Probabilidad y Estadstica:

Variables aleatorias y distribuciones de

probabilidad

Dr. Juliho Castillo

24 de septiembre de 2017
Universidad LaSalle Oaxaca

1
1 Variables aleatorias

2 Funciones de probabilidad discretas

3 Funciones de distribucion para variables aleatorias discretas

4 Variable Aleatorias Continuas

5 Interpretacion grafica

6 Distribucion conjunta de probabilidad

7 Variables Aleatorias Independientes

8 Distribucion Condicional

2
Variables aleatorias

3
Supongamos que a cada punto del espacio muestral se le
asigna un numero. Entonces hemos definido una funcion en el
espacio muestral Esta funcion es llamada variable aleatoria
(o variable estocastica) o de manera mas precisa funcion
aleatoria.
Usualmente, las variables aleatorias se denotan por letras
mayusculas como X o Y . En general, una variable aleatoria
tiene algun significado fsico, geometrico, economico,
financieros, etc.

4
Supongamos que a cada punto del espacio muestral se le
asigna un numero. Entonces hemos definido una funcion en el
espacio muestral Esta funcion es llamada variable aleatoria
(o variable estocastica) o de manera mas precisa funcion
aleatoria.
Usualmente, las variables aleatorias se denotan por letras
mayusculas como X o Y . En general, una variable aleatoria
tiene algun significado fsico, geometrico, economico,
financieros, etc.

4
Supongamos que a cada punto del espacio muestral se le
asigna un numero. Entonces hemos definido una funcion en el
espacio muestral Esta funcion es llamada variable aleatoria
(o variable estocastica) o de manera mas precisa funcion
aleatoria.
Usualmente, las variables aleatorias se denotan por letras
mayusculas como X o Y . En general, una variable aleatoria
tiene algun significado fsico, geometrico, economico,
financieros, etc.

4
Supongamos que a cada punto del espacio muestral se le
asigna un numero. Entonces hemos definido una funcion en el
espacio muestral Esta funcion es llamada variable aleatoria
(o variable estocastica) o de manera mas precisa funcion
aleatoria.
Usualmente, las variables aleatorias se denotan por letras
mayusculas como X o Y . En general, una variable aleatoria
tiene algun significado fsico, geometrico, economico,
financieros, etc.

4
Ejemplo 1.1.

Supongamos que una moneda se lanza dos veces de manera

que el espacio muestral es {HH, HT, T H, T T } . Digamos que
X representa el numero de soles (H) que obtenemos.

5
Ejemplo 1.1.

Supongamos que una moneda se lanza dos veces de manera

que el espacio muestral es {HH, HT, T H, T T } . Digamos que
X representa el numero de soles (H) que obtenemos.

5
Funciones de probabilidad
discretas

6
Sea X una variable aleatoria discreta. Supongamos que los
valores que puede tomar son x1 , ..., xk , arreglados en algun
orden dado. Supongamos tambien que esos valores tienen
alguna probabilidad dada por

P (X = xk ) = f (xk ). (2.1)

7
Sea X una variable aleatoria discreta. Supongamos que los
valores que puede tomar son x1 , ..., xk , arreglados en algun
orden dado. Supongamos tambien que esos valores tienen
alguna probabilidad dada por

P (X = xk ) = f (xk ). (2.1)

7
Sea X una variable aleatoria discreta. Supongamos que los
valores que puede tomar son x1 , ..., xk , arreglados en algun
orden dado. Supongamos tambien que esos valores tienen
alguna probabilidad dada por

P (X = xk ) = f (xk ). (2.1)

7
Funcion de probabilidad

f (x)

x = xk
P (X = x) = (2.2)
0

en otro caso

8
En general, f (x) sera una funcion de probabilidad si

f (x)

0
P
x f (x)

= 1.

9
Ejemplo 2.1.

Encuentre la funcion de probabilidad correspondiente a la

variable aleatoria X del ejemplo 1.1.

10
Problema Resuelto 2.1.

Suponga que un par de dados se lanzan. Sea X la variable

aleatoria dada por la suma de los puntos. Encuentre la
distribucion de probabilidad de X.

11
Problema Resuelto 2.2.

Encuentre la distribucion de probabilidad de ninos y ninas en

familias con 3 hijos, suponiendo la misma probabilidad para
ninos y ninas.

12
Funciones de distribucion para
variables aleatorias discretas

13
La funcion de distribucion de una variable discreta X se
obtiene de la funcion de probabilidad a traves de la siguiente
formula
X
F (x) = P (X x) = f (u). (3.1)
ux

14
Si X toma solo un numero finito de valores x1 , ..., xn entonces
la funcion de distribucion esta dada por

0


< x < 0


f (x1 ) x1 x < x2






F (x) = f (x1 ) + f (x2 ) x2 x < x3 (3.2)
. ..
..

.





f (x1 ) + + f (xn ) xn x <

15
Ejemplo 3.1.

Encuentre la funcion de distribucion para la variable aleatoria

X del ejemplo 2.1 y obtenga su grafica.

16
17
Observacion:

Los saltos en la funcion de distribucion estan

determinados por el valor de la funcion de
probabilidad.
Este tipo de funciones se conoce como funcion
escalonada. Debe observarse que son continuas por
la derecha.
La funcion de distribucion es monotonamente
creciente.

18
Observacion:

Los saltos en la funcion de distribucion estan

determinados por el valor de la funcion de
probabilidad.
Este tipo de funciones se conoce como funcion
escalonada. Debe observarse que son continuas por
la derecha.
La funcion de distribucion es monotonamente
creciente.

18
Observacion:

Los saltos en la funcion de distribucion estan

determinados por el valor de la funcion de
probabilidad.
Este tipo de funciones se conoce como funcion
escalonada. Debe observarse que son continuas por
la derecha.
La funcion de distribucion es monotonamente
creciente.

18
La funcion de probabilidad se puede obtener a partir de la
funcion de distribucion con la siguiente formula

f (x) = F (x) lm F (u). (3.3)

ux

19
Problema Resuelto 3.1.

(a) Encuentre la funcion de distribucion F (x) para la variable

aleatoria del problema resuelto 2.1;
(b) grafique esta funcion de distribucion.

20
21
Problema Resuelto 3.2.

(a) Encuentre la funcion de distribucion F (x) para la variable

aleatoria del problema resuelto 2.2;
(b) grafique esta funcion de distribucion.

22
23
Variable Aleatorias Continuas

24
Una variable aleatoria no discreta X se llama absolutamente
continua (o simplemente continua) si su funcion de
distribucion puede ser representada como
Z x
F (x) = P (X x) = f (u)du, < x < . (4.1)

La funcion f usualmente se llama densidad de probabilidad

y debe satisfacer las siguientes propiedades:

1 f (x) 0
Z
2 f (x)dx = 1.

25
Una variable aleatoria no discreta X se llama absolutamente
continua (o simplemente continua) si su funcion de
distribucion puede ser representada como
Z x
F (x) = P (X x) = f (u)du, < x < . (4.1)

La funcion f usualmente se llama densidad de probabilidad

y debe satisfacer las siguientes propiedades:

1 f (x) 0
Z
2 f (x)dx = 1.

25
La probabilidad de que X se encuentre entre dos valores a y b
esta dada por
Z b
P (a < x < b) = f (x)dx. (4.2)
a

26
 P (X = a) = 0. (4.3)

Por tanto, en (4.2) podemos reemplazar cualquier signo < por

.

27
 P (X = a) = 0. (4.3)

Por tanto, en (4.2) podemos reemplazar cualquier signo < por

.

27
Ejemplo 4.1.

(a) Encuentre la constante c tal que la funcion

cx2

0<x<3
f (x) = (4.4)
0

en otro caso

sea una funcion de probabilidad.

(b) Calcule P (1 < X < 2).

28
Ejemplo 4.1.

(a) Encuentre la constante c tal que la funcion

cx2

0<x<3
f (x) = (4.4)
0

en otro caso

sea una funcion de probabilidad.

(b) Calcule P (1 < X < 2).

28
Ejemplo 4.2.

Encuentre la distribucion de probabilidad para la variable

aleatoria del ejemplo 4.1 y utilcela para calcular
P (1 < x 2).

29
La probabilidad de que X se encuentre entre x y x + x esta
dada por
Z x+x
P (x X x + x) = f (u)du, (4.5)
x

de manera que si x 0, tendremos que

P (x X x + x) f (x)x. (4.6)

30
La probabilidad de que X se encuentre entre x y x + x esta
dada por
Z x+x
P (x X x + x) = f (u)du, (4.5)
x

de manera que si x 0, tendremos que

P (x X x + x) f (x)x. (4.6)

30
Tambien podemos deducir de (4.1), al diferenciar de ambos
lados, que

dF (x)
= f (x) (4.7)
dx
en todos aquellos puntos en que f (x) sea continua. Es decir,
la derivada de la funcion de distribucion es la funcion de
densidad.

31
Tambien podemos deducir de (4.1), al diferenciar de ambos
lados, que

dF (x)
= f (x) (4.7)
dx
en todos aquellos puntos en que f (x) sea continua. Es decir,
la derivada de la funcion de distribucion es la funcion de
densidad.

31
Observacion: Existen variables aleatorias que no son
discretas ni continuas. Por ejemplo




0 x<1

F (x) = x (4.8)
2
1x<2


1 x 2.

32
Observacion: Existen variables aleatorias que no son
discretas ni continuas. Por ejemplo




0 x<1

F (x) = x (4.8)
2
1x<2


1 x 2.

32
Problema Resuelto 4.1.

Una variable aleatoria X tiene funcion de densidad

c
f (x) = , < x < . (4.9)
x2 +1

(a) Encuentre el valor de c;

(b) encuentre la probabilidad de que
1
< X 2 < 1.
3

33
Problema Resuelto 4.1.

Una variable aleatoria X tiene funcion de densidad

c
f (x) = , < x < . (4.9)
x2 +1

(a) Encuentre el valor de c;

(b) encuentre la probabilidad de que
1
< X 2 < 1.
3

33
Problema Resuelto 4.2.

Encuentre la funcion de distribucion correspondiente a la

funcion de densidad del problema resuelto 4.1

34
Problema Resuelto 4.3.

La funcion de distribucion para una variable aleatoria X es

1 e2x

x0
F (x) = (4.10)
0 x<0

Encuentre

(a) la funcion de densidad;

(b) la probabilidad de que X > 2;
(c) la probabilidad que 3 < X 4.

35
Interpretacion grafica

36
La distribucion F (x) = P (X x) es monotonamente
creciente de 0 a 1...

37
...y el area bajo dicha curva es igual a 1.

38
Distribucion conjunta de
probabilidad

39
Las ideas anteriores se generalizan facilmente a dos o mas
variables.

40
Caso discreto

Si X y Y son ambas variables aleatorias discretas, definimos la

funcion de probabilidad conjunta de X y Y por

P (X = x, Y = y) = f (x, y) (6.1)

donde

1 f (x, y) 0;
P P
2 k y f (x, y) = 1.

41
Caso discreto

Si X y Y son ambas variables aleatorias discretas, definimos la

funcion de probabilidad conjunta de X y Y por

P (X = x, Y = y) = f (x, y) (6.1)

donde

1 f (x, y) 0;
P P
2 k y f (x, y) = 1.

41
Supongamos que X solo toma uno de los m valores x1 , ..., xm ,
mientras que Y tomas solo toma uno de los n valores
y1 , ..., yn .
Entonces la probabilidad del evento X = xj , Y = yk esta dada
por

P (X = xj , Y = yk ) = f (xj , yk ) (6.2)

42
Supongamos que X solo toma uno de los m valores x1 , ..., xm ,
mientras que Y tomas solo toma uno de los n valores
y1 , ..., yn .
Entonces la probabilidad del evento X = xj , Y = yk esta dada
por

P (X = xj , Y = yk ) = f (xj , yk ) (6.2)

42
Una funcion de probabilidad conjunta para X y Y puede ser
representada por una tabla de probabilidad conjunta como
la siguiente:

43
La probabilidad de X = xj se obtiene de la siguiente manera
n
X
P (X = xj ) = fX (xj ) = f (xj , yk ). (6.3)
k=1

44
De manera similar, la probabilidad de Y = yk se obtiene de la
siguiente manera
m
X
P (Y = yk ) = fY (yk ) = f (xj , yk ). (6.4)
j=1

45
Nos referiremos a fX (x) y fY (y) como funciones de
probabilidad marginal de X y Y respectivamente.

46
Observe que
m
X n
X
fX (xj ) = 1, fY (yk ) = 1, (6.5)
j=1 k=1

lo cual se puede reescribir como

m X
X n
f (xj , yk ) = 1. (6.6)
j=1 k=1

47
Observe que
m
X n
X
fX (xj ) = 1, fY (yk ) = 1, (6.5)
j=1 k=1

lo cual se puede reescribir como

m X
X n
f (xj , yk ) = 1. (6.6)
j=1 k=1

47
La funcion de distribucion conjunta esta definida por
XX
F (x, y) = P (X x, Y y) = f (u, v) (6.7)
ux vy

48
Caso continuo

El caso en el que ambas variables son continuas es obtenido de

manera analoga reemplazando las sumas por integrales.

49
La funcion de probabilidad conjunta (o de manera mas
comun funcion de densidad conjunta) de Xy Y esta
definida por

1 f (x, y) 0;
Z Z
2 f (x, y)dxdy = 1.

50
Graficamente z = f (x, y) representa una superficie de
probabilidad

tal que el volumen bajo la superficie es igual a 1.

51
 Z bZ d
P (a < X < b, c < Y < d) = f (x, y)dydx. (6.8)
a c

52
A cada evento A corresponde una region RA del plano xy tal
que
ZZ
P (A) = f (x, y)dxdy. (6.9)
RA

53
La funcion de distribucion conjunta de X y Y en este caso
esta definida por
Z x Z y
F (x, y) = P (X x, Y y) = f (u, v)dvdu.

(6.10)

54
Se sigue que

2F
= f (x, y) (6.11)
xy
Z x Z
P (X x) = FX (x) = f (u, v)dvdu (6.12)

Z Z y
P (Y y) = FY (y) = f (u, v)dvdu (6.13)

55
Diremos que FX (x), FY (y) son las funciones de distribucion
marginal, o simplemente funciones distribuciones, de X y
Y , respectivamente.

56
Las derivadas de (6.12) y (6.13) con respecto a x y y son
llamadas funciones de densidad marginal, o simplemente
las funciones de densidad, de X y Y estan dados por
Z Z
fX (x) = f (x, v)dv, fY (x) = f (u, y)du. (6.14)

57
Variables Aleatorias
Independientes

58
Supongamos que X y Y son variables aleatorias discretas. Si
los eventos X = x y Y = y son eventos independientes para
todo x, y, entonces diremos que X, Y son v.as independientes.

59
Supongamos que X y Y son variables aleatorias discretas. Si
los eventos X = x y Y = y son eventos independientes para
todo x, y, entonces diremos que X, Y son v.as independientes.

59
Supongamos que X y Y son variables aleatorias discretas. Si
los eventos X = x y Y = y son eventos independientes para
todo x, y, entonces diremos que X, Y son v.as independientes.

59
En tal caso,

P (X = x, Y = y) = P (X = x)P (Y = y), (7.1)

o de manera equivalente

f (x, y) = fX (x)fY (y). (7.2)

60
En tal caso,

P (X = x, Y = y) = P (X = x)P (Y = y), (7.1)

o de manera equivalente

f (x, y) = fX (x)fY (y). (7.2)

60
De manera inversa, si para todo x, y la funcion de probabilidad
conjunta f (x, y) pueden ser expresada como el producto de
funciones de probabilidad marginal fX (x)fY (y), entonces
X, Y son independientes.
Si no pueden expresarse de dicha manera, entonces X, Y son
dependientes.

61
De manera inversa, si para todo x, y la funcion de probabilidad
conjunta f (x, y) pueden ser expresada como el producto de
funciones de probabilidad marginal fX (x)fY (y), entonces
X, Y son independientes.
Si no pueden expresarse de dicha manera, entonces X, Y son
dependientes.

61
Si X, Y son v.as continuas, diremos que son independientes
si los eventos X x y Y y son independientes para todo
x, y.
En tal caso, escribiremos

P (X x, Y y) = P (X x)P (Y y) (7.3)

o de manera equivalente

F (x, y) = FX (x)FY (y) (7.4)

donde FX (x) y FY (y) son las funciones de distribucion

marginal de X, Y respectivamente.

62
Si X, Y son v.as continuas, diremos que son independientes
si los eventos X x y Y y son independientes para todo
x, y.
En tal caso, escribiremos

P (X x, Y y) = P (X x)P (Y y) (7.3)

o de manera equivalente

F (x, y) = FX (x)FY (y) (7.4)

donde FX (x) y FY (y) son las funciones de distribucion

marginal de X, Y respectivamente.

62
Si X, Y son v.as continuas, diremos que son independientes
si los eventos X x y Y y son independientes para todo
x, y.
En tal caso, escribiremos

P (X x, Y y) = P (X x)P (Y y) (7.3)

o de manera equivalente

F (x, y) = FX (x)FY (y) (7.4)

donde FX (x) y FY (y) son las funciones de distribucion

marginal de X, Y respectivamente.

62
Si X, Y son v.as continuas, diremos que son independientes
si los eventos X x y Y y son independientes para todo
x, y.
En tal caso, escribiremos

P (X x, Y y) = P (X x)P (Y y) (7.3)

o de manera equivalente

F (x, y) = FX (x)FY (y) (7.4)

donde FX (x) y FY (y) son las funciones de distribucion

marginal de X, Y respectivamente.

62
De manera inversa, si para todo x, y la funcion de probabilidad
conjunta f (x, y) pueden ser expresada como el producto de
funciones de probabilidad marginal FX (x)FY (y), entonces
X, Y son independientes.
Si no pueden expresarse de dicha manera, entonces X, Y son
dependientes.

63
De manera inversa, si para todo x, y la funcion de probabilidad
conjunta f (x, y) pueden ser expresada como el producto de
funciones de probabilidad marginal FX (x)FY (y), entonces
X, Y son independientes.
Si no pueden expresarse de dicha manera, entonces X, Y son
dependientes.

63
Para v.as independientes continuas, tambien es cierto que la
funcion de densidad conjunta f (x, y) es el producto de
funciones fX (x)fY (y) y estas son las funciones de densidad
marginal de X, Y respectivamente.

64
Problema Resuelto 7.1.

La funcion de probabilidad conjunta de dos variables discretas

X, Y esta dada por

c(2x + y)

0 x 2, 0 y 3
f (x, y) = (7.5)
0

en otro caso.

(a) Encuentre el valor de la constante c;

(b) encuentre P (X = 2, Y = 1);
(c) encuentre P (X 1, Y 2).

65
66
Problema Resuelto 7.2.

Encuentre las funciones de probabilidad marginal para X y Y

en el problema resuelto 7.1.

67
Problema Resuelto 7.3.

Muestre que las variables aleatorias del problema resuelto 7.1

son dependientes.

68
Problema Resuelto 7.4.

La funcion de densidad conjunta de dos variables aleatorias

continuas X y Y es

cxy

0 < x < 4, 1 < y < 5
f (x, y) = (7.6)
0 en otro caso.

(a) Encuentre el valor de c;

(b) encuentre P (1 < X < 2, 2 < Y < 3);
(c) encuentre P (X 3, Y 2).

69
Problema Resuelto 7.5.

Encuentre las funciones de probabilidad marginal de las v.as

X, Y del problema resuelto 7.4.

70
Problema Resuelto 7.6.

Encuentre la funcion de distribucion conjunta para las v.as del

problema resuelto 7.4.

71
72
Problema Resuelto 7.7.

En el problema resuelto 7.4, encuentre P (X + Y < 3).

73
74
Distribucion Condicional

75
Nosotros ya sabemos que si P (A) > 0,

P (A B)
P (B|A) = . (8.1)
P (A)

76
Si X, Y son v.as discretas y tenemos los eventos
A = {X = x} , B = {Y = y} , entonces (8.1) se convierte

f (x, y)
0 < fX (x)



P (Y = y|X = x) = fX (x) (8.2)
0

en otro caso

f (x, y) = P (X = x, Y = y) es la funcion de probabilidad

conjunta, mientras que fX (x) es la funcion de probabilidad
marginal para X.

77
Si X, Y son v.as discretas y tenemos los eventos
A = {X = x} , B = {Y = y} , entonces (8.1) se convierte

f (x, y)
0 < fX (x)



P (Y = y|X = x) = fX (x) (8.2)
0

en otro caso

f (x, y) = P (X = x, Y = y) es la funcion de probabilidad

conjunta, mientras que fX (x) es la funcion de probabilidad
marginal para X.

77
Definimos la funcion de probabilidad condicional de Y
dado X como

f (x, y)
0 < fX (x)



f (y|x) = fX (x) (8.3)

0

en otro caso

78
De manera similar, definimos la funcion de probabilidad
condicional de X dado Y como

f (x, y)
0 < fY (y)



f (x|y) = fY (y) (8.4)

0

en otro caso

79
Estas ideas son facilmente extensibles al caso donde X, Y son
v.as continuas.

80
Por ejemplo, la funcion de densidad condicional de Y
dado X es

f (x, y)

0 < fX (x)
f (y|x) = fX (x) (8.5)

0

en otro caso

donde f (x, y) es la funcion de densidad conjunta de X y Y y

fX (x) es la funcion de densidad marginal de X.

81
Por ejemplo, la funcion de densidad condicional de Y
dado X es

f (x, y)

0 < fX (x)
f (y|x) = fX (x) (8.5)

0

en otro caso

donde f (x, y) es la funcion de densidad conjunta de X y Y y

fX (x) es la funcion de densidad marginal de X.

81
Usando (8.5) podemos por ejemplo encontrar que la
probabilidad que Y se encuentre entre c y d dado que X = x
es
Z d
P (c < Y < d|X = x) = f (y|x)dy. (8.6)
c

82
Problema Resuelto 8.1.

Para la distribucion del problema resuelto 7.1, encuentre

(a) f (y|2); y
(b) P (Y = 1|X = 2)

83
Problema Resuelto 8.1.

Para la distribucion del problema resuelto 7.1, encuentre

(a) f (y|2); y
(b) P (Y = 1|X = 2)

83
Problema Resuelto 8.2.

Si X y Y tienen funcion de densidad conjunta

3

+ xy 0 < x < 1, 0 < y < 1
f (x, y) = 4 (8.7)
0 en otro caso,

encuentre

(a) f (y|x);
(b) P (Y > 21 |X = 12 ).

84
Problema Resuelto 8.2.

Si X y Y tienen funcion de densidad conjunta

3

+ xy 0 < x < 1, 0 < y < 1
f (x, y) = 4 (8.7)
0 en otro caso,

encuentre

(a) f (y|x);
(b) P (Y > 12 |X = 12 ).

84
Problema Resuelto 8.3.

La funcion de densidad conjunta de las variables aleatorias X

y Y esta dada por

8xy

0 x 1, 0 y x
f (x, y) = (8.8)
0 en otro caso.

Encuentre

(a) la densidad marginal de X;

(b) la densidad marginal de Y ;
(c) la densidad condicional de X;
(d) la densidad condicional de Y .

85
Problema Resuelto 8.3.

La funcion de densidad conjunta de las variables aleatorias X

y Y esta dada por

8xy

0 x 1, 0 y x
f (x, y) = (8.8)
0 en otro caso.

Encuentre

(a) la densidad marginal de X;

(b) la densidad marginal de Y ;
(c) la densidad condicional de X;
(d) la densidad condicional de Y .

85
Problema Resuelto 8.3.

La funcion de densidad conjunta de las variables aleatorias X

y Y esta dada por

8xy

0 x 1, 0 y x
f (x, y) = (8.8)
0 en otro caso.

Encuentre

(a) la densidad marginal de X;

(b) la densidad marginal de Y ;
(c) la densidad condicional de X;
(d) la densidad condicional de Y .

85
Problema Resuelto 8.3.

La funcion de densidad conjunta de las variables aleatorias X

y Y esta dada por

8xy

0 x 1, 0 y x
f (x, y) = (8.8)
0 en otro caso.

Encuentre

(a) la densidad marginal de X;

(b) la densidad marginal de Y ;
(c) la densidad condicional de X;
(d) la densidad condicional de Y .

85
86
Problema Resuelto 8.4.

Determine si las v.as del problema resuelto 8.3 son

independientes.

87
Bibliografa

M. Spiegel, L. Stephens; Estadstica; Serie Schaum;

McGraw-Hill/Interamericana Editores; 4a edicion; 2009.

88