ESTADISTICA

VARIABLE ALEATORIA
1 CONTINUA
Autores:

• ABANTO ABANTO, HENRY HEBERT.

• ARAUJO GUTIERRES, MICKY DENILSON.
• BURGOS TERRONES, ANABELI.
• CENTURION CAMACHO GIANCARLOS.
• CUSQUISIVAN OCAS, WILFREDO.
• LOZANO TIRADO, TITO.
• MALAVER RODRÍGUEZ, VÍCTOR.
• PÉREZ VENTURA, ALEX.

Asesor:
Ing. IRVIN CABRERA, PINEDO.
La Estadística Descriptiva nos ofrece una serie de herramientas muy útiles para
resumir gráfica y numéricamente los datos que hemos obtenido sobre una
característica o variable de interés, X, de una población. Estos resúmenes son muy
interesantes, pero el objetivo de la Estadística habitualmente va más allá: pretende
obtener conclusiones sobre la población a partir de los datos obtenidos en la
muestra. La obtención de conclusiones será el objetivo de la Inferencia Estadística y
para su desarrollo necesitaremos los modelos de probabilidad. En particular, será
necesario modelizar las variables de interés, X, como variables aleatorias. En el
presente trabajo, presentaremos el concepto de variable aleatoria continua, y los
modelos de probabilidad más utilizados en la práctica. Finalmente, introduciremos
las características que debe poseer una muestra aleatoria, para que podamos
obtener conclusiones razonadas sobre toda la población.

ESTADISTICA DESCRISPTIVA
 FUNCIÓN DE DENSIDAD CONTINUA
La función que caracteriza las variables continuas es aquella función f positiva e
integrable en los reales, tal que acumulada desde −∞ hasta un punto x, nos
proporciona el valor de la función de distribución en x, F(x). Recibe el nombre de
función de densidad de la variable aleatoria continua.

ESTADISTICA DESCRISPTIVA
 ¿Cómo se interpreta, entonces, la función de densidad continua?

Las probabilidades son las áreas bajo la función de densidad. El área bajo
la función de densidad entre dos puntos a y b se interpreta como la
probabilidad de que la variable aleatoria tome valores comprendidos entre
a y b.
Por tanto, siempre se cumple lo siguiente:

ESTADISTICA DESCRISPTIVA
La función de densidad se expresa a través de una función matemática. La forma
específica de la función matemática generalmente pasa por considerar a la variable
aleatoria como miembro de una determinada familia de distribuciones, un
determinado modelo de probabilidad. Estas familias generalmente dependen de uno
o más parámetros y serán objeto de un estudio específico en un capítulo posterior. La
atribución a una determinada familia depende de la naturaleza de la variable en
cuestión.

 Resultado de un generador de números aleatorios entre a y b. Modelo

Uniforme.

 Estatura de una persona elegida al azar en una población. Modelo Normal.

ESTADISTICA DESCRISPTIVA
DEFINICION:
Llamada también Función de Distribución Acumulada (FDA, designada también a veces
simplemente como FD) asociada a una variable aleatoria real: X (mayúscula) sujeta a cierta ley
de distribución de probabilidad, es una función matemática de la variable real: x (minúscula); que
describe la probabilidad de que X tenga un valor menor o igual que x .
Intuitivamente, asumiendo la función f como la ley de distribución de probabilidad, la FDA sería
la función con la recta real como dominio, con imagen del área hasta aquí de la función f,
siendo aquí el valor x para la variable aleatoria real X.
La FDA asocia a cada valor x, la probabilidad del evento: "la variable X toma valores menores o
iguales a x".

INTERPRETACION MATEMATICA F ( X )  PX  x

ESTADISTICA DESCRISPTIVA
Propiedades:

 1) 0  F(x)  1 , ya vista
 2) La función de distribución es no decreciente a
medida que crece
x, o sea :
Si x1 < x2  F(x1)  F(x2)
Veámoslo:
Si x1 x2  P(Xx1)  P(Xx2)  F(x1)  F(x2)

 3) En la función de distribución se cumple:

lim F(x) = 0 lim F(x) = 1

ESTADISTICA DESCRISPTIVA
REPRESENTACION GRAFICA:

ESTADISTICA DESCRISPTIVA
Ejercicio 1
Un miembro del consejo de Administración de una empresa ha comprobado que, si bien
tofos los años tienen una junta, ha habido años que tienen hasta cinco. Por la experiencia
acumulada durante años sabe que el número de juntas anual se distribuye con arreglo a la
siguiente tabla: Nº de 1 2 3 4 5
juntas
al año
Proba 2/15 5/15 1/15 3/15 4/15
bilidad

a) Sea X la variable número de juntas al año ¿Es

variable aleatoria discreta?
b) Calcular la función de probabilidad
c) Calcular la función de distribución

ESTADISTICA DESCRISPTIVA
 Solución
• La variable aleatoria X = número de juntas al año es variable aleatoria discreta ya que
solo toma valores enteros
• La función de probabilidad de la variable aleatoria X nos la da el enunciado

a) Función de distribución
xi pi  PX  x
1 2/15
2 5/15
Valor de X F ( X )  PX  x
3 1/15 x5
0
4 3/15 4 x5
2/15
5 4/15 3 x4
7/15
2 x3
8/15
1 x  2
11/15
x 1
1

ESTADISTICA DESCRISPTIVA
La esperanza matemática, valor esperado o media de la
variable aleatoria X se define como:

 para variable discreta con dominio, X1,

X2 . . ., Xn y función de densidad f(Xi ).

 Para variable continua la esperanza

matemática se define como:

ESTADISTICA DESCRISPTIVA
 TEÓRICAMENTE:
E(x) significa el valor central de la distribución de probabilidad.

PROPIEDADES PRINCIPALES DE LA ESPERANZA MATEMÁTICA:

E(x) al igual que la media, es un número que depende de todos los

valores de la serie y de sus respectivas probabilidades, ya que todos
ellos entran en su cálculo
Si X e Y son variables aleatorias, entonces:
E (X + Y) = E(X) + E(Y)
Si “ A ” es una constante y “ X ” una variable:
E(Ax) = A E(x)
Si X e Y son variables aleatorias independientes:
E(X.Y) = E(X) E(Y) ESTADISTICA DESCRISPTIVA
 PROPIEDADES

 Si X1, X2, ......., Xe son variables aleatorias

E(X1 + X2 +.........+ Xe) = E(X1)+ E(X2) +.........+ E(Xe)
 Si X1, X2, ......., Xt son variables aleatorias independientes
E(X1 + X2 +.........+ Xt) = E(X1) E(X2) *.........* E(Xt)
 La esperanza matemática es un valor que oscila en el intervalo
(Mínimo Xi; máximo Xi), en donde, tiende a situarse en el centro, para
así considerarse representativa de los valores de la serie de datos.
 Si “ X ” es variable aleatoria y “ a ” una constante:
E(X + a) = E(X) + a
 Sea X una variable aleatoria , “ a ” y “ b” constantes:
E(ax + b) = aE(X) + b
ESTADISTICA DESCRISPTIVA
 Ejemplo

 El peso (en gramos) de un insecto se distribuye según

Calcular el peso esperado

ESTADISTICA DESCRISPTIVA
 VARIANZA DE UNA VARIABLE ALEATORIA
Definición de varianza:
Sea X una v. a se define: Var(X) = E(X – E(X))2

Proposición :
Var(X) = E(X2) – (E(X))2
 Esta proposición vale para cualquier variable aleatoria; tanto discreta
como continúa.
 Y por lo general es más fácil calcular la varianza aleatoria discreta o
continua usando esta preposición que utilizando la definición.

ESTADISTICA DESCRISPTIVA
Propiedades de la varianza

 Var(X) ≥ 0
 Var(K) = 0  K es constante
 Var(a · X + b) = a2 · Var(X)  a, b
constantes
 Var(a. X) = a2 Var(X)  a constante

ESTADISTICA DESCRISPTIVA
Ejemplo:

Se desea realizar un estudio sobre el número de crías de una camada.

 X: “número de crías de una camada”
 X toma los valores 0, 1, 2, 3 con probabilidades:
P {X=0} = 0.2
P {X=1}= 0.3
P {X=2}= 0.3
P {X=3}= 0.2
¿Calcular la varianza de dicha variable aleatoria?

ESTADISTICA DESCRISPTIVA
Solución:

Primero se calcularía la esperanza de X

 E(X) = 0x0.2 + 1x0.3 + 2x0.3 + 3x0.2 = 1.5
E(X) = 1.5
Ahora la esperanza de X2
 E(X2) = 02x0.2 + 12x0.3 + 22x0.3 + 32x0.2 = 3.3
E(X2) = 3.3
Por lo tanto:
 Var(X) = E(X2) – (E(X))2 = 3.3 – 1.52 = 1.05

ESTADISTICA DESCRISPTIVA
Se llamará función generatriz de momentos (f.g.m.), a la
expresión:

 Para el caso de variables discretas se

tiene que).

 para variables continuas, así:

ESTADISTICA DESCRISPTIVA
 PROPIEDADES DE LA FUNCIÓN GENERATRIZ DE MOMENTO
La importancia de la función generadora de momentos, radica en el hecho de que
ella es única y determina completamente la distribución de una variable
aleatoria, esto es, si dos variables aleatorias tienen una misma función Generatriz
de momentos, deben tener igual distribución.

TEOREMA: Sea X una variable aleatoria con función generatriz de momentos

Mx(t) .

Demostración:

ESTADISTICA DESCRISPTIVA
 TEOREMA.
Sean X, Y, variables aleatorias independientes y Z=X+Y , con funciones
generatrices de momentos, Mx(t) , My(t) y Mz(t) respectivamente, entonces:
Mz(t)=Mx(t)My(t)

Demostración:

ESTADISTICA DESCRISPTIVA
 FUNCIÓN CARACTERÍSTICA
Esta función siempre existe y se encuentra definida en el campo de los
números complejos. Cumple las propiedades de la f.g.m. Sólo que se definen
en un marco mucho más amplio como el de los números complejos.

 En caso de variable aleatoria

discreta, se tiene que:

 en caso continuo, así:

ESTADISTICA DESCRISPTIVA
 Ejemplo:
Sea Z una variable aleatoria, N(0; 1), normal con media 0 y desviación
típica 1. Demostrar que Y = Z2 es una distribución Chi-cuadrado con
un grado de libertad.
La función generadora de momentos de Z2 es:

ESTADISTICA DESCRISPTIVA
 Gracias

ESTADISTICA DESCRISPTIVA