Cap 2 E

2.
Probabilidad y
variable aleatoria
Curso 2011-2012
Estadstica
2. 1 Probabilidad
Probabilidad y variable aleatoria
Experimento Aleatorio
EL trmino experimento aleatorio se

utiliza en la teora de la probabilidad para
referirse a un proceso cuyo resultado no es
conocido de antemano con certeza.
Suma de valores en el lanzamiento de 2
dados.
Ejemplos
Nmero de piezas defectuosas en
una muestra de 100 piezas.
Nmero de llamadas a una centralita
telefnica en un da.
Energa elctrica consumida en
Madrid durante un periodo de
tiempo.
Espacio Muestral
Conjunto formado por todos los posibles
resultados de un experimento aleatorio.
DISCRETOS:
Lanzamiento de un DADO: S = {1,2,3,4,5,6}
Piezas defectuosas en una muestra de 100
S = {0,1,2,...,100}
Llamadas a una centralita durante un da
S = {0,1,2,3,...,}
CONTINUOS:
Energa consumida en Madrid: S={[0, )}
Suceso
Cualquier subconjunto del espacio muestral.
Obtener un nmero par al lanzar un dado:

A = {2,4,6}
Observar menos de 5 piezas defectuosas en una

muestra de 100:
B = {0,1,2,3,4}
Tener ms de 50 llamadas de telfono en una hora:

C = {51,52,...,}
Tener una demanda de energa elctrica entre 300

Mwh y 400 Mwh : D =(300,400)
Operaciones
Sean A y B dos subconjuntos de S
Unin
A B = {x : (x A) o (x B)}
Interseccin
$
A B = {x : (x A) y (x B)}
Complementario
$= {x : x A}
7
$ %
$ %
Propiedades
'DGRVWUHVVXFHVRV $%\&GHXQHVSDFLRPXHVWUDO6
$ % = % $
&RQPXWDWLYD
$ % = % $
$ % & = $ % &
$VRFLDWLYD
$ % & = $ % &
$ % & = $ % $ &
'LVWULEXWLYD
$ % & = $ % $ &
$ % = $ %
/H\HVGH'H0RUJDQ
$ % = $ %
9
Axiomas de Probabilidad
'DGRXQHVSDFLRPXHVWUDO6XQDIXQFLyQGHSUREDELOLGDG
DVLJQDYDORUHV3$DFDGDVXFHVR$ 6\VDWLVIDFH

3$

36 =
3DUDXQDVHFXHQFLDGHVXFHVRV $$ ! $Q
TXHFXPSOHQ$L $ M = FXDQGRL M
Q
3 * $L = L = 3 $L
Q
L =
10
Problema fundamental
Dado un espacio muestral discreto con resultados
A1, A2, ..., An , el experimento aleatorio queda
caracterizado si asignamos un valor P(Ai) no
negativo a cada resultado Ai de forma que
P(A1)+P( A2)+ ...+P(An)=1.

(MHPSOR6HODQ]DGRVYHFHVXQDPRQHGD
^;;;&&;&&`
6H DVLJQD SUREDELOLGDG D FDGD XQR GH ORV FXDWUR
UHVXOWDGRV
(VXQDDVLJQDFLyQFRUUHFWD"
11
Propiedades elementales
3 =
3 $ = 3 $
6L $ %HQWRQFHV3$ 3%
3DUDGRVVXFHVRVFXDOHVTXLHUD $ % 6
3 $ % = 3 $ + 3 % 3 $ %
3DUDQVXFHVRV $$ $Q 6
Q
L =
L =
3* $L = 3 $L 3 $L $ M +
Q
L = M > L
3$ $
L
$N + " + Q + 3 $ $ " $Q
L = M >L N > M
12
Asignacin de probabilidades
1. Clsica (Laplace): Equiprobabilidad
2. Frecuencialista (von Mises, 1931)
3. Subjetiva
13
Clsica: sucesos equiprobables

Sea un experimento con un nmero finito N
de resultados excluyentes y equiprobables,
la probabilidad del suceso A es
3 $ =
1 $

1
donde N es el nmero de resultados

posibles del experimento y N(A) el nmero
de resultados favorables al suceso A.
14
Ejemplos (equiprobabilidad)
Lanzamiento de una moneda. S={C,X}
3& =

Lanzamiento de un dado. S={1,2,3,4,5,6}

3 1~PHUR SDU =

=

Extraccin de una de las 40 cartas de la

baraja, S={1 Oros,2 Oros,...., Rey Bastos}
3 %DVWRV =

=

15
Lanzamiento de dos dados

HU'DGR
'DGR
1
2
3
4
5
6
1
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
2
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
3
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
4
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
5
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
6
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
P(suma 7) = 6/36 = 1/6
16
Urna: 2 Negras y 3 Blancas
%ROD
B1
B1
B2
B3
N1
N2
%ROD
B1,B2
B1,B3
B1,N1
B1,N2
B2
B3
B2,B1 B3,B1
B3,B2
B2,B3
B2,N1 B3,N1
B2,N2 B3,N2
N1
N2
N1,B1 N2,B1
N1,B2 N2,B2
N1,B3 N2,B3
N2,N1
N1,N2
Se extraen dos bolas al azar, una detrs de

otra, sin reposicin.
P(1 Blanca y 2 Negra) = 6/20 = 3/10
17
Urna: 2 Negras y 3 Blancas
%ROD
%ROD
B1
B2
B3
N1
N2
B1
B1,B1
B1,B2
B1,B3
B1,N1
B1,N2
B2
B2,B1
B2,B2
B2,B3
B2,N1
B2,N2
B3
B3,B1
B3,B2
B3,B3
B3,N1
B3,N2
N1
N1,B1
N1,B2
N1,B3
N1,N1
N1,N2
N2
N2,B1
N2,B2
N2,B3
N2,N1
N2,N2
Se extraen dos bolas al azar, una detrs de

otra, con reposicin.
P(1 Blanca y 2 Negra) = 6/25
18
&RPELQDWRULD REMHWRVWRPDGRVGHGRVHQGRV
SIN REEMPLAZAMIENTO
1
1
2
3
4
5
,03257$
(/25'(1
(1,2)
(1,3)
(1,4)
(1,5)
Primera extraccin
2
3
4
(2,1)
(3,1)
(4,1)
(3,2)
(4,2)
(2,3)
(4,3)
(2,4)
(3,4)
(2,5)
(3,5)
(4,5)
CON REEMPLAZAMIENTO
5
(5,1)
(5,2)
(5,3)
(5,4)
1
2
3
4
5
1
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
Primera Extraccin
2
3
4
(2,1)
(3,1)
(4,1)
(2,2)
(3,2)
(4,2)
(2,3)
(3,3)
(4,3)
(2,4)
(3,4)
(4,4)
(2,5)
(3,5)
(4,5)
Nmero = 20
12,03257$
(/25'(1
1
2
3
4
5
(1,2)
(1,3)
(1,4)
(1,5)
Nmero = 25
Primera extraccin
2
3
4
(2,3)
(2,4)
(2,5)
(3,4)
(3,5)
5
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(4,5)
Nmero = 10
1
2
3
4
5
1
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
Primera extraccin
2
3
4
(2,2)
(2,3)
(2,4)
(2,5)
(3,3)
(3,4)
(3,5)
(4,4)
(4,5)
(5,5)
Nmero = 15
19
&RPELQDWRULD1~PHURSRVLEOHGH
UHRUGHQDFLRQHVGHQREMHWRVWRPDGRVGHU HQU
,03257$
(/25'(1
6,1
5((03/$=$0,(172
Q
Q U
&21
5((03/$=$0,(172
Q

U
Q + U
12,03257$
(/25'(1
QU
20

/DSULPLWLYD6HHOLJHQQ~PHURVGLVWLQWRVGHODO
DPERVLQFOXVLYH
3UREDELOLGDGGHDFHUWDUORV
3UREDELOLGDGGHDFHUWDU
3UREDELOLGDGGHDFHUWDU
3UREDELOLGDGGHQRDFHUWDUQLQJXQR
3UREDELOLGDGGHTXHVDOJDXQQ~PHURFRQFUHWRSRU
HMHPSORHOQ~PHUR
21
3ULPLWLYD
3$FHUWDU=

=
=

=
3$FHUWDU= =

=
3$FHUWDU= =

=
31LQJXQR= =

=
36DOJDHO= =

22
(QXQDHVWDFLyQGHPHWURKD\SDVDMHURVHVSHUDQGRDXQ
WUHQFRQYDJRQHVVLFDGDSDVDMHURHOLJHXQYDJyQDOD]DU
FXiOHVODSUREDELOLGDGGHTXHWRGRVHOLMDQXQYDJyQ
GLIHUHQWH"
3 $ =
1 $
=
=

1

'HXQORWHFRQSLH]DVVHWRPDQDOD]DUVLWRGDVODV
SLH]DVHOHJLGDVVRQEXHQDVVHDFHSWDHOORWH\VHUHFKD]DHQ
FDVRFRQWUDULR&XiOHVODSUREDELOLGDGGHDFHSWDUXQORWH
FRQSLH]DVGHIHFWXRVDV"

=
1 =
1 $ = =

1 $ "
=
3 $ =
=
=
1
"
23
Cumpleaos
Probabilidad de que en un grupo de r = 25 personas
haya al menos dos con el mismo cumpleaos.

$
$
$U
U
$=1RKD\DQLQJXQDFRLQFLGHQFLD
" U +
U
3 $ = 3$
U = 3 $ =
3 $=
24
Probabilidad y Frecuencia Relativa

La probabilidad P(A) de un suceso A es el
lmite
3 $ = OLP
Q$
Q
dnde nA es el nmero de veces que ha

ocurrido A al repetir el experimento n
veces en idnticas condiciones.
25
N de Caras / N de Lanzam ientos
Frecuencia relativa de caras

1,00
0,50
0,00
0
50
100
150
200
N de lanzam iento
26
7RWDOVRUWHRV

27
28
3UREDELOLGDG&RQGLFLRQDGD
Fumadores
(F)
No Fumadores
(N)
TOTAL
Mujeres
(M)
Hombres
(H)
TOTAL
0,12
0,18
0,30
0,39
0,31
0,70
0,51
0,49
1,00

3

)
_
+

=
=

3 ) =

=
3 ) _ 0 =

29
Probabilidad Condicionada
Definicin. Sea B un suceso con
probabilidad distinta de cero, se
define probabilidad del suceso A
dado B a:
3 $ _ % =
3 $ %

3 %
30
Utilidad
Actualizar probabilidad del suceso A en
funcin de la informacin disponible I
P(A|I) = P(AI)/P(I)
Clculo de la interseccin de sucesos
P(A B) = P(A|B)P(B)
Clculo de probabilidad de un suceso
3 $ = 3 $ % $ %
= 3 $ _ % 3 % + 3 $ _ % 3 %
31
Ejemplo Urna
Probabilidad de 1 Blanca y 2 Negra
Sin reemplazamiento:
P(B1 N2) = P(B1) P(N2| B1)

= (3/5)(2/4) = 3/10
Con reemplazamiento:
P(B1 N2) = P(B1) P(N2| B1)

= (3/5)(2/5) = 6/25
32
Cumpleaos
Probabilidad de que en un grupo de r = 25 personas
haya al menos dos con el mismo cumpleaos.

$
%U =1RKD\DQLQJXQDFRLQFLGHQFLDHQU
$
$U
3%U = 3% 3 % _ $ 3 % _ $ $ " 3 %U _ $ $ " $U

U +
"

3 %U = 3%U
U = 3 %U =
=
33
Ejemplo
8UQD8
8UQD8
6HHOLJHXQDXUQDDOD]DU\VHH[WUDHXQDEROD 3%ODQFD "
3 % = 3 % _ 8 38 + 3 % _ 8 38

= + =
=

34
Ejemplo (cont.)
8UQD8
8UQD8
6HWRPDDOD]DUXQDERODGH8\VHPHWHHQ86HH[WUDH
XQDERODGH8 3%ODQFD "
3 % = 3 % _ % 3 % + 3 % _ 1 3 1

= + =
=

35
Independencia
6LHOFRQRFLPLHQWRGHODRFXUUHQFLDGHXQVXFHVR% FDPELD
ODSUREDELOLGDGGHTXHRFXUUDRWUR$VHGLFHTXH$ \% VRQ
GHSHQGLHQWHVHQHVHFDVR3$_% 3$
&XDQGR HOVXFHVR$ HVLQGHSHQGLHQWHGH%ODRFXUUHQFLDGH
% QRFDPELDODSUREDELOLGDGGH$HVGHFLU3$_% 3$
&RPR3$_% 3$%3%
$ \% VRQLQGHSHQGLHQWHV
3$% 3$3%
36
Lanzamiento de dos monedas

6 ^&&&;;&;;`
+LSyWHVLV
0RQHGDVHTXLOLEUDGDV3& 3;
,QGHSHQGLHQWHV
3&& 3&3&

3&; 3&3;
3;& 3;3&
3;; 3;3;
37
,QGHSHQGHQFLDRPiVVXFHVRV
7UHVVXFHVRV$% \& VRQLQGHSHQGLHQWHVVL
3$ % & 3$3%3&
3$ % 3$3%
3$ & 3$3&
3% & 3%3&
/RVVXFHVRV$ $ $Q
VRQLQGHSHQGLHQWHVVL
FXDOTXLHUVXEFRQMXQWR$L$L$LNFXPSOH
3$L$L $LN 3$L3$L3$LN
38
Probabilidad Total
%
%
%
%
%
$
%
%
3DUWLFLyQ
%% %Q % M 6
%
%L % M = L M
% %

% % " %Q = 6
3 $ = 3 $ 6
= 3[ $ % % " %Q ]
= 3[ $ % $ % " $ %Q ]
= 3 $ % + 3 $ % + " + 3 $ %Q
3 $ = 3 $ _ % 3 % + 3 $ _ % 3 % + " 3 $ _ %Q 3 %Q
39
Teorema de Bayes
6HD% % %Q XQDSDUWLFLyQGHOHVSDFLR6
WDOTXH3% M > SDUD M = Q\VHD $
FXDOTXLHUVXFHVRFRQ3$ > HQWRQFHV
SDUDFXDOTXLHU%L
3%L_$ =
3$_%L 3%L
Q
3$_%
3% M
M =
40
Ejemplo (Bayes)
0
0
0
'
'
'
SK
SK
SK
$/0$&e1
(OSRUFHQWDMHGHSLH]DVGHIHFWXRVDVIDEULFDGDVSRUWUHVPiTXLQDV
HV\/DSULPHUDIDEULFDSLH]DVSRUKRUD\ODV
RWUDV GRV SLH]DV SRU KRUD 7RGDV ODV SLH]DV IDEULFDGDV VH
OOHYDQ D XQ DOPDFpQ $O ILQDO GHO GtD VH WRPD XQD SLH]D GHO
DOPDFpQ \ HV GHIHFWXRVD FXiO HV OD SUREDELOLGDG GH TXH
SURFHGDGH0
"
41
30 _ ' =
3 ' _ 0 30
3 ' _ 0 30 + 3 ' _ 0 30 + 3 ' _ 0 30
=
30 _ ' =
3 ' _ 0 30
3 ' _ 0 30 + 3 ' _ 0 30 + 3 ' _ 0 30
=
30 _ ' =

=
+ +

=
+ +
3' _ 0 30
3 ' _ 0 30 + 3 ' _ 0 30 + 3 ' _ 0 30
=

=
+ +
30 _ ' + 30 _ ' + 30 _ ' =

42
6LXQDSHUVRQDHVSRUWDGRUDGHOYLUXV$XQDQiOLVLVGHVDQJUH
ORGHWHFWDHOGHODVYHFHV6LQHPEDUJRHOWHVW WDPELpQ
SURSRUFLRQD IDOVRV SRVLWLYRV LQGLFDQGR OD SUHVHQFLD GHO
YLUXV HQ HO GH SHUVRQDV VDQDV 6L VyOR GH FDGD
SHUVRQDVWLHQHQHOYLUXVFXiOHVODSUREDELOLGDGGHTXHXQD
SHUVRQD WHQJD HO YLUXV UHDOPHQWH VL HO DQiOLVLV KD GDGR
SRVLWLYR"
9 = 7HQHUHO9LUXV
6 = (ODQiOLVLVHVSRVLWLYR
39 6
3 6 _ 9 39
=
3 9 _ 6 =
3 6
3 6 _ 9 3 9 + 3 6 _ 9 3 9

=
=
+
43
Ejemplo Virus
(Aplicado a 1.000.000 personas)
NEGATIVO
POSITIVO
Total
SANOS
965.150
29.850
995.000
ENFERMOS
50
4.950
5.000
Total
965.200
34.800
1.000.000
(QWUHORV TXHKDQGDGRSRVLWLYRVyOR
WLHQHQHOYLUXV
39_6
44
2. 2 Variable aleatoria
Experimento Aleatorio
EL trmino experimento aleatorio se utiliza

en la teora de la probabilidad para referirse a
un proceso cuyo resultado no es conocido de
antemano con certeza.
Suma de valores en el lanzamiento de 2
dados.
46
Variable Aleatoria
8QDYDULDEOHDOHDWRULD HVXQDIXQFLyQTXHDVLJQDXQQ~PHUR
UHDODFDGDXQRGHORVUHVXOWDGRVGHXQH[SHULPHQWRDOHDWRULR
Lanzamiento de 2
monedas
X(s) Nmero de CARAS
s X(s)
CC 2
CX 1
XC 1
XX 0
47
Variable Aleatoria Discreta

Cuando los valores que toma una
variable aleatoria son finitos o
infinitos numerables se dice que es
discreta.
Resultado obtenido al lanzar un dado

{1,2,3,4,5,6}
Nmero de veces que hay que lanzar

una moneda hasta obtener una CARA
{1,2,3,4, ...}
48
Distribucin de probabilidad
Sea { x1 , x2 , ..., xn } los valores que puede tomar la
variable aleatoria X. Se denomina distribucin de
probabilidad de la variable aleatoria a P( X=xi ) que
cumple:
P ( X = xi ) 0
i=1 P ( X = xi ) = 1.
1 GH&DUDVDOODQ]DUPRQHGDV
x P(X=x)
0 1/4
1 1/2
2 1/4
49
Distribucin de probabilidad
p(X)
1/2
1/4
1 GH&DUDVDOODQ]DUPRQHGDV
3
x
50
Lanzamiento de un dado
[
3 ; = [

P (X = x)
1/6

x
51
Funcin de distribucin
/DIXQFLyQGHGLVWULEXFLyQ);[ GHXQDYDULDEOHDOHDWRULD
; VHGHILQHSDUDWRGRQ~PHURUHDO[FRPR
);[ 3;; [
(MHPSOR ; 1~PHURGHFDUDVDOODQ]DUPRQHGDV
x
FX ( x )
(-,0)
0
[0,1)
1/4
[1,2)
3/4
[2,)
1
F(x)
1
3/4
1/2
1/4
0
3
x
52
1
3/4
)XQFLyQGH
'LVWULEXFLyQ
1/2
1/4
0
3
x
1/2
'LVWULEXFLyQ
SXQWXDOGH
SUREDELOLGDG
1/4
3
x
53
Lanzamiento de un dado
F(x)
p(x)
1/6
3 ; = [

54
Una funcin F(x) es una funcin de distribucin

si y slo si cumple las siguientes condiciones:
D
OLP ) [ = \
OLP ) [ =
[ +
E )[HVXQDIXQFLyQQRGHFUHFLHQWH
F )[HVFRQWLQXDSRUODGHUHFKD
K > OLP ) [ + K = ) [
K
55
Variable aleatoria continua

Una variable aleatoria X es continua si su
funcin de distribucin FX ( x ) es
continua.
F(x)

3/4
1/2
1/4

0,5
1,5
x
);[ [[ >

56
Funcin de densidad
La funcin de densidad de probabilidad
fX(x) de una variable aleatoria continua X
es la funcin que verifica
[
); [ = I ; W GW [
Si FX(x) es derivable, adems

G
); [ = I ; [
G[
57
F(x)
)XQFLyQGHGLVWULEXFLyQ
1
3/4
);[ [[>
1/2
1/4
0
0,5
1,5
x
f(x)
)XQFLyQGHGHQVLGDG
I;[ [>@

0
0,5
1,5
x
58
Una funcin fX (x) es una funcin de densidad

de probabilidad de una variable aleatoria X si y
slo si cumple:
D I ; [ SDUDWRGR [
E I ; [ G[ =

UHD
59
Esperanza
Se define
esperanza o media de una
variable aleatoria discreta X y se representa
Q
por E[X] al valor
(> ; @ = [L 3 ; = [L
L =
(MHPSOR/DQ]DPLHQWRGHXQGDGR

(> ; @ = + + + + + =

&HQWURGHOD
GLVWULEXFLyQGH
SUREDELOLGDG
1/6
5
x

60
Esperanza
Se define esperanza o media de una variable aleatoria
continua X con funcin de densidad fX(x) y se representa
por E[X] al valor
(> ; @ =
[ I
[ G[
(MHPSOR 'LVWULEXFL yQ XQLIRUPH I ; [ = [

[
( > ; @ = [ G[ =

=

&HQWURGHOD
GLVWULEXFLyQGH
SUREDELOLGDG
0,5
1,5
x
61
Propiedades de E[X]
Transformaciones lineales Y = a X+b
(a y b constantes)
(>D; + E@ = D(> ; @ + E
62
Varianza
Sea X una variable aleatoria con
media , se denomina varianza a
Var ( X ) = E[ ( X - )2 ].
Variable aleatoria discreta
9DU> ; @ =
3 ; = [
[ =
Variable aleatoria continua
9DU> ; @ = [ I ; [ G[
63
Propiedades de la varianza
9DU ; = (> ; @
= (> ; @
9DU D; + E = D 9DU ;
64
Ejemplos
/DQ]DPLHQWRGHXQGDGR

9DU> ; @ = + + + + +

=

'LVWULEXFLyQXQLIRUPH

9DU>;@ = [ G[

[

=
=

65
Desigualdad de Tchebychev
$UHD
N

N
N
3DUDFXDOTXLHUYDULDEOHDOHDWRULD
= (> ; @
= 9DU> ; @

3 ; N >
N
66
Momentos de una V.A.
= (> ; @ =
0RPHQWRVUHVSHFWRDODPHGLD
= (> ; @ =
= (> ; @
= (> ; @ =

S = (> ; S @
S = (> ; S @
0RPHQWRVUHVSHFWRDO2ULJHQ
67
Transformaciones no lineales
z=h(y)
'HVDUUROORGH7D\ORUSDUD ] = K \ HQ = (>\@

] K + K
\ + K

\

/DPHGLD\YDULDQ]DVGH]VRQDSUR[

(>]@ K + K
9DU\

9DU> ] @ [K
] 9DU> \ @
68
Transformaciones
'DGDXQDYDULDEOHDOHDWRULD ; FRQIXQFLyQ
GHGHQVLGDG I ; [YDPRVDYHUFRPRVHREWLHQH
ODIXQFLyQGHGHQVLGDG I< \ GHODYDULDEOH
DOHDWRULD< GHILQLGDFRPR
< = J;
&DVRVDFRQVLGHUDU
/DIXQFLyQJ HVPRQyWRQDFUHFLHQWH
/DIXQFLyQJ HVPRQyWRQDGHFUHFLHQWH
/DIXQFLyQJ QRHVPRQyWRQD
69
Funcin g creciente
)< \ = 3 < \
= 3 J ; \
= 3 ; J \
= ); J \
< \
[ J\
; J\
I< \ =
G)< \
G\
G J \
=
I ; J \
G\
70
Funcin g decreciente
)< \ = 3 < \
= 3 J ; \
= 3 ; J \
\
< \
= ); J \
I< \ =
[ J\
;
J\
G)< \
G\
G J \
=
I ; J \
G\
71
Funcin montona
G J \
I< \ =
I ; J \
G\
72
Transformacin no montona
<\
[
[ [
[
[ [
)< \ = 3 < \
= 3 [ ; [ + 3 [ ; [ + 3 [ ; [
73
Ejemplo de transformacin
El radio de una esfera es una variable
aleatoria cuya funcin de densidad es
I ; [ = [ [
Cul es la funcin de densidad del volumen?
< =9ROXPHQGHODHVIHUD

I< \ =

<
< = ; ; =

\
J [ = [ J \ =

G
J \ I ; J \
G\

\

74
I ; [ = [ [
I< \ =

\

\ = [

75
Un caso muy relevante del

problema inverso
Dadas:
1) Una variable aleatoria x con distribucin
uniforme (0,1)
2) Una variable aleatoria y con funcin de
densidad fY(y)
Encontrar la transformacin y=g(x) que convierte
x en y
76
Solucin del problema

G J \
= I< \
G\

J [ = )\ [
77
Representacin grfica con

ejemplo
I< \ = H \ =
; = \ = ORJ [ =
78
Aplicacin: Simulacin de
Monte Carlo
Simulacin con ordenador
aleatorios; tiene dos vertientes:
de
procesos
1) Pedaggica: como herramienta para entender

mejor los modelos de probabilidad
2) Computacional: herramienta muy potente para
resolver problemas no abordables por mtodos
convencionales
79
Ejemplo de problema resuelto

por simulacin de Monte Carlo
Problema de los cumpleaos:
1) Se generan al azar con distribucin uniforme
discreta en 1,2,..,365, r valores (fechas de
nacimiento de las r personas)
2) Se cuenta el nmero de coincidencias
3) Repitiendo N veces los pasos 1 y 2, se
obtiene una aproximacin de la distribucin del
nmero de coincidencias
80

Cap 2 E

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cap 2 E

Cargado por

Copyright:

Formatos disponibles

2.

Probabilidad y variable aleatoria

EL trmino experimento aleatorio se

Obtener un nmero par al lanzar un dado:

Observar menos de 5 piezas defectuosas en una

Tener ms de 50 llamadas de telfono en una hora:

Tener una demanda de energa elctrica entre 300

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

P(A1)+P( A2)+ ...+P(An)=1.

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

Clsica: sucesos equiprobables

donde N es el nmero de resultados

Probabilidad y variable aleatoria

Lanzamiento de un dado. S={1,2,3,4,5,6}

Extraccin de una de las 40 cartas de la

Probabilidad y variable aleatoria

Lanzamiento de dos dados

P(suma 7) = 6/36 = 1/6

Probabilidad y variable aleatoria

Urna: 2 Negras y 3 Blancas

Se extraen dos bolas al azar, una detrs de

Probabilidad y variable aleatoria

Urna: 2 Negras y 3 Blancas

Se extraen dos bolas al azar, una detrs de

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

    

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

Probabilidad y Frecuencia Relativa

dnde nA es el nmero de veces que ha

Probabilidad y variable aleatoria

N de Caras / N de Lanzam ientos

Frecuencia relativa de caras

Probabilidad y variable aleatoria

7RWDOVRUWHRV   

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

P(B1 N2) = P(B1) P(N2| B1)

P(B1 N2) = P(B1) P(N2| B1)

Probabilidad y variable aleatoria

6HHOLJHXQDXUQDDOD]DU\VHH[WUDHXQDEROD 3 %ODQFD "

Probabilidad y variable aleatoria

Lanzamiento de dos monedas

3 && 3 & 3 &   

/RVVXFHVRV$ $ $Q

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

3 0  _ ' + 3 0  _ ' + 3 0  _ ' = 

Probabilidad y variable aleatoria

Probabilidad y variable aleatoria

7RWDOVRUWHRV

6HHOLJHXQDXUQDDOD]DU\VHH[WUDHXQDEROD 3%ODQFD "

3&& 3&3&

/RVVXFHVRV$ $ $Q

30 _ ' + 30 _ ' + 30 _ ' =

);[ [[ >

(MHPSOR 'LVWULEXFL yQ XQLIRUPH I ; [ = [