VARIABLES ALEATORIAS

TEMA 5
Variables aleatorias

Resumen de contenidos
Concepto de variable aleatoria. Funcin de distribucin. Caso discreto.
Funcin de probabilidad. Esperanza. Varianza. Momentos. Caso continuo.
Funcin de densidad. Esperanza. Varianza. Momentos. Funcin
generatriz. Propiedades de la esperanza y la varianza. Transformaciones

Se estudian las variables aleatorias tanto en el caso discreto como en el

caso continuo. Especial inters tienen los conceptos de funcin de
distribucin, funcin de probabilidad, funcin de densidad, esperanza,
varianza y funcin generatriz de momentos.

DEFINICIN Y EJEMPLOS
Variable aleatoria
En los fenmenos de naturaleza aleatoria existen determinadas
caractersticas de inters que reciben la denominacin de variables
aleatorias. En general, son medidas que se establecen sobre cada suceso
observado. A falta de una definicin ms rigurosa, podemos indicar que
una variable aleatoria X es una aplicacin:
: ,
de forma que ,

Se observa que la definicin de p se hace, a travs de

probabilidad P definida sobre .

, a partir de la

Ejemplo
Al lanzar un dado cbico equilibrado dos veces, estamos interesados en la
suma de las puntuaciones observadas en las caras superiores. En este
caso, la variable X toma los valores: 2,3,4,5,2,7,8,9,10,11,12
En este caso,

, | , 1, , 6 .

FUNCIN DE DISTRIBUCIN
Obtenemos:
2
1
36

3
2
36

4
3
36

5
4
36

6
5
36

7
6
36

8
5
36

9
4
36

10
3
36

11
2
36

Ya que, por ejemplo:

4

3
36

1,3 , 2,2 , 3,1

Funcin de distribucin
A toda variable aleatoria X se le asocia una funcin de distribucin:
:
tal que ,

0,1

y verificando:

0,
1
2) F es montona no decreciente: Si
3) F es continua por la derecha:lim

12
1
36

EJEMPLO
Ejemplo
Al lanzar una moneda equilibrada dos veces, nos interesamos por el
nmero de caras obtenidas. La correspondiente variable, X, toma los
valores 0, 1 y 2. Las probabilidades asignadas aparecen a continuacin:
0
1
4

0,
1
,
4
3
,
4
1,

0,1
1,2

1
2
4

2
1
4

1
4
1
3
4
1
4

.
.
.

PRBABILIDADES DE INTERVALOS
Una variable aleatoria transforma sucesos en subconjuntos de nmeros
reales (medidas). En consecuencia, el fenmeno aleatorio adquiere una
expresin numrica que, por las propiedades conocidas de los nmeros
reales, resulta ms manejable.
Por tanto, las probabilidades de los sucesos se expresan en probabilidades
de subconjuntos de R. Es importante, entonces, saber calcular
probabilidades de subconjuntos de R.
Al ser
,
, podemos utilizar la funcin de distribucin para
calcular las probabilidades de los intervalos de R:
,
,
,
,
lim

Como

En consecuencia, a travs de X, los nmeros reales que tienen probabilidad

positiva son los que corresponden a puntos de discontinuidad de F.

EJEMPLOS
Para el caso anterior:
0,
1
,
4
3
,
4
1,

0,1
1,2

1 3
,
2 2

3
2

1,2

0,1

1
5
4

1
5
4

1
2
1
0
1
5
4

1
2
3
4
1
4
1
2
0

VARIABLES ALEATORIAS DISCRETAS

Una variable aleatoria es discreta si su funcin de distribucin es
escalonada con un nmero finito o numerable de saltos.
Esto se puede traducir en que una variable aleatoria es discreta si el
conjunto de puntos con probabilidad positiva es finito o numerable.
Ejemplos
1)

2)

0,1,2,3, ,

1
1
5

2
1
5

0,1,2,3,

3
1
5

4
1
5

5
1
5

VARIABLES ALEATORIAS DISCRETAS

Caractersticas de las variables aleatorias discretas
Funcin de probabilidad
Una variable aleatoria discreta queda determinada por su funcin de
probabilidad o funcin de masa. Como ocurre en los ejemplos anteriores,
dicha funcin indica cules son las probabilidades asociadas a los distintos
valores que toma la variable.
La funcin de probabilidad debe verificar:
a
0,
b
1
Esperanza
Si X es una variable discreta que toma los valores
, para , con I

discreto o numerable,
.
La esperanza es una medida de centralizacin.Toma un valor dentro del
rango de variacin de la variable.
Para el ejemplo 1 de la diapositiva anterior,
Para el ejemplo 2 de la diapositiva anterior:
2
3

1
3

2
3

2
13
31
9

3.

VARIABLES ALEATORIAS DISCRETAS

Varianza
Si X es una variable discreta que toma los valores

o numerable,
.

.
Alternativamente,

, para , con I discreto

La varianza es una medida de dispersin de los valores de la variable

respecto al valor de la esperanza.
Para el ejemplo 1 anterior,
Para el ejemplo 2 anterior,

9
4

Desviacin Tpica
Es la raz cuadrada de la varianza. Se nota por .
Momentos
El momento de orden k respecto al origen es:

La esperanza es el momento de orden 1 respecto al origen.

VARIABLES ALEATORIAS DISCRETAS

El momento de orden k respecto a la media es:

La varianza es el momento de orden 2 respecto a la media.

VARIABLES ALEATORIAS COTINUAS

Una variable aleatoria es continua si su funcin de distribucin es continua.
Prescindiendo de ser ms rigurosos, podemos indicar que las variables
aleatorias continuas estn caracterizadas por una funcin de densidad. La
funcin de densidad, : , viene a desempear el papel de la funcin de
probabilidad del caso discreto y debe verificar las propiedades:

0,
1

En la misma lnea de planteamiento, indicaremos que la relacin existente

entre la funcin de distribucin y la funcin de densidad es:

Suponiendo que f tiene las propiedades adecuadas, se verifica que

Adems, la probabilidad de un determinado subconjunto A de R se puede

calcular de la forma:

VARIABLES ALEATORIAS COTINUAS

Ejemplo
Sea X la variable aleatoria que toma valores, con igual probabilidad, en el
intervalo
, .
Claramente, su funcin de distribucin es:
0,

,
1,

La funcin de distribucin es continua.

Su funcin de densidad es:
0,

,
0,

Habitualmente se escribe la funcin de densidad slo para el conjunto donde

toma valores distintos de cero.
Para el caso anterior, basta con escribir:
1
, ,

VARIABLES ALEATORIAS COTINUAS

Dada una variable aleatoria continua X con funcin de densidad
definimos:
Esperanza

Varianza

Momentos
El momento de orden k respecto al origen es:

El momento de orden k respecto a la media (esperanza) es:

Es obvio que

VARIABLES ALEATORIAS COTINUAS

Ejemplo
Si X una variable aleatoria continua cuya funcin de densidad es:
3

3
3

0
1
,
3
,

PROPIEDADES
Si h es una funcin, el trabajo previo sugiere que:

En el caso discreto bastar cambiar integral por sumatorio y funcin de

densidad por funcin de probabilidad.
Funcin generatriz de momentos
En el caso particular en que
, siendo t un parmetro real,
definimos
como la funcin generatriz de momentos de X.
En el caso de que existan, las sucesivas derivadas de g en
los respectivos momentos de X respecto al origen.

0 determinan

Ejemplo
Si X una variable aleatoria continua cuya funcin de densidad es:
3
,
0
3

1
3

2
9

PROPIEDADES
Dadas una variable aleatoria X y una constante K, para la esperanza y la
varianza se tiene que:
. .

. .

Ejemplo
Si X una variable aleatoria continua cuya funcin de densidad es:
4

Para
4
3

. .

1
144
1
12

1
,
12

TRANSFORMACIONES
Dada una variable X, puede resultar de inters la variable aleatoria
,
siendo h una transformacin o funcin de X. Casos particulares de estas
transformaciones ya han sido utilizados en el clculo de la varianzas, en el
clculo de los momentos y en la determinacin de la funcin generatriz.
Podra interesarnos, no obstante, encontrar la funcin de distribucin, la
funcin de probabilidad, la funcin de densidad, de la variable
Ejemplo
Sea X la variable discreta con funcin de masa:

La variable

1/5

2/5

1/5

1/5

tiene funcin de masa:

27

64

1/5

2/5

1/5

1/5

TRANSFORMACIONES
Ejemplo
Dada X, variable aleatoria continua cuya funcin de densidad es:
4
,
0
determinar la funcin de densidad de
3
2
Si F es la funcin de distribucin de X y G es la funcin de distribucin de Y
3

Por tanto, la funcin de densidad de Y es:

1
4
2

3
3
3