Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estad 3
Estad 3
Probabilidad y Estadstica
Noviembre 2009
Definir a la
variable aleatoria
y su naturaleza
discreta o
continua.
Algunos
autores
denominan a
todo el
proceso con
el nombre de
Distribucin de
Probabilidad
Asignar valores
en la recta de
los reales al
espacio
muestral
Definir el
espacio
muestral del
experimento
Algunos autores
denominan a este
paso en el proceso
En forma
grfica
Analtica
Asignar
probabilidades
Definir f(x)
Probabilidad y Estadstica
Noviembre 2009
Distribucin.
(Del lat.distributio,-onis).
1.
2.
3.
4.
5.
a partir de un evento
Probabilidad y Estadstica
Noviembre 2009
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,6)
(3,6)
(5,5)
(6,5)
(6,6)
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
(6,2)
(6,3)
(6,4)
(5,6)
(2,2)
(3,2)
(4,2)
(5,2)
(4,4)
(5,4)
(4,6)
(2,3)
(2,4) (3,3)
(2,5) (4,3) (3,4)
(3,5) (5,3)
(4,5)
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,6)
(3,6)
(5,5)
(6,5)
(6,6)
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
(6,2)
(6,3)
(6,4)
(5,6)
Espacio
Muestral
(2,2)
(3,2)
(4,2)
(5,2)
(4,4)
(5,4)
(4,6)
2
3
4
5
6
7
8
9
10
11
12
(2,3)
(2,4)
(2,5)
(3,5)
(4,5)
(3,3)
(4,3)
(5,3)
(3,4)
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
(6,2)
(6,3)
(6,4)
(5,6)
Px (X)
2
3
(2,2)
4
(3,2) (2,3)
5
(4,2) (2,4) (3,3)
6
(5,2) (2,5) (4,3) (3,4) 7
(4,4) (3,5) (5,3)
8
(5,4) (4,5)
9
(4,6)
10
11
12
1/36
2/36
3/36
4/36
5/36
6/36
5/36
4/36
3/36
2/36
1/36
P( X = x )
Se entender la probabilidad de X tome el
valor de x de esta forma, al considerar los
valores de una variable aleatoria es posible
desarrollar una funcin matemtica que
asigne una probabilidad a cada realizacin x
de la variable aleatoria X, esta funcin
recibe el nombre de funcin e probabilidad
(funcin masa de probabilidad) de la
variable aleatoria X.
Por axiomas de probabilidad se tiene:
0.2
Px ( X )
0.15
1)
0.1
2)
0.05
Px (X = x) 0
P (X ) = 1
x
0
0
10
15
Y en forma analtica.
P(X)=
6 7 X
36
0
P (0) = P ( x 0) = 0
P (4) = P ( x 4) =
6
36
1) 0 P( x) 1
2) P ( X > x) = 1 P ( X < x)
3) P ( xi) P( xj ) , si xi xj
F X ( x )dx
f(x)
P (a x b ) =
P(a x b ) =
F (x )dx
b
F ( ) = 0
F ( ) = 1
P(a xb ) = F (b ) F (a )
d
F ( x) = Fx ( x)
dx
Al igual que en el caso de una v.a. discreta
la funcin de distribucin acumulativa de
una variable aleatoria continua X es la
probabilidad de que X tome un valor
menor o igual a algn x especfico.
x
P ( X x) = F ( x) = f (t )dt
Para cualquiera a y b.
Probabilidad y Estadstica
Noviembre 2009
ke 2 , x 0
Fx(x)=
0, otros casos
Determinar el valor de k, la funcin de
distribucin acumulativa, la probabilidad de
que 2<x<6 y la probabilidad de que
x 8 .Si:
Fx ( x)dx = 1
entonces:
3.4 Valor esperado o media de la variable
aleatoria discreta y de la continua, y su
interpretacin
prctica.
El
valor
esperado como operador matemtico y
sus propiedades. Momentos con respecto
al origen y a la media.
Valor esperado. El valor esperado nace de
la prctica de los juegos de azar. El valor
esperado (o esperanza) representa para los
jugadores la cantidad que ganarn, o
perdern, despus de jugar repetidamente
cierto juego.
La esperanza o valor esperado debe
interpretarse como un promedio. Imagnese
que un experimento, por ejemplo, un
volado, se repite un nmero grande de
veces; algunos volados se ganan, otros se
pierden. La pregunta que se hace el jugador
es: Despus de la jornada de juego Cunto
espero haber ganado?
Otra interpretacin consiste en denominar
al valor esperado como un promedio
ponderado. A diferencia del promedio
aritmtico, el promedio ponderado toma en
cuenta la existencia de los elementos
adems de su valor a promediar. Obsrvese
el siguiente ejemplo:
En una tienda de autoservicio se expenden
botellas de vino. En un primer embarque, se
ponen a la venta 60 botellas de las cuales se
venden 35, quedando en existencia 25 a un
Probabilidad y Estadstica
Noviembre 2009
X =
$150.00 x$200.00
= $175.00
2
E{ X } = xPx ( x)
x
E{ X } =
xf
( x)dx
E{ X } = g ( x) Px ( x)
x
E{ X } =
X =
Probabilidad y Estadstica
Noviembre 2009
g ( x) f
( x)dx
Propiedades.
Primera propiedad:
Segunda propiedad:
E{aX + b} = aE{ X } + b
donde a, b ctes
Demostracin:
n ' .
Tercera propiedad:
X n Px ( X )
x
n =
n
X f x ( X )dx
V.A. Discreta
V.A. Continua
' 0 = E{ x 0 } = 1
E{g ( x) + h( x)} = E{g ( x)} + E{h( x)}
De los tres anteriores resultados se
desprende que el valor esperado es un
operador lineal.
El valor esperado de una variable aleatoria
discreta puede ser interpretado como el
centro de masa Px(xi) colocadas en los
puntos xi del eje x.
Probabilidad y Estadstica
Noviembre 2009
xPx ( x)
x
'1 = E{x} = b
x f x ( x)dx
a
momento
con
respecto
al
x 2 Px ( x)
x
' 2 = E{x 2 } = b
x 2 f x ( x) dx
a
n .
V.A. Discreta
V.A. Continua
Momento cero con respecto a la media:
0 = E ( X x )0 = E{1} = 1
Primer momento con respecto a la
media:
( X x ) Px ( x)
x
1 = E{( X x )} = b
( X x ) f x ( x)dx
a
( X x ) 2 Px ( x)
x
2 = E{( X x ) 2 } = b
( X x ) 2 f x ( X ) dx
a
Al segundo momento con respecto a la
media se le conoce como variancia
varianza y se denota por 2 x2 . La
varianza de una variable aleatoria es una
medida de dispersin de la distribucin de
probabilidades de sta. Por ejemplo, para el
caso continuo, si la mayor parte del rea por
debajo de la curva de distribucin se
encuentra cercana a la media, la varianza es
pequea; si la mayor parte del rea se
encuentra muy dispersa al rededor de la
media, la varianza es grande.
A la raz cuadrada positiva de la varianza
recibe el nombre de desviacin estndar y
se denota por .
Si se desea comparar la varianza con la
desviacin estndar de varias variables con
diferentes unidades entre s, la comparacin
resultar injusta debido a que las
distribuciones de variables aleatorias con
unidades pequeas tendrn aparentemente
menos variacin. Para hacer este tipo de
comparaciones se define otro indicador
denominado coeficiente de variacin: como
el cociente de la desviacin estndar entre
la media y la desviacin estndar tiene las
mismas unidades que el coeficiente de
variacin por lo tanto es adimensional.
Cv =
Probabilidad y Estadstica
Noviembre 2009
3 = 3' 3 x 2' + 2 x3
Aplicando el binomio de Newton:
(x x )r = (1) i
i =0
r!
( x ) i x r i
(r i )!i!
(a + b )r = ( 1)i r! a r i b i
(r i )i!
r
i =0
r!
x r i i
E ( x ) r = E (1)
(r i )!i!
i =O
r
r!
= (1)
i E x r i
(r i )!i!
i =0
{ }
{ }=
ri
E {( x ) } = (1)
(r i )!i!
si
Ex
r i
1
r i
i =o
1
r i
Media Aritmtica
n
X =
X
i =1
Probabilidad y Estadstica
Noviembre 2009
X = n X 1 X 2 X 3 ... X n
En la prctica suele obtenerse a travs de
logaritmos.
X=
1
n
= n
1 n 1
1
n i =1 X i
i =1 n
en la prctica se utiliza:
1
=
X
X
i =1
n impar
n par
F ( X ) = 0.5
Moda. Es el elemento de la muestra que
ms se repite. Una muestra puede tener una
o ms modas. Cuando todos los elementos
de la muestra son diferentes, no tiene
sentido hablar de ella.
En forma grfica, la moda se observa en el
mximo de la curva, de tal forma que su
obtencin se logra con las herramientas que
el clculo diferencial proporciona para
obtener el mximo de una funcin.
Medidas de dispersin. Estas medidas
reflejan la separacin o alejamiento de los
elementos de una muestra. Estas medidas
deben acompaar a las medidas de
tendencia central, particularmente a la
media, para evitar los efectos que los datos
extremos tienen sobre ellas.
La medida de dispersin ms sencilla es el
Rango, amplitud o recorrido, que como
ya se mencion es la diferencia entre el dato
mayor y del menor.
Probabilidad y Estadstica
Noviembre 2009
Varianza.
Tal y como la define la
probabilidad, la varianza de una variable
aleatoria es el segundo momento de la
misma con respecto a la media. Asimismo,
se interpreta de la misma forma, como un
promedio de las distancias de cada dato
hacia la media.
Desviacin estndar. Es fcil de percibir, a
partir de un anlisis dimensional, que la
varianza posee las unidades de la variable
muestreada elevada al cuadrado. Esta
situacin
no
permite
una
rpida
visualizacin o interpretacin de la
dispersin de los datos.
En virtud de lo anterior, la desviacin
estndar es la raz cuadrada de la varianza:
= 2
La desviacin estndar tambin es conocida
como desviacin tpica o error estndar.
Desviacin media. Ciertos autores opinan
que para obtener el promedio de las
distancias de cada dato con respecto a la
media debe obtenerse el valor absoluto de
la distancia entre ambos puntos y despus
obtenerse su promedio. De tal forma, la
desviacin media se define como:
n
Desviacin Media =
X
i =1
Desviacin Media =
X
i =1
med
n
3 = 0
3 > 0
3 =
m3
m2
m3
) ( )
3
3
2 2
3 < 0
X = med = mod
Si: 3 < 0 La distribucin es
asimtrica negativa, es decir, existen
ms datos a derecha de la media.
Esto implica que debe cumplirse la
siguiente relacin:
Probabilidad y Estadstica
Noviembre 2009
4 =
m4
(m2 )
m4
( )
2 2
4 =
m4
m4
3=
3
2
(m2 )
( 2 )2
_____________________________
Funciones de densidad de probabilidad
tpicas de distribuciones: a) leptocrticas, b)
platicrticas, y c) mesocrticas.
Bibliografa
Canavos, Probabilidad y Estadstica,
Edit. Mc Graw Hill, Mxico 1988.
Borras, et. al. Apuntes de Probabilidad
y Estadstica, Facultad de Ingeniera
UNAM, Mxico 1985.
Villarreal , Probabilidad y Modelos
Probabilsticos, UAEM, Mxico 1989.
Hines, Montgomery; Probabilidad y
Estadstica, Edit. CECSA, 3 edicin,
Mxico 1993.
Captura y Edicin:
M.A. Mara Torres Hernndez.
Probabilidad y Estadstica
Noviembre 2009