Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Variable Aleatoria
Variable Aleatoria
Definicin:
Tipos:
Variable aleatoria
Cantidad de clientes
0, 1,2,3,4,5
Inspeccionar un
embarque de 40 chips
Cantidad de chips
defectuosos
0,1,2,.,40
Funcionamiento de un
restaurante durante un da
Cantidad de clientes
0,1,2,3.
Vender un automvil
Sexo Cliente
0 si es hombre y 1 si es
mujer
Variable aleatoria
Funcionamiento de un
banco
X>=0
Cantidad de onzas
0<=x<=12.1
Porcentaje de terminado
del proyecto
0<=x<=100
Ensayar un nuevo
proceso qumico
Temperatura cuando se
lleva a cabo la reaccin
deseada (min 150 F; mx
212F)
150<=x<=212
Variable aleatoria
Una variable aleatoria X es una funcin que asocia a
cada suceso del espacio muestral E de un experimento
aleatorio un valor numrico real:
X :E
w X ( w)
Llamar variable a una funcin resulta algo confuso,
por ello hay que insistir en que es una funcin.
Funcin de probabilidad
Una vez definida una variable aleatoria X, podemos
definir una funcin de probabilidad asociada a X, de
la siguiente forma:
p : [0,1]
x p( x) P( X x)
La funcin de probabilidad debe cumplir:
(i) p( x) 0 x
(ii) p( x) 1
x
6
Valores
Z
Z
Z
Probabilidad
1/4 = 0.25
2/4 = 0.50
1/4 = 0.25
f : [0,1]
f (2) P(X 2 ) P( (1,1) ) 1/ 36
f (3) P(X 3 ) P( (1,2) (2,1) ) 2 / 36
f (4) P(X 4 ) P( (1,3) (3,1) (2,2) ) 3 / 36
...
P
5/36
5/36
4/36
4/36
3/36
3/36
2/36
2/36
1/36
1/36
10
11
12
Observa que cumple las dos condiciones: es siempre positiva y est normalizada.
9
Funcin de distribucin
Dada una variable aleatoria discreta X se llama
funcin de distribucin a la funcin F definida
como:
F : [0,1]
x F ( x) P( X x)
En nuestro ejemplo de los dos dados:
F(5) = P(X 5) = P(x = 2 o x = 3 o x = 4 o x = 5)
F(5) = 1/36 + 2/36 +3/36 + 4/36 = 10/36
10
0,5
0,028
2
10 11
12
x
11
1
6
F(x)
f(x)
0.5
0 1
13
F () lim F ( x) lim P( X x) P( E ) 1
x
P( x1 X x2 ) F ( x2 ) F ( x1 )
F es montona creciente.
E X xi P( X xi ) xi p ( xi )
i
P(X)
X P(X)
-1
0
1
2
3
.1
.2
.4
.2
.1
-.1
.0
.4
.4
.3
1.0
15
E ( X ) P(i ) i
i 2
1
2
6
1
2 3 ... 7 ... 12 7
36
36
36
36
16
Var( X ) M 2 E (( X ) )
2
(x )
i
P( X xi )
Var(X )
Ejemplo
X
P(X)
-1
0
1
2
3
.1
.2
.4
.2
.1
-2
-1
0
1
2
( X ) ( X ) P( X )
2
4
1
0
1
4
.4
.2
.0
.2
.4
1.2
2 ( xi ) 2 P( xi ) 1,2
i
Var( X ) 1.10
18
Var ( X ) P(i) (i 7) 2
i 2
1
2
1
2
2
(2 7) (3 7) ... (12 7) 2 5,83
36
36
36
Var( X ) ( xi ) p ( xi )
2
(x
2 xi ) p ( xi )
2
p ( xi ) 2 xi p ( xi )
2
E ( X ) 2 E ( X ) ( E ( X ))
2
E ( X ) ( E ( X ))
2
2
20
Distribucin de Bernoulli
Experimento de Bernoulli: solo son
posibles dos resultados: xito o fracaso.
Podemos definir una variable aleatoria
discreta X tal que:
xito 1
fracaso 0
P( X x) p q
x 0,1
Evidentemente:
1
P( X x) P( X 0) P( X 1) p q 1
x 0
21
E[ X ] x P( X x)
x 0
0 P( X 0) 1 P( X 1) p
1
Var ( X ) E[ X ] ( E[ X ]) x P( X x) p
2
x 0
0 P( X 0) 1 P( X 1) p
2
p p p (1 p ) pq
2
22
Distribucin Binomial de
Probabilidad
23
Definicin
24
25
DIAGRAMA DE UN EXPERIMENTO
BINOMIAL CON OCHO INTENTOS
Propiedad 1: El experimento consiste en n=8 intentos idnticos de lanzar una
moneda.
Propiedad 2: Cada intento da como resultado un xito (S) o un fracaso (F).
Intentos
Resultados
1
S
6
F
7
S
8
S
26
Distribucin binomial
La distribucin binomial aparece cuando estamos interesados
en el nmero de veces que un suceso A ocurre (xitos) en n
intentos independientes de un experimento.
28
n x
n!
n x
B(n, p) p( x) p (1 p)
p x (1 p) n x
x!(n x)!
x
Distribucin binomial para n = 5 y
distintos valores de p, B(5, p)
29
Ejercicio:
Supongamos que la probabilidad de encontrar una estrella
de masa m* >10 M en un cmulo estelar joven es del 4%.
Cul es la probabilidad de que en una muestra escogida al
azar, entre 10 miembros del cmulo encontremos 3 estrellas
con m* >10 M?
n x
p(x) p ( 1 p)n x
x
p 0.04;
n 10; x 3
10
3
10 - 3
p( 3 ) ( 0.04 ) ( 1-0.04 ) 0.043 0.967 0.006
3
30
(k 0,1,....n)
p = 1/6, q = 5/6, n = 4
Al menos dos seises, implica que nos valen k = 2, 3, 4.
P(2) + P(3) + P (4)
4 1 5 4 1 5 4 1
2 6 6 3 6 6 4 6
2
1
171
4 (6 25 4 5 1)
0.132
6
1296
31
P(X)
.6
.4
.2
0
= 5 0.5 = 0.25
np(1 p)
5 0.1 (1 0.1) 0.67
5 0.5 (1 0.5) 1.1
X
0
Desviacin estndar
n = 5 p = 0.1
P(X)
.6
.4
.2
0
n = 5 p = 0.5
X
32
Distribucin de Poisson
Cuando en una distribucin binomial el nmero de intentos (n)
es grande y la probabilidad de xito (p) es pequea y np (la
media de la distribucin binomial) es finito y tiende a entonces
la distribucin binomial converge a la distribucin de Poisson:
e
p ( x)
, x 0,1,2,... 0
x!
k
33
.6
.4
.2
0
X
0
Nota: el mximo de la distribucin
se encuentra en x
= 0.5
P(X)
= 6
P(X)
.6
.4
.2
0
X
0
10
34
n p =
99
99 1
99 1
c
P ( A )
0 100
1 100 100 2 100 100
0.9206
n x n x
p( x) p q
x
( x 0,1,....n)
P ( A ) e (1 1 12 ) 0.9197
c
x
p ( x)
e
x!
( x 0,1,....)
36
37
x
p ( x)
e
x!
( x 0,1,....)
9%
22
2!
) 0.857
x
p ( x)
e
x!
( x 0,1,....)
21
1!
23
3!
39