Variable aleatoria

1. Variable aleatoria unidimensional

En el capitulo anterior hemos desarrollado los conceptos básicos de probabilidad sobre los resultados o sucesos de un experimento aleatorio. Pero los experimentos aleatorios son tales que los resultados a que dan lugar pueden ser de naturaleza cualitativa o cuantitativa. Así por ejemplo, serían resultados cualitativos los derivados de los siguientes experimentos aleatorios.

• El lanzamiento de una moneda: cara o cruz.

• La calidad de las piezas fabricadas en una planta: buenas o defectuosas.

• La preferencia de una persona sobre tres tipos de coches: prefiere el coche A, el coche B, o el coche C, etc.

Otros ejemplos de experimentos aleatorios cuyos resultados son cuantitativos serían:

• El número de accidentes de automóvil en una ciudad en un mes dado.

• El número de clientes que llegan a un comercio durante una hora.

• El número de errores detectados en la contabilidad de una empresa.

• La suma de los puntos que aparecen cuando se lanzan simultáneamente dos dados, etc.

Pero trabajar con los resultados cualitativos de un experimento aleatorio introduce ciertas complicaciones, siendo de gran utilidad el cuantificar los resultados cualitativos del experimento aleatorio, o lo que es lo mismo asignar un valor numérico a cada suceso del espacio muestral correspondiente al experimento aleatorio considerado. Esta relación entre los sucesos del espacio muestral y el valor numérico que se les asigna la establecemos mediante la variable aleatoria. Ejemplo 1 Supongamos un experimento aleatorio que consiste en lanzar dos monedas al aire, designamos con F la aparición de cara y por C la aparición de cruz.

Los posibles sucesos elementales del espacio muestral serán:

Si definimos la variable aleatoria X como el número de cruces que aparecen al lanzar las dos monedas, podemos establecer la siguiente correspondencia entre los sucesos del espacio muestral y los valores posibles de la variable aleatoria X.

Observamos que la variable aleatoria X es una función, pues a cada elemento del conjunto origen, sucesos del espacio muestral, le hace corresponder un solo elemento en el conjunto imagen, de valores de la variable aleatoria. Sin embargo, a cada valor de la variable aleatoria le puede correspondes uno o más sucesos.

A estas funciones cuyos valores dependen de los resultados del experimento aleatorio las llamaremos variables aleatorias, y son funciones del espacio muestral E en es decir Definición 1. Variable aleatoria.

También podemos decir, aunque de forma menos rigurosa, que una variable aleatoria es una variable cuyo valor numérico está determinado por el resultado de un experimento aleatorio. Notaremos con las letras mayúsculas X, Y, … la variable aleatoria y con las letras minúsculas, x, y, … sus valores.

La variable aleatoria puede tomar un número numerable o no numerable de valores posibles, dando lugar a dos tipos principales de variables aleatorias: discretas y continuas. Definición 2. Variable aleatoria discreta.

Así pues, sería una variable aleatoria de tipo discreto el número de piezas defectuosas que aparecen en un proceso de fabricación, el número de llamadas telefónicas que son recibidas en una centralita en un periodo de tiempo, o el número de depósitos en una entidad bancaria; y si designamos la correspondiente variable aleatoria por X, entonces X puede tomar cualquiera de los valores Definición 3. Variable aleatoria continua.

Es decir, la variable aleatoria de tipo continuo puede tomar cualquier valor en uno o más intervalos de la recta real. Así pues, situaciones típicas de variables aleatorias continuas serían las que hacen referencia a medidas tales como tiempo, peso o longitud. Por ejemplo, si representamos por X el tiempo que dedica un alumno en hacer un examen cuya duración máxima es de dos horas (120 minutos); tendríamos una variable aleatoria de tipo continuo que puede tomar infinitos valores en el intervalo Otro ejemplo de variable aleatoria continua sería la cantidad de lluvia caída cada día en un determinado punto geográfico, pues un equipo de medida de mucha precisión nos daría cada día la cantidad de lluvia registrada que podríamos hacer corresponder con un punto único del intervalo delimitado por el valor mínimo y el máximo de lluvia prevista. Cada uno de los infinitos puntos del intervalo podría ser un valor de la variable aleatoria X continua correspondiente a la cantidad de lluvia caída en ese punto geográfico durante un día.

2. Distribución de probabilidades de variables aleatorias discretas

Sea X una variable aleatoria discreta que toma un número finito de valores, r en total, que indicaremos por La probabilidad de que la variable aleatoria X tome un valor particular la designaremos por:

Definición 4. Distribución de probabilidad.

La condición I indica que la probabilidad no puede ser negativa, y de la condición II se deduce que los sucesos, X = x, para todos los valores posibles x, son mutuamente excluyentes y exhaustivos.

Ejemplo 2. Un lote de 100 lámparas contiene 10 lámparas defectuosas. El minorista decide tomar dos lámparas aleatoriamente, y si ninguna de las dos es defectuosa, entonces acepta el lote. Definimos la variable aleatoria X como el número de lámparas defectuosas en una selección aleatoria de dos lámparas. Obtener la distribución de probabilidades de la variable aleatoria X.

Solución:

El experimento aleatorio de selección de dos lámparas al azar define los sucesos elementales:

Primera lámpara defectuosa.

Segunda lámpara defectuosa.

Primera lámpara no defectuosa.

Segunda lámpara no defectuosa.

Al considerar la selección conjunta de las dos lámparas, el espacio muestral generado por este experimento aleatorio contiene cuatro sucesos mutuamente excluyentes y forman un sistema completo de sucesos.

En la siguiente tabla aparecen los sucesos elementales del espacio muestral, las correspondientes probabilidades y los valores que puede tomar la variable aleatoria X.

Sucesos Probabilidades Valor de la variable aleatoria X 0,0091 2 0,0909 1 0,0909 1 0,8091 0

Las probabilidades para cada suceso según la regla de multiplicación de probabilidades, serían:

Y consecuentemente las probabilidades con que la variable aleatoria X toma sus diferentes valores serían:

La probabilidad de que el minorista acepte el lote de las 100 lámparas será:

La distribución de probabilidad P(x), de la variable aleatoria X aparece en la siguiente tabla, en donde aparecen los diferentes valores x de la variable aleatoria y sus probabilidades P(x).

Valores de la variable aleatoria Probabilidades x P(x)

• 0  0,8091

• 1  0,1818

• 2  0,0091

Ya que los cuatro sucesos del experimento forman un conjunto mutuamente excluyente y exhaustivo de sucesos, las probabilidades correspondientes a estos secuelos suman la unidad.

La función de probabilidad de una variable aleatoria discreta se puede expresar de tres maneras:

• Tabular.

• Algebraica o funcional.

• Gráfica.

La forma tabular consiste en expresar en forma de tabla una lista de los valores posibles de la variable aleatoria X y las correspondientes probabilidades P(x), como aparece en la tabla La forma algebraica o funcional se presentan cuando es posible escribir una función en la forma de una ecuación, de tal manera que para cada valor de la variable aleatoria se pueda obtener su probabilidad. Así pues, para el ejemplo anterior la forma funcional de la distribución de probabilidad sería:

Otra forma de presentar la función de probabilidad sería mediante un gráfico o diagrama de barras, en el que sobre el eje de abscisas llevaríamos los diferentes valores x, de la variable aleatoria X y sobre el eje de ordenadas, las probabilidades P(x).

Una consideración importante sobre variables aleatorias discretas y sus distribuciones es la siguiente: si X es una variable aleatoria discreta y deseamos determinar la probabilidad de que X sea mayor o igual que un cierto valor y menor o igual que un valor siendo solamente tenemos que sumar las probabilidades correspondientes a valores de X comprendidos entre a y b; es decir:

Así pues, para el ejemplo anterior tendríamos:

Definición 10.5. Función de distribución.

Para el ejemplo anterior la función de distribución F(x) viene dada en la siguiente tabla

Valores de X Función de probabilidad Función de distribución X 0 0,8091 1 0,1818 2 0,0091 Así pues la función de distribución para cualquier valor de x quedaría de la siguiente forma:

Se deduce, de la propia definición, que la función de distribución de una variable aleatoria discreta es una función no decreciente de los valores que toma la variable aleatoria y tal que verifica:

Vemos pues que una variable aleatoria discreta X, está caracterizada por su función de probabilidad o distribución de probabilidad P(x) y también por su función de distribución F(x).

Distribución de probabilidad de variables aleatorias continuas

En el apartado anterior estudiábamos las distribuciones de probabilidad para variables aleatorias de tipo discreto, las cuales podían tomar un número finito o infinito numerables de valores. Pero en muchas aplicaciones estadísticas, la variable aleatoria puede tomar cualquier valor sobre un intervalo de la recta real, es decir, puede tomar un número infinito de valores, siendo la correspondiente variable aleatoria de tipo continuo.

La variable aleatoria de tipo continuo se tratará de forma diferente a como hacíamos con la variable aleatoria discreta, pues en el caso discreto se asignaban probabilidades positivas a todos los valores puntuales de la variable aleatoria, y la suma de todas ellas es igual a la unidad. En el caso continuo no es posible asignar una probabilidad a cada uno de los infinitos posibles valores de la variable aleatoria y que estas probabilidades sumen la unidad como en el caso discreto, siendo necesario utilizar una aproximación diferente para llegar a obtener la distribución de probabilidad de una variable aleatoria continua. Así pues la aproximación que adoptaremos utiliza el histograma de frecuencia relativa, como veremos, con detalle, a continuación.

Supongamos una variable aleatoria X que nos mide los tiempos que transcurren entre dos llegadas consecutivas, de 100 vehículos a una gasolinera. Los tiempos entre dos llegadas consecutivas son medidos con un cronómetro de alta precisión que es capaz de medir el tiempo hasta una milésima de segundo, de tal manera que si un vehículo llega en el instante 54,325 seg. y el próximo en el instante 54,335 seg. el punto medio del intervalo sería, 54,330 seg. pero la probabilidad correspondiente se le asigna al intervalo y no al valor medio 54,330 seg. pues en el caso continuo la probabilidad de que una variable aleatoria tome un valor concreto es cero.

Supongamos que la distribución de frecuencias relativas de los tiempos entre dos llegadas consecutivas de 100 vehículos a una gasolinera viene dada por la tabla siguiente en donde consideramos 10 intervalos de longitud un minuto.

La función f(x), cuya representación gráfica es la curva límite correspondiente al histograma de frecuencias es la función de densidad de probabilidad o simplemente la función de densidad de la variable aleatoria continua X. El área bajo la función f(x) es igual a la unidad, de la misma manera que el área en el correspondiente histograma de frecuencias relativas era igual a la unidad.

Definición 10.6. Función de densidad.

Observamos la analogía entre las condiciones que tenía que verificar P(x) para ser una función de probabilidad de una variable aleatoria discreta, y las condiciones que debe verificar f(x) para ser una función de densidad de una variable aleatoria continua. En el caso discreto, la probabilidad o masa de probabilidad se asigna a cada valor de la variable aleatoria, mientras que en el caso continuo, la probabilidad es considerada como una densidad de probabilidad sobre el rango de valores de la variable aleatoria, es decir en el caso discreto existen probabilidades puntuales, sin embargo, en el caso continuo P(X = x)=0 Y la probabilidad no se asigna a un punto sino a un intervalo. En el caso discreto, la suma de las probabilidades puntuales es igual a la unidad, mientras que en el caso continuo la suma de las densidades de probabilidad o el área bajo la curva f(x) debe ser igual a la unidad, y consecuentemente la probabilidad de que la variable aleatoria continua X tome valores en el intervalo será igual al área bajo la curva f(x) acotada entre a y b, es decir: P(a Hay una diferencia significativa en el cálculo de las probabilidades para una variable aleatoria discreta y una variable aleatoria continua. Si la variable aleatoria X es discreta, sabemos que existen las probabilidades puntuales P(X=xsin embargo, en el caso continuo, si xes un punto interior al intervalo de definición de la variable aleatoria continua X, entonces la P(X=x0, en efecto:

P(X=xP(x0 Es interesante observar que, puesto que en el caso continuo la P(X=x0, entonces se verifica:

P(a ya que P(X=a)=0 y P(X=b)=0 lo cual no sucede en el caso discreto.

Definición 10.7. Función de distribución.

Para poder hacer un razonamiento intuitivo sobre esta definición de la función de distribución, consideramos una masa unidad, distribuida sobre todo el intervalo de definición de la variable aleatoria, que podría ser el intervalo (- y la función de distribución F(x) para cada valor x de la variable aleatoria nos da la cantidad de masa que hay en el intervalo (-, es decir la masa que hay en el punto x y a la izquierda de x, pero como en el caso continuo sabemos que no existen masas puntuales, nos dará lo mismo considerar el intervalo abierto por la derecha (- de tal manera que F(x)= pues la y también 1- La función de distribución de una variable aleatoria continua es una función no decreciente de los valores de la variable aleatoria y tal que verifica:

1. 2. 3. Si 4.

• 5. La derivada de la función de distribución es la función de densidad

Como la representa gráficamente el área encerrada bajo la curvay los valores a y b del eje de abscisas, entonces a la probabilidad se le puede dar la misma interpretación.

Ejemplo 3. Sea una variable aleatoria continua X cuya función de densidad es:

Se pide:

1.º Probar que efectivamente es una función de densidad.

2.º Obtener la 3.º Obtener la 4.º Obtener la función de distribución y el valor que toma en el punto x =16.

Solución: 1.º Para ver que efectivamente es una función de densidad que tienen que verificar las dos condiciones siguientes:

y en nuestro caso será:

y en efecto:

2.º 3.º 0,5 4.º La función de distribución F(x) será:

F(x)= F(16)=

Ejemplo 4 Una estación de servicio tiene un depósito de gasolina sin plomo de 2000 litros lleno al comienzo de cada semana. La demanda semanal muestra un comportamiento creciente hasta llegar a 1000 litros, y después se mantiene entre 1000 y 2000 L. Si designamos por X la variable aleatoria que indica la demanda semanal, en miles de litros, de gasolina sin plomo, la función de densidad es:

Se pide:

1.º Comprobar que es una función de densidad.

2.º. La función de distribución.

3.º Probabilidad de que la demanda sea mayor de 1500 L en una semana dada.

4.º Probabilidad de que la demanda esté comprendida entre 750 1500 litros en una semana dada.

Solución:

1.º Efectivamente es una función densidad ya que y

2.º La función de distribución es:

3.º La probabilidad de que la demanda sea mayor de 1500 L. será:

4.º La probabilidad pedida será:

EJERCICIOS TEMA 5

• 1. Una fábrica de electrodomésticos estima que el número de lavadoras "n" con defecto de fabricación distribuidos al día, tiene por función de probabilidad:

siendo X = "nº de lavadoras defectuosas distribuidas al día" Determinar:

• a) Probabilidad de que no distribuya ninguna lavadora defectuosa en un día.

• b) Probabilidad de que en un día se distribuyan más de una lavadora defectuosa.

• c) Probabilidad de que se distribuyan exactamente dos defectuosas.

• 2. ¿Cuál es la probabilidad de obtener una determinada cara por primera vez al tirar un tetraedro regular sucesivas veces?

• 3. El número de averías diarias de cierto electrodoméstico en una ciudad viene dada por la función de cuantía:

Determinar:

• a) El valor de

• b) Probabilidad de que en un día no se produzca ninguna avería.

• c) Probabilidad de que en un día se averíen más de dos electrodomésticos.

• 4. Se tienen diez documentos de los que seis tienen algún error. Se toma una muestra sin reemplazamiento de tres y resultan dos sin error. Calcular la probabilidad de que ocurra este suceso.

VARIABLE ALEATORIA "NO A LA CULTURA DEL SECRETO, SI A LA LIBERTAD DE INFORMACION"® www.monografias.com/usuario/perfiles/ing_lic_yunior_andra_s_castillo_s/monografias Santiago de los Caballeros, República Dominicana, 2015.

"DIOS, JUAN PABLO DUARTE Y JUAN BOSCH – POR SIEMPRE"®

Autor:

Ing.+Lic. Yunior Andrés Castillo S.