Академический Документы
Профессиональный Документы
Культура Документы
Variables Aleatorias
Unidimensionales
Definicin 1: Sea E un experimento, y sea S un espacio muestral
asociado a E. Entonces una funcin X, que a cada elemento del
espacio muestral, le asocia un nmero real, recibe el nombre de
variable aleatoria.
X : S
si
X(si)= xi
Variables Aleatorias
Unidimensionales
Definicin 2: Sea X una v.a. Entonces llamaremos recorrido
de la v.a. X, y lo denotaremos por Rx, al conjunto de todos los
valores que toma la v.a. X. Rx = {xi R / X(si) = xi , si S }
S
R
Rx
X
s1
x1
s2
x2
:
:
X(si)=xi
si
:
:
:
:
2
Variables Aleatorias
Unidimensionales
Definicin 3: Sea X una v.a. Entonces si el recorrido
de la v.a. X, ( Rx), es un conjunto finito o infinito numerable,
entonces diremos que X, es una v.a. Discreta.
Definicin 4: Sea X una v.a.discreta. Entonces a cada valor que
toma la variable (xi Rx), le asociaremos un nmero
p(xi) = P(X=xi), y que cumple con las siguientes condiciones:
i.
ii.
p( xi ) o
1, 2 ,....
p( x ) 1
i 1
20/06/2013
Definicin 5:
Sea E un experimento, sea S un espacio muestral asociado a E, sea
Rx, el recorrido de la variable aleatoria X y sea B Rx. Entonces
Si definimos A = { s S / X(s) = x B }, entonces,
diremos que A y B son equivalentes, A B y P(A) = P(B)
S
A
Rx
s1
s2
x1
x2
si
xr
sk
4
Ejemplo:
Sea el experimento E: se lanza una moneda dos veces y se registra
el signo que aparece en la cara superior. Luego el espacio muestral
S = {cc, cs, sc, ss }. Sea la v.a. X : nmero de sellos que aparecen.
En este caso el recorrido de la v.a. Ser Rx = {0, 1, 2}
S
Rx
cc
cs
sc
ss
X(cc) =
X(cs) =
X(sc) =
X(ss) =
x1=0
x2=1
x3=2
5
Luego:
p(x1) = P(X = x1) = p(0)
Por lo tanto:
p(xi) = p(0) + p(1) + p(2) = 1/4 + 1/2 +1/4 = 1
De la definicin 5 tenemos:
Si A={cc, cs, sc} y si B={0, 1}
P(A) = P(B) =
6
20/06/2013
Luego,
S
A
Rx
cc
cs
0
1
sc
ss
7
Ejercicio
De un curso de 15 personas (5 hombres y 10 mujeres) se
Seleccionan al azar dos, una despus de otra, y se clasifican
segn el sexo. Determine:
a.b.c.-
d.-
el espacio muestral
la probabilidad de que ambas sean mujeres
que el nmero de mujeres seleccionadas sea 2
Previo: Definir; la variable aleatoria X
el recorrido de X (Rx)
que el nmero de mujeres sea al menos una
Respuesta:
6
p( x) P ( X x) k ; x 0,1, 2,3, 4,5, 6
x
a.b.-
P(X5),
P(X2),
P(2<X<5)
20/06/2013
3kx
p( x) P( X x) 1
; x 1, 2,3, 4,5, 6, 7 ,8
5
a.b.-
10
Ejercicio:
Sea la variable aleatoria X: mes en que un computador
tiene problemas.
p ( x) P( X x)
4k x
7
, x = 1,2,3,4,5,6
Determine:
1.2.3.-
el valor de k
p( 5 ) = P( X = 5 )
P( X 2 ) =
Recordar:
i)
p( xi ) o
ii)
i 1
1, 2 ,....
p ( xi ) 1
11
1.-
p( x ) 1
i 1
Luego,
7
1
84 12
p ( x) P( X x)
4x
x
7 *12 21
12
20/06/2013
b.-
c.-
p(5) P( X 5)
k
5
21 21
20
21
13
Proposicin:
i.-
ii.-
p(xi)
xi
14
Ejercicio:
Supongamos que la probabilidad de que un barco de trasporte
llegue
de 0.57
( es
decir en el 57% de
Seaa destino
A : El es
barco
llega
a destino
_ los casos).
Supongamos
que
posible
enviar una
y sea B :adems
El barco
noes
llega
a destino.
B =gran
A cantidad de
barcos. El envo continua hasta que llega el primer barco a destino.
Previo Determine:
a.Espacio muestral
b.-
La variable aleatoria X
c.-
Recorrido de la v.a. X.
Rx = {1, 2, 3, 4, ......}
15
20/06/2013
Recordando;
0.57
4 , .........}
0.57
0.43
0.57
B
0.43
0.57
B
0.43
0.43
Luego;
B ..............................
p(1) = P(X=1) = P(A) = (0.57)
p(2) = P(X=2) = P(BA) = (0.43)(0.57)
p(3) = P(X=3) = P(BBA) = (0.43)2 (0.57)
p(4) = P(X=4) = P(BBBA) = (0.43)3(0.57)
Por consiguiente tenemos que:
p(k) = P(X=k) = (0.43) k-1(0.57) ; k = 1,2,3......
16
k = 1,2,3......
ii)
p(k ) 1
k 1
( p ro resi ng eo mtrica)
i
1
1
Como
1
i 0 r
1
r
0.43
k 1
k 1
0.43
i 0
i 0
17
Ejercicio
Sea X v.a.d. talque:
p(k ) P( X x)
1
2x
; x 1,2,3,.......
18
20/06/2013
Ejercicio
En el ejemplo de los barcos, supongamos que se envan independientemente,
tres barcos. Determine la probabilidad de que lleguen a destino:
Exactamente k barcos.
( recordemos que: A : El barco llega a destino y B : El barco no llega a destino y
P(A) = 0.57 y P(B) = 0.43)
Previo Determine:
S = { AAA, AAB, ABA, BAA, ABB, BAB, BBA, BBB}
a.-
Espacio muestral
b.-
La variable aleatoria X
c.-
Recorrido de la v.a. X.
Rx = { 0, 1, 2, 3 }
19
Luego;
p(0) = P(X=0)
p(1) = P(X=1)
p(2) = P(X=2)
p(3) = P(X=3)
= P(BBB) = (0.43) 3
= P(BBA, BAB, ABB) = 3(0.57) (0.43) 2
= P(BAA, ABA, AAB) = 3 (0.57) 2(0.43)
= P(AAA) = (0.57) 3
P(k ) P( X k )
(0.57 ) (0.43)
3
k
3 k
k 0,1,2,3
20
Distribucin Binomial
Def.: Sea E un experimento y sea A un suceso asociado a E. Supongamos
que P(A) = p, luego P(A) = 1 p. Consideremos n repeticiones independientes
del experimento E. Por lo tanto el espacio muestral del experimento total, estar
Dado por todas las sucesiones posibles tal que ocurra A o A .
Si la v.a. X se define como: Nmero de veces que ocurre el suceso A, diremos
que X tiene una distribucin binomial con parmetros n y p, y se denota:
X ~ b(n , p )
y su funcin de probabilidad es:
P(k ) P( X k )
p (1 p)
n
k
nk
; k 1, 2,..., n
21
20/06/2013
Ejercicio
Supongamos que en un estadio lleno, el 40% de los
asistentes son mujeres. Una empresa comercial, para
promocionar un nuevo producto, toma una muestra
aleatoria de tamao 20. Determine la probabilidad que
la muestra contenga:
1.2.3.4.-
exactamente 11 mujeres.
a lo ms 8 mujeres.
al menos 5 mujeres.
exactamente 9 hombres.
22
Previo: Determine
: Se elije al azar una persona
el experimento E
n = 20
repeticiones del exp. E :
: la persona es mujer
el suceso de inters A:
={A, B }
el espacio muestral s:
p = P(A) = 0.40
la probabilidad de A
el espacio muestral (Exp Total )S: ={A...A,A...B,..,BB}
N de mujeres seleccionadas
la variable aleatoria X:
el recorrido Rx :
= {0, 1 , 2,., 20}
Luego:
1.2.3.4.-
Por lo tanto
P(X = 11) =
P(X 8) =
P(X 5) =
P(Y =9 ) =
X ~ b(20 , 0.40 )
Distribucin de Bernoulli
Si el experimento se realiza una sola vez, la
variable X tomar los valores 0 y 1, y se dice que
tiene una distribucin de Bernoulli con parmetros
1 y p.
X ~ B(1 , p )
P(k ) P( X k ) p k (1 p)1k
Con k = 0,1
24
20/06/2013
Distribucin de Poissn
Sea X una v.a.d., si su funcin de probabilidad est dada por:
P( k ) P( X k )
e * k
k !
con k 0,1,2,3, , , , , , , ,
X ~ P()
25
Ejercicio
Supongamos que el cajero de un banco, es capaz
de atender en promedio 8 personas en 20 minutos.
Determina la probabilidad de que el cajero atienda
en 20 minutos:
a.exactamente 10 personas.
= 0.099
b.a lo ms 7 personas.
= 0.453
= 0.958
c.al menos 4 personas.
d.- no ms de 10, ni menos de 5
= 0.716
e.exactamente 20 personas en 40 minutos. = 0.056
26
f :R
R
f ( x) 0
x Rx
ii.
f ( x)dx 1
f
27
20/06/2013
Observaciones
1.- f(x) no es una probabilidad, como en el
caso discreto, donde p(x) = P(X = x ).
2.- Las siguientes probabilidades, son
equivalentes:
P(a x b) = P(a < x b) = P(a x < b)
= P(a < x < b)
Esto implica que P(X = x ) = 0
28
Observaciones
b
3. P(a x b) f ( x)dx
a
29
Ejemplo
Sea X una variable aleatoria continua (vac), con funcin
de densidad de probabilidad f(f.d.p.). Talque:
f(x)
kx 0 x 1
0 en otros casos
1.2.3.-
Determine el valor de k
Grafique la funcin f
Calcule P( x 1/2 )
4.-
30
10
20/06/2013
Funcin de Distribucin
Acumulativa
Def. : Sea X una variable aleatoria, se define funcin de
distribucin acumulativa o funcin de distribucin como:
x
F(x) = P( X x ) =
p(k )
Si X v.a.d.
k
x
f ( x)dx
Si X v.a.c.
31
E(x) =
x p( x )
i 1
Si X v.a.d.
xf ( x)dx
Si X v.a.c.
32
Propiedades
La esperanza es un operador lineal, ya que:
,
,
Combinando estas propiedades, podemos ver
Que, donde X e Y son variables aleatorias y a
y b dos constantes cualesquiera.
,
33
11
20/06/2013
Donde :
E ( x2 ) =
2
i
i 1
p ( xi )
Si X v.a.d.
f ( x)dx
Si X v.a.c.
34
Tarea N ___
1.
2.
3.
4.
Propiedades de la Esperanza
Propiedades de la Varianza
Si X ~ b(n,p), determine la E(X) y V(X)
Demostrar que : E( x - E(x) )2 = E ( x2 ) ( E (x) )2
35
En teora de probabilidad y estadstica la varianza es una medida de la dispersin de una variable aleatoria
respecto a su esperanza
. Se define como la esperanza de la transformacin
, esto es,
Est relacionada con la desviacin estndar o desviacin tpica, que se suele denotar por la letra griega y que es la raz cuadrada de la varianza,
o bien
36
12
20/06/2013
37
Ejemplo:
1.-
xi
Total
0.32
0.08
0.15
1.00
p(xi)
0.2
F(xi)
xip(xi)
0.2
0.2
E(X)
x2ip(xi)
0.2
9.11
E(X2)
Determine : a.b.c.d.-
0.25
38
Grfica de F(x)
F(x) =
F(x)
0
x 1
0.20 1 x 2
0.45 2 x 3
0.77 3 x 4
0.85 4 x 5
1.00 x 5
1.00
0.80
0.60
0.40
0.20
1
x
39
13
20/06/2013
2.-
2 x
f ( x)
0
Determine :
a.b.c.-
0 x 1
en otros casos
40
x0
F ( x) x 2
1
0 x 1
en otros casos
0 x 1
x 1
F(x)
f(x)
2
1
41
Distribucin Normal
Sea X una v. a. c. si su f. d. p. est dada por:
1
f ( x)
*e
2
( x )2
2 2
14
20/06/2013
Caractersticas
Tiene forma de campana ( por su descubridor
es tambin llamada campana de GAUSS)
Es simtrica con respecto a su media ()
Es asinttica al eje horizontal.
A +/- tres desv. tpicas de la media, se
encuentra prcticamente el 99.8% de su rea
( +/- 3 )
-3
+3
43
( X )
~ N(0 , 1 )
X
(X )
x0
Z
X
z0
44
Ejercicio
Supongamos que el peso de los contenedores almacenados en un recinto
portuario, tienen una distribucin aproximadamente normal, con una media
= 78.6 tn , y una varianza 2 = 156.25 tn2. Determine;
a.- La probabilidad de que un contenedor seleccionado al azar, tenga un peso no
superior a 60 tn.
R: .0681
b.- Que porcentaje de contenedores, tiene un peso de al menos 80 tn.
45.62%
c.- Si el recinto cuenta con 870 contenedores, cuntos tienen un peso entre 68, y
96 tn.?
R: 626
d.- Si se deben controlar el 33% de los contenedores ms pesados, cul es el peso
mnimo de estos contenedores.
R: 84.1
e.- Si se toma una muestra aleatoria independiente de 12 contenedores, cul es la
probabilidad de que exactamente 8 tengan un peso no superior a 75 tn.?
R: 0.0346
45
15
20/06/2013
Ejercicio
Para el ingreso a una determinada empresa, los postulantes deben rendir un
examen. La experiencia dice que los puntaje, se distribuyen aproximadamente
Normal con una media de 487, y una desv. Tpica de 58.9. Determine:
1.2.3.4.-
5.-
Aproximacin de la distribucin de
Poissn a la distribucin Binomial
Si X se distribuye como una binomial con
parmetros n y p, donde n es grande y p
extremo, entonces podemos decir que
aproximadamente X se distribuye como una
Poissn con parmetro np.
47
Aproximacin de la distribucin
Normal a la Binomial
Si X se distribuye como una binomial con
parmetros n y p, donde n es grande y p
cercano a 0.5, entonces podemos decir que X
se aproxima a una normal con media np, y
varianza np(1-p). Luego;
Z
( X np)
np(1 p)
~ N(0 , 1 )
48
16
20/06/2013
Ejercicio
Supongamos que el 42% de los trabajadores de
una empresa, tienen no ms de 40 aos.
Se selecciona un muestra de 250 trabajadores.
Determine la probabilidad de que el nmero de
trabajadores con no ms de 40 aos, sea:
a.a lo ms 120.
b.entre 100, y 150
c.exactamente 110
49
Ejercicio
Sea X v. a. d. con distribucin binomial, con n=125,
y p = 0.42. Determine por binomial y Normal
1.2.3.-
P (X < 60)
P(X = 58)
P( 49 < X < 71)
50
Ejercicio
Las remuneraciones de los 1500 trabajadores de una determinada
empresa, tienen una distribucin aproximadamente normal con
media $358.200, y una desv. Tpica de $48.597. Determine
a.-
b.-
c.-
d.-
17
20/06/2013
..............................
Luego ;
S = { A, BA, BBA, BBBA,.....}
52
Prof. David Becerra Rojas
A: El barco llega
B: El barco no llega
B
A
B
B
A
A
B
A
B
B
S = {AAA ,AAB, ABA, BAA, ABB, BAB, BBA, BBB}
53
Distribuciones Discretas
Bernoulli:
Notacin : X B(1 , p)
Funcin de probabilidad : (o de Cuanta)
p( x) p x (1 p)1 x
E ( x) p
V ( x) p(1 p)
; x 0,1
54
18
20/06/2013
Distribuciones Discretas
Binomial:
Notacin : X B(n , p)
Funcin de probabilidad : (o de Cuanta)
n
p( x) p x (1 p) n x
x
E ( x) np
V ( x) np(1 p)
; x 0,1,........,n
55
Distribuciones Discretas
Binomial Negativa:
Notacin : X BN (n , p)
Funcin de probabilidad : (o de Cuanta)
n x 1 n
x
p( x)
p (1 p)
x
n(1 p)
E ( x)
p
n(1 p)
V ( x)
p2
; x 0,1,........,n
56
Distribuciones Discretas
Poissn:
Notacin : X P( )
Funcin de probabilidad : (o de Cuanta)
p( x)
e x
x!
; x 0,1,2,3........
E ( x)
V ( x)
57
19
20/06/2013
Distribuciones Discretas
Geomtrica:
Notacin : X G( p)
Funcin de probabilidad : (o de Cuanta)
p( x)
; x 0,1,2,3........
E ( x)
V ( x)
58
Distribuciones Discretas
Hipergeomtrica:
Notacin : X H ()
Funcin de probabilidad : (o de Cuanta)
p( x)
; x 0,1,2,3........
E ( x)
V ( x)
59
Distribuciones Discretas
Uniforme Discreta:
Notacin : X U (a, b)
Funcin de probabilidad : (o de Cuanta)
1
p( x)
; x a, a 1, a 2,...b
b a 1
E ( x)
V ( x)
60
20
20/06/2013
Distribuciones Discretas
Hipergeomtrica:
Notacin : X H ()
Funcin de probabilidad : (o de Cuanta)
p( x)
; x 0,1,2,3........
E ( x)
V ( x)
61
Distribuciones Continuas
Uniforme:
Notacin : X U ( a, b)
Funcin de Densidad de probabilidad :
1
f ( x)
; x ( a, b)
ba
Funcin de Distribucin :
xa
F ( x)
ba
ab
(b a ) 2
E ( x)
, V ( x)
2
12
62
Distribuciones Continuas
Exponencial:
Notacin : X Exp( )
Funcin de Densidad de probabilidad :
f ( x) e x ; x 0
Funcin de Distribucin :
F ( x) 1 e x
1
1
E ( x)
, V ( x) 2
63
21
20/06/2013
Distribuciones Continuas
Normal:
Notacin : X N ( , 2 )
Funcin de Densidad de probabilidad :
f ( x)
1
2 2
( x )2
2 2
; x
E ( x) , V ( x) 2
64
Distribuciones Continuas
Triangular:
Notacin : X
Funcin de Densidad de probabilidad :
f ( x)
Funcin de Distribucin :
F ( x)
E ( x) , V ( x)
65
INDICE
Repaso: Un ejemplo
1.Concepto de variable aleatoria
2.Distribuciones conjuntas y marginales. Caso Discreto
3.Distribuciones conjuntas y marginales. Caso Continuo
4.Distribuciones condicionadas
5.Momentos conjuntos
6.Independencia de variables aleatorias
66
22
20/06/2013
67
68
69
23
20/06/2013
70
71
24