Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1.- INTRODUCCIN
En este tema se tratar de formalizar numricamente los resultados de un
fenmeno aleatorio. Por tanto, una variable aleatoria es un valor numrico que
corresponde a un resultado de un experimento aleatorio. Algunos ejemplos son: nmero
de caras obtenidas al lanzar seis veces una moneda, nmero de llamadas que recibe un
telfono durante una hora, tiempo de fallo de una componente elctrica, etc.
El estudio que se har en este tema ser anlogo al que se hace con las variables
estadsticas en descriptiva. As retomaremos el concepto de distribucin y las
caractersticas numricas, como la media y varianza. El papel que all jugaba la
frecuencia relativa lo juega ahora la probabilidad. Esto va a proporcionar aspectos y
propiedades referentes a fenmenos aleatorios que permitirn modelos muy estudiados
en la actualidad.
X (S ) X
2_Apuntes de Estadstica II
26
a)
b)
a) La solucin es la siguiente,
E= (C,X,X),(X,C,X),(X,X,C),(C,C,X),(C,X,C),(X,C,C),(C,C,C),(X,X,X)
X (S) X
0/
X 0
(X,X,X)
0 X 1
(C,C,C)(X,C,X)(X,X,C)
1 X 2
(C,C,X)(C,X,C)(X,C,C)
2 X 3
(C,C,C)
X 3
{0,5 X 1,75}
27
densidad, la variable que se est considerando puede tomar cualquier valor dentro de un
intervalo dado.
( ) =
f ( x )dx .
Fx
xi < x i
2_Apuntes de Estadstica II
28
F (+ ) = 1
B) [(a , b )] = F (b) F (a )
C) Es una funcin no decreciente:
x1 , x 2
x1 < x 2 F ( x1 ) F ( x 2 ) .
o CASO CONTINUO:
Sea X una variable aleatoria continua con funcin de densidad f(x), se define la
funcin de distribucin, F(x), como:
( ) = [x X ] = f ( x )dx .
F x
B)
f ( x)dx = 1
29
Ejemplo: Sea X una variable aleatoria cuya funcin de densidad viene dada por f (X),
calcula su funcin de distribucin:
X/2
0x2
en otro caso
f (x )=
F(X ) =
2
x dx = x ,
f
x
dx
f
x
dx
dx
(
)
=
(
)
=
0
+
0 2
4
[x] = i =1 xi ( X = xi ) = i =1 xi i .
n
2_Apuntes de Estadstica II
30
[x ] =
xf ( x)dx = .
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, E[ g ( X )] = g ( xi ) pi .
i =1
o Si X es continua, E[ g ( X )] =
g ( x) f ( x)dx.
i =1
i =1
i =1
i =1
o Continua: V [ x ] = ( x ) f ( x )dx
3
3
1 3
1
V [ X ] = = x pi = 0 2 + 12 + 2 2 + 3 2 = 0,75.
8
8
8 2
8
i =0
2
2
i
31
E[Y ] = aE[X ] + b
o V [Y
]=
a 2 V [ Xx
6.4.- Covarianza
Sean X e Y dos variables aleatorias, se define la covarianza entre estas dos
variables como,
Cov = E[ XY ] E[ X ]E[Y ] ,
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.
E[ X Y ] = E[ X ]E[Y ] , entonces
Cov = E[ XY ] E[ X ]E[Y ] = E[ X ]E[Y ] E[ X ]E[Y ] = 0.
k = E[( X ) k ]
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 Xk :
k = E[ X K ]
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.