Professional Documents
Culture Documents
Variables aleatorias
1 Distribución de una variable aleatoria
Ejemplo
Normalmente, los resultados posibles (espacio muestral E) de un experi-
mento aleatorio no son valores numéricos. Por ejemplo, si un experimento con-
siste en lanzar de modo ordenado tres monedas al aire, para observar el número
de caras (C) y cruces (R) que se obtienen, el espacio muestral asociado a dicho
experimento aleatorio sería:
X : E −→ R
e −→ X(e)
X : E −→ R
En función de los valores que tome la variable, ésta puede ser clasificada en
discreta o continua del siguiente modo:
1
v.a. discreta: es aquella que sólo puede tomar un número finito o infinito
numerable de valores. Por ejemplo,
X : E −→ N
X : E −→ R
f : R −→ [0, 1]
xi −→ f (xi ) = P [X = xi ] = P [{e, tal que X(e) = xi }]
Proposición
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 k
X
f(xi ) = P [X = xi ] = 1
i=1 i=1
f (xi ) ≥ 0
∀i = 1, . . . , k
2
Otro concepto importante es el de función de distribución 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
1
F (0) = P [X ≤ 0] = P [X = 0] = f (0) =
8
1 3 4
F (1) = P [X ≤ 1] = f (0) + f (1) = + =
8 8 8
1 3 3 7
F (2) = P [X ≤ 2] = f (0) + f (1) + f (2) = + + =
8 8 8 8
1 3 3 1 8
F (3) = P [X ≤ 3] = f (0) + f (1) + f (2) + f (3) = + + + = = 1
8 8 8 8 8
La función de distribución está definida para toda la recta real, incluidos los
valores no admisibles de la variable aleatoria. Por ejemplo,
F (−1) = P [X ≤ −1] = P [∅] = 0
3
• Sea la función
x2
h(x) = ,
25
con soporte {0, 1, 2, 3, 4} . No es una función de masa de probabilidad
P
porque 4i=0 h(i) > 1.
• Sea la función
1
g(x) = ,
5
con soporte {0, 1, 2, 3, 4} . Es una función de masa de probabilidad porque
P4
g(i) ≥ 0, i = 0, . . . 4 y i=0 g(i) = 1. La correspondiente función de
distribución tiene como gráfica:
4
- La esperanza o media de la variable aleatoria X
X
E [X] = µ = xi f(xi ),
i
Se puede observar en esta medida, así como en las que siguen, el paralelismo
con los momentos muestrales, aunque no se deben confundir.
- La varianza
X
V ar[X] = σ2 = (xi − µ)2 f (xi ),
i
- La desviación típica
sX
σ= (xi − µ)2 f(xi ).
i
Ejemplo
Para la v.a. con soporte {0, 1, 2, 3, 4} y función de masa de probabilidad
g(x) = 15 , se tiene
0+1+2+3+4
µ = =2
5
X X4
1 30
σ2 = x2i f (xi ) − µ2 = i2 − 4 = −4 =2
i i=0
5 5
√
σ = 2,
3 Ejercicios
5
2. Se lanza un dado equilibrado dos veces. Sea X la variable aleatoria ”máx-
ima puntuación obtenida en los dos lanzamientos”.
6. Se lanza un dado equilibrado. Sean X =”el doble del número que aparezca
como resultado del lanzamiento” e Y =”1 si el resultado es impar y 3 si
el resultado es par”.
6
(a) Hallar la ganancia esperada.
(b) ¿Cuánto se debe pagar para jugar si el juego es justo?