Estadstica I

Prof. Edmundo Pea Rozas

07/05/2013
1
Variables Aleatorias


Definicin: Sea un experimento, con espacio muestral S. Una variable aleatoria es una funcin X
que asigna a cada uno de los elementos S s e un nmero real X(s). Es importante notar que a cada
elemento S s e le corresponde exactamente un valor X(s). Valores diferentes de S s e pueden tener
un mismo valor X(s).

El Recorrido de la variable aleatoria ( )
X
R Corresponde al conjunto de todos los valores posibles que
puede tomar la variable aleatoria X.

Ejemplo: Para el experimento aleatorio de lanzar una moneda dos veces. Se pueden definir muchas
variables aleatorias, por ejemplo:
X: variable aleatoria que denota el nmero de caras observadas.
Y: variable aleatoria que denota el nmero de sellos observados.

Notar que para el experimento aleatorio en cuestin, el espacio muestral est dado por:
={(C,C), (C,S), (S,C), (S,S)}

Para el caso de la variable aleatoria X, sta asocia un nmero real a cada elemento del espacio
muestral, es decir:
Para ) , ( C C s = , ( ) 2 ) , ( = = C C s X
Para ) , ( S C s = , ( ) 1 ) , ( = = S C s X
Para ) , ( C S s = , ( ) 1 ) , ( = = C S s X
Para ) , ( S S s = , ( ) 0 ) , ( = = S S s X

Entonces, el recorrido de la variable aleatoria X est dado por: { } 2 , 1 , 0 =
X
R

Ejemplo: Si se lanzan 2 dados, el espacio muestral es {(1,1) (1,2)... (6,6)}. En total 36 pares como
resultados. Si se define la variable aleatoria X = suma de las caras, entonces la variable podr tomar
los valores 2, 3, 4,..., 12. Como en el caso anterior, existen varios pares de caras asociadas a un
mismo valor, de tal forma que se puede construir la siguiente tabla.

X= Suma de
las caras
Pares
2 (1,1)
3 (1,2), (2,1)
4 (1,3), (2,2), (3,1)
5 (1,4), (2,3), (3,2), (4,1)
6 (1,5), (2,4), (3,3), (4,2), (5,1)
7 (1,6), (2,5), (3,4), (4,3), (5,2), (6,1)
8 (2,6), (3,5), (4,4), (5,3), (6,2)
9 (3,6), (4,5), (5,4), (6,3)
10 (4,6), (5,5), (6,4)
11 (5,6), (6,5)
12 (6,6)

Ejemplo: A partir de un conjunto de 25 personas adultas se elige una al azar para medir su estatura.
Se define la v.a. X, que denota la estatura medida de la persona elegida al azar, en centmetros.
Entonces, el recorrido de esta variable aleatoria puede ser: { } 270 80 : s s = x x R
X

Estadstica I
Prof. Edmundo Pea Rozas
07/05/2013
2

Variables aleatorias discretas

Si X es una v.a. discreta, a cada resultado posible
X i
R x e , se le asocia una probabilidad de
ocurrencia, las cuales satisfacen:
( ) 0,
i
P X x i = > y ( ) 1
i
i
P X x = =

La funcin anterior se llama Funcin de Probabilidad de la v.a X o funcin de cuanta de X. La
coleccin de pares ( ) ( )
i X i
x p x , se conoce como Distribucin de Probabilidad de X .

Ejemplo: Considerar el lanzamiento de una moneda balanceada en cuatro ocasiones. Sea X la v.a.
que indica el nmero de caras observadas. Determinar la funcin de probabilidades. Notar que el
recorrido de la variable es { } 4 , 3 , 2 , 1 , 0 =
X
R . Ahora, para cada
X
R xe :
1 1 1 1 1
( 0)
2 2 2 2 16
1 1 1 1 4
( 1) 4
2 2 2 2 16
1 1 1 1 6
( 2) 6
2 2 2 2 16
1 1 1 1 4
( 3) 4
2 2 2 2 16
1 1 1 1 1
( 4)
2 2 2 2 16
P X
P X
P X
P X
P X
= = =
= = =
= = =
= = =
= = =


Por ejemplo, si se desea calcular la probabilidad de que aparezca ms de una cara, entonces:
4
2
( 1) ( )
6 4 1 11
16 16 16 16
x
P X P X x
=
> = =
= + + =

Tambin, para calcular esta probabilidad, pudo haberse utilizado la propiedad del complemento, es
decir:
| |
( 1) 1 ( 1)
1 ( 0) ( 1)
1 4
1
16 16
11
16
P X P X
P X P X
> = s
= = + =
(
= +
(

=


Si se desea calcular la probabilidad de que aparezcan entre 1 y 3 caras (1 y 3 incluidos), se calcula:
( )
3
1
4 6 4 7
(1 3)
16 16 16 8
x
P X P X x
=
s s = = = + + =

Estadstica I
Prof. Edmundo Pea Rozas
07/05/2013
3
Ejemplo: Suponga que un mago tiene en su sombrero cuatro cartas, numeradas del 1 al 4. Comienza
a extraer una a una las cartas, sin reposicin, hasta que logre sacar la que tiene el nmero 3. Se
define la variable aleatoria X, que denota el nmero de intentos hasta que logra encontrar la carta
sealada.

i) Encuentre la funcin de probabilidad de X.

El recorrido de la variable es } 4 , 3 , 2 , 1 { =
X
R . Ahora;
4
1
) 1 ( = = X P ,
4
1
3
1
4
3
) 2 ( = = = X P ,
4
1
2
1
3
2
4
3
) 3 ( = = = X P ,
4
1
1
2
1
3
2
4
3
) 4 ( = = = X P

Por lo tanto, la funcin de probabilidad de X es posible escribirla de la siguiente forma:
1
( ) ( ) ; 1, 2, 3, 4
4
X
p x P X x x = = = =
ii) Calcule ) 2 ( > X P .
| |
( 2) 1 ( 2)
1 ( 1) ( 2)
1 1
1 0, 5
4 4
P X P X
P X P X
> = s
= = + =
(
= + =
(


iii) Calcule ) 1 ( s X P .
4
1
) 1 ( ) 1 ( = = = s X P X P
Ejemplo: Si se lanzan 2 dados y X es la suma de sus caras

X= Suma de las caras Pares P(X=x
i
)
P(Xx
i
)
2 (1,1) 1/36 1/36
3 (1,2), (2,1) 2/36 3/36
4 (1,3), (2,2), (3,1) 3/36 6/36
5 (1,4), (2,3), (3,2), (4,1) 4/36 10/36
6 (1,5), (2,4), (3,3), (4,2), (5,1) 5/36 15/36
7 (1,6), (2,5), (3,4), (4,3), (5,2), (6,1) 6/36 21/36
8 (2,6), (3,5), (4,4), (5,3), (6,2) 5/36 26/36
9 (3,6), (4,5), (5,4), (6,3) 4/36 30/36
10 (4,6), (5,5), (6,4) 3/36 3/363
11 (5,6), (6,5) 2/36 35/36
12 (6,6) 1/36 36/36

Ejemplo: Suponga que la calidad de los artculos que salen de una lnea de produccin es
independiente una de otra y se clasifican como defectuosos (D) o no defectuosos (N). Si se eligen
tres artculos al azar, sabiendo que la probabilidad de un artculo sea defectuoso es 0,2. El espacio
muestral asociado es:
; ; ; ;
; ; ;
DDD DDN DND NDD
S
NND NDN DNN NNN

=
`
)

Si X es el nmero de artculos defectuosos la funcin de distribucin de probabilidades es:
( 0) 0,8 0,8 0,8 0, 512 ( 1) 3 0, 2 0,8 0,8 0, 384
( 2) 3 0, 2 0, 2 0,8 0, 096 ( 3) 0, 2 0, 2 0, 2 0, 008
P X P X
P X P X
= = = = = =
= = = = = =


Estadstica I
Prof. Edmundo Pea Rozas
07/05/2013
4


Funcin de Distribucin Acumulada

Para una variable aleatoria discreta X, se define la Funcin de Distribucin Acumulada como:
( ) ( ),
X
F t P X t t = s e9
( ) ( )
X
x t
F t P X x t
s
= = e9

Observaciones:
i)
X
F es no decreciente.
ii) lim ( ) 0
X
t
F t

= , y lim ( ) 1
X
t
F t

=

Ejemplo: Para la siguiente distribucin de Probabilidad, encontrar la funcin de distribucin
acumulada de la variable aleatoria X:

Para 2, ( ) 0
X
t F t < =
Para
1 1
2 3, ( ) 0
4 4
X
t F t s < = + =
Para
1 1 3
3 4, ( ) 0
4 2 4
X
t F t s < = + + =
Para
1 1 1
4, ( ) 0 1
4 2 4
X
t F t > = + + + =
En resumen la funcin de distribucin acumulada para la variable aleatoria X queda definida de la
siguiente forma:
0, 2
1/ 4, 2 3
( )
3/ 4, 3 4
1, 4
X
t
t
F t
t
t
<

s s

=

s s

>

,

la cual se puede representar grficamente:




Esperanza

Se ha visto que una variable aleatoria puede caracterizarse a partir de su funcin de probabilidad o
densidad, o de su funcin de distribucin acumulada. Cabe sealar que tambin es posible obtener
constantes que permiten hacerse una idea rpida acerca de una variable aleatoria. Una de esas
constantes es la Esperanza, o Valor Esperado, y se denota por [ ] E X o
X
.
Estadstica I
Prof. Edmundo Pea Rozas
07/05/2013
5

La Esperanza de X se define como:
( ) [ ]
X
x R
E X xP X x
e
= =

Propiedades:

| | | |
| | | |
[ ] E k k
E kX k E X
E kX C k E X C
=
=
+ = +



Ejemplo: Calcule el valor esperado de la variable aleatoria cuya distribucin de probabilidad est
dada por:

1 1 1
[ ] 2 3 4 3
4 2 4
E X = + + =
Varianza

La varianza de una variable aleatoria X se denota por
2
X
o o ( ) Var X o V [X], y se define por:
( )
2
2
X X
E X o
(
=


Para su clculo, puede resultar ms prctico usar la siguiente expresin:
| | | | | | ( )
2 2
2
V X E X E X E X E X
(
( = =




La varianza presenta las siguientes propiedades:
| | | |
| | | |
2
2
[ ] 0 V k
V kX k V X
V kX C k V X
=
=
+ =



Ejemplo: Encuentre la varianza de la variable aleatoria X, cuya distribucin de probabilidad est
definida por:

Como se calcul anteriormente:
1 1 1
[ ] 2 3 4 3
4 2 4
E X = + + = , y
2 2 2 2
1 1 1 19
[ ] 2 3 4
4 2 4 2
E X = + + =
Ahora
| | ( ) ( )
2 2
2 2
19
3 0, 5
2
X
E X E X o ( = = =




Estadstica I
Prof. Edmundo Pea Rozas
07/05/2013
6
Variables Aleatorias Continuas

Si X es una v.a. continua, entonces existe una funcin f llamada Funcin de densidad de
probabilidad (f.d.p.) de X, que satisface las siguientes propiedades:
i) ( ) x x f
X
> , 0
ii) ( ) 1 =
}

dx x f
X

iii) Para valores a y b cualquiera, tal que < < < b a , ( )
}
= s s
b
a
X
dx x f b X a P ) (
Ejemplo: Se sabe que la concentracin diaria de cierto contaminante en el aire, tiene funcin de
densidad:
( ) 0 ,
2 /
> =

x ce x f
x
X

Cuando la concentracin excede los 6mg/litro, la autoridad debe decretar estado de emergencia
ambiental. Calcule la probabilidad de que se produzca esta situacin.

Desarrollo:
En primer lugar, se debe encontrar el valor de la constante c, de forma que ( ) x f
X
corresponda
realmente a una fdp. Para ello, se observa que para cualquier 0 > c , ( ) x x f
X
> 0 . Ahora, debe
cumplirse que ( ) 1 =
}

dx x f
X
. Por lo tanto:
( ) 1 1
0
2 /
= =
} }

dx ce dx x f
x
X
. Resolviendo, se obtiene finalmente que 2 / 1 = c .

Entonces, la funcin de densidad de probabilidad para esta variable aleatoria est definida por:
( ) 0 ,
2
1
2 /
> =

x e x f
x
X

Ahora, para calcular la probabilidad de que la un da la autoridad deba decretar emergencia
ambiental, es equivalente a calcular ) 6 ( > X P , es decir:
0498 , 0
2
1
) 6 (
6
2 /
~ = >
}

dx e X P
x

Tambin, probabilidad anterior pudo haberse planteado de la siguiente forma:
6
/ 2
0
( 6) 1 ( 6)
1
1
2
0, 0498
x
P X P X
e dx

> = s
=
~
}

Ejemplo: Un estudiante toma un bus para ir a la Universidad. Este bus pasa cada 5 minutos. El
estudiante no sale todos los das a la misma hora, por lo que el tiempo de espera puede ser
considerado como una variable aleatoria X, en el intervalo [0,5] minutos. Se ha encontrado la
siguiente funcin de densidad para X:
( )

s s
=
c o e
x
x f
X
. . , 0
5 0 ,
5
1


Estadstica I
Prof. Edmundo Pea Rozas
07/05/2013
7
a) Verificar que se trata de una funcin de densidad
b) Calcule la probabilidad de que el tiempo de espera est entre 2 y 3 minutos
c) Calcule la probabilidad de que el tiempo de espera sea superior a 4 minutos.

Desarrollo:
a) Es efectivamente una fdp, ya que ( ) x x f
X
> 0 , y adems
( )
} }
= =

5
0
1
5
1
dx dx x f
X

b) Se pide calcular:
( ) 2 , 0
5
1
) 3 2 (
3
2
3
2
} }
= = = s s dx dx x f X P
X

c) Se pide calcular
( ) 2 , 0
5
1
) 4 (
5
4 4
} }
= = = >

dx dx x f X P
X


Ejemplo: Sea X una variable aleatoria continua con funcin de densidad
( )
2
( ) 1 12 f x x = + , si
0x3. Encuentre la probabilidad de que X sea menor o igual a dos, sabiendo que x se encuentra
entre 1 y 2,5.

Claramente se trata de una probabilidad condicional de la forma:
( ) 2 | 1 2, 5 P X X s s s
Aplicando la definicin de probabilidad condicional, se tiene que:
( )
( )
( )
( )
( )
2
2
1
2,5
2
1
1 2
2 | 1 2, 5
1 2, 5
1 12
1 12
5
80
18
17
153
32
P X
P X X
P X
x dx
x dx
s s
s s s =
s s
+
=
+
= =
}
}


Funcin de Distribucin Acumulada

Si X es una variable aleatoria continua, entonces:
( ) ( ) ,
t
X X
F t f x dx t

= e9
}

Observaciones:
i)
X
F es no decreciente.
ii) lim ( ) 0
X
t
F t

= , y lim ( ) 1
X
t
F t

=



Estadstica I
Prof. Edmundo Pea Rozas
07/05/2013
8
Ejemplo: Sea una variable aleatoria X, con funcin de densidad de probabilidad definida por:
2 , 0 1
( )
0, . .
X
x x
f x
e o c
s s
=

Encuentre la funcin de distribucin acumulada.

Desarrollo:

Aplicando la definicin, se tiene:
Para 0, ( ) ( ) 0 0
t t
X X
t F t f x dx dx

< = = =
} }

Para
0
2
0
0 1, ( ) ( ) 0 2
t t
X X
t F t f x dx dx xdx t

s s = = + =
} } }

Para
0 1
0 1
1, ( ) ( ) 0 2 0 1
t t
X X
t F t f x dx dx xdx dx

> = = + + =
} } } }

Por lo tanto, la funcin de distribucin acumulada para la variable aleatoria est definida por:
2
0, 0
( ) , 0 1
1, 1
X
t
F t t t
t
<

= s s

>

Esperanza de una Variable Aleatoria

Sea X una variable aleatoria continua, la esperanza de X se define como:
[ ] ( )
X
E X xf x dx

=
}


Ejemplo: Calcule el valor esperado de la variable aleatoria cuya funcin de densidad est dada por:
( ) 0 ,
2
1
2 /
> =

x e x f
x
X

Solucin:
/ 2
0
1
[ ] ( ) 2
2
x
X
E X xf x dx x e dx

= = =
} }


Ejemplo: Calcular el valor esperado de una variable aleatoria cuya funcin de densidad est dada
por:
( )

s s
=
c o e
x
x f
X
. . , 0
5 0 ,
5
1

5
0
1
[ ] ( ) 2, 5
5
X
E X xf x dx x dx

= = =
} }


Si se tiene que Y=H(X)=3X
2
+1, calcule la esperanza de H(X).

Estadstica I
Prof. Edmundo Pea Rozas
07/05/2013
9
2
2
2
[ ( )] [3 1]
[3 ] [1]
3 [ ] [1]
E H X E X
E X E
E X E
= +
= +
= +

Donde
5
2 2 2
0
1 25
[ ] ( )
5 3
X
E X x f x dx x dx

= = =
} }
.
Por lo tanto, volviendo a la expresin anterior:
2
25
[ ( )] 3 [ ] [1] 3 1 26
3
E H X E X E = + = + = .

Varianza

| | | | | | ( )
2 2
2
V X E X E X E X E X
(
( = =





Ejemplo: Calcular la varianza de una variable aleatoria X, cuya funcin de densidad est dada por:
( )

s s
=
c o e
x
x f
X
. . , 0
5 0 ,
5
1

Solucin:
5
0
1
[ ] ( ) 2, 5
5
X
E X xf x dx x dx

= = =
} }
y
5
2 2 2
0
1 25
[ ] ( )
5 3
X
E X x f x dx x dx

= = =
} }

Entonces:
| | ( ) ( )
2 2
2 2
25 25
2, 5
3 12
X
E X E X o ( = = =






REFERENCIAS BIBLIOGRFICAS

- Meyer, P., (1992), Probabilidad y Aplicaciones Estadsticas, 2 ed., Wilmington: Addison-Wesley
Iberoamericana S.A.
- Walpole R., Myers R., Myers S. (1999), Probabilidad y Estadstica para Ingenieros, 6 ed., Mxico:
Pearson Educacin.
- Webster, A., (2000), Estadstica Aplicada a la Economa y los Negocios, 3ed., Bogot: McGraw-
Hill