TEMA 3.
VARIABLE ALEATORIA
3.1. Introduccin.
3.1.1. Distribucin de Probabilidad de una variable
aleatoria
3.1.2. Funcin de Distribucin de una variable
aleatoria
3.2. Variable aleatoria discreta
3.2.1. Funcin masa de probabilidad de una variable
aleatoria discreta
3.2.2. Funcin de distribucin de una variable
aleatoria discreta
3.3. Variable Aleatoria Continua
3.3.1. Funcin de densidad de una variable aleatoria
continua
3.3.2. Funcin de distribucin de una variable
aleatoria continua
3.4. Caractersticas de una variable aleatoria. Esperanza
y Varianza
3.4.1. Esperanza Matemtica de una variable
aleatoria discreta
3.4.2. Esperanza Matemtica de una variable
aleatoria continua
3.4.3. Propiedades de la Esperanza
3.4.4. Esperanza Matemtica de una funcin de
variable aleatoria
3.4.5. Varianza de una variable aleatoria.
Propiedades y Ejemplos
3.5. Independencia
87
3.1. Introduccin
Necesidad de asociar a un suceso un nmero real
Definicin. Una variable aleatoria (v.a.) es una
funcin que asocia a cada resultado del espacio
muestral un nmero real
Ejemplo: Se realiza un experimento en un laboratorio
cuyo resultado puede ser positivo o negativo. Construir
el espacio muestral y dar una v.a. asociada al
experimento.
X ( Positivo ) = 1
E = {Positivo, Negativo}
X ( Negativo ) = 0
X es una variable aleatoria
Tipologa: V.a. discreta y v.a. continua
Discreta: Toma valores en un conjunto numerable
Continua: Toma valores en un conjunto infinito no
numerable
88
Sucesos y ejemplos
A un suceso experimental se le asocia un nmero real
a travs de la variable aleatoria
Ejemplo. Experimento en un laboratorio
A : el test da positivo
A = {X = 1}
B : el test da negativo
B = {X = 0}
A B : dar positivo o negativo
A B : {X = 0, X = 1} = E
Ejemplo. X : Bacterias de tipo A en una pipeta
A : nmero de bacterias entre 1000 y 1500
A = {1000 X 1500}
B : nmero de bacterias menor o igual a 1200
B = {X 1200}
89
3.1.1.
Distribucin de Probabilidad
de una variable aleatoria
La distribucin de probabilidad de una v.a. es una
funcin que asigna a cada valor posible de dicha v.a. una
probabilidad
Ejemplo. Experimento en un laboratorio
P{X = 1} = P {positivo}
Ejemplo. X : Bacterias de tipo A en una pipeta
P {1000 X 1500} = P(A)
90
3.1.2.
Funcin de Distribucin de una
variable aleatoria
Definicin. Funcin de Distribucin de una variable
aleatoria X
F (x) = P {X x}; x
Es la probabilidad de que X sea menor o igual a x
Propiedades de la Funcin de Distribucin
F es no decreciente
F continua a la derecha
F() = 0 ; F(+) = 1
91
Ejemplo. Un experimento en un laboratorio
P {X = 0} = P {X = 1} =
=P {Negativo} = P {Positivo} = 1/2
1/2
x<0
0 ;
F ( x ) = 1/ 2 ; 0 x < 1
1 ;
x 1
92
3. 2. Variable aleatoria discreta
Definicin
X es una v.a. discreta si toma valores en un conjunto
numerable {x1, x2, x3, ..., x i , ... }
3.2.1.
Funcin masa de probabilidad de
una variable aleatoria discreta
Sea X una v.a. discreta que toma los valores
x1, x2, x3, ... , x i , ...
La funcin masa de probabilidad se define como
P { X = xi } = pi 0 ;
pi = 1
i =1
i = 1, 2,...
xi
P[X = x i ] = p i
x1
x2
x3
p1
p2
p3
93
3.2.2.
Funcin de distribucin de una variable
aleatoria discreta
Sea X una v.a. discreta que toma los valores
X = x1, x2, x3, ...,x i ,
La funcin de distribucin, F(x), es la probabilidad
de que X tome valores menores o iguales a x
F ( x) = P{ X x} =
xi x
P{ X = x i } =
xi x
pi
xi
P[X = x i ] = p i
F(x i ) = F i
x1
x2
x3
p1
p2
p3
F1= p1
F2= p1+ p2
F3= p1+ p2+ p3
94
Ejemplo. Se desea realizar un estudio sobre el nmero
de cras en una camada. Sea la v.a. X :Nmero de cras
en una camada
X toma los valores x = 0, 1, 2, 3, con probabilidades
P{X=0}= 0.2; P{X=1} = 0.3; P{X=2} = 0.3; P{X=3} = 0.2
F(2.5) = P {X 2.5} =P{X = 0} + P { X = 1}
+ P {X = 2} = 0.8
1
0. 8
0. 5
0. 2
0
0
0.2
F( x ) = 0.5
0.8
;
x<0
; 0 x <1
; 1 x < 2
; 2x<3
;
x3
Cul es la probabilidad de que una camada tenga 2 cras?
P{X = 2}= P{X 2} P{X 1} = F(2) F(1) = 0.3
Cul es la probabilidad de que el nmero de cras en una
camada sea mayor o igual a 2.2?
P{X 2.2}= 1 P{X < 2.2} = 1 P{X 2} = 1 F(2)
= 0.2
Cul es el nmero de cras que divide a las camadas en
dos partes iguales?
F(x) = 0.5 x = 1
95
Nota: Relacin de la f.m.p. y la F. distribucin
cuando la v.a. toma valores enteros
P[ X = x ] = P [ X x ]P[ X x 1] =F (x) F ( x 1 )
F(x)
F(x 1 )
x 2
x 1
P [ xi X xj ] = P [ X xj ] P [ X < xi ] =
= P [ X x j ] P [ X x i 1 ] = F(x j ) F(xi1 )
F(x j )
F(x i1 )
xi1 x i
xj
Ejemplos.
P[2X8]=F(8)F(1)
P[2X<8]=P[2X7] =F(7)F(1)
P[2<X8]=P[3X8] =F(8)F(2)
96
3.3. Variable Aleatoria Continua
Definicin
X es una v.a. continua si toma valores en un conjunto
no numerable
3.3.1. Funcin de densidad de una variable
aleatoria continua
Si X es una v.a. continua X, si existe una funcin f,
llamada funcin de densidad tal que
P (a X b) =
b
a
f ( x) dx
a, b
La funcin de densidad verifica
f ( x) 0
f ( x) d x = 1
97
Ejemplo: Se desea estudiar el nivel de colesterol en
cierto tipo de pollos. La funcin de densidad de la v.a.
asociada es
f(x) =
kx
0 x 2
x<0, x>2
Calcular el valor de k
[Link] que f sea una funcin de densidad se debe verificar
que:
f ( x) 0
f ( x) d x = 1
Como f(x) 0 k 0
2
x2
4
1 = k x dx = k = k = 2k = 1
2
2
0
0
2
k=1/2
98
3.3.2.
Funcin de distribucin de una variable
aleatoria continua
Sea X una v.a. continua con funcin de densidad f(x),
entonces su funcin de distribucin es
x
F ( x) = P ( X x ) =
f(x)
f (u ) d u
NOTA
Si X es una v.a. continua
P ( X = a ) = 0 ; para cualquier nmero real a
P(aXb)=P(a<Xb)=P(aX<b)=
=P(a<X<b)=
b
= f (u ) du =
f (u ) du
f (u ) du = F ( b ) F ( a )
99
Ejemplo. Se desea estudiar el nivel de colesterol en
cierto tipo de pollos. La funcin de densidad de la v.a.
asociada es
f(x) =
1
x
2
0x2
x<0, x>2
1. Obtener la Funcin de Distribucin, F(x)
2. Obtener: P( X 1.2) ; P ( X 0.8) ; P ( 1 < X < 1.5 )
Solucin
1.
x<0 :
F(x) = 0
0 x 2 : F(x) = P [X x] =
x
x
2
1 u
1
1 x2 x2
= udu = =
=
2
2 2
2 2
4
0
0
2
2
1
1 u
1 22 22
F ( x ) = udu = =
=
=1
2
2 2
2 2
4
0
0
2
x>2:
100
2. Obtener : P( X 1.2) ; P ( X 0.8 ) ; P ( 1 < X < 1.5 )
F(x) =
0
x2 / 4
1
si x < 0
si 0 x 2
si x > 2
P( X 1.2) = F ( 1.2 ) = 1.22 / 4 = 0.36
P( X 0.8 ) = 1 P ( X < 0.8 ) = 1 F ( 0.8 ) =
= 1 0.82 / 4 = 0.84
P ( 1 < X < 1.5 ) = F ( 1.5 ) F ( 1 ) =
= 1.52 / 4 12 / 4 = 0.3125
101
3.4. Caractersticas de una variable
aleatoria. Esperanza y Varianza
Necesidad de definir medidas que sinteticen el
comportamiento de la variable aleatoria
Consideraremos como medida de posicin la
Esperanza y de dispersin la Varianza
3.4.1.
Esperanza Matemtica de una
variable aleatoria discreta
Sea X una variable aleatoria discreta que toma los
valores x1, x2, ... con f.m.p.
P ( X = xi ) para i= 1, 2, ...
E [ X ] = xi P [ X = xi ]
i
Ejemplo. X : Nmero de cras en una camada
X toma los valores x = 0, 1, 2, 3, con probabilidades
P ( X = 0 ) = 0.2 ; P ( X = 1 ) = 0.3 ;
P ( X = 2 ) = 0.3 ; P ( X = 3 ) = 0.2
E [ X ] = 0 0.2 + 1 0.3 + 2 0.3 + 3 0.2 = 1.5
102
3.4.2.
Esperanza Matemtica de una
variable aleatoria continua
Sea X una variable aleatoria continua con funcin de
densidad f ( x )
E[X ] =
x f ( x) dx
3.4.3. Propiedades de la Esperanza
E [aX ] = a E [ X ] , a
E[X+Y]=E[X]+E[Y]
E[aX+bY]=aE[X]+bE[Y];
a, b
103
Ejemplo.
La altura de un cierto rbol sigue una v.a. con funcin
de densidad,
f(x) = x / 12, con 1 < x < 5.
Calcular la Esperanza de X
Solucin.
E [X ] =
x f ( x) dx =
x2
1 3 5 31
dx =
x
=
12
36 1 9
104
3.4.4.
Esperanza Matemtica de una
funcin de variable aleatoria
Sea X una variable aleatoria discreta que toma los
valores x = x1, x2, ...
Sea Y = h ( X ) una variable aleatoria discreta.
Entonces
E [Y ] = E [h( X )] = h( xi ) P [ X = xi ]
i =1
Ejemplo.
Se ha realizado un test a una serie de ratones,
pudiendo resultar ste negativo, nulo o positivo. La
v.a. discreta asociada tiene la siguiente f.m.p.
P [ X = 1 ] = P [ X = 0 ] = P [ X = 1 ] = 1/3,
asociando el valor 1 si el test da negativo, 0 si es
nulo 1 si es positivo.
Calcular la esperanza de Y = X2.
Solucin.
E [Y ] = h( xi ) P [ X = xi ] =
i
= ( 1)
2 1
xi 2 P [ X = xi ] =
i
1
1 2
+ 0 2 + 12 =
3
3
3 3
105
Sea X una v.a. continua con funcin de densidad f ( x )
Sea Y = h(X) una v.a. continua. Entonces
E [Y ] = E [h( X )] =
h( x) f ( x) dx
Ejemplo. La longitud de las alas de un cierto tipo de
ave sigue una v.a. con funcin de densidad,
f ( x ) = 2x ; 0 < x < 1
Calcular la esperanza de Y =
Solucin.
E [Y ] =
x f ( x)dx =
1 3
x 2 x dx = 2
x dx =
2 52
4 52
4
2
= 2 x dx = 2 x = x =
5
0 5
0 5
0
106
3.4.5. Varianza de una variable aleatoria.
Propiedades y Ejemplos
Se define la varianza de una v.a. como
2
Var[ X ] = E ( X E[ X ]) = E X 2 E[ X ]2 0
Propiedades de la varianza
Var[X] = 0 X es constante
a constante Var[aX] = a2 Var[X]
a, b constantes Var[aX + b] = a2 Var [ X ]
107
Ejemplo. Se desea realizar un estudio sobre el
nmero de cras en una camada.
X: Nmero de cras en una camada
X toma los valores x = 0, 1, 2, 3 con probabilidades
P{X = 0} = 0.2 ; P{X = 1} = 0.3 ;
P{X = 2} = 0.3 ; P{X = 3} = 0.2
Calcular la varianza de dicha variable aleatoria.
Solucin
E X 2 = 0 2 0.2 + 12 0.3 + 2 2 0.3 + 3 2 0.2 = 3.3
La esperanza de X ya fue calculada : E[X] = 1.5
Por lo tanto:
2
Var[ X ] = E X 2 E [ X ] = 3.3 1.5 2 = 1.05
108
Ejemplo.
La altura de un cierto rbol sigue una v.a. con funcin de
densidad,
f(x) = x / 12, con 1 < x < 5
Calcular la Varianza de X
Solucin.
E X 2 =
1
1 4 5
2
3
= 13
x f ( x) dx = x dx =
x
12
48 1
1
La esperanza de X ya fue calculada y es: E[X] = 31/9.
Por lo tanto:
2
31
2
2
Var [ X ] = E X E [ X ] = 13 = 1.1358
109
3.5. Independencia
Dos variables aleatorias X, Y son independientes
Caso discreto:
P[ X = x, Y = y ] = P[ X = x ] P[ Y = y ], para todo x, y
Caso continuo:
f ( x, y ) = f X ( x ) f Y ( y ), para todo x, y
Siendo f X y f Y las funciones de densidad de X e Y
Intuitivamente X e Y son independientes cuando el
comportamiento de la primera no influye en el de la
segunda y recprocamente
110
Ejemplo.
Sea X el nmero de machos por camada de una
determinada especie e Y el nmero de hembras. Se han
observado 399 camadas y el nmero de hembras y
machos viene reflejado en la tabla adjunta
X\Y
0
1
2
3
Margina X
2
1
6
10
19
10 6 8 16
5 3 4
8
30 18 24 48
50 30 40 80
95 57 76 152
Marginal Y
42
21
126
210
399
Estudiar si X e Y son independientes
X e Y son independientes si se verifica que:
P [ X = x, Y = y ] = P [ X = x ] P [ Y = y ]
P [ X = 0, Y = 0 ] = 2 / 399
P [ X = 0] =
42
399
P [Y = 0] =
19
399
42 19
2
=
= P [ X = 0, Y = 0]
399 399 399
Anlogamente se estudia para el resto de los valores.
P [ X = 0] P [ Y = 0] =
Se prueba que X e Y son independientes
111