Variables Aleatorias

TEMA 11.
1: VARIABLES
1
ALEATORIAS
Variable Aleatoria.- Sea un experimento ε y su

espacio muestral asociado S. Una variable
aleatoria es una función X que asigna a cada uno de
los elementos s Є S un # real X(s).
Rx
S
X
X(s)=xi
si
Lic. Mary Yris MIRANDA R. Estadística

2
Ejemplo:
ε: Lanzamiento de tres monedas.
X: # de caras que aparecen
Entonces:
S= {ccc, ccs, csc, css, scc, scs, ssc, sss}
R(x) = X(s) = { 0,1,2,3 }.
S Rx
ccc X(ccc)=3
ccs
X X(ccs)=2
csc
X(csc)=2
css
X(css)=1
scc
X(scc)=2
: :

3
Variable Aleatoria Discreta.-
Sea X una variable aleatoria. Si el # de todos los
valores de X (recorrido Rx ) es finito o infinito #able,
entonces X es llamada variable aleatoria discreta.
Distribución de Probabilidad: Sea X una

v.a.discreta, a cada resultado posible xi le asociamos
un # p(xi) llamado probabilidad puntual de xi (o
función de cuantía)
Los #s p(xi), i=1,2,3,… deben satisfacer las siguientes
condiciones: a) p(xi) ≥ 0 para todo i

b)  p( x ) = 1 i
i =1
La colección de pares (xi , p(xi) ) para i=1,2,3,….. es conocida como
la distribución de probabilidad de X.
4
Ejemplo (anterior):
ε: Lanzamiento de tres monedas.
X: # de caras que aparecen
Determinamos:
S= {ccc, ccs, csc, css, scc, scs, ssc, sss}
Rx = { 0,1,2,3 }
La distribución de probabilidad de X:
xi 0 1 2 3
p(xi) 1/8 3/8 3/8 1/8

5
Ejercicios:
1. Se lanza una moneda 3 veces, sea la variable aleatoria

X = # caras - # sellos.
a) Enunciar el experimento
b) Determinar el espacio muestral
c) Hallar el rango de la v.a. X
d) Hallar la distribución de probabilidad de X
2. Sea X una v.a. que se considera como la ganancia de un participante
en un juego. En este juego se lanza un dado y el participante gana
100 soles si salen los #s 1 o 3, no gana ni pierde si salen los #s 2 o 5,
y pierde 10 soles si salen 4 o 6. Determinar: el
experimento, el espacio muestral, la v.a. X y el rango de X.
3. Un lote contiene 10 artículos de los cuales 4 son defectuosos. Se

toma una muestra con reemplazo de tamaño 3 y se define la v.a. X:
# de elementos defectuosos.
a) Representar la distribución de probabilidades de X
b) Hallar la función de cuantía de X

6
4. Una urna contiene 5 bolitas numeradas del 1 al 5. Se extraen 2

bolitas sin reemplazamiento. Si la v.a. X: suma de los # obtenidos,
entonces:
a) Hallar el Rx
b) Calcular: P(x=3), P(x=5), P(7≤x≤9)
c) Representar tabularmente la distribución de probabilidad de la
v.a. X.

7
Variable Aleatoria Contínua.-
X es una variable aleatoria continua si existe una
función f llamada función de densidad de
probabilidad (f.d.p.) de X que satisface:
+
- f(x) ≥ 0 para todo x -  f ( x )dx = 1

−
- Para cualquier a, b/ - ∞ < a < b < + ∞ se tieneb que :

P ( a  x  b ) =  f ( x )dx
Observaciones: a
• X es una v.a. continua si puede tomar todos los
valores en algún intervalo (c,d),inclusive en (- ∞ , + ∞).
•La P(c<x<d) representa el área bajo el gráfico de la
función de densidad de probabilidad:

8
• Si X es una v.a. continua:

xo
P (X= xo) = ∫ f(x) dx = 0
xo
por lo tanto, las expresiones siguientes son
iguales:
P(c ≤ x ≤ d), P(c ≤ x < d), P(c < x ≤ d), P(c < x < d)
• Si X sólo toma valores en un intervalo finito [a, b],

simplemente podemos establecer f(x)=0 para todo
x que Є [a, b]. Por lo tanto, la f.d.p. está definida
para todo x Є R y se debe exigir : ∞
∫ f(x) dx = 1
-∞
9 Ejemplo:
Sea X una v. a. c. Sea la f.d.p. f dada por:

f(x) = 2x 0 < x < 1
= 0 otro caso
¿Cómo probamos que es efectivamente una f.d.p.?
Para que sea una f.d.p. debe cumplir:

• f(x) ≥ 0 para todo x Є (0,1) √
∞
• ∫ f(x) d(x) = 1 , por probar
-∞
Probando:
∞ 0 1 ∞ 1  x2 
1
∫ 2x d(x) = ∫ 0 d(x) + ∫ 2x d(x) + ∫ 0d(x)= 0 +  2 xdx + 0 = 2   = 1 √

-∞ -∞ 0 1 0  2  0

10
Ejercicios:
1. Suponga que la v.a. X: tiempo en minutos durante el cual un
dispositivo eléctrico se utiliza a su máxima carga (en un lapso
determinado). Sea X una v. a. continua con la siguiente fdp.
1
x 0 ≤ 𝑥 ≤ 1500
1500 2
1
𝑓 𝑥 = − 1500 2 𝑥 − 3000 1500 ≤ 𝑥 ≤ 3000
0 en otro valor
Hallar E(x).
2. Sea X una v.a. continua con distribución de densidad de

probabilidad 0≤ x ≤3
0 en otro caso.
a) Hallar el valor de k
b) Hallar P(1≤ x ≤2)

11
0
3. Una v.a. X tiene la siguiente f.d.p. :
Hallar P(1.5 ≤ x ≤ 2.5)
4. Dada la siguiente función de la v.a. X:
a) Comprobar si f(x) es efectivamente una fdp.

b) Hallar P(0≤ x ≤ 0.2)
c) Hallar P(0.2<x<0.5)

12
5. Hallar la probabilidad de que ninguno de los tres focos de luz de
una lámpara tenga que cambiarse durante las primeras 1200 horas
de operación, si el tiempo de vida X de cada lámpara es una
variable aleatoria que tiene la siguiente fdp.:
f ( x ) = 6{0.25 − ( X − 1.5) 2 } 1 x  2
0 otro caso
Los focos de luz son independientes. X se mide en múltiplos de

mil horas.

13
ESPERANZA MATEMATICA
Variable Aleatoria Discreta.
Sea X una v.a.d. con valores posibles x1, x2,….xn, ….
Sea p(xi) = P (X=xi), i=1,2,3, … , n,….
El valor esperado (o esperanza matemática) de X
denotada por E(X) se define como:
Variable Aleatoria Continua.

Sea X una v. a. continua con f.d.p. f.
El valor esperado de X se define como:
Si ∫ x f(x) dx converge absolutamente.

14 Ejemplo :
Una editorial saca sus libros a la venta en el mes de

Febrero, pero un mes antes se dedica a hacer un
control de calidad de todos sus textos editados, y
encuentra que el 5% de ellos presentan fallas, ya sea
por error de digitación, por error en la enumeración
de páginas o por falta de nitidez en algunos gráficos.
Suponga que por cada texto defectuoso la Editorial

pierde 1 dólar, mientras que un texto no defectuoso le
produce una utilidad de 3 dólares. Si X es la utilidad
neta por texto. Cúal es su valor esperado?

15
X: utilidad neta por texto (en dólares)
E(X): El valor esperado de la utilidad neta por texto

Utilidad neta promedio por texto
Necesitamos:
La distribución de probabilidad de X:
xi -1 3
p(xi) 0.05 0.95
2
E (X) = Σ xi p(xi) = -1(0.05) + 3(0.95) = 2.8 dólares
i=1

16
Ejercicio:
El tiempo requerido por los estudiantes para

presentar un examen de una hora, es una variable
aleatoria Y con una f.d.p. dada por:
f(y) = 3 y2 + y 0≤y≤1
2
= 0 otro caso
Cuál es el valor esperado de Y?

17
VARIANZA
Sea X una v. a. La varianza de X se define como:

V(X) = E(X - E(X))2
La raíz cuadrada positiva de V(X) será la desviación

estándar de X.
Teorema:
V(X) = E(X2) - [E(X)]2

18Ejemplo :
Hallamos la varianza de la v.a. del ejemplo 1, donde
X: utilidad neta por texto (en dólares)
V(X) = E(X2) - [E(X)]2

Se sabe que: E (X) = 2.8 dólares
E (X2)=Σ xi2 p(xi)= -12(0.05)+32(0.95)=8.6 dólares
V(X) = 8.6 – (2.8)2 = 8.6–7.84 = 0.76 dólares2

Entonces : DS (X) = √0.76 soles2 = 0.87 dólares
Ejercicio :
Hallar la varianza de la v.a. Y:tiempo requerido por los
estudiantes para presentar un examen, del ejercicio anterior.

19
Propiedades de la Esperanza Matemática :

• Si c es una cte y X=c E(X) = c
• Si c es una cte. E(c X) = c E(X)
• Si X e Y son v.a. cualesquiera E(X+Y)= E(X)+E(Y)
Entonces, se puede deducir que:
Si Y = aX+b E(Y) = a E(X)+b
Propiedades de la Varianza :
- SI c es una cte. V(X+c)=V(X)
- SI c es una cte. V(cX) =c2 V(X)

20 Ejercicios :
1. Sea X una v.a. con la siguiente distribución de probabilidad, de la cual

se toma una muestra de tamaño 36.
Hallar:
a) 𝐸 2𝑥 + 3 b) 𝑉 2𝑥 + 3
2. Una ensambladora de ciertos aparatos eléctricos, recibe transistores en

lotes de 20. El responsable de la recepción utiliza la siguiente regla de
inspección: se prueban dos transistores de cada lote, si ninguno es
defectuoso, se detienen las pruebas, si al menos uno de los transistores
resulta defectuoso se prueba el lote completo. Cuál es el número
esperado de transistores probados por lote, si se sabe que cada lote
contiene exactamente el 25% de defectuosos?

21
3. En un lote de 10 artículos, hay 3 defectuosos. Del lote se toma al
azar una muestra de 4 artículos sin reposición. Si X: # de artículos
defectuosos.
a) Hallar la función de cuantía de la v.a. X
b) Hacer la representación tabular de la distribución de probabilidades
de X
c) Cuál es el valor esperado de X?
4. Se tiene 6 cajas numeradas del 1 al 6, también se tiene 6 cartas

numeradas del 1 al 6. Se coloca aleatoriamente una carta en cada
caja. Sea X la v.a. que indica el lugar que ocupa la primera carta con
# par. Determinar la distribución de probabilidades de X.

22
Gracias

Variables Aleatorias

Cargado por

Copyright:

Formatos disponibles

Variables Aleatorias

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Variables Aleatorias

Cargado por

Copyright:

Formatos disponibles

TEMA 11.

Variable Aleatoria.- Sea un experimento ε y su

Lic. Mary Yris MIRANDA R. Estadística

Lic. Mary Yris MIRANDA R. Estadística

Distribución de Probabilidad: Sea X una

Lic. Mary Yris MIRANDA R. Estadística

1. Se lanza una moneda 3 veces, sea la variable aleatoria

3. Un lote contiene 10 artículos de los cuales 4 son defectuosos. Se

Lic. Mary Yris MIRANDA R. Estadística

4. Una urna contiene 5 bolitas numeradas del 1 al 5. Se extraen 2

Lic. Mary Yris MIRANDA R. Estadística

- f(x) ≥ 0 para todo x -  f ( x )dx = 1

- Para cualquier a, b/ - ∞ < a < b < + ∞ se tieneb que :

Lic. Mary Yris MIRANDA R. Estadística

• Si X es una v.a. continua:

• Si X sólo toma valores en un intervalo finito [a, b],

Sea X una v. a. c. Sea la f.d.p. f dada por:

Para que sea una f.d.p. debe cumplir:

∫ 2x d(x) = ∫ 0 d(x) + ∫ 2x d(x) + ∫ 0d(x)= 0 +  2 xdx + 0 = 2   = 1 √

Lic. Mary Yris MIRANDA R. Estadística

2. Sea X una v.a. continua con distribución de densidad de

Lic. Mary Yris MIRANDA R. Estadística

Hallar P(1.5 ≤ x ≤ 2.5)

4. Dada la siguiente función de la v.a. X:

a) Comprobar si f(x) es efectivamente una fdp.

Lic. Mary Yris MIRANDA R. Estadística

Los focos de luz son independientes. X se mide en múltiplos de

Lic. Mary Yris MIRANDA R. Estadística

Variable Aleatoria Continua.

Si ∫ x f(x) dx converge absolutamente.

Lic. Mary Yris MIRANDA R. Estadística

Una editorial saca sus libros a la venta en el mes de

Suponga que por cada texto defectuoso la Editorial

Lic. Mary Yris MIRANDA R. Estadística

X: utilidad neta por texto (en dólares)

E(X): El valor esperado de la utilidad neta por texto

Lic. Mary Yris MIRANDA R. Estadística

El tiempo requerido por los estudiantes para

Cuál es el valor esperado de Y?

Lic. Mary Yris MIRANDA R. Estadística

Sea X una v. a. La varianza de X se define como:

La raíz cuadrada positiva de V(X) será la desviación

Lic. Mary Yris MIRANDA R. Estadística

V(X) = E(X2) - [E(X)]2

V(X) = 8.6 – (2.8)2 = 8.6–7.84 = 0.76 dólares2

Lic. Mary Yris MIRANDA R. Estadística

Propiedades de la Esperanza Matemática :

Lic. Mary Yris MIRANDA R. Estadística

1. Sea X una v.a. con la siguiente distribución de probabilidad, de la cual

2. Una ensambladora de ciertos aparatos eléctricos, recibe transistores en

Lic. Mary Yris MIRANDA R. Estadística

4. Se tiene 6 cajas numeradas del 1 al 6, también se tiene 6 cartas

Lic. Mary Yris MIRANDA R. Estadística

Lic. Mary Yris MIRANDA R. Estadística

También podría gustarte