UNIVERSIDAD NACIONAL DE TRUJILLO

VARIABLE ALEATORIA
DRA. MARÍA T. ROJAS GARCÍA

Una variable aleatoria es un valor numérico que corresponde a un

resultado de un experimento aleatorio.

Algunos ejemplos son:

número de análisis al día que se realiza en un laboratorio
número de llamadas que recibe un teléfono durante una hora
tiempo de solución de reactivos.
tiempo de sedimentación etc.
Número de productos defectuosos.

Definición de variable aleatoria

Sea (Ω, ℘(Ω), P ) un espacio probabilístico. Una función real

X:Ω→ R
s → X(s)
es una variable aleatoria, transforma los resultados del espacio
muestral en números reales.

Clasificación.

Las variables aleatorias se clasifican en:

- Discretas: toman un número finito o infinito numerable de

valores. Por ejemplo, número de productos defectuosos al
elegir dos productos industriales al azar de un lote.
Ω = {(N,N), (D,N), (N,D), (D,D)}
X =Número de productos agrícolas defectuosos, es una variable
aleatoria que toma valores 0, 1, 2, y cada uno de ellos ocurrirá
con una probabilidad.
X: Ω→ R
(N,N) 0 1/4
(D,N)(N,D) 1 2/4
(D,D) 2 1/4
- Continuas: pueden tomar cualquier valor en R. Por ejemplo
* tiempo de procesamiento.
* temperatura
* producción

Propiedades.
Si X es v.a. ; Y es v.a. ; K = cte. Entonces se tiene que:
1. X + Y es v.a.
2. X – Y es v.a.
3. X*Y es v.a.
4. K*X es v.a.
5. X/Y es v.a.
2 2
6. X , Y es v.a.

VARIABLE ALEATORIA DISCRETA

Cuando los valores que toma una variable aleatoria (v.a.) son
finitos o infinitos numerables se dice que es discreta.

Distribución de Probabilidad f(x)

Sea { x1 , x2 , ..., xn } los valores que puede tomar la variable

aleatoria X. Se denomina distribución de probabilidad f(x) a la
función que indica la probabilidad de cada posible valor de la
v.a. X, que cumple:
(i) 0 ≤ f(xi) ≤ 1
(ii) ∑ f(xi) ≤ 1

En el ejemplo de elegir dos productos industriales y

observar el número de defectuosos

¼ si X = 0
f(X) = ½ si X = 1
¼ Si X = 2
0 en otro valor de X
 Gráfica: Función de Cuantía

p(xi)

1/2

1/4

0 1 2 xi

Función de Distribución F(x)

La función de distribución Fx ( x ) de una variable aleatoria X se

define para todo número real x como:
Fx ( x ) = P ( X ≤ x ) = ∑ P (xi)

Se representa por Fx (X)

Se tiene interés por calcular la probabilidad para varios
puntos
Cumple con las siguientes propiedades:
1. Es una función no decreciente y tiene la forma de
escalera
2. 0 ≤ Fx (x) ≤ 1
3. P(a ≤ X ≤ b) = P( X ≤ b) -- P( X < a)
4. P(a < X < b) = P( X < b) -- P( X ≤ a)
5. P(a ≤ X < b) = P( X < b) -- P( X < a)
6. P( X > a) = 1 -- P( X ≤ a)
7. P( X ≥ a) = 1 -- P( X < a)

Ejemplo:En el ejemplo de elegir dos productos agrícolas

y observar el número de defectuosos

0 si X<0
¼ si 0 ≤ X<1
F x (X) = ¾ si 1 ≤ X< 2
1 si X≥2
 Gráfica de la Función de Distribución

-∞ a b ∞ x

Propiedades de la Función de Densidad


1. f(X) ≥ 0 2. P   x     f ( x)dx  1


3. Para todo a,b ε Rx con a < b

Pa  x  b   f ( x)dx
b

a
4. P( X= x0) = 0

5. Si X es una v.a. se tiene:

P ( a ≤ X ≤ b) = P ( a ≤ X < b)= P ( a < X ≤ b) = P ( a < X < b)

Función de Distribución F(X)

F ( x)  P X  x   f ( x)dx
x

 para todo x ε Rx
0.25

f(x)
0.20

0.15

0.10

0.05

0.00
1

10

11

12

13

14

15

a b x

PROPIEDADES:

7.

dF ( x) 𝑋
7.  f ( x) ; F(X) = ∫0 𝑓( (𝑡)𝑑𝑡
dx
CARACTERÍSTICAS DE LA VARIABLE ALEATORIA DISCRETA

1. Esperanza Matemática ( Valor Esperado) µx

Se define esperanza o media de una variable aleatoria discreta X y
se representa por E[X] o µx al valor

E[X ]= ∑ x P(X= x)

Propiedades:

1. E(k) =K ; k = constante
2. E(kX) = K E(x) ; k = constante
3. E(X + k) = E(x) + k ; k = constante
4. E(cX + k) =c E(x) + k ; k = constante ; c= cte y c≠k
5. E(cX + k) =c E(x) + k ; k = constante ; c= cte y c≠k
6. E(X ± y) = E(x) ± E(y) ; x, y son v.a. independientes
2. Varianza Matemática: V(x) o σ2x

Se define como: V(X) = E [ X – E(X) ]2

El cálculo de la varianza de una variable aleatoria se simplifica

notablemente utilizando la siguiente fórmula:

Var(X) = E(X2) – [ E(X)]2

Propiedades: Si x e Y son variables aleatorias y K es una constante:

1) Var(K) = 0

2) Var(X + K) = Var(X)

3) Var(KX) = K2 Var(X)

4) Si X e Y son variables aleatorias independientes,

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

5) Si X1; X2;…..; Xn son variables aleatorias independientes,

Var(∑ Xi) = ∑ Var(Xi)

Ejemplo 1

En un lote de producción se tiene varios insecticidas, de los cuales algunos están

por vencer. Si se eligen tres insecticidas al azar para su control de calidad y se
observa el número de insecticidas por vencer.

a) Determine la función de probabilidad y graficarla

b) Construya la Función de Distribución y graficarla
c) Halle las probabilidades siguientes:
i) P(x <1) ii) P( 0 ≤x ≤2) iii) P( 0 < x <3)
iV) P(por lo menos dos insecticidas están por vencer)
d) Halle E( 3x + 2) e) Halle V(4x - 3 )

Ejercicio 2

Diga si las afirmaciones siguientes son correctas

a) Las probabilidades de que ocurra uno, dos o más accidentes al

año en una Empresa Industrial es 0.80 ,0.30 , 0.80
b) Un agente de productos químicos dice que la probabilidad de que
el precio de ciertos insumos químicos suba es de 0.48 y de que no
varíe el precio de 0.52.

Ejercicio 3

La v.a. x, tiene una función de probabilidad de la forma siguiente ,

donde k es un número

k si x=0 a) Halle el valor de K

f(x) = 2k si x = 1 b ) Halle F(x) y graficarla

i) 3k si x = 2 c) P(x <2) ; P( x ≤2) ; P( 0 < x ≤3)

0 en otro caso d) Hale E(4x -3) e) Halle la varianza

 Ejercicio 4

Un Ingeniero Industrial de elegir entre dos proyectos de inversión. El

primero promete una ganancia de $ 240mil, con una probabilidad de 0.75
o una pérdida de $60 mil debido a ciertos problemas con probabilidad de
0.25; el segundo proyecto promete una ganancia de $380 mil, con una
probabilidad de 0.50 o una pérdida de $90 con probabilidad de 0.50 mil
debido a ciertos problemas ¿Cuál de los dos proyectos de investigación
debería de elegir el Ing. Industrial si quiere maximizar su ganancia
esperada?

Ejercicio 5:

La presencia de productos defectuosos en lotes de espárragos está

caracterizado por la función de probabilidad siguiente:

f(x) = k x2 /16 si x = 1 , 2 , 3 , 4 , 5

0 en otro caso

a) Halle el valor de K
b) Halle P(2 < x < 5)
c) Halle P(x > 2)
d) Calcule el valor esperado de presencia de productos defectuosos en
lotes de esparrago
e) Calcule la varianza de la presencia de productos defectuosos en lotes
de esparrago

Ejercicio 6

Se tiene los resultados de preferencia del sabor de yogurt de clientes,

de las cuales 15 prefieren sabor de durazno y 35 clientes prefieren
sabor de fresa. Si se eligen tres clientes y se observa si prefieren
sabor de frresa.

a) Halle fincion de probbilidad f(x) y graficarla b) Halle F(x) y

graficarla
b) Halle P(o < x <2) ; P( x ≤1) ; P( 1 < x ≤3)
c) Halle la esperanza y la varianza.
Ejercicio:

con x  0,6. Comprueba que es una función de densidad y calcula

x
Sea f ( x) 
18
p(2  x  5)

Solución:

6 x
Para que sea función de densidad 
0 18
dx tiene que valer 1. Veamos:

6
6 x 1  x2  1  36 
0 18 18  2   18  2  0   1
dx 
0

5
5 x 1  x2  1  25 4  21 7
p(2  x  5)   dx        
2 18 18  2  2 18  2 2  36 12

Función de distribución.

Como en el caso de la v.a. discreta, la función de distribución proporciona la

probabilidad acumulada hasta un determinado valor de la variable, es decir,
F ( x)  p ( X  x) .

Cumple las siguientes condiciones:

 Su valor es cero para todos los puntos situados a la izquierda del menor valor
de la variable.
 Su valor es 1 para todos los puntos situados a la derecha del mayor valor de
la variable.

Media y varianza de una v.a. continua.

Existe cierta correspondencia entre la variable aleatoria discreta y la continua:

 Variable aleatoria discreta Variable aleatoria continua

   xi . p i b
   x. f ( x).dx
a

 2   xi2 pi   2 b
 2   x 2 f ( x)dx   2
a

Lo que es  pasa a ser  y lo que es p i pasa a ser f (x)

Ejercicio 1.

La función de densidad de una v.a. continua viene definida por :

2 x si 0  x  1
f ( x)  
0 en el resto

a) Halla la función de distribución.

b) Calcula la media y la varianza.

Solución:

a) La función de distribución se obtiene integrando la función de densidad, es decir,

A la izquierda de 0, su valor 0.

A la derecha de 1, su valor es 1
x
Entre 0 y 1: F ( x)  p( X  x)   2 xdx  x 2
0

0
x
 x2

0 si x  0

es decir, F ( x)  x 2 si 0  x  1
1 para x  1

 b 1 2
b) Cálculo de la media:    x. f ( x).dx   x.2 x.dx 
a 0 3
b 1 4 1
Cálculo de la varianza:  2   x 2 f ( x)dx   2   x 2 .2 x.dx  
a 0 9 18

Ejercicio 2.

Calcula la media, la varianza y la desviación típica de una v.a. que tiene como función
x3
de densidad: f ( x)  con x  1,5
24

Solución:
5
b x3 1 5 2 1  x 3 3x 2  29
Media:    x. f ( x).dx   x. dx   ( x  3 x ) dx     
a 24 24 1 24  3 2 1 9

Varianza:
x3
2 2
b 5  29  1 5  29 
 2   x 2 f ( x)dx   2   x 2 dx      ( x 3  3x 2 )dx    
a 1 24  9  24 1
 9 

5
1  x4 3
2
 29  104
   x      1,28 .
24  4 1  9  81

Desviación típica:   1,28  1,13

Ejercicio 3.
x2 1
Sea f ( x)  con x  2,5 , una función de densidad.
36
a) Calcula su función de distribución.
b) Calcula p(3  x  4) .

Solución:
x2 1 x 3  3x  2
x
x 1 x 2 1 x3 
a) F ( x)  p( X  x)   dx   ( x  1)dx  (  x)  
2 36 36 2 36 3 2 108
 Su valor es cero para todos los puntos situados a la izquierda de 2
 Su valor es 1 para todos los puntos situados a la derecha de 5

4

4
4 x2 1 1 4 2 1  x3 1 x 3  3x  17
b) p(3  x  4)   dx   ( x  1)dx    
 x    
3 36 36 3 36  3  3 36 3  3 54