ESTADÍSTICA APLICADA

Sesión 1: Variable Aleatoria

Mg. Ing. Luis Sakibaru Mauricio

1
 Variable Aleatoria
Cualquier variable cuantitativa cuyo valor numérico sea determinado por
un experimento aleatorio y por lo tanto al azar se denomina variable
aleatoria. El nombre de la variable se designa como X y cualquiera de sus
posibles valores que puede tomar la variable se simboliza por x.
Las variables aleatorias pueden ser clasificadas como discretas o
continuas:
Es discreta si tiene un rango finito o infinito numerable.
Es continua si tiene un rango que contiene un intervalo de número reales.

2
VARIABLE
ALEATORIA
DISCRETA

3
 Variable aleatoria discreta

Sí el conjunto de todos los valores posibles de una variable aleatoria es

contable como: 0,1,2,3,4,5,6,................ se dice que la variable aleatoria X es
discreta.

Distribución de probabilidad:
1. La probabilidad de un resultado específico debe estar siempre entre 0 y 1.
0  P( x )  1
2. La suma de las probabilidades de todos los resultados mutuamente
excluyentes es igual a 1.
n

 p( X = x )
i =1
i = 1

Función de distribución:
La función de distribución está definida como la probabilidad de
que la variable aleatoria X tome un valor inferior o igual a x, es
decir:
F(x) = P(X ≤ x)
4
Medidas resumen para las distribuciones de
probabilidad
Media aritmética o valor esperado de una variable aleatoria
Se calcula ponderando cada uno de los valores posibles de la variable
aleatoria por su probabilidad asociada. Esta medida de la variable aleatoria X
se simboliza por y también recibe el nombre de Valor Esperado, E(X), de la
variable aleatoria.
Fórmula:
m
 x = E ( X ) =  xi p( X = xi )
i =0

Donde: i = 1,2,3,.......m

5
PROPIEDADES DEL VALOR ESPERADO DE UNA
VARIABLE ALEATORIA

1. Si X = c donde c es una constante. Entonces

E(X) = c

2. Supongamos que c es una constante y X es una variable aleatoria

entonces:
E(cX) = c E(X)

3. Sean X , Y dos variables aleatorias cualesquiera. Entonces:

E(X + Y) = E(X) + E(Y)

4. Si X, Y son variables aleatorias independientes. Entonces:

E(XY) = E(X). E(Y)

6
Varianza de una variable aleatoria

La varianza de una variable aleatoria X discreta se denota por Var(X)

o por la letra griega .
Se define como:  x2

m
 =  ( xi −  x ) 2 p( xi )
2
x
i =0

7
PROPIEDADES DE LA VARIANZA DE UNA VARIABLE ALEATORIA

1. Var(X) 0 cualquiera sea la distribución

Si c es una constante. Entonces
Var( c ) = 0

2. Si c es una constante. Entonces

Var(X + c) = Var(X)

3. Si c es una constante. Entonces

Var (c X) = C2 Var(X)

4. Si X e Y son variables aleatorias independientes. Entonces:

Var ( X + Y) = Var(X) + Var(Y)

8
Desviación estándar de una variable aleatoria
La desviación estándar de la distribución de probabilidad de la variable
aleatoria X es la raíz cuadrada de la varianza.
Se define como:

x =  x2

9
Ejemplo 1:
Una biblioteca que cuenta con un total de 4270 libros, clasifica estos libros
según el número de hojas deterioradas.
Se define la variable aleatoria como: X: Número de hojas deterioradas
encontradas en un libro.

10
En la siguiente tabla se presentan las
Número de Número de
frecuencias encontradas según el número hojas libros
de hojas deterioradas. deterioradas fi
Realice lo siguiente: 0 1394
1) Elabore la tabla de distribución de 1 1369
probabilidad.
a) ¿Cuál es la probabilidad de que 2 803
un libro seleccionado
3 357
aleatoriamente contenga
exactamente 4 hojas 4 201
deterioradas.
5 71
b) ¿Cuál es la probabilidad de que
un libro seleccionado 6 36
aleatoriamente a lo más
contenga dos hojas 7 18
deterioradas? 8 9
c) ¿Cuál es la probabilidad de que
un libro seleccionado 9 5
aleatoriamente tenga entre 4 y 7 10 3
hojas deterioradas.
2) Calcule el valor esperado. 11 3
3) Calcule la varianza. 12 1
4) Calcule la desviación estándar.
Total 4270
11
 Solución:
1.Tabla de distribución de probabilidad Función de
Número de Número de Probabilidad Probabilidad distribución
hojas libros Puntual Acumulada
deterioradas fi P(X = xi) P(X ≤ xi)

0 1394 0.3265 0.3265

1 1369 0.3206 0.6471
2 803
0.1881 0.8351
3 357 0.0836 0.9187
4 201 0.0471 0.9658
5 71 0.0166 0.9824
6 36 0.0084 0.9909
7 18 0.0042 0.9951
8 9 0.0021 0.9972
9 5 0.0012 0.9984
10 3 0.0007 0.9991
11 3 0.0007 0.9998
12 1 0.0002 1.0000
Total 4270 1.000
12
Continuando con el ejemplo 1
2. Calcule la Media Aritmética:
Realizando operaciones tenemos: Rango de X P(X = x) Xi.p(X=x)
(1) (2) (1)x(2)
0 0.3265 0.0000
1 0.3206 0.3206
2 0.1881 0.3761
3 0.0836 0.2508
12 4 0.0471 0.1883
 x = E ( X ) =  xi p( X = xi ) 5 0.0166 0.0831
i =0
6 0.0084 0.0506
7 0.0042 0.0295
8 0.0021 0.0169
9 0.0012 0.0105
10 0.0007 0.0070
11 0.0007 0.0077
12 0.0002 0.0028

1.3440

Reemplazando valores en la fórmula tenemos:

12
 x = E ( X ) =  xi p( X = xi ) = 1.3440
i =0

13
Continuando con el ejemplo 1:
3. Calcule la Varianza:

xi −  x ( xi −  x ) 2 ( xi −  x ) 2 P ( X = x )
Rango de X P(X = x)
(1) (2) (3) (4) (4) x (2)
0 0.3265 -1.3440 1.8064 0.5897
1 0.3206 -0.3440 0.1184 0.0379
2 0.1881 0.6560 0.4303 0.0809
3 0.0836 1.6560 2.7422 0.2293
4 0.0471 2.6560 7.0542 0.3321
5 0.0166 3.6560 13.3661 0.2222
6 0.0084 4.6560 21.6781 0.1828
7 0.0042 5.6560 31.9900 0.1349
8 0.0021 6.6560 44.3020 0.0934
9 0.0012 7.6560 58.6139 0.0686
10 0.0007 8.6560 74.9258 0.0526
11 0.0007 9.6560 93.2378 0.0655
12 0.0002 10.6560 113.5497 0.0266
2.1165

Reemplazando valores en la fórmula tenemos:

12 4. Desviación estándar:
 =  ( xi −  x ) p( xi ) = 2.1165
2
x
2

i =0 x =  x2 = 2.1165 = 1.4548
14