Академический Документы
Профессиональный Документы
Культура Документы
UNAM
PROBABILIDAD
Y
ESTADSTICA
Irene Patricia Valdez y Alfaro
irenev@servidor.unam.mx
T E M A S DEL CURSO
CONTENIDO TEMA 3
3.
Variables aleatorias.
Objetivo: El alumno conocer el concepto de variable aleatoria y
podr analizar el comportamiento probabilista de la variable, a
travs de su distribucin y sus caractersticas numricas.
3.1
3.2
3.3
3.4
3.4
INTRODUCCIN A LA
PROBABILIDAD
VARIABLES ALEATORIAS
VARIABLE *
VARIABLE: Adj. que varia o puede variar.
f. Mat. Magnitud que puede tener un valor
cualquiera de los comprendidos en un conjunto.
Nmero que resulta de una medida u
operacin.
VARIABLE CONTINUA: La que consta de unidades o
partes que no estn separadas unas de otras,
como la longitud de una lnea, el rea de una
superficie, el volumen de un slido, la cabida
de un vaso, etc.
VARIABLE DISCRETA: La que consta de unidades o
partes separadas unas de otras, como los
rboles de un monte, los soldados de un
ejrcito, los granos de una espiga, etc.
* Real Academia de la Lengua Espaola
VARIABLE DETERMINSTICA
Variable: f. Mat. Magnitud que puede tener un valor de los
comprendidos en un conjunto, pero
predecible con exactitud.
Continua
Variable
Determinstica:
Discreta
VARIABLE ALEATORIA
Variable Aleatoria: f. Mat. Magnitud cuyos valores estn
determinados por las leyes de
probabilidad, como los puntos
resultantes de la tirada de un dado.
Continua
Variable Aleatoria:
Discreta
VARIABLE ALEATORIA
Una VA es una funcin sobre el espacio de los posibles
resultados (eventos) de un experimento aleatorio,
Por ejemplo:
a) Al arrojar una moneda y observar el lado que queda hacia arriba:
X={ x1 = 1 (guila), x2 = 0 (sol) }
b) Alimentar de la misma manera a 20 animales y obervar su peso
despus de 30 das
c) arrojar dos dados y anotar la suma de los puntos que caen hacia
arriba.
d) el voltaje de salida de 50 eliminadores de bateras.
DISTRIBUCIN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Ejemplo: Caso de una VA discreta:
Experimento: Arrojar
dos dados y observar
la VA X : la suma de
los puntos de las
caras que quedan
hacia arriba.
Las formas en que
puede ocurrir cada uno
de los valores que toma
la VA X se muestran en
la tabla.
Observemos que hay 1
posibilidad en 36 de que X=2,
mientras que hay 2
posibilidades en 36 de que X=3
Y1
Y2
X=Y1+Y2
Y1
Y2
X=Y1+Y2
10
10
11
10
11
12
DISTRIBUCIN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Las probabilidades para cada valor de la VA X se muestran
en la tabla. En este ejemplo la tabla representa la funcin de
distribucin de probabilidad (fdp) de la VA X.
X
P(X=x)
Representacin grfica de la funcin de distribucin de probabilidad de la VA X
2
3
1/36
2/36
P(X)
P(x)
0.20
3/36
4/36
0.16
5/36
0.12
6/36
5/36
4/36
10
3/36
11
2/36
12
1/36
0.18
0.14
0.10
0.08
0.06
0.04
0.02
0.00
1
10
11
12
13
DISTRIBUCIN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Distribucin de probabilidad de una VA X:
f(x) = P( X=x )
En nuestro ejemplo de la suma de dos dados:
f ( x) 1
x
P(Xx)
1/36
3/36
6/36
10/36
15/36
21/36
26/36
30/36
10
33/36
11
35/36
12
36/36
En nuestro ejemplo:
P(X<=x)
1.00
0.80
0.60
0.40
F ( x j ) P ( X x j ) xi
0.20
i 1
0.00
1
10
11
12
13
Esta es una funcin escaln, hay un salto en cada valor de X y es plana entre ellos.
F ( x j ) P ( X x j ) xi
i 1
xi x j
3. P(X x) 1 - F ( x)
DISTRIBUCIN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
e x
f ( x)
0
fdp
x0
cualquier otro caso
DISTRIBUCIN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Caso de una VA continua
Propiedades de la distribucin de probabilidad de una
variable aleatoria continua (tambin conocida como funcin
de densidad de probabilidad, fdp) :
1. f(x) 0,
2.
f(x)dx 1
b
3. P(a X b) f(x)dx
a
DISTRIBUCIN DE PROBABILIDAD
ACUMULATIVA DE UNA VARIABLE ALEATORIA CONTINUA
Caso de una VA continua
Experimento: observar la VA X : el tiempo que dura una
lmpara hasta que se funde.
F(x)
La probabilidad de que una lmpara dure al
menos X horas se obtiene mediante la funcin
de distribucin acumulativa (FDA).
FDA
fdp
e x
f ( x)
x0
cualquier otro caso
1 e x
F ( x)
0
FDA
F ( x) P ( X x)
f (t ) dt
X
x0
cualquier otro caso
DISTRIBUCIN DE PROBABILIDAD
ACUMULATIVA DE UNA VARIABLE ALEATORIA CONTINUA
Caso de una VA continua
x
F ( x) P ( X x) f (t )dt
1. F( ) 0
2. F( ) 1
3. P(a X b) F(b) F(a)
4.
adems:
y:
dF ( x)
f ( x)
dx
x
P( X x) f (t )dt 0
x
P ( X x) P ( X x) f (t )dt F ( x)
E X
xP( x)
; si X es discreta
xf ( x)dx
; si X es continua
E g ( X )
g ( x) P( x)
x
; si X es discreta
g ( x) f ( x)dx ; si X es continua
1.
E[c] c
2.
E[aX b] aE[ X ] b
3.
k
x
i P ( xi ) ; si X es discreta.
k
'k E[ X ] i
k
x f ( x)dx ; si X es continua.
x
El momento de orden k respecto a la media de una variable aleatoria se
define como:
k E[( X ) ]
k
(
x
)
P( xi )
i
i
; si X es discreta.
k
(
x
)
f ( x)dx ; si X es continua.
x P( x )
; si X es discreta.
xf ( x)dx
; si X es continua.
E[ X ]
2 E[( X )2 ]
2
(
x
)
P ( xi )
i
i
; si X es discreta.
2
(
x
)
f ( x )dx ; si X es continua.
Desviacin estndar
k j
k (1) 'k j ; k 0,1,2,...
j 0
j
k
Ejemplo:
Para k=2 (segundo momento respecto a la media = varianza)
2 j
2
2
2
'2 j (1) 0 0 '2 0 (1)1 1 '21 ( 1) 2 2 '2 2
j 0
j
0
1
2
2 (1)(1)(1) '2 (1)(2) '1 (1)(1) 2 '0
2
2 (1) j
Notar que :
'1
2 2 E[( X ) 2 ] E[ X 2 ] E[ X ]2
'0 1
3 '3 3 '2 2
Para k=4
PROPIEDADES DE LA VARIANZA
COMO OPERADOR MATEMTICO
Si X es una variable aleatoria con distribucin de probabilidad
fX(x); a, b y c son constantes , entonces:
1.
V [c ] 0
2.
V [aX b] a V [ X ]
2
3.
V [ X Y ] V [ X ] V [Y ]
DESIGUALDAD DE CHEBYSHEV
Teorema:
Si X es una variable aleatoria con distribucin de probabilidad
fX(x) con media varianza 2; y k es una constante positiva,
entonces:
1
P X k 2
k
1
P X k 1 2
k
1
P k X k 1 2
k