Que Es Una Variable Aletoria
Que Es Una Variable Aletoria
Que Es Una Variable Aletoria
Se llama variable aleatoria a toda funcin que asocia a cada elemento del espacio
muestral E un nmero real.
Se utilizan letras maysculas X, Y, ... para designar variables aleatorias, y las
respectivas minsculas (x, y, ...) para designar valores concretos de las mismas.
Variable aleatoria discreta
Una variable aleatoria discreta es aquella que slo puede tomar valores enteros.
Ejemplos
El nmero de hijos de una familia, la puntuacin obtenida al lanzar un dado.
Variable aleatoria continua
Una variable aleatoria continua es aquella que puede tomar todos los valores
posibles dentro de un cierto intervalo de la recta real.
Ejemplos
La altura de los alumnos de una clase, las horas de duracin de una pila.
Variable aleatoria continua
Una variable aleatoria continua es una funcin X que asigna a cada
resultado posible de un experimento un nmero real. Si X puede asumir
cualquier valor en algun intervalo I (el intervalo puede ser acotado o
desacotado), se llama una variable aleatoria continua. Si puede asumir
solo varios valores distintos, se llama una variable aleatoria discreta.
Ejemplos
1. Tire un dado al aire y tome para X el nmero orientado hacia
arriba. Entonces X es una variable aleatoria discreta con valores
posibles 1, 2, 3, 4, 5 y 6.
2. Encuentre una estrella en el cosmos y tome para X su distancia de
la sistema solar en aos luz. Entonces X es una variable aleatoria
continua cuyos valores son nmeros reales en el intervalo (0,
+\infty).
3. Abra la seccin negocios de su peridico, y tome para X el ltimo
precio cotizado del las acciones de Conglomerado Colosal.
Entonces X puede asumir cualquier valor real, pues podemos
pensar en X como una variable aleatoria continua.
4. Lance una moneda y iguale X a 1 si sale cara, y 0 si sale cruz.
Entonces, X es con valores
5. Tome para X la temperatura de una persona enferma, tomada con
un termmetro de mercurio con una escala de 70 hasta 120.
Entonces X es con valores
Si X es una variable aleatoria, estamos frecuentemente interesado en la probabilidad de
que X asume un valor en cualquier rango. Por ejemplo, si X el ltimo precio cotizado
del las acciones de Conglomerado Colosal, y observamos que el precio est entre $10 y
$20 60% del tiempo, diramos
La probabilidad de que X tome un valor entre $10 y $20 es 0.6.
Escribimos esta declaracin matemticamente como sigue:
P(10 \leq X \leq 20) = .6
Podemos utilizar un grfico de barras, llamado un histograma de la distribucin de
probabilidad, para ilustrar las probabilidades de que X se queda en rangos
seleccionados, como se muestra en el siguiente ejemplo.
Ejemplo 1 Populacin del colegio por edad
La siguiente tabla muestra la distribucin del residentes estadounidenses (16 aos de
edad o mayor) quienes asisten a cualquier colegio durante 1980, ordenada por edad:
Edad 15-19 20-24 25-29 30-34 35-?
Nmero en 1980 (millones) 2.7 4.8 1.9 1.2 1.8
Fuente: 1980 Censo de Populacin, Departamento de Comercio/Oficina del Censo de
EEUU.
Trace el histograma de la distribucin de probabilidad para X = la edad de un
universitario elegido al azar..
Solucin Antes de empezar, un poco de terminologa: Las entradas de la ltima fila son
denominadas como las frecuencias y la tabla como una distribucin de frecuencias.
Al sumar las frecuencias, observamos que el nmero total de universitarios durante
1980 fue 12.4 milln. Por lo tanto, podemos convertir todos aquellos datos en
probabilidades por dividir entre este total.
Edad 15-19 20-24 25-29 30-34 35-?
Probabilidad .22 .39 .15 .10 .15
Las probabilidades en la tabla ms arriba han sido redondeadas, con la consecuencia que
suman a 1.01 en vez de lo 1 esperado. In la categora 15-19, hemos incluido todos de la
edad al menos 15 aos y menor que 20 aos. Por ejemplo, alguien de la edad de 19
sera incluyendo en este rango. Desearamos en cambio escribir 15-20, pero esto sera
ambiguo, pues no sabramos donde contar alguien de la edad de precisamente 20 aos.
Sin embargo, la probabilidad de que un universitario este precisamente de la edad de 20
(y no, por ejemplo, 20 aos y 1 segundo) es esencialmente cero, entonces no importa
esta ambigedad (vea el anlisis despus de Ejemplo 2 ms abajo). Por lo tanto,
reescribimos la tabla con estos rangos:
Edad 15-20 20-25 25-30 30-35 35
Probabilidad .22 .39 .15 .10 .15
La tabla nos informa, por ejemplo, que
P(15 \leq X \leq 20) = .22
y
P(X \geq 35) = .15.
El histograma de la distribucin de probabilidad es la grfica de barras que obtenemos
al trazar estos datos:
Pruebe el fabricador en-lnea de histogramas para trazar histogramas de la distribucin
de probabilidad.
Antes de seguir... Si hubiera sido ms fina la agrupacin entre rangospor ejemplo, con
divisiones de 1 ao en vez de 5 (y si tuviramos tambin los datos anual)entonces
pareciera ms pulido el histograma, con barras ms bajas como muestra debajo.
Porqu?
Esta distribucin ms pulida sugiera una curva. Este tipo de curva consideraremos en la
siguiente seccin.
Inicio de pgina
Ejemplo 2 Edad de un coche alquilado
Una encuesta halla la siguiente distribucin de las probabilidades para le edad de un
coche alquilado:
Edad 0-1 1-2 2-3 3-4 4-5 5-6 6-7
Probabilidad .20 .28 .20 .15 .10 .05 .02
Trace el histograma de la distribucin de probabilidad, y selo para evaluar (o estimar)
las siguientes:
(a) P(0 \leq X \leq 4)
(b) P(X \geq 4)
(c) P(2 \leq X \leq 3.5)
(d) P(X = 4)
Solucin El histograma se muestra ms abajo.
(a) Podemos calcular P(0 \leq X \leq 4) a travs de la tabla por sumar las probabilidades
correspondientes:
P(0 \leq X \leq 4) = .20 + .28 + .20 + .15 = .83
Esta probabilidad corresponde a la regin sombreada en la siguiente figura:
Observe que, pues tiene cada rectngulo una anchura de 1 unidad y una altura igual a la
probabilidad asociada, su rea es igual a la probabilidad de que X est en el rango
asociado. Por lo tanto, P(0 \leq X \leq 4) tambin es igual a la rea de la regin
sombreada.
(b) De modo parecido, P(X \geq 4) se expresa por la rea de la regin sin sombra en la
figura ms arriba, as que
P(X \geq 4) = .10 + .05 + .02 = .17
(Note que P(0 \leq X \leq 4) + P(X \geq 4) = 1. Porqu?)
(c) Para calcular P(2 \leq X \leq 3.5), tenemos que hacer una conjetura con cierta base,
pues no la tabla ni el histograma tiene subdivisiones de anchura 0.5. En referencia al
histograma, podemos aproximar la probabilidad por la rea mostrada ms abajo:
Por lo tanto,
P(2 \leq X \leq 3.5) \approx .20 + \frac{1}{2}(.15) = .275.
(d) Para calcular P(X = 4), tendramos que calcular P(4 \leq X \leq 4). Sin embargo, eso
correspondera a una regin del histograma con cero rea (vea la figura ms abajo)
entonces concluimos que P(X = 4) = 0.
Pregunta En el ejemplo ms arriba, P(X = 4) fue cero. Es cierto que P(X = a) es igual a
cero por todo nmero a en el intervalo asociada con X?
Respuesta Por lo general, s. Si esta X una variable aleatoria continua, entonces X se
puede asumir un nmero infinito de valores, y por tanto es razonable que la
probabilidad de que asuma cualquier solo valor especfico es cero.
Cuidado Si desee usar un histograma para calcular probabilidad como rea, compruebe
que los subdivisiones de X tienen anchuras de 1 unidad; por ejemplo, 1 \leq X \leq 2,\ 2
\leq X \leq 3, y as sucesivamente.
El primer histograma en Ejemplo 1 tuvo barras correspondiendo a rangos de X ms
anchos que 1. La primera barra tiene una anchura de 5 unidades, pues su rea es 5 \times
.22, que es 5 veces ka probabilidad de que 15 \leq X \leq 20. Si desee usar un
histograma para dar probabilidad como rea, divida la rea por la anchura de los
intervalos.
Hay una otra manera, usada por estadsticos, con la que podemos calcular probabilidad
como rea en histogramas: Trace su histograma por calcular la altura de cada barra no
necesariamente igual a la probabilidad, pero de tal manera que su rea es igual a la
probabilidad correspondiente.
ALETORIA DISCRETA
QUE ES UNA DISTRIBUCIONDE PROHABILIDAD
DISTRIBUCIONES DE PROBABILIDAD.
Toda distribucin de probabilidad es generada por una variable aleatoria x, la
que puede ser de dos tipos:
1. Variable aleatoria discreta (x). Se le denomina variable
porque puede tomar diferentes valores, aleatoria, porque el
valor tomado es totalmente al azar y discreta porque solo
puede tomar valores enteros y un nmero finito de ellos.
Ejemplos:
x Variable que nos define el nmero de burbujas por envase de vidrio que
son generadas en un proceso dado.
x0, 1, 2, 3, 4, 5, etc, etc. burbujas por envase
xVariable que nos define el nmero de productos defectuosos en un lote
de 25 productos.
x0, 1, 2, 3,....,25 productos defectuosos en el lote
xVariable que nos define el nmero de alumnos aprobados en la materia
de probabilidad en un grupo de 40 alumnos.
x0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en probabilidad
Con los ejemplos anteriores nos damos cuenta claramente que los valores de
la variable x siempre sern enteros, nunca fraccionarios.
2. Variable aleatoria continua (x). Se le denomina variable
porque puede tomar diferentes valores, aleatoria, porque
los valores que toma son totalmente al azar y continua
porque puede tomar tanto valores enteros como
fraccionarios y un nmero infinito de ellos.
Ejemplos:
xVariable que nos define el dimetro de un engrane en pulgadas
x5.0, 4.99, 4.98, 5.0, 5.01, 5.0, 4.96
xVariable que nos define la longitud de un cable o circuito utilizado en un arns
de auto
x20.5 cm, 20.1, 20.0, 19.8, 20,6, 20.0, 20.0
xVariable que nos define la concentracin en gramos de plata de algunas
muestras de mineral
x14.8gramos, 12.0, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8
Como se observa en los ejemplos anteriores, una variable continua puede tomar
cualquier valor, entero o fraccionario, una forma de distinguir cuando se trata de
una variable continua es que esta variable nos permite medirla o evaluarla,
mientras que una variable discreta no es medible, es una variable de tipo atributo,
cuando se inspecciona un producto este puede ser defectuoso o no, blanco o negro,
cumple con las especificaciones o no cumple, etc, etc.
Las variables descritas anteriormente nos generan una distribucin de
probabilidad, las que pueden ser.
1) Distribucin de probabilidad discreta.
2) Distribucin de probabilidad continua.
Las caractersticas de cada una de las distribuciones anteriores se mencionarn
a continuacin:
DISTRIBUCIN DE PROBABILIDAD DISCRETA.
Caractersticas:
1. Es generada por una variable discreta (x).
xVariable que solo toma valores enteros
x0, 1, 2, 3, 4, 5, 6, 7, 8, ... etc,etc.
2. p(xi)>0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero.
3.Ep(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los
valores que toma x debe ser igual a 1.
DISTRIBUCIN DE PROBABILIDAD CONTINUA.
Caractersticas:
1. Es generada por una variable continua (x).
x Es una variable que puede tomar tanto valores enteros como
fraccionarios.
x 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, .....,
2. f(x)>0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero. Dicho de otra forma, la funcin de
densidad de probabilidad deber tomar solo valores mayores o iguales a
cero. La funcin de densidad de probabilidad slo puede estar definida en
los cuadrantes I y II.
3. La sumatoria de las probabilidades asociadas a cada uno de
los valores que toma x debe ser igual a 1. El rea definida bajo la funcin de
densidad de probabilidad deber ser de 1.
CALCULO DE MEDIA Y DESVIACIN ESTANDAR PARA UNA DISTRIBUCIN
DISCRETA
1. Media o valor esperado de x.- Para determinar la media de la distribucin
discreta se utiliza la siguiente frmula:
Donde:
= media de la distribucin
E(x) = valor esperado de x
x
i
= valores que toma la variable
p(x
i
) = probabilidad asociada a cada uno de los valores de la variable x
2. Desviacin estndar. Para determinar la desviacin estndar de la
distribucin discreta se utiliza la siguiente frmula:
Donde:
o = desviacin estndar
= media o valor esperado de x
x
i
= valores que toma la variable x
p(x
i
) = probabilidad asociada a cada uno de los valores que toma x
Ejemplos:
1. Segn estadsticas la probabilidad de que el motor de un auto nuevo, de
cierto modelo, y marca sufra de algn desperfecto en los primeros 12 meses
de uso es de 0.02, si se prueban tres automviles de esta marca y modelo,
encuentre el nmero esperado de autos que no sufren de algn desperfecto
en los primeros doce meses de uso y su desviacin estndar.
Solucin:
Haciendo uso de un diagrama de rbol, usando las literales siguientes, se
obtiene el espacio muestral o como se muestra a continuacin;
N = no sufre de algn desperfecto en el motor los primeros 12 meses de uso
S = sufre de algn desperfecto en el motor los primeros 12 meses de uso
N
N
S
N
N
S
S
N
1
er
auto N
S
S
N
2
o
auto S
3
o
S
o = {NNN, NNS, NSN, NSS, SNN, SNS, SSN, SSS}
x = variable que nos define el nmero de autos que no sufre de algn
desperfecto en el motor durante los primeros 12 meses de uso
x = 0, 1, 2 o 3 autos que no sufren algn desperfecto en el motor en los primeros
12 meses de uso
p(x=0)=p(SSS)=(0.02)(0.02)(0.02)=0.000008
p(x=1)=p(NSS, SNS,
SSN)=(0.98)(0.02)(0.02)+(0.02)(0.98)(0.02)+(0.02)(0.02)(0.98)=
=0.001176
p(x=2)=p(NNS,NSN,SNN)=(0.98)(0.98)(0.02)+(0.98)(0.02)(0.98)+(0.02)(0.98)(0.9
8)==0.057624
p(NNN) = (0.98)(0.98)(0.98) =0.941192
Por tanto la media o valor esperado se determina de la siguiente manera:
=E(x) = (0)(0.000008)+(1)(0.001176)+(2)(0.057624)+(3)(0.941192)=
=0.0+0.001176+0.115248+2.823576=2.94~ 3 autos que no sufren algn desperfecto
en el motor en los primeros 12 meses de uso
La interpretacin de la media o valor esperado es; se espera que los 3 autos
probados no sufran de algn desperfecto en el motor en los primeros 12 meses de
uso.
o= =
= 0.2497~0.0 autos que
no sufren algn desperfecto en su motor en los primeros 12 meses de uso.
Interpretacin:
En este experimento se espera que los 3 autos probados no sufran de algn
desperfecto en su motor en los primeros 12 meses de uso y la variabilidad de este
experimento es de cero.
Nota:
La media y la desviacin estndar se redondean a un valor entero ya que son la
media y desviacin de una distribucin de probabilidad discreta.
2. Se ha detectado en una lnea de produccin que 1 de cada 10 artculos
fabricados es defectuoso; se toman de esa lnea tres artculos uno tras otro,
a) obtenga la distribucin de probabilidad del experimento, b) encuentre el
nmero esperado de artculos defectuosos en esa muestra y su desviacin
estndar.
Solucin:
Tambin haciendo uso de in diagrama de rbol, se obtiene el espacio muestral o
a)
D = objeto defectuoso
N = objeto no defectuoso
o={DDD, DDN, DND, DNN, NDD, NDN, NND, NNN}
Este espacio muestral ha sido obtenido haciendo uso de un diagrama de rbol,
x = Variable que nos define el nmero de objetos defectuosos encontrados
x = 0, 1, 2 o 3 objetos defectuosos
p(x=0)=p(NNN)=(0.9)(0.9(0.9)=0.729
p(x=1)=p(DNN, NDN, NND)=(0.1)(0.9)(0.9)+(0.9)(0.1)(0.9)+(0.9)(0.9)(0.1)=0.243
p(x=2)=p(DDN, DND, NDD)=(0.1)(0.1)(0.9)+(0.1)(0.9)(0.1)+(0.9)(0.1)(0.1)=0.027
p(x=3)=p(DDD)=(0.1)(0.1)(0.1)=0.001
Distribucin de probabilidad
x 0 1 2 3
P(x) 0.729 0.243 0.027 0.001
b) (0)(0.729)+(1)(0.243)+(2)(0.027)+(3)(0.001)=
= 0.0 + 0.243 + 0.054 + 0.003 = 0.3 ~0 productos defectuosos
Interpretacin:
Se espera que ninguno de los productos inspeccionados sea defectuoso.
= 0.6 = 1 producto defectuoso
Interpretacin:
En este experimento se espera que ninguno de los productos inspeccionados sea
defectuoso, pero los resultados de este experimento pueden variar en 1
producto defectuoso, por lo que al inspeccionar los 3 productos el numero de
productos defectuosos puede variar desde 1 producto defectuoso, hasta 1
producto defectuoso, pero, es posible obtener 1 producto defectuoso?, claro
que esto no puede ocurrir, luego el nmero de productos defectuosos en el
experimento variar de 0 a 1 producto defectuoso solamente.
3. Segn estadsticas, la probabilidad de que un pozo petrolero que se perfore
en cierta regin pueda ser beneficiado es de 0.30. Se perforan tres pozos en
esa regin, encuentre el nmero esperado de pozos que pueden ser
beneficiados y su desviacin estndar.
Solucin:
Se obtiene el espacio muestral o, de la misma forma que se ha hecho en los
ejemplos anteriores;
B = se puede el pozo que se perfora
N = no se puede beneficiar el pozo que se perfora
o= {BBB, BBN, BNB, BNN, NBB, NBN, NNB, NNN}
x = variable que nos define el nmero de pozos que se pueden beneficiar
x = 0, 1, 2 o 3 pozos que se pueden beneficiar
p(x = 0) = p(NNN) = (0.7)(0.7)(0.7)= 0.343
p(x = 1) = p(BNN, NBN, NNB) = (0.3)(0.7)(0.7)(3)=0.441
p(x = 2) = p(BBN, BNB, NBB) = (0.3)(0.3)(0.7)(3)=0.189
p(x = 3) = p(BBB) =(0.3)(0.3)(0.3)= 0.027
~1 pozo beneficiado
Interpretacin:
Se espera que solo 1 de los tres pozos perforados sea el que pueda ser
beneficiado.
Interpretacin:
La cantidad esperada de pozos que se pueden beneficiar puede variar en 1 1
pozo, esto es la cantidad de pozos que se pueden beneficiar puede variar de 0 a 2
pozos.
4. La distribucin de probabilidad de x , el nmero de defectos por cada 10
metros de una tela sinttica en rollos continuos de ancho uniforme , es
x 0 1 2 3 4
p(x) 0.41 0.37 0.16 0.05 0.01
a) Determine la distribucin de probabilidad acumulada de x; P(x).
b) Determine el nmero esperado de defectos por cada 10 metros de tela
sinttica en rollos continuos de ancho uniforme y la desviacin estndar del
nmero de defectos por cada 10 metros de tela .....
c) Determine la probabilidad de que en 10 metros de tela sinttica se
encuentren como mximo 2 defectos.
d) Determine la probabilidad de que en 10 metros de tela sinttica se
encuentren por lo menos 2 defectos.
Solucin:
a)
X 0 1 2 3 4
p(x) 0.41 0.37 0.16 0.05 0.01
P(x) 0.41 0.78 0.94 0.99 1.0
b)
~ 1 defecto
Interpretacin:0.16, 0.05 ,0.01
Se espera que por cada 10 metros de tela se encuentre un defecto.
Interpretacin:
El nmero de defectos esperado puede variar en 1 defecto, es decir que el
nmero de defectos esperado por cada 10 metros de tela puede variar de 0 a 2.
c) p(x s 2)= p(x=0) + p(x=1) + p(x=2) = 0.41+0.37+0.16 = 0.94
d) p(x > 2) = p(x=2) + p(x=3) + p(x=4) = 0.16 + 0.05 + 0.01= 0.22
CALCULO DE MEDIA Y DESVIACIN ESTNDAR PARA UNA
DISTRIBUCIN CONTINUA
1.Media o valor esperado de x.- Para calcular la media de una distribucin de
probabilidad continua se utiliza la siguiente frmula:
Donde:
= E(x) = media o valor esperado de la distribucin
x = variable aleatoria continua
f(x) = funcin de densidad de la distribucin de probabilidad
2.Desviacin estndar.- La frmula para determinar la desviacin estndar de
una distribucin continua es;
luego:
Ejemplos:
1. Para la siguiente funcin,
cuando 0s x s 3 , f(x) = 0 para cualquier otro valor
a) Diga si esta funcin nos define una distribucin de probabilidad.
b) Si la funcin define una distribucin de probabilidad, entonces,
determine su media y desviacin estndar.
c) Determine la probabilidad de que 1s x < 2.
Solucin:
a) Para verificar que la funcin nos define una distribucin de
probabilidad, es necesario que cumpla con las caractersticas que se
haban mencionado.
1. x s es una variable continua porque puede tomar
cualquier valor entre 0 y 3
2. f(x)> 0, lo que se comprueba si damos diferentes valores a x
para ver que valores toma f(x), dndonos cuenta de que
efectivamente f(x) solo toma valores mayores o iguales a cero.
x f(x)
0 0.0
0.5 0.02778
1.0 0.11111
1.4 0.21778
2.1 0.49
2.7 0.81
3.0 1.0
3. Para comprobar que la sumatoria de las probabilidades que
toma cada valor de x es de 1, se integra la funcin de 0 a 3
como se muestra a continuacin:
A= rea bajo la funcin
Con las operaciones anteriores comprobamos que la funcin
s nos define una distribucin de probabilidad continua.
b) Clculo de media y desviacin estndar.
Las barras nos indican la evaluacin de la integral entre 0 y 3.
c)
La barra nos indica la evaluacin de la integral de 1 a 2.
Con las operaciones anteriores nos damos cuenta que para evaluar probabilidades
para variables de tipo continuo, es necesario evaluar la funcin de densidad de
probabilidad en el rango de valores que se desea; que vendra siendo el rea que se
encuentra entre f(x) y el eje de las x y entre el rango de valores definidos por la
variable x.
2. Suponga que el error en la temperatura de reaccin, en
o
C, para un
experimento controlado de laboratorio es una variable aleatoria continua x,
que tiene la funcin de densidad de probabilidad:
, para -1< x < 2 y f(x) = 0 en cualquier otro caso
a) Verifique la tercera condicin de la definicin de una distribucin
de probabilidad continua.
b) Determine la media o valor esperado de la distribucin de
probabilidad.
c) Encuentre la probabilidad de que 0< x s 1.
Solucin:
a) Como la tercera condicin es que la sumatoria de las probabilidades
asociadas a cada uno de los valores que toma x debe de ser 1, esto se
comprueba de la siguiente manera:
b)
c)