06.

FUNCION DE PROBABILIDAD

Funciones de Probabilidad, f !" # F !". Consideremos una Variable Aleatoria. discreta X, que toma los valores x1, x2, ..., xn y supongamos que conocemos la probabilidad de que la variable X tome dichos valores, es decir, se conoce que P X!x1"!P1, P X!x2"!P2, P X!x#"!P#,..., P X!xn"!Pn y en general, P X!xi"!Pi. $a %unci&n de probabilidad % x" de la Variable Aleatoria X es la %unci&n que asigna a cada valor xi de la variable su correspondiente probabilidad Pi. Cuando la variable X es discreta, esto es, cuando solo toma valores en un con'unto numerable de valores, xi", %inito o in%inito, entonces la relaci&n es
F( x ) =
x j x i

f ( x )
i

(ntre las distribuciones discretas m)s importantes tenemos, *ni%orme discreta, +ernoulli, +inomial, +inomial ,egativa, Poisson, -eom.trica, /ipergeom.trica, y 0riangular, que estudiar)n m)s adelante Funci$n de Dis%ribuci$n, F !". (n muchas ocasiones no nos interesa tanto conocer la probabilidad de que la Variable Aleatoria X tome exactamente un determinado valor xi, cuanto la probabilidad de que tome valores menores o iguales que un cierto valor xi. (n tales casos es necesario acumular los distintos valores de la %unci&n de probabilidad hasta el valor deseado. 1e trata de una nueva aplicaci&n llamada %unci&n de distribuci&n. 1ea X una Variable Aleatoria discreta, cuyos valores se suponen ordenados de menor a mayor. es decir, asocia a cada valor de la Variable Aleatoria discreta la probabilidad

acumulada hasta ese valor la probabilidad de que la Variable Aleatoria tome valores menores o iguales a xi". 1e deben cumplir las siguientes condiciones, 2 2 2 2 2 2 3 3 3 3 3 x" es una probabilidad tal que 0 F( x ) 1 x"!4 se cumple para todo x5xi x"!1 se cumple para todo x6xi x" es constante en el 7ntervalo xi,xi81" x" es continua y creciente por la derecha de todo punto

F(a < x b ) = F(b) F(a)

Dis%ribuciones de Probabilidad. 0ambi.n se puede de%inir como el comportamiento estoc)stico de una magnitud o variable aleatoria X queda determinado por su %unci&n de distribuci&n F( x ) = P( X x ) , que representa la probabilidad de que una observaci&n de X tenga un valor menor o igual que el n9mero real x. $a probabilidad de que X se encuentre dentro del intervalo x 1, x2: es P( x 1 < X x 2 ) = F( x 2 ) F( x 1 ) . (s habitual caracteri;ar 3 mediante su %unci&n de densidad %. (n el caso de variables absolutamente continuas, la relaci&n entre 3 y % es
3 x " = % t "dt
x

(ntre otras, las distribuciones continuas de probabilidad se pueden mencionar como m)s importantes, ,ormal o -auss, $ognormal, Chi2 de Pearson, t21tudent, 321nedecor, (xponencial, -amma, +eta, <eibull, =ayleigh, -umbel, $og>stica, Pareto, $aplace, y Cauchy, que estudiar)n m)s adelante Par&'e%ros. $a media o esperan;a matem)tica es una medida de locali;aci&n, que indica el valor alrededor del cual %luct9a la variable aleatoria (? si .sta es continua, la media se de%ine como ( X " = x i % x i " en el caso discreto
xi

( X" = % t "dt t

en el caso continuo

1imilarmente se calcula la varian;a y dem)s par)metros. (l m.todo de momento y esperan;a matem)tica se estudiar) mas adelante. $a %unci&n de distribuci&n 3, es una %unci&n no decreciente, es decir, 1i x 15x2, entonces, 3 x1"@3 x2". (s continua a la derecha, esto es,

$im 3 x " = 3 a " . x a +

Ae otra parte,
x i x i +

3 " = $im 3 x i " = 4 3 + " = $im 3 x i " = 1

)ariables alea%orias con%inuas. 1i una variable toma los valores x1, ..., xB. Cuando la variable es contin9a, no tiene sentido hacer una suma de las probabilidades de cada uno de los t.rminos en el sentido anterior, ya que el con'unto de valores que puede tomar la variable es no numerable.

(ste concepto es el de funci$n de densidad de una )ariable Alea%oria con%inua , que se de%ine como una %unci&n en el con'unto de los n9meros reales y es integrable, que veri%ica las dos propiedades siguientesC
% x" 4

y que adem)s veri%ica que dado a5b, se tiene que

% x "dx = 1

P a X b" = % x"dx = Drea ba'o la curva

a
Por ser % una %unci&n integrable, la probabilidad de un punto es nula,
P X = a" = P a X a" = % x"dx = 4
a a

$a funci$n de dis%ribuci$n de la )ariable Alea%oria con%inua , 3, se de%ine de modo que dado x que pertene;ca al con'unto de los reales, 3 x" es la probabilidad de que X sea menor o igual que x, es
3 x " =P X x " = % t "dt
x

Ahora bien, dado un intervalo de la %orma a,b:, tenemos que

P( X ( a , b ]) = % x "dx = % x "dx % x "dx = 3 b" 3 a "
b b a a Ae% de%

(s decir, la cantidad 3 b"23 a" representa la 'asa de *robabilidad extendida a lo largo de dicho intervalo. 1i dividimos esta cantidad por la longitud del intervalo, tenemos la masa media de probabilidad por unidad de longitud en a,b:, es decir, su densidad media de probabilidad. 1i hacemos tender a hacia b, entonces, 3 b" 3 a " $im = 3 +" = % b" a b b a E es la densidad de probabilidad del punto b que como hemos mencionado no se ha de con%undir con la probabilidad de b). $a %unci&n de distribuci&n 3, es no decrecienteC si x15x2, entonces, 3 x1"@3 x2". Adem)s, es una %unci&n absolutamente continua

3 " = $im 3 x " = 4

x

3 + " = $im 3 x " = 1

x +

Funci$n de +asa de Probabilidad Discre%a. 3FPC p x x " = PGX = x : , es una ley de probabilidad que cumples tres axiomasC 2 4 p x x " 1 , para todo x 2 p x x " = 1
x i
i 2 PGa X b: = x a p x x "

x b
i

Funci$n de Dis%ribuci$n Acu'ulada. 3AAC Fx ( x) es la probabilidad del suceso de que la variable aleatoria tome valores menores o iguales a x 3x x " = PG X x : = p x x " en el caso discreto. E para el caso continuo,
x i

PG x 1 X x 2 : = % x x "dx
x1

x2

3x x " = PG X : = % x u "du

se sabe que,

d3x x " d = dx dx

% x x "dx = % x x "

PropiedadesC 2 4 3x x " 1

2 3x x + " 3x x " para cualquier 64 2 3x x 2 " 3x x 1 " = PG x 1 < X < x 2 : $a 3AA es una %unci&n mon&tona creciente. DI,-RIBUCIONE, CON.UN-A, +AR/INAL 0 CONDICIONAL F+P Con1un%a2 Cuando dos o mas variables tienen comportamientos con'untos
Pxy x , y" PG X = x " E = y":
i i

3x " = 4 y 3x " = 1

3xy x, y" x x y y p xy x i , y i " lo cual es igual a PG X x " E y":

F+P +ar3inal2 Comportamiento de una variable sin considerar otra. Para la variable aleatoria EC Px x " PG X = x : = y p xy x , y i "

x i x

3x x " PGX x : = x x p x x i " = 3xy x, " lo cual es igual a

i

y i

p xy x i , y i "

1imilarmente se hace para la variable aleatoria X F+P Condicional2 1i se conoce el valor de una de las variables aleatorias E!y4, las probabilidades relativas de los di%erentes valores de la otra variable est)n dados por p xy x , y 4 " , se tiene una %mp condicional de X dado E
Px H y x, y" = PGX = x H E = y: = PG X = x " E = y": , lo cual equivale a PGE = y:

Px H y x , y" =

p xy x , y" p y y":

p xy x , y" p xy x i , y"

x i

1e cumple adem)s lo seIalado anteriormente

4 ox H y 1 y

xi x H y

p x i , y" = 1 .

7dem para E dado X F+P Con1un%a a *ar%ir de las *robabilidades +ar3inales # Condicionales
Pxy x , y" = p x H y x , y" p y y" = p y H x y, x " p x x "

%unci&n de distribuci&n de probabilidadC

PG x1 X x 2: =
x2 x1

y2

y1

% xy x , y"dydx

$a 3unci&n de distribuci&n de probabilidad satis%aceC % xy x , y" 4 y % xy x , y"dxdy =1 para todo el intervalo E la cumulada,
3xy x , y" = PG X = x " E = y": = PG( X x ) ( E y ) : =

% xy x 4 , y 4 "dy 4 dx 4
% xy x , y " = 3XE x , y " x y

de donde,

Funci$n de dis%ribuci$n de *robabilidad 'ar3inal # Condicional. Aensidad con'unta se integra sobre valores de E y se tiene %unci&n de distribuci&n de probabilidad marginal de XC % x" = x , y "dy %
X XE

3X x " = %

x 4 "dx 4 =3XE x , "

o sea,

% X x" =

3XE x , " x

E para la CondicionalC

% E y 4 " = % XE x , y 4 "dx

por lo cual, % X H E x , y" =

% XE x , y" % E y"
x

3X H E x , y" = PG X x H E = y: = % X H E u , y"du

)ariables Inde*endien%es. 1i 3unci&n distribuci&n condicional es igual a 3unci&n distribuci&n marginal, entonces, X y E son variables aleatorias independientes p x H y x , y" = p X x " , entonces, X y E son independientes.
PGX = x H E = y: = PG X = x :

Por lo tanto, lo siguiente es v)lidoC

% x H y x , y" = % X x " % XE x , y" = % X x "% E y" 3X H E x , y" = 3X x "

% X H E y, x " = % E y" 3XE x , y" = 3X x "3E y"

Dis%ribuciones Deri4adas. 1e trata de determinar la ley de probabilidad de una variable aleatoria %uncional. /allar 3E y" dado que E!g X" y dado que X tiene 3unci&n distribuci&n acumulada %X x", entonces, 3E y" = PGE y: pero,

PGE y: = PGX solamente tomando un valor de Cx g "x y:

lo cual es,

=E

% X x "dx , para R Y la regi&n en la cual g x"

Funci$n de Dis%ribuci$n Acu'ulada. 1ea X una variable aleatoria discreta o continua, 3 es la %unci&n de distribuci&n acumulada de X se de%ine como 3 x"!P X!x", X es variable aleatoria discreta,
3 x" = p x'", x ' x '
3 x " = % s "ds
+

X es variable aleatoria continua,

1i 3 es no decreciente, esto es, x 1 x 2 , entonces, 3 x 1 " 3 x 2 "

% x" = d 3 x" dx

para la %unci&n de densidad acumulada de variables aleatorias continuas con %unci&n de densidad de probabilidad % 1ea X una variable aleatoria discreta con valores x 1 ,..., x n y son x 1 < x 2 < .... . 1er) 3 la %unci&n de distribuci&n acumulada de %recuencias, entonces,
p x ' " = P X = x ' " = 3 x ' " 3 x '1 "

Dis%ribuci$n de Probabilidad +ar3inal # Condicional 5 Discre%o2 1i X!xi debe ocurrir E!y' tenemos

p x i " = P X = x i " = P X = x i , E = y1 o X = x i , E = y 2 o..." = '= 1 p x i , y ' "

, entonces, p es la distribuci&n marginal de probabilidad de X. p xi , y '" 7dem para EC p y ' " = P E = y ' " == i= 1 2 Con%inuo2 1ea % una %unci&n de densidad de probabilidad con'unta de la variable aleatoria continua X,E". Ae%inimos g y h como las %unciones de probabilidad marginal de X y E as>,

g x " = % x , y"dy

h y" = % x , y"dx

Ae otra %orma,

P c X d" = PGc X d, < E < + : =

d +

% x, y"dydx =

g x"dx
c

1ea X,E" una variable bidimensional continua con %unci&n de distribuci&n de probabilidad con'unta %. E sean g y h son las %unciones de probabilidad marginal de X y E respectivamente. (ntonces, la %unci&n de distribuci&n de probabilidad condicional de X para E!y es,

g x H y" =

% x , y" , h y" > 4 h y"

similarmente

h y H x" =

% x , y" , g x" > 4 g x"

)ariable Alea%oria Inde*endien%e 5 5 Discre%a2 1ea X,E" una variable aleatoria bidimensional, E y E son independientes, si y solo s>, p xi,y'"!p xi"q y'", para todo i,' Con%inua2 % x,y"!g x"h y", para todo x,y", % es la %unci&n de distribuci&n de probabilidad con'unta y g y h son las %unciones de probabilidad marginales de X y E respectivamente X,E" es variable aleatoria discreta, X y E son independientes si y solo s>,

p x i H y ' " = p x i ", i, '

q y ' H x i " = q y ' ", i, '

E si X,E" es continua, entonces,

g x H y" = g x ", x, y" h y H x " = h y", x , y"

Funciones de una )ariable Alea%oria Bidi'ensional. 1ea X,E" una variable aleatoria bidimensional continua con %unci&n de distribuci&n de probabilidad con'unta %. 1ea J!/1 X,E" y <!/2 X,E", donde /1 y /2 satis%acenC

;!/1 x,y" y K!/2 x,y", se pueden resolver 9nicamente para x y y, y en %unci&n de ; y K, digamos x!-1 ;,K" y y!-2 ;,K" (xiste
x x y y , , , y son continuas, ; K ; K
% G- 1 ;, K ", - 2 ;, K ": L ;, K "

luego la %unci&n de distribuci&n de probabilidad con'unta J.<" esta dada porC

B ;, K " =

en donde, L ;,K" es el Lacobiano,

x L ;, K " = ; y ; x K y K

1ea la variable aleatoria X,E" continua, entonces X y E son independientes, entonces, la %unci&n de distribuci&n de probabilidad % se puede escribir % x,y"!g x"h y". 1ea <!XE, luego la %unci&n de distribuci&n de probabilidad de <, digamos p, est) dada por
+ K 1 p K " = g u " h du u u

$a %unci&n de densidad de probabilidad de <!XE y *!X es

K 1 s K , u " = g u " h , con K!x, y , u!x, E4KHu u u

Con igual enunciado, para aplicar a J!XHE, en donde la %unci&n de distribuci&n de probabilidad de J es, + q ; " = g v; " h v " v dv , ;!xHy, v!y Ca'bios de 4ariables. 1ea X una Variable Aleatoria cualquiera. 1i reali;amos el cambio de variable E!h X", tenemos una nueva Variable Aleatoria de modo que las probabilidades sobre la misma se calculan del modoC 3 y" = P E y" = P( X h 1 y" ) 1i X es una Variable Aleatoria continua e E!h X", donde h es una %unci&n derivable e inyectiva, entonces se tiene que para los elementos y de su imagen,

1 % y % " =% x h y ""

dx dy

(n el caso en que la aplicaci&n no sea inyectiva, podemos tener para un y dado ciertos x1, x2, ..., xn tales que % xi"!y. (n este casoC n dx i % y y" = % x i " dy i =1 *na aplicaci&n interesante del cambio de Variable Aleatoria es la siguienteC 1ea X una Variable Aleatoria continua cualquiera con %unci&n de distribuci&n derivable, con derivada no nula, 3x. Veamos cual es la distribuci&n de la nueva Variable Aleatoria E!3x21 X" $a distribuci&n de E aparecer) m)s adelante con el nombre de distribuci&n uni%orme en G4,1:, y como 'usti%icaci&n del '6%odo de +on%ecarlo. Mtro cambio de variable importante es E!X2. (n este caso la relaci&n entre los puntos no es inyectiva. Aplicando la proposici&n anterior se tiene entonces que
% y y" = % x y" 1 2 y +% x y " 1 2 y

(sta 9ltima relaci&n ser) de inter.s cuando m)s adelante de%inamos la distribuci&n Chi Cuadrado.