República Bolivariana de Venezuela.
Ministerio del Poder Popular para la Defensa.
Universidad Nacional Experimental Politécnica de la Fuerza Armada
Nacional.
Núcleo Anzoátegui – Sede San Tome.
Variables aleatorias
y la función de
probabilidad.
Profesora: Alumna:
Iraida Palacios. Sandra García P-I345405
Ing. Petróleo –3er semestre.
San Tome, Abril 2018.
Indice.
Introducción.........................................................................................................3
Definición de variables aleatorias, discretas y continuas....................................4
Función de probabilidad de una variable aleatoria discreta................................4
Función de densidad de una variable aleatoria discreta.....................................4
Función de distribución para variables continuas ydiscretas..............................5
Definición de esperanza matemática para variables discretas y continuas.......5
Propiedades de la esperanza matemática..........................................................6
Introducción.
Una variable aleatoria es una función que asigna un valor, usualmente numérico,
al resultado de un experimento aleatorio. Por ejemplo, los posibles resultados de
tirar un dado dos veces: (1, 1), (1, 2), etc. o un número real (p.e., la temperatura
máxima medida a lo largo del día en una ciudad concreta).
Los valores posibles de una variable aleatoria pueden representar los posibles
resultados de un experimento aún no realizado, o los posibles valores de una
cantidad cuyo valor actualmente existente es incierto (p.e., como resultado de
medición incompleta o imprecisa). Intuitivamente, una variable aleatoria puede
tomarse como una cantidad cuyo valor no es fijo pero puede tomar diferentes
valores; una distribución de probabilidad se usa para describir la probabilidad de
que se den los diferentes valores. En términos formales una variable aleatoria es
una función definida sobre un espacio de probabilidad.
En teoría de la probabilidad, una función de probabilidad (también denominada
función de masa de probabilidad) es una función que asocia a cada punto de su
espacio muestral X la probabilidad de que ésta lo asuma.
a) Definición de variables aleatorias, discretas y continuas.
Variables aleatorias: Dado un experimento aleatorio y asociado al mismo, un
espacio probabilístico (E, Ą ,P), una variable aleatoria es una aplicación Χ : Ε →
R , a cada valor de X, del espacio muestral le hace corresponder un número real.
Se dice que X es una variable aleatoria si para cualquier x perteneciente a R, el
conjunto de los sucesos elementales le hace corresponder un valor que verifica:
∀ X ∈ R X (S)≤ X
Las variables aleatorias se clasifican en discretas y continuas:
DISCRETA: La variable aleatoria X se dice que es discreta si los números
asignados a los sucesos elementales de E son puntos aislados. Sus posibles
valores constituyen un conjunto finito o infinito numerable. Por ejemplo,
supongamos el experimento consistente en lanzar tres veces una moneda no
trucada; si consideramos la variable aleatoria X=”número de caras obtenidas en
los tres lanzamientos”, los valores que puede tomar esta variable aleatoria son
finitos (0,1,2,3).
CONTINUA: La variable aleatoria X será continua si los valores asignados pueden
ser cualesquiera, dentro de ciertos intervalos, es decir, puede tomar cualquier
valor de R. Por ejemplo, si consideramos el experimento aleatoria consistente en
medir el nivel de agua en un embalse y tomamos la variable aleatoria X=”nivel de
agua”, esta puede tomar valores entre 0 y más infinito.
b) Función de probabilidad de una variable aleatoria discreta.
Denotaremos como P( X =x) a la probabilidad de que la variable aleatoria tome el
valor xi
Se llama función de probabilidad de una variable aleatoria discreta a la aplicación
que a cada valor de xi de la variable le hace corresponder la probabilidad de que
la variable tome dicho valor: f ( x i ) =P(X =x)
Por definición, deducimos que si: {x1,x2,...xn} son los valores que puede tomar la
variable entonces:
n
∑ f ( x i )=f ( x1 ) + f ( x 2) + … f ( x n )=1
i=1
ya que esta suma es, en realidad, la probabilidad del suceso seguro.
c) Función de densidad de una variable aleatoria discreta.
La función de densidad de una variable X permite trasladar la medida de
probabilidad o “suerte" de realización de los sucesos de una experiencia aleatoria
a las características numéricas que define la variable aleatoria
Designado por f a la función de densidad X distinguiremos el caso de discreto,
donde los posibles valores de X forman un conjunto discreto (finito o numerable)
del continuo, donde el recorrido de la variable aleatoria es un intervalo real
Si X es discreta su función de densidad se define por:
f (x)=P (x=x) cualquiera que sea el valor de X
d) Función de distribución para variables continuas y discretas.
La función de distribución describe el comportamiento probabilístico de una
variable aleatoria X asociada a un experimento aleatorio y se representa como:
F(x) ó Fx
Para estudiar la función de distribución distinguiremos entre el caso discreto y el
caso continuo.
CASO DISCRETO. Sea X una variable aleatoria discreta asociada a un espacio
probabilístico, se define la función de distribución:
F ( x ) : R →[0,1] que verifica que F ( x )=P [ X ≤ X ] = ∑ Pi
XI < X
CASO CONTINUO: Sea X una variable aleatoria continua con función de densidad
f(x), se define la función de distribución, F(x), como:
+∞
F ( x )=P [ x ≤ X ] = ∫ F ( x ) dx
−∞
e) Definición de esperanza matemática para variables discretas y
continuas.
DISCRETA. Dada una variable aleatoria X que toma valores x 1,x2,x3....xn con
distribución de probabilidad, se define la esperanza matemática de una variable
aleatoria como:
n n
E [ x ] =∑ xi P[ X =xi ]=∑ x i Pi
i=1 i=1
CONTINUA. Sea X una variable aleatoria continua con función de densidad f(x),
se define la esperanza matemática de esa variable aleatoria como:
+∞
E [ x ] =∫ xf ( x ) dx=μ
−∞
f) Propiedades de la esperanza matemática
Tanto para el caso discreto como para el caso continuo, la esperanza matemática
presenta las siguientes propiedades:
Si C es una constante, E(C) = C.
∀ a, b ∈ R, E(aX + b) = aE(X) + b
Si g(X) es una función de X, entonces:
∞
Si X es discreta, E [ g ( X ) ]=∑ g ( xi ) Pi
i=1
+∞
Si X es continua, E [ g ( X ) ] = ∫ g ( x ) f ( x ) dx
−∞
Si x1,x2,...xn son variables aleatorias, entonces E ¿
