Variables aleatorias
Las variables aleatorias son una herramienta que permite traducir los posibles resultados de un experimento aleatorio en números reales.
Definiremos a una variable aleatoria como una función X : Ω 7→ R tal que para todo x ∈ R se cumple que:
Si w ∈ Ω entonces X(w) ≤ x (1)
Por ejemplo, consideremos el experimento de lanzar una moneda. Tenemos que Ωáguila, sol. Podemos definir la variable aleatoria X como:
X(águila) = 1 (2)
X(sol) = 0 (3)
entonces los posibles resultados de nuestro experimento aleatorio son los números 0 y 1, los cuales se escogieron de manera arbitraria. Notemos que los únicos valores que puede tomar nuestra v.a. son el 0 y el 1, por lo que el dominio de nuestra función es el conjunto {0, 1}.
Además podemos establecer que P X = 0
=
12(4)
P X = 1
=
12(5)
Variables aleatorias
Variables aleatorias discreta y continua (v.a.d y v.a.c)
Diremos que una variable aleatoria es discreta si el rango de la función X es un conjunto finito o numerable. En caso de que el rango de X es un conjunto infinito no numerable entonces decimos que X es una variable aleatoria continua.
En nuestro ejemplo de la moneda la variable es una v.a. discreta. De ahora
en adelante, en los experimentos se elegirá solo un tipo de variable: discreta o
continua.
Variables aleatorias
Variables aleatorias discreta y continua (v.a.d y v.a.c)
Diremos que una variable aleatoria es discreta si el rango de la función X es un conjunto finito o numerable. En caso de que el rango de X es un conjunto infinito no numerable entonces decimos que X es una variable aleatoria continua.
En nuestro ejemplo de la moneda la variable es una v.a. discreta. De ahora
en adelante, en los experimentos se elegirá solo un tipo de variable: discreta o
continua.
Variables aleatorias
Variables aleatorias discreta y continua (v.a.d y v.a.c)
Diremos que una variable aleatoria es discreta si el rango de la función X es un conjunto finito o numerable. En caso de que el rango de X es un conjunto infinito no numerable entonces decimos que X es una variable aleatoria continua.
En nuestro ejemplo de la moneda la variable es una v.a. discreta. De ahora
en adelante, en los experimentos se elegirá solo un tipo de variable: discreta o
continua.
Variables aleatorias
Funciones de densidad y de distribución
Sea X una v.a.d que toma los valores x
0, x
1, x
2, . . . , x
n. Definimos la función de densidad de X denotada por f
X(x) : R 7→ R como:
f
X(x) = P X = x
si x = x
0, x
1, x
2, . . . , x
n0 en otro caso (6)
Para una variable aleatoria continua X, definimos la función de densidad de X como aquella función continua f
X: R 7→ R tal que para todo intervalo [a, b] ∈ R , se cumple que:
P X ∈ [a, b] =
b
Z
a
f
X(x)dx (7)
Variables aleatorias
Funciones de densidad y de distribución
Sea X una v.a.d que toma los valores x
0, x
1, x
2, . . . , x
n. Definimos la función de densidad de X denotada por f
X(x) : R 7→ R como:
f
X(x) = P X = x
si x = x
0, x
1, x
2, . . . , x
n0 en otro caso (6)
Para una variable aleatoria continua X, definimos la función de densidad de X como aquella función continua f
X: R 7→ R tal que para todo intervalo [a, b] ∈ R , se cumple que:
P X ∈ [a, b] =
b
Z
a
f
X(x)dx (7)
Variables aleatorias
Para el caso discreto y continuo, la función de densidad satisface las siguientes propiedades.
Sea f
X(x) la función de densidad de la v.a.c. (v.a.d) X, entonces se cumplen las siguientes propiedades:
f
X(x) ≥ 0
R
∞−∞
f
X(x)dx = 1 P
ni=1
f (x
i) = 1 Ahora definamos la función de distribución.
Dada una variable aleatoria X, discreta o continua, se define la función de dis- tribución de X, denotada por F
X(x) : R → R, como
F
X(x) = P (X ≤ x) (8)
Así, la relación entre la función de densidad f
Xy la función de distribución F
Xde una v.a.c. X se expresa como:
F
X(x) = P (X ≤ x) =
x
Z
−∞
f
X(u)du (9)
Variables aleatorias
Para el caso discreto y continuo, la función de densidad satisface las siguientes propiedades.
Sea f
X(x) la función de densidad de la v.a.c. (v.a.d) X, entonces se cumplen las siguientes propiedades:
f
X(x) ≥ 0 R
∞−∞
f
X(x)dx = 1 P
ni=1
f (x
i) = 1
Ahora definamos la función de distribución.
Dada una variable aleatoria X, discreta o continua, se define la función de dis- tribución de X, denotada por F
X(x) : R → R, como
F
X(x) = P (X ≤ x) (8)
Así, la relación entre la función de densidad f
Xy la función de distribución F
Xde una v.a.c. X se expresa como:
F
X(x) = P (X ≤ x) =
x
Z
−∞
f
X(u)du (9)
Variables aleatorias
Para el caso discreto y continuo, la función de densidad satisface las siguientes propiedades.
Sea f
X(x) la función de densidad de la v.a.c. (v.a.d) X, entonces se cumplen las siguientes propiedades:
f
X(x) ≥ 0 R
∞−∞
f
X(x)dx = 1 P
ni=1
f (x
i) = 1 Ahora definamos la función de distribución.
Dada una variable aleatoria X, discreta o continua, se define la función de dis- tribución de X, denotada por F
X(x) : R → R, como
F
X(x) = P (X ≤ x) (8)
Así, la relación entre la función de densidad f
Xy la función de distribución F
Xde una v.a.c. X se expresa como:
F
X(x) = P (X ≤ x) =
x
Z
−∞
f
X(u)du (9)
Variables aleatorias
Para el caso discreto y continuo, la función de densidad satisface las siguientes propiedades.
Sea f
X(x) la función de densidad de la v.a.c. (v.a.d) X, entonces se cumplen las siguientes propiedades:
f
X(x) ≥ 0 R
∞−∞
f
X(x)dx = 1 P
ni=1
f (x
i) = 1 Ahora definamos la función de distribución.
Dada una variable aleatoria X, discreta o continua, se define la función de dis- tribución de X, denotada por F
X(x) : R → R, como
F
X(x) = P (X ≤ x) (8)
Así, la relación entre la función de densidad f
Xy la función de distribución F
Xde una v.a.c. X se expresa como:
F
X(x) = P (X ≤ x) =
x
Z
−∞
f
X(u)du (9)
Variables aleatorias
Para el caso discreto y continuo, la función de densidad satisface las siguientes propiedades.
Sea f
X(x) la función de densidad de la v.a.c. (v.a.d) X, entonces se cumplen las siguientes propiedades:
f
X(x) ≥ 0 R
∞−∞
f
X(x)dx = 1 P
ni=1
f (x
i) = 1 Ahora definamos la función de distribución.
Dada una variable aleatoria X, discreta o continua, se define la función de dis- tribución de X, denotada por F
X(x) : R → R, como
F
X(x) = P (X ≤ x) (8)
Así, la relación entre la función de densidad f
Xy la función de distribución F
Xde una v.a.c. X se expresa como:
F
X(x) = P (X ≤ x) =
x
Z
−∞
f
X(u)du (9)
Variables aleatorias
Las funciones de distribución satisfacen las siguientes propiedades:
Sea X una variable aleatoria cualquiera con función de distribución F
X(x), en- tonces:
1 lim
x→∞
F
X(x) = 1
2 lim
x→−∞
F
X(x) = 0
3 Si a ≤ b entonces F
X(a) ≤ F
X(b)
4 F
X(x) es una función continua por la derecha Luego si X es una v.a.c., entonces:
P (a < X ≤ b) = P (a ≤ X ≤ b) = P (a ≤ X < b) = P (a < X < b)(10)
=
b
Z
a
f
X(x)dx = F
X(b) − F
X(a) (11)
Variables aleatorias
Las funciones de distribución satisfacen las siguientes propiedades:
Sea X una variable aleatoria cualquiera con función de distribución F
X(x), en- tonces:
1 lim
x→∞
F
X(x) = 1 2 lim
x→−∞
F
X(x) = 0
3 Si a ≤ b entonces F
X(a) ≤ F
X(b)
4 F
X(x) es una función continua por la derecha Luego si X es una v.a.c., entonces:
P (a < X ≤ b) = P (a ≤ X ≤ b) = P (a ≤ X < b) = P (a < X < b)(10)
=
b
Z
a
f
X(x)dx = F
X(b) − F
X(a) (11)
Variables aleatorias
Las funciones de distribución satisfacen las siguientes propiedades:
Sea X una variable aleatoria cualquiera con función de distribución F
X(x), en- tonces:
1 lim
x→∞
F
X(x) = 1 2 lim
x→−∞
F
X(x) = 0
3 Si a ≤ b entonces F
X(a) ≤ F
X(b)
4 F
X(x) es una función continua por la derecha Luego si X es una v.a.c., entonces:
P (a < X ≤ b) = P (a ≤ X ≤ b) = P (a ≤ X < b) = P (a < X < b)(10)
=
b
Z
a
f
X(x)dx = F
X(b) − F
X(a) (11)
Variables aleatorias
Las funciones de distribución satisfacen las siguientes propiedades:
Sea X una variable aleatoria cualquiera con función de distribución F
X(x), en- tonces:
1 lim
x→∞
F
X(x) = 1 2 lim
x→−∞
F
X(x) = 0
3 Si a ≤ b entonces F
X(a) ≤ F
X(b)
4 F
X(x) es una función continua por la derecha Luego si X es una v.a.c., entonces:
P (a < X ≤ b) = P (a ≤ X ≤ b) = P (a ≤ X < b) = P (a < X < b)(10)
=
b
Z
a
f
X(x)dx = F
X(b) − F
X(a) (11)
Variables aleatorias
Ahora, para calcular a F
X(x) la función de distribución a partir de la función de densidad f
X(x), debemos integrar para el caso continuo o sumar para el caso discreto:
F
X(x) =
x
Z
−∞
f
X(u)du (12)
en el caso discreto se suman todos los valores de f
X(u) para valores de u menores o iguales a x.
Para el otro caso, si conocemos la función de distribución F
X(x) y deseamos calcular la función de densidad f
X(x) , debemos calcular:
f
X(x) = d
dx F
X(x) (13)
Para el caso de variables discretas usamos la relación:
f
X(x) = F
X(x
+) − F
X(x
−) (14)
Es decir, f
X(x) es el tamaño de la discontinuidad de F
Xen el punto x.
Variables aleatorias
Ahora, para calcular a F
X(x) la función de distribución a partir de la función de densidad f
X(x), debemos integrar para el caso continuo o sumar para el caso discreto:
F
X(x) =
x
Z
−∞
f
X(u)du (12)
en el caso discreto se suman todos los valores de f
X(u) para valores de u menores o iguales a x.
Para el otro caso, si conocemos la función de distribución F
X(x) y deseamos calcular la función de densidad f
X(x) , debemos calcular:
f
X(x) = d
dx F
X(x) (13)
Para el caso de variables discretas usamos la relación:
f
X(x) = F
X(x
+) − F
X(x
−) (14)
Es decir, f
X(x) es el tamaño de la discontinuidad de F
Xen el punto x.
Variables aleatorias
Ahora, para calcular a F
X(x) la función de distribución a partir de la función de densidad f
X(x), debemos integrar para el caso continuo o sumar para el caso discreto:
F
X(x) =
x
Z
−∞
f
X(u)du (12)
en el caso discreto se suman todos los valores de f
X(u) para valores de u menores o iguales a x.
Para el otro caso, si conocemos la función de distribución F
X(x) y deseamos calcular la función de densidad f
X(x) , debemos calcular:
f
X(x) = d
dx F
X(x) (13)
Para el caso de variables discretas usamos la relación:
f
X(x) = F
X(x
+) − F
X(x
−) (14)
Es decir, f
X(x) es el tamaño de la discontinuidad de F
Xen el punto x.
Variables aleatorias
Ahora, para calcular a F
X(x) la función de distribución a partir de la función de densidad f
X(x), debemos integrar para el caso continuo o sumar para el caso discreto:
F
X(x) =
x
Z
−∞
f
X(u)du (12)
en el caso discreto se suman todos los valores de f
X(u) para valores de u menores o iguales a x.
Para el otro caso, si conocemos la función de distribución F
X(x) y deseamos calcular la función de densidad f
X(x) , debemos calcular:
f
X(x) = d
dx F
X(x) (13)
Para el caso de variables discretas usamos la relación:
f
X(x) = F
X(x
+) − F
X(x
−) (14)
Es decir, f
X(x) es el tamaño de la discontinuidad de F
Xen el punto x.
Variables aleatorias
Ejemplo 1
La variable aleatoria X tiene la siguiente función de densidad:
f (x) =
32
x
2, x ∈ (−1, 1) 0 , x / ∈ (−1, 1) (15)
Grafique f (x) y calcule las siguientes probabilidades. Muestre estas probabil- idades gráficamente sombreando las correspondientes áreas bajo la función de densidad.
1 P − 1/4 < X < 2/3 2 P |X| < 1/2
3 P (X ∈ (−3/4, −1/4) ∩ (−1/2, 1/2))
Variables aleatorias
Para el primer caso, debemos integrar lo siguiente:
P − 1/4 < X < 2/3
=
2/3
Z
−1/4
3
2 x
2dx = 3 2 1 3 x
32/3
−1/4
(16)
= 1
2
"
2 3
3−
− 1 4
3#
= 539
3456 ≈ 0.156 (17)
-1 4
2 3
Figure: P − 1/4 < X < 2/3
Variables aleatorias
Para el segundo caso integraremos:
P |X| < 1/2) =
1/2
Z
−1/2
3
2 x
2dx = 3 2 1 3 x
31/2
−1/2
(18)
= 1
2
"
1 2
3−
− 1 2
3#
= 1
8 = 0.125 (19)
-1 2
1 2
Figure: P |X| < 1/2
Variables aleatorias
Y finalmente,
P (X ∈ (−3/4, −1/4) ∩ (−1/2, 1/2)) =
−1/4
Z
−1/2
3
2 x
2dx = 3 2 1 3 x
3−1/4
−1/2
(20)
=
12h
−
143− −
123i
(21)
= 7
128 ≈ 0.0547 (22)
-3
4 -1
4 -1
2
1 2
Figure: P (X ∈ (−3/4, −1/4) ∩ (−1/2, 1/2))
Variables aleatorias
Ejemplo 2
Sea X una v.a.c. con función de densidad dada por:
f
X(x) =
−kx
3, x ∈ [−1, 0) kx
3, x ∈ [0, 1)
0 , x / ∈ (−1, 1) (23)
1 Obtenga el valor de k y grafique f
X(x) 2 Obtenga y grafique F
X(x)
3 Obtenga el valor α tal que P (−α ≤ X ≤ α) = 1/2 y muestre
gráficamente esta probabilidad.
Variables aleatorias
Solución
Para el punto 1, recordemos que una función de densidad de una v.a.c debe satisfacer que:
∞
Z
−∞
f
X(x)dx = 1 (24)
Así, para la función de densidad dada debemos verificar que:
1
Z
−1
f
X(x)dx = 1 (25)
= −
0
Z
−1
kx
3dx +
1
Z
0
kx
3dx (26)
= −k
4 x
40
−1
+ k 4 x
41
0
(27)
= k
4 + k 4 = 2
4 k = 1 (28)
Así, k = 2.
Variables aleatorias
-1.0 -0.5 0.5 1.0
0.5 1.0 1.5 2.0
Figure: Gráfica de la función de densidad f
X(x)
Variables aleatorias
Ahora, la función de distribución es la integral de la función de densidad sobre todo el intervalo donde esté definida esta, luego:
F
X(x) =
1
2
, x ∈ [−1, 0)
1
2
, x ∈ [0, 1) 0 , x / ∈ (−1, 1)
(29)
-1.0 -0.5 0.5 1.0
0.2 0.4 0.6 0.8 1.0
Figure: Gráfica de la distribución de probabilidad F
X(x)
Variables aleatorias
Finalmente para encontrar a α recordemos que:
P (−α ≤ X ≤ α) =
α
Z
−α
f
X(x)dx = F
X(α) − F
X(−α) = 1
2 (30)
De nuestro problema la constante α sólo puede tomar valores entre -1 y 1 ya que la función sólo está definida en ese intervalo. Por lo que podemos separar esta integral como:
0
Z
−α
f
X(x)dx +
α
Z
0
f
X(x)dx = (31)
−
0
Z
−α
2x
3dx +
α
Z
0
2x
3dx (32)
Variables aleatorias
− 1 2 x
40
−α
+ 1 2 x
4α
0
= (33)
1
2 (−α)
4+ 1
2 (α)
4= 1
2 (34)
α
4= 1
2 (35)
α = 1
√
42 (36)
Así, la solución pedida es: P (−2
−1/4≤ X ≤ 2
−1/4) =
12-1.0 -0.5 0.5 1.0
0.1 0.2 0.3 0.4 0.5