 4
Fx (2)  P( X  2)  Px (0)  Px (1)  Px (2)      1
4 4 4 4
Función de distribución
Por lo tanto la función de distribución queda expresada
de la siguiente forma.
Función de distribución
 PROPIEDADES:
1.  F ( x)  P[ X  x]   f ( xi )
kx

2.  0  F ( x)  1
3.  si _ x  y, entonces _ F ( x)  F ( y)
ESPERANZA MATEMÁTICA
Es la media o valor esperado de una
variable aleatoria de x con función
denotado por µ o E(x)

  E( x)   xi f ( x)
xRx
ESPERANZA MATEMÁTICA
PROPIEDADES:
. E(C) =C
.E ( x  x  ...  x )  E ( x )  E ( x )  ...  E ( x )
1 2 n 1 2 n

.E ( x1.x2 .....xn )  E ( x1 ).E ( x2 ).....E ( xn )

Si son independientes

. E ( x   )  0
. E ( x  C )  E ( x)  C
. E (C .x )  C .E ( x )
 Varianza
 Sea x una variable aleatoria X, con distribución de
probabilidad f(x) y con media igual a µ, la varianza
de X es la expresión:

  V ( x)  E ( X t   )   ( X t   ) f ( x )   x f ( x )  
2 2 2 2

x x
 Varianza- propiedades
*_ V (C )  0
*_ V ( x)  E ( x )  
2 2

*_ V ( x1  x2  ...xn )  V ( x1 )  V ( x2 )  ...  V ( xn )
*Si _ son _ independientes.
*_ V ( x  C )  V ( x)
*_ V (C.x)  C .V ( x)
2
Desviación estándar
La desviación estándar de la variable
aleatoria x es la raíz cuadrada positiva
de la varianza, esto es:

    V ( x)
2
 V. A. continuas
Es aquella cuyo rango es un intervalo en R o
conjunto infinito no numerable de valores reales
Proceden de mediciones.
Ejemplo:
X= El tiempo de duración de un artefacto
electrodoméstico obtenido al azar de un lote.
X= El contenido de magnesio en una aleación
X= Tiempo que tarda un alumno en resolver un
examen de matemáticas.
 V. A. continuas
Ejemplo: Sea X la variable aleatoria que representa el
número de kilogramos que pierde una persona al
seguir una dieta especifica durante cierto periodo. Es
una v. a. continua, pues su rango (los valores que
puede tomar) son todos los puntos de un intervalo,
por ejemplo [1,3].

X: número de kilogramos que pierde una persona

al seguir una dieta.
Función de probabilidad
Definición.- Se dice que la función f(x) es función de
densidad (Ley, modelo o distribución) de
probabilidad de la variable aleatoria continua X si
satisface las siguientes condiciones:
f ( x)  0; x  R




f ( x)dx  1

P ( A)  p[ x  A]   f ( x) dx  1
A

para _ cualquier _ int ervalo _ A  R

 Función de probabilidad
Ejemplo: El contenido de magnesio en una aleación
es una variable aleatoria, dada por la siguiente función
de densidad de probabilidad.

¿Cuál es la probabilidad de que el contenido de

magnesio en la aleación sea menor que 2?
 Función de distribución
función de distribución acumulada (f.d.a.)

Definición; La función de distribución acumulada

(f.d.a.), F(x) de una Variable aleatoria continua X con
función de densidad f(x), se define por:
R
F ( x)  P[ X  x]   f ( x)dx, para    x  

Además, la función de
densidad puede
obtenerse de:

dF ( x)
f ( x) 
dx
Esperanza matemática

La media o valor esperado de una

variable aleatoria de X con función de
densidad esta denotada por µ o E(x)

  E ( x)  

x. f ( x)dx
 Varianza
 Sea x una variable aleatoria X, con función de
densidad f(x) y con media igual a µ, la varianza
de X es la expresión:

 
 2  V ( x)  E ( X t   )   ( X t   )2 f ( x)dx   x 2 f ( x)dx   2
 
 Desviación estándar
La desviación estándar de la variable
aleatoria x es la raíz cuadrada positiva
de la varianza, esto es:

    V ( x)
2
"El éxito es simplemente la aplicación diaria de la
disciplina"