VARIABLES

ALEATORIAS
ERIKA TADAY
GABRIELA SOLANO
LILIA ESPINOZA
KLEBER CHULDE

CONCEPTO
Una variable aleatoria es una funcin que permite asociar
un nmero real con cada uno de los elementos del espacio
muestral.
Se le asigna las siglas v.a. para referirse a la variable
aleatoria.
Notacion:
X= v.a.
x=valor de la v.a.

EJEMPL
O

Proceso de reserva de un hotel

Positivo: reserva se cumple
Negativo:
reserva se anula
Entonces la v.a. es una funcin que se le asigna a
cada resultado del espacio muestral un numero
real, de la siguiente manera:
Defino
v.a.
como
X:
X(Positivo)=1
y
X(Negativo)=0
P(X=1)se cumpla
P(X=0)se anule

CLASIFICACIN
VARIABLE ALEATORIA DISCRETA
.
VARIABLE ALEATORIA CONTINUA

VARIABLE ALEATORIA
DISCRETA
Es decir toma valores de un conjunto que es numerable y finito, por
ejemplo: X= n personas que viajan en un autobus esto puede ser
desde x=0,,50
X=0 1 2 3 4 5 .
Nota: no se puede tomar valores que se encuentran entre cada uno
de estos valores discretos por ejemplo no hay como decir que exista
1.5 personas vianjando en el autobus porque es 1 persona o son 2
personas.

EJEMPLO
Se tiene notas con una escala de 4 puntos, 1, 2, 3, 4. y se supone
que se tiene 15 alumnos siendo los resultados ordenados de la
siguiente manera:
112222233344444
Sea X=resultado de la prueba para un alumno elegido al azar.
Rx={1,2,3,4} es una v.a.d.
La frecuencia es de fi={2, 5, 3, 5}
La frecuencia relativa es fi/n={0.13, 0.33, 0.2, 0.33}
px(Xi)=pi={0.13, 0.33, 0.2, 0.33} pi=0.13+0.33+0.2+0.33=1

VARIABLES ALEATORIAS
CONTINUAS

Toma valores de un conjunto infinito no numerable.

Ejemplo es el peso de una persona.
X=60 Kg200 Kg
Entonces una persona puede persar entre 60kg y 61kg y
puede existir valores como 60.5kg o 60.8kg esto puede ser
por la toma de valores de una bascula.

CARACTERISTICAS DE V.A.
ESPERANZA
VARIANZA

ESPERANZA
Sea X una v.a.d con funcion de probabilidad f(x), entonces se
define:

Ejemplo: la esperanza matemtica de la suma de los nmeros

resultante al lanzar un dado sera:
E(X)= 1(1/6)+2(1/6)+3(1/6)+4(1/6)+5(1/6)+6(1/6)=3,5
Nota: nos da una idea de localizacin de una v.a. sobre la recta real es decir
es un parametro de centralizacin o de localizacin.

 Si X es una v.a.c. con funcin de densidad f(x), entonces se

define
Ejemplo:X es una v.a.c con funcin de densidad:
Entonces:

VARIANZA
La varianza es una medida
del grado de dispersin de
los valores de la v.a.
alrededor de la media
ponderadas por sus
respectivas
probabilidades.
Ejemplificando de forma
grafica:

VARIANZA
Sea X una v.a. con esperanza finita La varianza de X es un
numero denotado por var(X) y definida como:
= E()-[E(X)
Si X es una v.a.d entonces:
Si X es una v.a.c. entonces:

EJEMPLO
Calcular la esperanza, varianza y desviacin tpica.
xi

pi

0.2

0.4

0.1

0.3

E(X)=0*0.2+1*0.4+2*0.1+3*0.3=1.5
E()=0*0.2+1*0.4+4*0.1+9*0.3=3.5
= E()-[E(X)

Variable Discreta
Funcin de Probabilidad

Variable Discreta
Funcin de Probabilidad

xi

P[X=x
i]

1/4

1/2

1/4

Variable Discreta
Funcin de Distribucin

Variable Discreta
Funcin de Distribucin

xi

P[X=x
i]

1/4

1/2

1/4

Variable Continua
Funcin de Densidad de
Probabilidad

Variable Continua
Funcin de Densidad de
Probabilidad

Variable Continua
Funcin de Distribucin

Variable Continua
Funcin de Distribucin
Ejemplo: Se desea estudiar el nivel de colesterol en cierto
tipo de pollos, la funcin de densidad de la v.a. es:
1. Obtener la Funcin de Distribucin F(x)

Variable Continua
Funcin de Distribucin

Distribuciones de Probabilidad
DISTRIBUCIN BINOMIAL
DISTRIBUCIN DE POISSON

Distribucin Binomial
Consideramos pruebas repetidas e independientes de un
experimento con dos resultados; llamamos uno de los
resultados favorable (o xito) y el otro desfavorable (o
fracaso).
Sea p la probabilidad favorable, as que q=1-p es la
probabilidad desfavorable. Si estamos interesados en el
nmero de xitos y no en el orden en que suceden, entonces
aplicamos los siguientes teoremas.

Teorema 1
La probabilidad de xitos exactamente en pruebas
repetidas se denota y expresa por
Coeficiente binomial
Adems la probabilidad desfavorable es y, por consiguiente,
la probabilidad de por lo menos un xito es

Ejemplo: Un dado corriente se lanza 7 veces; llamamos a

un lanzamiento un xito si sale un 5 o un 6.

Cul es la probabilidad de que un 5 o 6 salga 3 veces

exactamente?
Entonces

Ejemplo: Un dado corriente se lanza 7 veces; llamamos a

un lanzamiento un xito si sale un 5 o un 6.

Cul es la probabilidad de que un 5 o 6 no salga (todos

fracasos)?
Entonces

Cul es la probabilidad de que un 5 o 6 salga una vez

por lo menos?

.
.

stribucin se conoce tambin como distribucin de Bernoulli, y las pruebas independientes con dos result
pruebas de Bernoulli. Las propiedades de esta distribucin son:
Distribucin Binomial
Media
Varianza
Desviacin
estndar

Distribucin de Poisson
La
distribucin de Poisson se define como sigue:

ocurre un evento en
una unidad de tiempo

Ejemplo:

la caja de un supermercado llegan un promedio de 2 clientes por

minuto. Calcular la probabilidad:
De que no llegue clientes en un minuto

Propiedades:
Distribucin de Poisson
Media
Varianza
Desviacin
estndar

DISTRIBUCIN
NORMAL

Distribucin Normal
Esta se llama as por ser la ms frecuente en la
naturaleza, esto es porque muchas variables siguen esta
distribucin de frecuencias.
Esto adems coincide con la media, la moda y la mediana.
Esto nos permite tomar decisiones que vayan a la par con
las metas y objetivos de la organizacin.

La distribucin normal se usa en:

Psicologa
Biologa
Educacin
Astronoma
Economa
Ciencias sociales y administrativas

Clculo de Probabilidad
Al convertirse en una variable continua la probabilidad en
esta funcin es representada por el rea debajo de la
curva entre dos valores determinados.

Es por esto que en ocasiones se llama funcin de

densidad.

Caracterstica

Cmo es imposible determinar esta rea de manera directa se

deber calcular por medio del concepto de
INTEGRAL DEFINIDA

Esto es el rea debajo de una porcin de la curva, esto se hace

calculando la Integral entre dos valores determinados.

Propiedades
La curva normal tiene forma de campana y una sola cima en el centro de la
distribucin.
La media aritmtica, la mediana y la moda de la distribucin son iguales y
se ubican en el centro.
Es simtrica en torno a su promedio. Si se corta Ia curva normal de manera
vertical por el valor central, las dos mitades sern como imgenes en un
espejo.
La curva normal desciende suavemente en ambas direcciones a partir del
valor central.
Es asinttica, Ia curva se acerca cada vez ms al eje de X pero jams llega a
tocarlo. Es decir, las colas de Ia curva se extienden de manera indefinida
en ambas direcciones.

Una regla emprica indica que en cualquier

distribucin normal las probabilidades delimitadas
entre :

Cmo

calcular probabilidades
asociadas a una curva normal
estndar?

Dado que tanto como pueden asumir

infinitos valores, lo que hace impracticable
tabular las probabilidades para todas las
posibles distribuciones normales, se utiliza la
tipificada.
Se define una variable

zx

EJEMPLO
Dada una variable aleatoria x distribuida segn una normal
con media de 25 y desviacin tpica 5 obtener:
La probabilidad de que la variable aleatoria x tome valores
entre 14 y 28.

GRACIAS