TEMA 14: VARIABLES ALEATORIAS

 DEFINICIÓN Y TIPOS DE VARIABLES ALEATORIAS:

Una función es cualquier conjunto de pares ordenados de elementos en los cuales no se
repite el primer elemento (el segundo puede repetirse).
Los espacios muestrales son conjuntos de sucesos elementales. Los sucesos elementales
pueden ser números. Cuando los sucesos elementales de un espacio muestral son números
constituyen una variable aleatoria.
Una variable aleatoria es una función que asocia un número real, y solo uno, a cada suceso
elemental del espacio muestral de un experimento aleatorio.
Una variable aleatoria es cualquier emparejamiento sobre un espacio muestral en el que
nunca se repita el mismo primer elemento en dos pares, todos los sucesos elementales estén
incluidos en algún par y en el que el segundo elemento de cada par sea un número real.
𝑋: 𝐸 → 𝑅
Las variables aleatorias discretas definen espacios muestrales finitos o infinitos numerables.
Es posible encontrar dos valores consecutivos entre los cuales no hay valores asumibles por
la variable.
Las variables aleatorias continuas definen espacios muestrales no numerables.

 VARIABLES ALEATORIAS DISCRETAS:

1) La función de probabilidad de una variable aleatoria discreta, X, es aquella función que
asocia a cada valor de la variable la probabilidad de que se adopte su valor.

𝑓(𝑥𝑖 ) = 𝑃(𝑋 = 𝑥𝑖 )1
La función de distribución de una variable aleatoria discreta, X, es aquella función que
asocia a cada valor de la variable la probabilidad de que esta adopte ese valor o
cualquiera inferior.
𝑓(𝑥𝑖 ) = 𝑃(𝑋 ≤ 𝑥𝑖 )
La función de probabilidad es el análogo a la distribución de frecuencias relativas en
estadística descriptiva. La función de distribución es el análogo de las frecuencias
relativas acumuladas en estadística descriptiva.

2) En la estadística descriptiva, la media es una magnitud observada en un número finito

de valores. Mientras que, en la estadística inferencial, el valor esperado o la esperanza
matemática es el valor ideal igual a la media que se obtendría en caso de que se
observase un número infinito de valores en la variable aleatoria. El valor esperado de
una variable aleatoria es un valor ideal igual a la media que se obtendría en el caso de
que se observase un número infinito de valores de la variable aleatoria.

𝐸(𝑋) = 𝜇 = ∑ 𝑥𝑖 𝑓(𝑥𝑖 )

En la estadística descriptiva, la varianza era la varianza observada en un número finito

de valores. Mientras que, en la estadística inferencial, la varianza de una variable
aleatoria es la varianza que se obtendría sobre los valores observados en caso de que
el número de observaciones creciera infinitamente.

1Las variables aleatorias se representan por las letras mayúsculas y sus valores por letras minúsculas
con un subíndice que designe ese valor concreto.
1
Laura Miranda Castaño

Apuntes descargados de wuolah.com

 TEMA 14: VARIABLES ALEATORIAS

𝜎 2 (𝑋) = ∑ 𝑥𝑖2 𝑓(𝑥𝑖 ) − [𝐸(𝑋)]2

Las propiedades del valor esperado y la varianza son:

 El valor esperado de una contante es igual a esa constante. 𝐸(𝑎) = 𝑎
 La varianza de una constante es igual a cero. 𝜎 2 (𝑎) = 0
 Si a los valores esperados de una variable aleatoria se les suma una constante
𝐸 = 𝑋 + 𝑎 su valor esperado se ve incrementado en esa constante 𝐸(𝑌) = 𝐸(𝑋) +
𝑎 su varianza no se altera 𝜎 2 (𝑌) = 𝜎 2 (𝑋)
 Si los valores de una variable aleatoria se multiplican por una constante 𝑌 = 𝑎 ∙ 𝑋
su valor esperado se ve multiplicado por esa constante 𝐸(𝑌) = 𝑎 ∙ 𝐸(𝑋) su varianza
se ve multiplicada por esa constante al cuadrado 𝜎 2 (𝑌) = 𝑎2 ∙ 𝜎 2 (𝑋)

Una variable aleatoria dicotómica es aquella que se define a partir de un experimento

aleatorio cuyo espacio muestral incluye dos sucesos elementales o sobre el que se
definen dos sucesos compuestos que incluyen todo el espacio muestra. Las variables
aleatorias solo pueden adoptar dos valores.

Generalmente, uno de los sucesos se define con un 1, indicando el cumplimiento del

resultado deseado, y al otro se le asigna un 0 señalando que no se ha verificado el
resultado deseado.

La probabilidad del suceso deseado se denomina n y la del suceso no deseado como

1-n.

Si aplicamos esta regla a las respuestas de una muestra de encuestados, tendremos una
muestra de unos y ceros. Las características de esta variable aleatoria serían las
siguientes. Representando por  a la probabilidad de observar el valor 1, es decir:
𝑓(1) = 𝑃(𝑋 = 1) = 𝜋
Entonces la esperanza de una variable aleatoria dicotomía se puede expresar:

𝐸(𝑋) = ∑ 𝑥𝑖 ∙ 𝑓(𝑥𝑖 ) = 1 ∙ 𝜋 + 0 ∙ (1 − 𝜋) = 𝜋

La varianza de una variable aleatoria dicotómica es la varianza que se obtendría sobre

los valores observados en caso de que el número de observaciones creciera
infinitamente.

𝜎 2 (𝑋) = ∑ 𝑥𝑖2 𝑓(𝑥𝑖 ) − [𝐸(𝑋)]2 = 12 ∙ 𝜋 + 02 ∙ (1 − 𝜋) − 𝜋 2 = 𝜋 − 𝜋 2 = 𝜋 ∙ (1 − 𝜋)

3) La función de probabilidad conjunta de dos variables aleatorias discretas, X e Y, es

aquella que asocia a cada par de valores de las variables, xi e yj, la probabilidad de
que, simultáneamente, X adopte el valor xi e Y adopte el valor yj. Es el análogo de la
distribución de frecuencias conjuntas en estadística descriptiva.
𝑓(𝑥𝑖 , 𝑦𝑖 ) = 𝑃[(𝑋 = 𝑥𝑖 ) ∩ (𝑌 = 𝑦𝑗 )]

Se llama covarianza de dos variables aleatorias discretas, X e Y y se representa por

𝜎(𝑋𝑌), a la expresión:
𝜎(𝑋𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋) ∙ 𝐸(𝑌)

2
Laura Miranda Castaño

Sácate el carnet de conducir por 185€. AUTOESCUELA CIUDAD JARDIN.

 TEMA 14: VARIABLES ALEATORIAS
Donde:

𝐸(𝑋𝑌) = ∑ ∑ 𝑥𝑖 ∙ 𝑦𝑖 ∙ 𝑓(𝑥𝑖 , 𝑦𝑖 )
𝑖 𝑗

Se llama correlación de Pearson entre dos variables aleatorias discretas, X e Y, y se

representa por 𝜌(𝑋𝑌), al cociente entre su covarianza y el producto de sus desviaciones
típicas. Es decir:
𝜎(𝑋𝑌)
𝜌(𝑋𝑌) =
𝜎(𝑋) ∙ 𝜎(𝑌)
Dos variables aleatorias discretas, X e Y, son independientes si para todo par de posibles
valores de esas variables, xi e yj, se verifica la condición de independencia de sucesos.
𝑥
𝑓( 𝑖⁄𝑦𝑖 ) = 𝑓(𝑥𝑖 )

 Cuando dos variables aleatorias son independientes según la definición

precedente de independencia, su covarianza y su correlación son igual a cero.
 Cuando la correlación de dos variables es igual a cero implica que no existe una
relación lineal, no que sean independientes.

La esperanza de la combinación lineal de variables aleatorias se expresa:

𝑇 = 𝑈 + 𝑉 +⋯+ 𝑋
𝐸(𝑇) = 𝐸(𝑈) + 𝐸(𝑉) + ⋯ + 𝐸(𝑋)
Muchas veces se trabaja con variables aleatorias que son combinaciones lineales de
otras variables aleatorias. Sus características se pueden deducir a partir de las
características de las variables componentes. Resumimos estas relaciones a
continuación.
𝑇 =𝑋+𝑌
𝜎 2 (𝑇) = 𝜎 2 (𝑋) + 𝜎 2 (𝑌) + 2 ∙ 𝜎(𝑋𝑌)
𝑇 =𝑋−𝑌
𝜎 2 (𝑇) = 𝜎 2 (𝑋) + 𝜎 2 (𝑌) − 2 ∙ 𝜎(𝑋𝑌)

 VARIABLES ALEATORIAS CONTINUAS:

Al incluir un número de valores infinitos no numerable no tiene sentido aplicar sumatorios.
En su representación gráfica las barras se sustituyen por curvas que cubren un cierto rango
de valores en el eje de abscisas y que cubren un área igual a 1.

1) La función de densidad de probabilidad es aquella que asocia valores de la variable

con ordenadas o alturas de la curva en cada punto. Debe cumplir las siguientes
condiciones:
𝑓(𝑥) ≥ 0

3
Laura Miranda Castaño

Sácate el carnet de conducir por 185€. AUTOESCUELA CIUDAD JARDIN.

 TEMA 14: VARIABLES ALEATORIAS
+∞
∫ 𝑓(𝑥) 𝑑𝑥 = 1
−∞

La función de distribución de una variable aleatoria continua, X, a aquella que asocia a

cada valor de la variable la probabilidad de que esta adopte como mucho ese valor.
𝑥𝑖
𝐹(𝑥𝑖 ) = ∫ 𝑓(𝑥) 𝑑𝑥
−∞

 Las propiedades son:

𝑏
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = ∫ 𝑓(𝑥) 𝑑𝑥
𝑎
𝐹(−∞) = 0
𝐹(+∞) = 1
2) El valor esperado de una variable aleatoria continua se representa por E(X), o µ, y se
define como:
+∞
𝐸(𝑋) = ∫ 𝑥 ∙ 𝑓(𝑥) 𝑑𝑥
−∞

La varianza de una variable aleatoria continua se representa por 𝜎 2 (𝑋) y se define como:
+∞
𝜎 2 (𝑋) = ∫ 𝑥 2 ∙ 𝑓(𝑥) 𝑑𝑥 − [𝐸(𝑋)]2
−∞

Ambos tienen las mismas propiedades que en el caso de las variables discretas.

3) Se llama covarianza entre dos variables aleatorias continuas, X e Y, y se representa 𝜎(𝑋𝑌),

a la expresión:
𝜎(𝑋𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋) ∙ 𝐸(𝑌)
Donde:
+∞ +∞
𝐸(𝑋𝑌) = ∫ ∫ 𝑥 ∙ 𝑦 ∙ 𝑓(𝑥, 𝑦)
−∞ −∞

Se llama correlación de Pearson entre dos variables aleatorias continuas, X e Y, y se

representa por 𝜌(𝑋𝑌), a la expresión:
𝜎(𝑋𝑌)
𝜌(𝑋𝑌) =
𝜎(𝑋) ∙ 𝜎(𝑌)
Sobre variables aleatorias continuas se puede definir también la condición de
independencia, análogamente a como lo hacíamos con las variables aleatorias discretas.

 MANEJO DE VARIABLES ALEATORIAS CONTINUAS EN PSICOLOGÍA: DISTRIBUCIONES

DE PROBABILIDAD:
En el trabajo aplicado en las ciencias sociales no resulta necesario el cálculo de los valores
esperados, las varianzas y resto de características, mediante los procedimientos que las
definen, ya que en la mayoría de los casos las variables aleatorias utilizadas tienen funciones
de probabilidad o de densidad de probabilidad que se ajustan a modelos teóricos.
Conocer dichos modelos permite resolver prácticamente la totalidad de los problemas
reales.
1) Distribuciones de probabilidad: cálculos más comunes:
4
Laura Miranda Castaño
 TEMA 14: VARIABLES ALEATORIAS
a) Caso 1. Probabilidad de que una observación concreta sea como mucho igual a un
determinado valor, o probabilidad acumulada para ese valor.

b) Caso 2. Probabilidad de que una observación concreta sea igual o superior a un

determinado valor. Se calcula como el complementario de la probabilidad
acumulada.

c) Caso 3. Probabilidad de que una observación concreta se encuentre comprendida

entre dos valores cualesquiera. Se resta la probabilidad acumulada del mayor valor
la probabilidad acumulada del valor menor.

 MUESTREO ALEATORIO:
El muestreo es la actividad encaminada a la selección de un subconjunto de los elementos
de una población o muestra que maximice la representatividad de la muestra.
Cuando desconocemos la distribución de los sucesos en la población la aleatoriedad en la
extracción de la muestra permite, si el número de extracciones es suficientemente grande,
maximizar la representatividad de la muestra.
Una muestra aleatoria simple (m.a.s.) compuesta por N elementos es una secuencia de N
variables aleatorias, independientes e igualmente distribuidas. Si representamos el elemento
extraído en k-ésimo lugar como Xk, y por Xk+1 al elemento extraído en el lugar siguiente al
primero, entonces:
𝑃(𝑋𝑘+1 = 𝑥𝑖 ) = 𝑃(𝑋𝑘 = 𝑥𝑖 )
Para todo K y xi.

5
Laura Miranda Castaño

Sácate el carnet de conducir por 185€. AUTOESCUELA CIUDAD JARDIN.