TEMA 1.

- VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES

1.1 VARIABLES ALEATORIAS UNIDIMENSIONALES.

Definicin de variable aleatoria (v.a.)

Es una funcin que asigna un valor numrico a cada suceso elemental del
espacio muestral. Se designa con X.
Ejemplo: Si se lanzan tres monedas al aire y se observan los posibles resultados,
podemos definir la variable aleatoria X = n de caras obtenidas y as observamos que:
Suceso aleatorio
(c,c,c)
(c,c,x)
(c,x,c)
(x,c,c)
(c,x,x)
(x,c,x)
(x,x,c)
(x,x,x)

X (n de caras)
3
2
2
2
1
1
1
0

Se ha definido una autntica variable aleatoria, porque a cada suceso elemental

le corresponde un nmero.
Variable aleatoria discreta.
Una v.a. X es discreta si puede tomar un nmero finito o infinito numerable de
posibles valores.
Ejemplo: El nmero de piezas defectuosas de un lote de piezas fabricadas. El nmero de
llamadas a una centralita en un intervalo de tiempo.
Variable aleatoria continua.
Una v.a. X se dice que es continua cuando puede tomar infinitos valores no
numerables, o bien, cuando puede tomar cualquier valor de un intervalo de la recta real.
Ejemplo: Tiempo que tarda un alumno en hacer un examen para el que se ha dado un
mximo de 2 horas. La duracin de las llamadas telefnicas de una empresa. El tiempo
que transcurre entre la llegada de dos coches consecutivos a una gasolinera.
1.1.1 Distribucin de Probabilidad de una Variable Aleatoria Discreta.

Supongamos una v.a. X que toma los valores x1, x2, x3, ... xr y sea p1, p2, p3, ...pr
las probabilidades con que toma esos valores. Se suele denotar pi = p(X = xi) = p(xi)
Funcin de probabilidad o funcin de cuanta de una v.a. X discreta es la funcin que
asigna a cada valor de X su probabilidad que pondremos p(X = xi) = pi
La Funcin de probabilidad o funcin de cuanta se puede presentar de tres formas:
a) En forma de tabla:
X x1 x2
P p1 p2

xr
pr

n k
p (1 p ) n k Si k = 0, 1 2, ...n
k

b) En forma de frmula. Ejemplo: P( X k )

Tema 1.- Variables aleatorias.

c) En forma de grfica de diagrama de barras.

(Ver la funcin de probabilidad de la variable aleatoria del ejemplo de las tres monedas)
Propiedades que ha de cumplir una funcin de probabilidad
1- P ( X xi ) 0 para todo xi
n

P( X x ) 1

2- i 1

Observar que la v.a. del ejemplo cumple estas propiedades.

Ejemplo 1.2 (pag 20)
Un lote de 100 lmparas contiene 10 defectuosas. Un minorista decide tomar dos
lmparas aleatoriamente y si ninguna de las dos es defectuosa acepta el lote de las 100.
Estudiar la v.a. n de lmparas defectuosas en una seleccin aleatoria de dos lmparas.
Funcin de distribucin
Se define la funcin de distribucin de una v.a. como una funcin acumulativa tal que
F ( x) Pr( X x )

Obsrvese que el valor de x vara desde - hasta + y toma valores desde cero
hasta 1, que es lo mximo que puede acumular. Las funciones de distribucin de las v.a.
discretas son escalonadas.
(Ver el ejemplo de construir la funcin de distribucin del experimento de lanzar tres
monedas)
1.1.2 Distribucin de Probabilidad de una Variable Aleatoria Continua.

Una v.a. es continua cuando puede tomar cualquier valor de un intervalo de la

recta real R. Por tanto, no toma valores en unos cuantos puntos, sino en todos los de un

Jos Lus Gutirrez de Mesa

Tema 1.- Variables aleatorias.

intervalo. Se ha de verificar, por tanto, que la funcin de distribucin sea continua (sin
saltos) y derivable en todos sus puntos salvo en un nmero finito de ellos.
Funcin de densidad de una variable aleatoria continua es el lmite al que tiende la
densidad de frecuencias relativas del histograma de frecuencias relativas cuando la
amplitud de los intervalos tiende a cero. Se representa por f(x).
Ver el ejemplo del tiempo de llegada de un autobs
Propiedades que ha de cumplir una funcin f(x) para ser una funcin de densidad.
a) f ( x) 0 Para cualquier valor de x.

b) f ( x) dx 1
Esta segunda propiedad indica que el rea que hay bajo la curva es 1 y
representa el total de la probabilidad.
b

Por tanto es P (a X b) a f ( x) dx que, grficamente, se representa:

Se verifica, por tanto, que P(X = x) = 0 y tambin que P ( X x) P ( X x )

Funcin de distribucin F(x)
x
Es por definicin, igual que en caso discreto, F ( x) Pr( X x) f (t )dt
Por tanto, es el rea que hay bajo la curva a la izquierda de x.
Grficamente se representa:

Propiedades de la funcin de distribucin de las variables aleatorias continuas

Jos Lus Gutirrez de Mesa

Tema 1.- Variables aleatorias.

La funcin de distribucin de una v.a. continua verifica las siguientes propiedades:

1.- F(-) = 0
2.- F(+) = 1
3.- Si xi < xj entonces F(xi) F(xj)
b

4.- P (a X b) a f ( x) dx = F(b) F(a) y

5.- Se verifica tambin que F(x) = f(x) para cualquier valor x de la recta real.
Ejemplo 1.3 (pg. 32 del libro)
Sea una variable aleatoria continua X cuya funcin de densidad f(x) es:
1
15 x 17
f ( x) 2
Se pide:
0 en el resto
a) Probar que es una funcin de densidad.
b) Hacer su representacin grfica.
c) Hallar P(15<X<16) y P(16,25X16,75).
d) Hallar P(X16) y P(X<17).
e) Hallar la funcin de distribucin y su valor en x = 16.

Jos Lus Gutirrez de Mesa

Tema 1.- Variables aleatorias.

1.2 VARIABLES ALEATORIAS BIDIMENSIONALES.

Una variable aleatoria bidimensional (X,Y) es la formada por la v.a. X que toma
valores con la v.a. Y conjuntamente.
1.2.1 Variable Aleatoria Bidimensional Discreta (X,Y)

Una variable aleatoria bidimensional (X,Y) es discreta si tanto la X como la Y

son v.a. discretas.
Funcin de probabilidad o de cuanta P(xi,yj) Representa las distintas
probabilidades de que X e Y tomen cualquiera de sus valores.
Si X es una v.a. que toma los valores x1, x2, x3, ... xr e Y es otra v.a. que toma los
valores y1, y2, y3, ... ys
La probabilidad de que la v.a. (X,Y) tome el valor (xi,yj) es la probabilidad
conjunta de que X = xi y que Y = yj que se denota por pij = P(xi,yj) =P(X = xi , Y = yj)
Se suele representar en forma de cuadro o tabla, aunque algunas veces se puede
poner con una nica formula.
La representacin grfica se hace mediante un diagrama de barras
bidimensional.
Para que sea una autntica funcin de probabilidad bidimensional se ha de
verificar que:
a) 0 P(xi,yj) 1
r

b)

P( x , y
i 1 j 1

) 1

Ejemplo:
Una caja contiene 4 bombillas buenas y 1 defectuosa. Se hacen dos extracciones
consecutivas sin reemplazamiento y se definen las siguientes variables aleatorias:
0 si la primera escogida es buena
1 si la 1 escogida es defectuosa

0 si la segunda escogida es buena

1 si la 2 escogida es defectuosa

Obtener la funcin de cuanta bidimensional y su representacin grfica.

Funcin de distribucin bidimensional.
Se define F ( x) P ( X x, Y y )

P( x , y

xi x1 y j y1

) que representa la

probabilidad acumulada para valores de X inferiores o iguales a x y para valores de Y

inferiores o iguales a y.

Ejemplo (1.10 libro pg 61)

Jos Lus Gutirrez de Mesa

Tema 1.- Variables aleatorias.

La siguiente tabla representa la distribucin conjunta de la variable aleatoria X,

n de tazas de caf servidas por un camarero, e Y, n de sobres de azcar solicitados por
taza. Hallar F(2,3) y F(3,1)

Distribuciones marginales.
Si (X,Y) es una v.a. bidimensional discreta con funcin de probabilidad P ij =
P(xi,yj), se definen las funciones de probabilidad marginal de X y de Y respectivamente:
s

Pi Pij P( xi , y j ) i 1....r
j 1

j 1

i 1

i 1

y P j Pij P ( xi , y j )

j 1....s

Que equivale a sumar por filas y columnas la funcin de probabilidad conjunta.

Ejemplo: Hallar las distribuciones marginales del ejemplo anterior.
Distribuciones condicionadas.
Recordando que P ( A B)

P( A B)
P ( B)

Se define la probabilidad (funcin de probabilidad) de la v.a. X condicionada a

que la variable Y toma el valor yj:
P( X xi , Y y j ) P ( xi , y j )
x

P i

i 1...r y, anlogamente:

P(Y y j )
P j
Y yj
Se define la probabilidad de la v.a. Y condicionada a que la variable X tome el
valor xi, como:

yj

X xi

P( X xi , Y y j ) P( xi , y j )

j 1...s
P( X xi )
Pi

Ejemplo 1: En el ejemplo anterior, hallar la funcin de probabilidad de X condicionada

a que Y tome el valor 1.
Ejemplo 1.7 libro.
Sea una urna con 21 bolas, numeradas desde el nmero 1 hasta el 21, de manera que no
hay dos bolas con el mismo nmero. Deseamos conocer dos caractersticas de estos
nmeros: su divisibilidad por 2 y por 3. Elegimos una bola al azar, y consideramos la
v.a. X, tal que, si aparece un nmero par (divisible por 2) le asignamos un 1 y si aparece
un nmero impar, le asignamos un cero. Anlogamente, definimos la v.a. Y de tal forma
que le asignamos un uno si el nmero que aparece es mltiplo de 3 y un cero si no lo es.
Obtener

Jos Lus Gutirrez de Mesa

Tema 1.- Variables aleatorias.

a) La distribucin de probabilidad CONJUNTA.

b) Las distribuciones marginales.
c) La probabilidad de que el nmero elegido sea divisible por 3 sabiendo que es
par.
Ejemplo 3:
De un grupo de parlamentarios compuesto por tres del PP, dos del PSOE y uno
de IU, deben seleccionarse un comit de dos personas. Sea X la v.a. que representa el n
de parlamentarios del PP que entran en el comit y sea Y la v.a. que representa el n de
parlamentarios del PSOE que forman parte del comit. Obtener la distribucin de
probabilidad conjunta de X e Y. Obtener las distribuciones marginales. Hallar la
distribucin condicionada de X a que Y tome el valor 1.
Independencia de variables aleatorias
Recordando que si dos sucesos A y B son independientes P(AB) = P(A).P(B).
Decimos que las variables aleatorias X e Y son independientes cuando la funcin
de distribucin conjunta F(x,y) se puede poner como producto de las funciones de
distribucin de cada una de ellas F(x).F(y) que equivale a decir que
Pij = Pi.P.j

para cualquier par de valores i y j

Ejemplo: Comprobar si son independientes X e Y en los ejemplos anteriores.

1.2.2 Variable Aleatoria Bidimensional Continua (X,Y)

Una variable aleatoria bidimensional (X,Y) es continua si tanto la X como la Y
son v.a. continuas.
Funcin de densidad bidimensional continua (funcin de densidad conjunta)
Una funcin f(x,y) es una funcin de densidad de una variable aleatoria bidimensional
(X,Y), si se verifica:
a)
b)

f ( x, y ) 0

x, y ( , )

f ( x, y ) dxdy 1

Interpretacin grfica.
La funcin de densidad f(x,y) representa una superficie en la parte positiva de
los ejes X e Y del espacio tridimensional, tal que el volumen situado debajo de ella es
igual a 1 y se obtiene como paso al lmite del histograma bidimensional, cuando las
amplitudes de los intervalos en X y en Y tienden a cero.

Jos Lus Gutirrez de Mesa

Tema 1.- Variables aleatorias.

Se define:
P ( x1 X x2 , y1 Y y2 )

x2

y2

x1

y1

f ( x, y ) dxdy y representa el volumen bajo la

grfica (superficie) limitada por x1, x2, y1 e y2.

Funcin de Distribucin
Se define: F ( x, y ) P( X x, Y y )

f ( x, y ) dxdy

Recomendacin: Hacer los ejercicios 1, 5, 6, 7, 8 y 13 del libro.

Jos Lus Gutirrez de Mesa