Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 2
Tema 2
= .
5.- FUNCIN DE DISTRIBUCIN
La funcin de distribucin describe el comportamiento probabilstico de una
variable aleatoria X asociada a un experimento aleatorio y se representa como:
F(x) F
x
Para estudiar la funcin de distribucin distinguiremos entre el caso discreto y el
caso continuo.
o CASO DISCRETO
Sea X una variable aleatoria discreta asociada a un espacio probabilstico, se
define la funcin de distribucin:
[ 1 , 0 : ) ( R x F ] que verifica
[ ]
<
= =
x xi
i
X X x F ) (
2_Apuntes de Estadstica II 28
Ejemplo: Continuando con el ejemplo anterior, cuya distribucin de probabilidad era:
(0 caras, 1/8); (1 cara, 3/8); (2 caras, 3/8); (3caras, 1/8), Calcula la probabilidad de
obtener menos dos caras?.
Para resolver el problema lo que debemos de calcular es la probabilidad de que la
variable aleatoria tome valores inferiores a dos. Esto viene dado por la expresin
F (1) = Prob [ X 1] = P
i
1= Prob [ X =0] + Prob [ X = 1] = 1/8 + 3/8= 4/8
x
i
<x
La funcin de distribucin para una variable discreta siempre verifica las
siguientes propiedades:
A) ( ) 1 ; 0 ) ( = + = F F
B) ( ) [ ] ( ) a F b F b a = ) ( ,
C) Es una funcin no decreciente:
2 1
, x x ( ) ( )
2 1 2 1
x F x F x x < .
o CASO CONTINUO:
Sea X una variable aleatoria continua con funcin de densidad f(x), se define la
funcin de distribucin, F(x), como:
( ) [ ]
= = dx x f X x x F ) ( .
La funcin de distribucin para una variable continua siempre verifica las
siguientes propiedades:
A) ; 0 ) ( x F
B) 1 ) ( =
dx x f
C) [ ] ) ( ) ( ) ( a F b F dx x f b x a P
b
a
= =
D) la funcin de densidad es la derivada de la funcin de distribucin. = ) ( ) ( x F x f
Variable aleatoria y funcin de distribucin 29
Ejemplo: Sea X una variable aleatoria cuya funcin de densidad viene dada por f (X),
calcula su funcin de distribucin:
X/2 0 x 2
f (x )=
0 en otro caso
Calculamos la funcin de distribucin, obteniendo
,
4
2
0 ) ( ) ( ) (
0
0
2
+
= + = = =
x x
x
dx
x
dx dx x f dx x f X F
por tanto, la funcin de distribucin ser:
>
< <
<
=
2 1
2 0
4
0 0
) (
2
X
X
x
X
X F
6.- PARMETROS DE UNA VARIABLE ALEATORIA
En esta seccin estudiaremos, de manera anloga a las variables estadsticas,
algunos parmetros de que van a resumir numricamente las distribuciones de las
variables aleatorias, distinguiendo como siempre, para el caso discreto y continuo.
6.1.- Esperanza matemtica para una variable aleatoria discreta
Dada una variable aleatoria X que toma valores x
1
,x
2
,x
3
....x
n
con distribucin de
probabilidad , se define la esperanza matemtica de una variable
aleatoria como:
( )
i i
P x x = =
[ ] ( )
i
n
i
i i
n
i
i
x x X x x = = =
= = 1 1
.
Ejemplo: Continuando con el ejemplo anterior, cuya distribucin de probabilidad era:
(0 caras, 1/8); (1 cara, 3/8); (2 caras, 3/8); (3caras, 1/8), calcula la esperanza
matemtica.
El resultado ser:
=
= = + + + = =
3
0
.
2
3
8
12
8
1
3
8
3
2
8
3
1
8
1
0 ] [
i
i i
p x X E
2_Apuntes de Estadstica II 30
6.2.- Esperanza matemtica para una variable aleatoria continua
Sea X una variable aleatoria continua con funcin de densidad f(x), se define la
esperanza matemtica de esa variable aleatoria como:
[ ] . ) (
+
= = dx x xf x
Tanto para el caso discreto como para el caso continuo, la esperanza matemtica
presenta las siguientes propiedades:
o Si C es una constante, E(C) = C.
o a, b R, E(aX + b) = aE(X) + b
o Si g(X) es una funcin de X, entonces:
o Si X es discreta, . ) ( )] ( [
1
=
=
i
i i
p x g X g E
o Si X es continua,
+
= . ) ( ) ( )] ( [ dx x f x g X g E
o Si X
1
, ..., X
n
son variables aleatorias, entonces
= =
=
n
i
i
n
i
i
X E X E
1 1
]. [ ] [
6.3.- Varianza de una variable aleatoria
A continuacin vamos a definir la varianza de una variable aleatoria
diferenciando para el caso discreto y continuo. Dada una variable aleatoria X que toma
valores x
1
,x
2
,x
3
....x
n
con distribucin de probabilidad, se define la varianza de X:
o Discreta: [ ]
= =
= = =
n
i
i i
n
i
i
P x x x E x x V
1
2 2
1
2 2
) ( )) ( (
o Continua: [ ] ( ) dx x f x x V ) (
2
=
+
Ejemplo: Continuando con el ejemplo anterior, cuya distribucin de probabilidad era:
(0 caras, 1/8); (1 cara, 3/8); (2 caras, 3/8); (3caras, 1/8), calcula la varianza.
El resultado ser:
=
=
+ + + = = =
3
0
2
2 2 2 2 2 2 2
. 75 , 0
2
3
8
1
3
8
3
2
8
3
1
8
1
0 ] [
i
i i
p x X V
Propiedades de la Varianza y la Esperanza matemtica:
Sea X una variable aleatoria e Y otra variable aleatoria tal que Y = a X + b,
entonces siempre se verifica:
Variable aleatoria y funcin de distribucin 31
o [ ] [ ] b X aE Y E + =
o [ ] [ ] Xx V a Y V
2
=
o Si X e Y son independientes, entonces [ ] [ ] [ ] Y E X E XY E = .
6.4.- Covarianza
Sean X e Y dos variables aleatorias, se define la covarianza entre estas dos
variables como,
[ ] [ ] [ ] Y E X E XY E Cov = ,
donde el clculo de las esperanzas depender de si las variables son discretas o
continuas. De esta definicin surge el siguiente resultado. Cuando X, Y son
independientes la covarianza es igual a 0.
[ ] [ ] [ ] Y E X E Y X E = , entonces
[ ] [ ] [ ] . 0 ] [ ] [ ] [ ] [ = = = Y E X E Y E X E Y E X E XY E Cov
6.5.- Momentos de una variable aleatoria
Dada una v.a X, se define su momento de orden k (k = 0, 1, 2,...) respecto a la
media o momento central de orden k como la esperanza de (X )
k
:
] ) [(
k
k
X E =
Del mismo modo se define su momento de orden k (k = 0, 1, 2, ...) respecto al
origen o momento no central de orden k como la esperanza de X
k
:
] [
K
k
X E =
De las definiciones se deduce que:
o
o
= 1
o
1
=
o
o
= 1
o
1
= 0
o El segundo momento central se llama tambin varianza, y se denota por V(X) o
2
.