VARIABLE ALEATORIA

DISTRIBUCION

10
16/12/2016 1
 VARIABLE ALEATORIA

Una variable aleatoria (x) se define asignando un valor

numérico a cada evento o suceso que conduzca a
resultados aleatorios.

se clasifica en :
v.a. discreta
v.a. continua

16/12/2016 2
 Variable Aleatoria: Ejemplos

Es una especificación o descripción de un resultado

numérico de un experimento aleatorio
 El número es la observación de una variable aleatoria
 La variable aleatoria es el significado del número
 El valor observado es 3 para la variable aleatoria
“Nº de hijos de un hogar visitado al azar por una enfermera
(número de hijos)”
 Ejemplos
 Sexo del recién nacido
 El número de pacientes que llegan a sala de emergencias
 Tipo de sangre del paciente.

16/12/2016 3
 Resúmenes:

 = media (valor esperado) E(X)

 = desviación standard
σ2 = varianza V(X)

16/12/2016 4
 1. Variable Aleatoria Discreta
Una variable aleatoria discreta es una variable que
puede tomar solo valores enteros de un conjunto
predeterminado.

Se obtiene por conteo.

( x, f ( x))
x : Variable aleatoria  R
f(x) : Numero real   0, 1 
x : x1 , x 2 , x 3 , ... , x n
f(x) : f(x1 ), f(x 2 ), f(x 3 ), ... , f(x n ),

16/12/2016 5
 EJEMPLO:

Sea el experimento de ε de lanzar dos monedas al aire

y observar el resultado.

Ω ={ cc, cs, sc, ss}

X : Número de caras
CATEGORIA EVENTO X
Rx : 0, 1, 2
1 ss 0
2 cs,sc 1
3 cc 2

16/12/2016 6
 Distribuciones de Probabilidades
de v.a. discreta

Una distribucion de probabilidad es la enumeracion de los

valores posibles que puede tomar una variable aleatoria, junto
con sus probabilidades

DISTRIBUCION DE PROBABILIDAD
CATEGORIA EVENTO X P(X=x) P(X≤x)

1 ss 0 P(x=0) = 0.25 P(x≤0) = 0.25

2 cs,sc 1 P(x=1) = 0.50 P(x≤1) = 0.75

3 cc 2 P(x=2) = 0.25 P(x≤2) = 1.00

1.00

16/12/2016 7
 Resúmenes de una variable
aleatoria discreta

 ESPERANZA MATEMATICA O MEDIA TEORICA: E(X) o μ

La Esperanza Matemática de una variable aleatoria es el valor
promedio de la variable aleatoria después de un número
grande de observaciones

E(x)   xf(x) Si la v.a es discreta

 VARIANZA : V(X) o σ2
V(x)  E(x 2 )  (E(x)) 2   x 2f(x) - (E(x)) 2

16/12/2016 8
 DISTRIBUCION DE PROBABILIDAD
Y SUS CARACTERISTICAS.

EVENTO X P(X=x) P(X≤x) x * P(X=x) (x-(Ex))^2*P(X)

ss 0 P(x=0) = 0.25 P(x≤0) = 0.25 0.00 0.25

cs,sc 1 P(x=1) = 0.50 P(x≤1) = 0.75 0.50 0.00

cc 2 P(x=2) = 0.25 P(x≤2) = 1.00 0.50 0.25
1.00 1.00 0.50

E(x)   xf(x)  1
V(x)   x 2f(x) - ( xf(x)) 2  1.5 -12  0.5

16/12/2016 9
 2. Variable Aleatoria Continua

Una variable aleatoria continua es una variable que puede

tomar infinitos valores entre dos puntos fijos de un conjunto
predeterminado.

se obtiene por medición.

(x, f(x))
x : Variable aleatoria  R
f(x) : Numero real
x : x1 , x 2 , x 3 , ... , xn
f(x) : f(x1 ), f(x 2 ), f(x 3 ), ... , f(x n )

16/12/2016 10
 EJEMPLO :
Sea X una variable aleatoria continua con función de
densidad :

4 x 3 0≤X≤1
f(x)  
 0 otro caso

a. P( 0.25 ≤ X ≤ 0.8 ) =
b. P( 0.15 ≤ X ≤ 0.5 ) =
c. E(X) =
d. V(X) =
e. Graficar la función de densidad.

16/12/2016 11
 a) P( 0.25 ≤ X ≤ 0.8 ) =

4 x 3 0≤X≤1
f(x)  
 0 Otro caso

0.8
P (0.25  X  0.8)   dx 
3
4 X
0.25

X 4 0.8
4 0.25  X
4 0.8
0.25  0.84  0.254
4
P(0.25  X  0.8)  0.4057  0.4057

16/12/2016 12
 b) P( 0.15 ≤ X ≤ 0.5 ) =

4 x 3 0≤X≤1
f(x)  
 0 Otro caso

0.5
P (0.15  X  0.5)   
3
4 X
0.15

X 4 0.5
4 0.15  X
4 0.5
0.15  0.54  0.154 
4
 0.0620
P(0.15  X  0.5)  0.0620

16/12/2016 13
 Resúmenes de una variable
aleatoria continua
 ESPERANZA MATEMATICA O MEDIA TEORICA: E(X) o μ


E(x)   xf(x)dx

Si la v.a es continua

 VARIANZA : V(X) o σ2

V(x)  E(x 2 )  (E(x)) 2  
2 2
x f(x)dx - (E(x))


16/12/2016 14
 c) E(X) =

4 x 3 0≤X≤1
f(x)  
 0 Otro caso

1 1
E( X )   X (4 X )dx   dx 
3 4
4 X
0 0
5
X5 4 *15 4 * 0
E( X )  4 1
0   
5 5 5
E ( X )  0.80
E ( X )  0.800

16/12/2016 15
 c) V(X) =

4 x 3 0≤X≤1
f(x)  
 0 Otro caso

1 1
E ( X )   X (4 X )   4 X 5 
2 2 3

0 0
E ( X )  0.80
E ( X 2 )  0.6667
6
X6 2 *16 2 * 0
E( X )  4
2 1
0    0.6667
6 3 3

V(X)  E(x 2 )  (E(x)) 2  0.6667  0.6400  0.0267

V ( X )  0.0267

16/12/2016 16
 e) Grafica de la función de densidad

4 x 3 0≤X≤1
f(x)  
 0 Otro caso

GRAFICA DE FUNCION DE DENSIDAD

f(X)
4.5
4.0
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
0

0
0.

0.

0.

0.

0.

0.

0.

0.

0.

0.

0.

0.

0.

0.

0.

0.

1.
X

16/12/2016 17
Sea X una variable aleatoria continua con función de densidad:

𝑥
+𝑘 0<𝑥<3
𝑓 𝑥 = 6
.
0 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
a) Calcular k para que la función sea de densidad.

3 3 3 3
𝑥 𝑥
𝑓 𝑥 𝑑𝑥 = 1 + 𝑘 𝑑𝑥 = 𝑑𝑥 + 𝑘 𝑑𝑥 = 1
6 6
0 0 0 0

𝑥2 3 3
+ 𝑘𝑥 = 1 3
12 0 0 3𝑘 =
12
32 − 02
+ 𝑘 (3 − 0) = 1
12

9 1
+ 3𝑘 = 1 𝑘=
12 12
b) Sea la función de densidad f(x), calcular la probabilidad de:
i) Que x tome valores entre 1,0 y 2,0

𝟐 𝟐 𝟐
𝐱 𝟏 𝐱 𝟏
𝐏 𝟏≤𝐱≤𝟐 = + 𝐝𝐱 = 𝐝𝐱 + 𝐝𝐱
𝟔 𝟏𝟐 𝟔 𝟏𝟐
𝟏 𝟏 𝟏

𝟐
𝒙 𝟏 𝒙𝟐 𝟐 𝒙 𝟐 𝟐𝟐 𝟏 𝟐 𝟐 𝟏
= + 𝒅𝒙 = + = − + −
𝟔 𝟏𝟐 𝟏𝟐 𝟏 𝟏𝟐 𝟏 𝟏𝟐 𝟏𝟐 𝟏𝟐 𝟏𝟐
𝟏

𝟐
𝒙 𝟏 𝟏 𝟏 𝟏
= + 𝒅𝒙 = + = = 𝟎, 𝟑𝟑𝟑𝟑
𝟔 𝟏𝟐 𝟒 𝟏𝟐 𝟑
𝟏

𝑷 𝟏 ≤ 𝒙 ≤ 𝟐 = 0,3333
 ii) Que x sea a los mas 2,56 𝐏 𝐱 < 𝟐, 𝟓𝟔

𝟐.𝟓𝟔 𝟐.𝟓𝟔 𝟐.𝟓𝟔

𝒙 𝟏 𝒙 𝟏
+ 𝒅𝒙 = 𝒅𝒙 + 𝒅𝒙
𝟔 𝟏𝟐 𝟔 𝟏𝟐
𝟎 𝟎 𝟎

𝟐.𝟓𝟔
𝒙 𝟏 𝒙𝟐 𝟐. 𝟓𝟔 𝒙 𝟐. 𝟓𝟔 𝟐. 𝟓𝟔𝟐 𝟎𝟐 𝟐. 𝟓𝟔 𝟎
+ 𝒅𝒙 = + = − + −
𝟔 𝟏𝟐 𝟏𝟐 𝟎 𝟏𝟐 𝟎 𝟏𝟐 𝟏𝟐 𝟏𝟐 𝟏𝟐
𝟎

𝟐.𝟓𝟔
𝒙 𝟏
+ 𝒅𝒙 = 𝟎, 𝟓𝟒𝟔𝟏 + 𝟎, 𝟐𝟏𝟑𝟑 = 𝟎, 𝟕𝟓𝟗𝟓
𝟔 𝟏𝟐
𝟎

𝐏 𝐗 < 𝟐, 𝟓𝟔 = 0,7595
 iii) Que sea como mínimo 2.234 𝐏 𝟐. 𝟐𝟑𝟒 ≤ 𝐱 ≤ 𝟑

𝟑 𝟑 𝟑
𝒙 𝟏 𝒙 𝟏
+ 𝒅𝒙 = 𝒅𝒙 + 𝒅𝒙
𝟔 𝟏𝟐 𝟔 𝟏𝟐
𝟐.𝟐𝟑𝟒 𝟐.𝟐𝟑𝟒 𝟐.𝟐𝟑𝟒

𝟑
𝒙 𝟏 𝒙𝟐 𝟑 𝒙 𝟑 𝟑𝟐 𝟐. 𝟐𝟑𝟒𝟐 𝟑 𝟐. 𝟐𝟑𝟒
+ 𝒅𝒙 = + = − + −
𝟔 𝟏𝟐 𝟏𝟐 𝟐. 𝟐𝟑𝟒 𝟏𝟐 𝟐. 𝟐𝟑𝟒 𝟏𝟐 𝟏𝟐 𝟏𝟐 𝟏𝟐
𝟐.𝟐𝟑𝟒

𝟑
𝒙 𝟏
+ 𝒅𝒙 = 𝟎, 𝟑𝟑𝟒𝟏 + 𝟎, 𝟎𝟔𝟑𝟖 = 𝟎, 𝟑𝟗𝟕𝟗
𝟔 𝟏𝟐
𝟐.𝟐𝟑𝟒
𝑷 𝟐. 𝟐𝟑𝟒 ≤ 𝒙 ≤ 𝟑 = 0,3979
 iv) Que x sea igual a 3.67 𝐏 𝐱 = 𝟑, 𝟔𝟕

𝑥
+𝑘 0<𝑥<3
𝑓 𝑥 = 6 .
0 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Dadas las condiciones de la función f(x), el intervalo

que en el que puede estar es de 0 a 3, por consiguiente
estaría fuera del rango de la función.

𝐏 𝐱 = 𝟑, 𝟔𝟕 = 0
 c) Calcular sus parámetros (esperanza y varianza) por definición

 Esperanza matemática  Varianza

∞ ∞

𝑬 𝒙 = 𝒙 𝒇 𝒙 𝒅𝒙 𝑽 𝒙 = 𝒙𝟐 𝒇 𝒙 𝒅𝒙 − (𝑬 𝒙 )𝟐
−∞ −∞

𝟑 𝟑
𝒙 𝟏 𝒙 𝟏
𝑬 𝒙 = 𝒙 + 𝒅𝒙 𝑽 𝒙 = 𝒙𝟐 + 𝒅𝒙 − (𝑬 𝒙 )𝟐
𝟔 𝟏𝟐 𝟔 𝟏𝟐
𝟎 𝟎

𝐸 𝑥 = 1,875 V 𝑥 = 0.6094
 d) Construir la función de distribución

𝑭 𝒙 = 𝒇 𝒙 𝒅𝒙 𝟎≤𝒕≤𝟑
𝟎
𝑡 𝑡 𝑡
𝑥 1 𝑥 1
𝑭 𝒙 = + 𝑑𝑥 = 𝑑𝑥 + 𝑑𝑥
6 12 6 12
0 0 0

𝒙𝟐 𝒕 𝒙 𝒕 𝒕𝟐 𝒕
𝑭 𝒙 = + = +
𝟏𝟐 𝟎 𝟏𝟐 𝟎 𝟏𝟐 𝟏𝟐

𝒙𝟐 𝒙
𝑭 𝒙 = +
𝟏𝟐 𝟏𝟐
e) Usando la función de distribución. Calcular la probabilidad de:

 𝑷 𝒙 < 𝟐, 𝟓

𝟐, 𝟓𝟐 𝟐, 𝟓
𝑷 𝒙 < 𝟐, 𝟓 = 𝑭 𝟐, 𝟓 = +
𝟏𝟐 𝟏𝟐
𝑭 𝟐, 𝟓 = 𝟎, 𝟕𝟐𝟗𝟐

 𝑷 (𝟐, 𝟐𝟒 ≤ 𝒙 ≤ 𝟐, 𝟕𝟗)

𝑷 𝟐, 𝟐𝟒 ≤ 𝒙 ≤ 𝟐, 𝟕𝟗 = 𝑭 𝟐, 𝟕𝟗 − 𝑭 𝟐, 𝟐𝟒 =
𝟐, 𝟕𝟗𝟐 𝟐, 𝟕𝟗 𝟐, 𝟐𝟒𝟐 𝟐, 𝟐𝟒
= + − + =
𝟏𝟐 𝟏𝟐 𝟏𝟐 𝟏𝟐
𝑷 𝟐, 𝟐𝟒 ≤ 𝒙 ≤ 𝟐, 𝟕𝟗 = 𝑭 𝟐, 𝟕𝟗 − 𝑭 𝟐, 𝟐𝟒 = 𝟎, 𝟖𝟖𝟏𝟐 − 𝟎, 𝟔𝟎𝟒𝟖

𝑭(𝟐, 𝟕𝟗) − 𝑭(𝟐, 𝟐𝟒) = 𝟎, 𝟐𝟕𝟔𝟒

 𝑷 (𝒙 > 𝟏, 𝟕𝟗𝟒)

𝑷 𝒙 > 𝟏, 𝟕𝟗𝟒 = 𝑭 𝟏, 𝟕𝟗𝟒 = 𝟏 − 𝑷 (𝒙 ≤ 𝟏, 𝟕𝟗𝟒)

𝑷 𝒙 > 𝟏, 𝟕𝟗𝟒 = 𝑭 𝟏, 𝟕𝟗𝟒 = 𝟏 − 𝑭 (𝟏, 𝟕𝟗𝟒)

𝟏, 𝟕𝟗𝟒𝟐 𝟏, 𝟕𝟗𝟒
𝑷 𝒙 > 𝟏, 𝟕𝟗𝟒 = 𝑭 𝟏, 𝟕𝟗𝟒 = 𝟏 − +
𝟏𝟐 𝟏𝟐

𝑷 𝒙 > 𝟏, 𝟕𝟗𝟒 = 𝑭 𝟏, 𝟕𝟗𝟒 = 𝟏 − 𝟎, 𝟒𝟏𝟕𝟕

𝐏 (𝐱 > 𝟏, 𝟕𝟗𝟒) = 0,5823

 f) Graficar las funciones de densidad y distribución

x f(x) F(x) FUNCION DE DENSIDAD f(x)

0.00 0.083333 0.00000000 0.70

0.25 0.125000 0.02604167 0.60

0.50 0.166667 0.06250000
0.50
0.75 0.208333 0.10937500
1.00 0.250000 0.16666667 0.40
1.25 0.291667 0.23437500
0.30
1.50 0.333333 0.31250000
1.75 0.375000 0.40104167 0.20
2.00 0.416667 0.50000000
0.10
2.25 0.458333 0.60937500
2.50 0.500000 0.72916667 0.00
0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50
2.75 0.541667 0.85937500
3.00 0.583333 1.00000000
 x f(x) F(x) FUNCION DE DISTRIBUCION F(x)
0.00 0.083333 0.00000000 1.20
0.25 0.125000 0.02604167
0.50 0.166667 0.06250000 1.00
0.75 0.208333 0.10937500
1.00 0.250000 0.16666667 0.80

1.25 0.291667 0.23437500

0.60
1.50 0.333333 0.31250000
1.75 0.375000 0.40104167
0.40
2.00 0.416667 0.50000000
2.25 0.458333 0.60937500 0.20
2.50 0.500000 0.72916667
2.75 0.541667 0.85937500 0.00
0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50
3.00 0.583333 1.00000000
 RESOLVER EL EJERCICIO

Ejemplo 2: Si X es una v.a. continua, con funcion de densidad f(x) y recorrido Rx que pertenece a
un subconjunto de numeros reales.
a) Calcular k para que la funcion sea funcion de densidad.
𝒙
+𝐤 𝟎≤𝑿≤𝟐 b) Si la f(x) es funcion de densidad. Hallar la probabilidad de:
𝐟𝐱 = 𝟒 . i. Que x tome valores entre 1.0 y 2.0
𝟎 𝐎𝐭𝐫𝐨 𝐜𝐚𝐬𝐨 ii. Que x sea a lo mas 2.5
iii. Que x sea como minimo 1.234 iv. Que x sea igual a 1.67
c) Calcular sus parametros (Esperanza y Varianza) por definicion.
d) Construir la funcionde distribucion.
e) Usando la funcionde distribucion. Calcular la probabilidad: P(X < 1.5 ), P( X > 1.75) y P( 1.25 < X < 1.75)
f) Graficar las funciones de densidad y distribucion.

16/12/2016 30
 FIN

16/12/2016 31