Anda di halaman 1dari 7

Captulo 3.

Variables aleatorias
1

Distribucin de una variable aleatoria

En este tema se introducen algunos resultados bsicos sobre variables aleatorias


y se introducen las familias de distribuciones ms relevantes para este curso. En
ocasiones nos interesarn una o ms transformaciones de los resultados de un
experimento aleatorio, lo que conduce al concepto de variable aleatoria.
Ejemplo
Normalmente, los resultados posibles (espacio muestral E) de un experimento aleatorio no son valores numricos. Por ejemplo, si un experimento consiste en lanzar de modo ordenado tres monedas al aire, para observar el nmero
de caras (C) y cruces (R) que se obtienen, el espacio muestral asociado a dicho
experimento aleatorio sera:
E = {CCC, CCR, CRC, CRR, RCC, RCR, RRC, RRR} .
En Clculo de Probabilidades resulta ms fcil utilizar valores numricos en
lugar de trabajar directamente con los elementos de un espacio muestral como
el anterior. As, se prefiere identificar los sucesos {CRR, RCR, RRC} con el
valor numrico 1 que representa el nmero de caras obtenidas al realizar el
experimento.
De este modo, aparece el concepto de variable aleatoria unidimensional como
el de una funcin
X

: E R
e X(e)

que a cada suceso elemental e del espacio muestral E, le atribuye un nico


nmero real, X(e).
En el ejemplo anterior, se puede definir la variable aleatoria X nmero de
caras, del siguiente modo:
X : E R
X (CCR) = X (CRC) = X (RCC) = 2
X (RRC) = X (RCR) = X (CRR) = 1
X (RRR) = 0
En funcin de los valores que tome la variable, sta puede ser clasificada en
discreta o continua del siguiente modo:

v.a. discreta: es aquella que slo puede tomar un nmero finito o infinito
numerable de valores. Por ejemplo,
X : E N
v.a. continua: es la que puede tomar un nmero infinito no numerable de
valores.
X : E R

Variables aleatorias discretas

Dada una v.a. discreta X : E N, f, se define su funcin de masa de


probabilidad , de modo que f (xi ) es la probabilidad de que X tome ese valor
concreto:
f

: R [0, 1]
xi f (xi ) = P [X = xi ] = P [{e, tal que X(e) = xi }]

Si xi no es uno de los valores que puede tomar X, entonces f (xi ) = 0. La


representacin grfica de la funcin de masa de probabilidad se realiza mediante
un diagrama de barras anlogo al de distribucin de frecuencias relativas para
variables discretas en Estadstica Descriptiva.
Por ejemplo, si se considera el caso del lanzamiento de 3 monedas de forma
que cada una de ellas tenga probabilidad 1/2 de obtener el resultado de cara o
cruz, se tiene que
1
1 1 1
=
2 2 2
8
3
1 1 1
f (2) = P [X = 2] = P [{RCC, CCR, CRC}] = + + =
8 8 8
8
3
1 1 1
f (1) = P [X = 1] = P [{RRC, RCR, CRR}] = + + =
8 8 8
8
1
1 1 1
f (0) = P [X = 0] = P [{RRR}] = =
2 2 2
8

f (3) = P [X = 3] = P [{CCC}] =

Proposicin
Si x1 , x2 , . . . xk son todos los valores que puede tomar la v.a. X, entonces la
suma de las probabilidades de todos los posibles valores de la variable es 1.
k
X
i=1

f(xi ) =

k
X

P [X = xi ] = 1

i=1

y adems todas las probabilidades son no negativas:


f (xi ) 0
i = 1, . . . , k
2

Otro concepto importante es el de funcin de distribucin de una variable


aleatoria discreta, F , que se define de modo que si xi R, F (xi ) es igual a la
probabilidad de que X tome un valor inferior o igual a xi :
F

: R [0, 1]
xi F (xi ) = P [X xi ] = P [{e, tal que X(e) xi }]

Volviendo al ejemplo de las tres monedas, se tiene que


F (0) = P [X 0] = P [X = 0] = f (0) =

1
8

4
1 3
+ =
8 8
8
7
1 3 3
F (2) = P [X 2] = f (0) + f (1) + f (2) = + + =
8 8 8
8
8
1 3 3 1
F (3) = P [X 3] = f (0) + f (1) + f (2) + f (3) = + + + = = 1
8 8 8 8
8
F (1) = P [X 1] = f (0) + f (1) =

La funcin de distribucin est definida para toda la recta real, incluidos los
valores no admisibles de la variable aleatoria. Por ejemplo,
F (1) = P [X 1] = P [] = 0

Figura: Funcin de masa de probabilidad a la izquierda, y funcin de distribucin a


la derecha de una v.a. discreta

Nota: De lo anterior se deduce que


P (X > x) = 1 F (x)
P (x1 < X x2 ) = F (x2 ) F (x1 ).
Ejemplos
Sea la funcin
f(x) =

x2
,
5

con soporte {1, 2, 3, 4} . No es una funcin de masa de probabilidad porque,


por ejemplo, f (1) = 1/5 < 0.
3

Sea la funcin
h(x) =

x2
,
25

con soporte {0, 1, 2, 3, 4} . No es una funcin de masa de probabilidad


P
porque 4i=0 h(i) > 1.

Sea la funcin

g(x) =

1
,
5

con soporte {0, 1, 2, 3, 4} . Es una funcin de masa de probabilidad porque


P4
g(i) 0, i = 0, . . . 4 y
i=0 g(i) = 1. La correspondiente funcin de
distribucin tiene como grfica:

Momentos de una variable aleatoria discreta


En ocasiones se est interesado en resumir una variable aleatoria, tpicamente
a travs de sus momentos. Los principales son:
4

- La esperanza o media de la variable aleatoria X


X
xi f(xi ),
E [X] = =
i

que constituye una medida de localizacin.


Se puede observar en esta medida, as como en las que siguen, el paralelismo
con los momentos muestrales, aunque no se deben confundir.
- La varianza
X
(xi )2 f (xi ),
V ar[X] = 2 =
i

que constituye una medida de dispersin. Alternativamente, se tiene que


X
X

x2i 2xi + 2 f(xi ) =


2 =
(xi )2 f (xi ) =
i

X
i

x2i f(xi ) 2 .

- La desviacin tpica
=

sX
i

(xi )2 f(xi ).

Ejemplo
Para la v.a. con soporte {0, 1, 2, 3, 4} y funcin de masa de probabilidad
g(x) = 15 , se tiene
0+1+2+3+4
=2
5
4
X
X
30
1
4 =2
=
x2i f (xi ) 2 =
i2 4 =
5
5
i
i=0

=
2,

=
2

Ejercicios
1. Una compaa de refrescos anuncia premios en las chapas asegurando que
en cada 1000 chapas hay 500 con intntalo otra vez, 300 con premio de
0.3 euros, 150 con premio de 0.6 euros, 40 con premio de 3 euros y 10 con
premio de 6 euros. Un individuo, al que no le gusta el refresco, decide
comprar una botella cuyo coste es de 0.6 euros. Caracterizar su ganancia
mediante una variable aleatoria. Es razonable su decisin? Calcular su
probabilidad de perder dinero.
5

2. Se lanza un dado equilibrado dos veces. Sea X la variable aleatoria mxima puntuacin obtenida en los dos lanzamientos.
(a) Describir el espacio muestral del experimento.
(b) Describir el conjunto de posibles resultados de la variable aleatoria
X.
(c) Hallar la funcin de masa, la funcin de distribucin, E(X) y V (X).
(d) Representar en un grfico las funciones de masa y de distribucin.
3. Se lanza un dado equilibrado dos veces. Sea X la variable aleatoria suma
de puntos obtenidos. Calcular y dibujar las funciones de masa y de
distribucin.
4. Se lanza una moneda cargada tres veces, de forma que la probabilidad
de obtener cara es 2/3, y la probabilidad de obtener cruz es 1/3. Sea la
variable aleatoria X =el mayor nmero de caras sucesivas.
(a) Calcular la probabilidad de cada elemento del espacio muestral.
(b) Para cada elemento del espacio muestral, indicar el valor que toma
la variable aleatoria X.
(c) Calcular las funciones de masa y de distribucin. Dibujarlas.
(d) Calcular la esperanza y la varianza de X.
5. Hallar el valor esperado y la varianza de cada una de las siguientes distribuciones:
(a)

xi
f(xi )

2
1/3

3
1/2

11
1/6

(b)

xi
f(xi )

-5
1/4

-4
1/8

1
1/2

(c)

xi
f(xi )

1
0.4

3
0.1

4
0.2

2
1/8
5
0.3

6. Se lanza un dado equilibrado. Sean X =el doble del nmero que aparezca
como resultado del lanzamiento e Y =1 si el resultado es impar y 3 si
el resultado es par.
(a) Calcular la funcin de masa, esperanza, varianza y desviacin tpica
de X.
(b) Calcular la funcin de masa, esperanza, varianza y desviacin tpica
de Y.
7. Un jugador lanza dos monedas equilibradas. Gana 5 euros si aparecen dos
caras, 2 euros si aparece una cara y 1 euro si no aparece ninguna cara.

(a) Hallar la ganancia esperada.


(b) Cunto se debe pagar para jugar si el juego es justo?
8. Un jugador lanza dos monedas equilibradas. Gana 1 euro si aparece una
cara y 2 euros si aparecen dos caras. Por otra parte, pierde 5 euros si no
aparece ninguna cara. Determinar el valor esperado del juego y si ste es
favorable al jugador. Y si pierde 4 euros si no sale ninguna cara?