Anda di halaman 1dari 3

VARIABLE ALEATORIA

DEFINICIÓN

Una variable aleatoria es una función definida entre el espacio muestral y el conjunto de
los números reales.

Ejemplo:
Experimento: se lanzan 2 monedas
Variable aleatoria: X= {nº de caras}

X: E R
(c,c) 0
(c,+) 1
(+,c) 1
(+,+) 2

La definición de una variable aleatoria permite asignar un valor numérico a cada uno de los
resultados de un experimento aleatorio.

⎧ Discreta
La variable aleatoria puede ser: ⎨
⎩Continua

DISTRIBUCIÓN DE PROBABILIDAD

DISCRETA: La distribución de probabilidad de un variable discreta recibe el nombre de


Función de Cuantía, P(X).

X P(x)
x1 P(x1)
x2 P(x2)
… …
xi P(xi)
… …
xn P(xn)
Asocia a cada valor xi su probabilidad P(xi) = P(X=xi).

La función de cuantía siempre verifica:


• P(x)≥0 ∀x. Siempre toma valores no negativos.
• ∑ P( x ) = 1. La probabilidad total es igual a 1.
∀x
CONTINUA: La distribución de probabilidad de un variable continua queda descrita por
una función continua que recibe el nombre de Función de Densidad, f(x), tal que:
• f(x)≥0 ∀x. Toma valores no negativos.
+∞
• ∫ f ( x )dx =1. El área definida por esta función es igual a 1 y, por lo tanto, representa la
−∞
probabilidad total.

Características:
• P(x=a) = 0 La probabilidad de un valor concreto es siempre 0.
b
• P(a<X ≤ b) = ∫ f ( x ) dx La probabilidad de un intervalo es el área definida por la
a
función de densidad.
• P(a ≤ X ≤ b) =P(a<X ≤ b) = P(a ≤ X<b) = P(a<X<b)

FUNCIÓN DE DISTRIBUCIÓN, F(X)

Recoge la probabilidad acumulada hasta un valor x: F(x) = P(X≤ x)= P[-∞, x].

⎧ ∑ P( x i ) Discreta
⎪ x ≤ xi
F(x) = P(X≤ x)= ⎨ x
⎪ ∫ f ( x )dx Continua
⎩− ∞

Propiedades:
• La función es no negativa. 0≤F(x)≤1.
• La función es no decreciente. Dados dos valores a < b entonces F(a) ≤ F(b).
• La función converge a cero por la izquieda. F(-∞) = 0.
• La función converge a 1 por la derecha. F(+∞) =1.
• P(a <X≤ b) = F(b) - F(a).
• P(X>a) = 1- F(a).
ESPERANZA MATEMÁTICA Y VARIANZA

Permiten resumir la distribución de probabilidad de una variable aleatoria. Reciben el


nombre de Parámetros.

Esperanza Matemática o Valor Esperado de X, E(X)=µ

Es el valor medio teórico de la distribución de probabilidad.


Se obtiene:

⎧ ∑ x P( x ) Discreta
⎪ ∀x
µ= E(X)= ⎨+ ∞
⎪ ∫ x f ( x ) dx Continua
⎩−∞
Se interpreta como la media de los valores de la variable aleatoria que obtendríamos si el
experimento se realizara infinitas veces.

Propiedades:
• La esperanza matemática es el centro de gravedad de la distribución de probabilidad.
• E(a) = a. La esperanza matemática de una constante es la constante.
• E(X+a) = E(X)+a. La esperanza matemática queda afectada por los cambios de
origen.
• E(bX) = b E(X). También le afectan los cambios de escala.
• E(a+b X) = a+b E(X).
• E(aX+bY) = aE(X) + bE(Y) siendo X e Y dos variables aleatorias y, a y b, dos
constantes.

Varianza, V(X)=σ2

Mide la dispersión de la distribución de probabilidad alrededor de µ.


⎧ ∑ ( x − µ) 2 P( x ) = ∑ x 2 P( x ) − µ 2 Discreta
⎪⎪ ∀x ∀x
V(X) =σ2 = E(X - µ)2 = ⎨+ ∞ +∞
⎪ ∫ ( x − µ) f ( x ) dx = ∫ x f ( x ) dx − µ
2 2 2
Continua
⎪⎩−∞ −∞
Propiedades:
• V(X) ≥ 0.
• V(a) = 0.
• V(b X) = b2·V(X)
• V(a + b X) = b2·V(X)

Desviación estándar, D(x) = σ

D(X) = σ = + σ 2
Presenta las mismas propiedades que la varianza: es no negativa y sólo queda afectada
por los cambios de escala.