LEYDI JHOANNA SALINAS VARGAS

DEISY JOHANA JIMNEZ AVENDAO

DIANA FARLEY PINILLA REDONDO
JOS RICARDO GALINDO ESPEJO
RICARDO GIOVANNY CCERES LEN
NSTOR LAUREANO BARRIOS PINEDA

PAOLA PROBABILIDAD
LORENA SALAZAR
TUTORA

VARIABLES
ALEATORIAS
ABRIL DE 2013

INTRODUCCIN
En todo fenmeno, los datos obtenidos
tienen un comportamiento especfico, es as
como el anlisis de las distribuciones de
probabilidad
permite
determinar
que
distribucin de probabilidad es la pertinente
para un conjunto de datos.
segn la variable aleatoria que este en
cuestin, las distribuciones de probabilidad
son de tipo discreto y continuo, .

VARIABLE ALEATORIA DISCRETA

Una variable aleatoria X es discreta si el
nmero de valores que puede tomar es
finito (o infinito contable).
Debe tomar un valor particular; para ello
se requiere primero definir claramente la
variable aleatoria.
Simbologa: {X = x} denotar el evento
formado por todos los resultados para los
que:
X = x por tanto P(X = x) ser la
probabilidad de dicho evento.

VARIABLE ALEATORIA DISCRETA

La distribucin de probabilidad de una

variable aleatoria X es una descripcin
del conjunto de posibles valores de X,
junto con la probabilidad asociada con
cada uno de estos valores.

Toda distribucin de probabilidad debe

satisfacer estos dos requisitos:

P( X = x) = 1
0 P( X = x) 1

VARIABLE ALEATORIA DISCRETA

Cuando la distribucin de probabilidad

se describe a partir de una ecuacin, se le
denomina funcin de probabilidad.

Esta funcin f(x) = P(X = x) va del

conjunto de los valores posibles de la
variable aleatoria discreta X (denominado
rango de X) al intervalo [0,1] y satisface
las siguientes propiedades:

f ( x) 0 x
f ( x) = 1

VARIABLE ALEATORIA DISCRETA

EJ. Determinar si la funcin f ( x) = P ( X = x)
= x/3 (donde x puede ser 0, 1 2) es una
funcin de probabilidad.
En la siguiente tabla se resumen los posibles
valores de la variable aleatoria X.
x
f(x)=P(X=x)

1
0

1/3

2
2/3

Observe que todos los valores de f(x) son

positivos, esto es 0. Adems se cumple el
segundo requisito:

VARIABLE ALEATORIA DISCRETA

FUNCIN DE DISTRIBUCIN ACUMULADAS

En ocasiones, es til poder expresar

probabilidades acumuladas, esto es,
valores para los que X son menores o
iguales a un valor especfico x.
El uso de probabilidades acumuladas es
una
alternativa
para
describir
la
distribucin de probabilidad de una
variable aleatoria.

VARIABLE ALEATORIA DISCRETA

FUNCIN DE DISTRIBUCIN ACUMULADAS
La funcin de distribucin acumulada de una
variable aleatoria discreta X, denotada por F(x) es:
F ( x) = P( X x) = f (xi )
xi x
Para una variable aleatoria discreta X, F(x)
satisface las siguientes propiedades:

0 F ( x) 1
Si x y, entonces F ( x) F ( y )
P ( X > x ) = 1 F ( x)

F () = 0

F (+) = 1

VARIABLE ALEATORIA DISCRETA

FUNCIN DE DISTRIBUCIN ACUMULADAS
Suponga que la funcin de distribucin
acumulada de la variable aleatoria X es:
0
F ( x) =

0,5
1

x <1

1 x < 3
3 x

Adems, puede establecerse que para

variables aleatorias discretas de valor entero
se tiene:
P ( X = x) = F ( x) F ( x 1)
P ( xi X x j ) = F ( x j ) F ( xi 1)

VARIABLE ALEATORIA DISCRETA

FUNCIN DE DISTRIBUCIN ACUMULADAS
Ejemplo
x

2
P(X=x)

0,04

0,32

0,64
Para ser una distribucin de probabilidad,
P(X=x) debe satisfacer los dos requisitos.
P( X = x) = P( X = 0) + P( X = 1) + P( X =
2)
P( X = x) = 0,04 + 0,32+,0,64
P( X = x) = 1

VARIABLE ALEATORIA DISCRETA

FUNCIN DE DISTRIBUCIN ACUMULADAS
Varianza
V(x)= (5 6)2(4/10) + (6-6)2 (3/10) + (7-6)2 (2/10)+ (8-6)2 (1/10) = 1

Sea X la variable aleatoria que representa la

demanda semanal de una mquina de
premios
que
est
puesta
en
un
supermercado. La funcin de probabilidad
para Z est dada por:
F(x)= x2-3x para x= 4, 5, 6,
7
60 si x= 4, 5, 6,
7
Encuentre, a) la distribucin acumulada, b) la
desviacin estndar,

VARIABLE ALEATORIA DISCRETA

FUNCIN DE DISTRIBUCIN ACUMULADAS
P(X=4)= (4)2-3/4)
60
P(X=5)= (5)2-3/5)
60
P(X=6)= (6)2-3/6)
60
P(X=7)= (7)2-3/7)
60

= 4/60
= 10/60
= 18/60
= 28/60

Media
= (4) (4/60) + (5) (10/60) + (6) (18/60) (7) (28/60) =
37/60
Varianza
V(x)= (4 - 37/60)2(4/60) + (5 37/60)2(10/60) + (6
37/60)2(18/60) + (7 37/60) (28/60) V(x)=8.560
Desviacin Estndar = (8.560)1/2 = 2.925

VARIABLE ALEATORIA DISCRETA

FUNCIN DE DISTRIBUCIN ACUMULADAS
Una variable aleatoria discreta X tiene la funcin
de probabilidad f(x) donde
F(x) = k(9-x)
caso
A) Determine k,
varianza de X
P(X=5)
P(X=6)
P(X=7)
P(X=8)

si x= 5,6,7,8 o en otro
b) encuentre la media y la

= k (9-5) = 4k
=k(9-6) =3k
=k(9-7) =2k
=k(9-8) =1k

Sabemos que: 10k = 1 entonces tenemos que:

k = 1/10

VARIABLE ALEATORIA DISCRETA

FUNCIN DE DISTRIBUCIN ACUMULADAS
Funcin de Distribucin Acumulada

0 si X < 5
4/10 si 5 X 6
F(X) 7/10 si 6 X 7
9/10si 8 X 9
1 si X> 8
Varianza
V(x)= (5 6)2(4/10) + (6-6)2(3/10) + (76)2(2/10)+ (8-6)2(1/10) = 1

VARIABLE ALEATORIA
CONTINUA
DEFINICIN
Se dice que una variable aleatoria X es
continua si el nmero de valores que puede
tomar estn contenidos en un intervalo
(finito o infinito) de nmeros reales.
Dichos
valores
pueden
asociarse
mediciones en una escala continua,
manera
que
no
haya
huecos
interrupciones.

a
de
o

VARIABLE ALEATORIA
CONTINUA
CARACTERSTICAS
La distribucin de probabilidad de una
variable
aleatoria
continua
X
est
caracterizada por una funcin f(x) que recibe
el nombre de funcin de densidad de
probabilidad.
Esta funcin f(x) no es la misma funcin
de probabilidad de una variable aleatoria
discreta.
La grfica de la funcin f(x) es una curva
que se obtiene para un nmero muy grande

VARIABLE ALEATORIA
CONTINUA
CARACTERSTICAS
recuerde que la grfica de una funcin de
probabilidad de una variable aleatoria
discreta es escalonada, dando la sensacin
de peldaos en ascendencia.
Esta funcin de densidad de probabilidad
f(x) permite calcular el rea bajo la curva
que representa la probabilidad de que la
variable aleatoria continua X tome un valor
entre el intervalo donde se define la funcin.

VARIABLE ALEATORIA
CONTINUA
FUNCIN DE DENSIDAD
Formalmente, la funcin de densidad de
probabilidad f(x) de una variable aleatoria
continua, se define como tal, si para
cualquier intervalo de nmeros reales [a, b]
se cumple que:
PROPIEDAD
F (x) 0

f(x) dx =1
-
b

P (a x b) =

f(x) dx

VARIABLE ALEATORIA
CONTINUA
Puesto que el rea
total bajo f(x) es uno, la
probabilidad del intervalo [a,b] es el rea
acotada por la funcin de densidad y las
rectas X=a y X=b, como se muestra en la
figura siguiente

El modelo de variable aleatoria continua

implica lo siguiente:
P (a x b = P ( a x b) = P ( a x b ) =
P ( a x b)

VARIABLE ALEATORIA
CONTINUA

VARIABLE ALEATORIA
CONTINUA

VARIABLE ALEATORIA
CONTINUA

La funcin de distribucin acumulada de una variable

aleatoria continua X con funcin de densidad f(x) se define
para todo x, como

VALOR ESPERADO
Tambin
llamado
Matemtica.
Es una medida
distribucin de X.

Media
de

posicin

Esperanza
para

la

Se representa con el smbolo .

Se calcula sumando el producto de cada
valor
de
X
con
su
Probabilidad
correspondiente.
Frmula:

VALOR ESPERADO
Ej: Dada la siguiente distribucin de una
variable aleatoria:
X
F(x)

0
0,02

1
0,5

2
0,89

La Media est dada por:

(x) = E(x) = [x f (x)]
(x) = E(x) = (0x0,02)+(1x0,5)+(2x0,9)
=
0
+ 0,5 + 1,8
= 2,3

VARIANZA DE UNA
VARIABLE ALEATORIA
La Varianza de una Variable Aleatoria es una
medida de la dispersin de la distribucin de
su probabilidad.
Es calculada ponderando el cuadrado de
cada desviacin con respecto a la media con
la probabilidad asociada con la desviacin.
x

2x = V(X) = E(X- x)2 = (X- x)2.F(x)

x

2x =

V(X)

= (X2 - fx)

- 2x

VARIANZA DE UNA
VARIABLE ALEATORIA
Ejemplo. Damos la siguiente tabla. Hallar Varianza
No. Ocurrencias
1
2
3
4
5
2x =

V(X)

Probabilidad
1/5
2/5
3/5
4/5
5/5
= (X2 - fx)
x

- 2x

2x = (12 - 1/5) + (22 - 2/5) + (32 - 3/5) + (42 - 4/5) + (52 - 5/5)
2x = (1 - 0,2) + (4 - 0,4) + (9 - 0,6) + (16 - 0,8) + (25 - 1)
2x = 0,8 + 3,6 + 8,4 + 15,2 + 24
2x = 52

DESVIACIN ESTNDAR
Corresponde a la raz cuadrada positiva de la varianza.
Se representa con x

Continuando con el ejemplo anterior tendremos:

2x = 52
x =

52

x = 7,2111

TEOREMA DE CHBYSHEV

Para demostrar cmo la desviacin estndar

es indicadora de la dispersin de la
distribucin de una variable aleatoria, el
matemtico ruso Pafnuty Lvovich Chbyshev
desarroll un teorema en el que ofrece una
garanta mnima acerca de la probabilidad de
que una variable aleatoria asuma un valor
dentro de k desviaciones estndar alrededor
de la media.

TEOREMA DE CHBYSHEV
Para cualquier variable aleatoria X con media
m y desviacin estndar , la probabilidad
de que X tome un valor contenido en k
desviaciones estndar de la media, siendo k
una constante positiva cualquiera, es cuando
menos
1
2
1 - -------k
Simblicamente, el teorema se expresa de
cualquiera de las siguientes maneras:

TEOREMA DE CHBYSHEV
La desigualdad de Chbyshev es muy
importante, ya que permite determinar los
lmites de las probabilidades de variables
aleatorias discretas o continuas sin tener que
especificar sus funciones de probabilidad.
Este teorema asegura que la probabilidad de
2
que una variable aleatoria se aleje de la
media no ms de k desviaciones estndar, es
menor o igual a 1/k para algn valor de k >
1.
Aunque la garanta no siempre es muy
precisa, la ventaja sobre este teorema es su
gran generalidad por cuanto es aplicable a

TEOREMA DE CHBYSHEV
Ejemplo.
El nmero de licencias de conduccin
expedidas en una ciudad durante el mes de
junio puede considerarse como una variable
aleatoria cuya distribucin de probabilidad se
desconoce, pero se estima que su media sea
aproximadamente m=124 y su desviacin
estndar =7,5. Segn el teorema de
Chbyshev, con qu probabilidad se puede
afirmar que se expedirn entre 64 y 184
licencias de conduccin en esa ciudad
durante el mes de junio?

TEOREMA DE CHBYSHEV
Para dar solucin a este problema se debe
conocer cul es ese valor de k. Para ello se
parte de la definicin de una desigualdad
menor que de un valor absoluto:

Tomando el factor de la izquierda, se tiene

TEOREMA DE CHBYSHEV
Esto quiere decir que: -k + m=64 o bien
que k + m=184. Al despejar k de
cualquiera de ellas se tiene:

De manera que la desigualdad de Chbyshev

queda planteada:

De modo que se puede afirmar que se

expedirn entre 64 y 184 licencias de
conduccin en esa ciudad durante el mes de
junio con una probabilidad del 98,44%.