Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 3 VariablesAleatorias PDF
1 3 VariablesAleatorias PDF
Variables aleatorias
Estadstica
Ingeniera Inform
atica
Curso 2009-2010
3. Variables aleatorias
Curso 2009-2010
1 / 33
Contenidos
3. Variables aleatorias
Curso 2009-2010
2 / 33
3. Variables aleatorias
Curso 2009-2010
3 / 33
Ejemplo 1:
Experimento aleatorio: lanzar un dado.
v.a. mas natural X : asignar a cada cara del dado su valor numerico
X toma seis valores, del 1 al 6, con probabilidad
1
P(X = a) = , a = 1, ..., 6
6
v.a. (no tan natural) Y : asignar el valor 1 a las caras que son
m
ultiplos de tres y el valor 0 a las que no lo son,
1, con probabilidad p = 13
Y =
0, con probabilidad p = 23
3. Variables aleatorias
Curso 2009-2010
4 / 33
Ejemplo 2:
Vamos a realizar un experimento aleatorio que consiste en
seleccionar una persona al azar. Para cada persona observamos el
n
umero de hermanos que tiene y su peso.
Podemos usar las v.a.s:
- X para el n
umero de hermanos, cuyos valores seran n
umeros enteros a
partir de cero,
- Y para el peso; con rango de valores todos los posibles entre los lmites
naturales; entre dos valores posibles de Y se podran obtener infinitos
valores intermedios (si utilizaramos aparatos con suficiente precision).
Estos infinitos valores en el rango de la variable es lo que diferencia a las
variables continuas (Y ) de las discretas (X ).
3. Variables aleatorias
Curso 2009-2010
5 / 33
Definicion:
Una variable aleatoria X es una funci
on X : R, que a cada elemento
del espacio muestral le hace corresponder un n
umero real.
El conjunto de valores reales que tienen asociado alg
un elemento del
espacio muestral se denomina rango de la v.a.:
X = {x R : s , X (s) = x}
Si X es un conjunto finito o numerable, entonces la variable
aleatoria se denomina discreta.
En caso de que X sea un intervalo, finito o infinito, entonces la
variable aleatoria se denomina continua.
3. Variables aleatorias
Curso 2009-2010
6 / 33
C
omo asignamos una probabilidad P a los valores del rango de una v.a.?
(c
omo hereda la variable X la funci
on de probabilidad P del espacio ?)
La funcion de
caracteriza P (inducida por P)
3. Variables aleatorias
Curso 2009-2010
7 / 33
Funci
on de masa (v.a.discreta)
Es una funcion que representa la probabilidad de que X tome cada uno de
los posibles valores (discretos) xi , i = 1, ..., n, ...:
p:R
xi
[0, 1]
p(xi ) = P(X = xi ) =
= P(s : X (s) = xi )
Propiedades:
1. 0 p(x) 1, x R
X
2.
p(xi ) = 1
i
3. Dado A R, P(X A) =
p(xi )
xi A
3. Variables aleatorias
Curso 2009-2010
8 / 33
Funci
on de densidad (v.a.continua)
Es una funcion f : R R que describe la probabilidad de X de la
siguiente manera: si tenemos un subconjunto de n
umeros reales A R, la
probabilidad de que la variable aleatoria
continua X tome un valor en
Z
dicho conjunto es P(X A) =
f (x)dx.
A
Propiedades:
1. f (x) 0, x R,
Z
2.
f (x)dx = 1.
R
3. Variables aleatorias
Curso 2009-2010
9 / 33
Como consecuencia:
Z
P(a X b) =
f (x)dx
a
Z
P(X = a) =
Z
f (x)dx =
{a}
f (x)dx = 0
a
3. Variables aleatorias
Curso 2009-2010
10 / 33
Funci
on de distribuci
on
Otra funcion F que caracteriza la funci
on de probabilidad P de una v.a.
X:
F (x) = P(, x] = P(s : X (s) x),
x R
Propiedades:
1.
lm F (x) = 0
2. lm F (x) = 1
x
F (x + )
(mon
otona no decreciente)
= lm+ F (x + h) = F (x)
h0
3. Variables aleatorias
Curso 2009-2010
11 / 33
Como consecuencia:
P(a, b] = P(, b] P(, a] = F (b) F (a)
P(a, b) = P(, b) P(, a] = F (b ) F (a)
P[a, b] = P(, b] P(, a) = F (b) F (a )
P[a, b) = P(, b) P(, a) = F (b ) F (a )
P{a} = P(, a] P(, a) = F (a) F (a ) (salto de probabilidad
en a)
donde P(, a) = F (a )
Si F tiene un salto en un punto a entonces P(a) > 0
3. Variables aleatorias
Curso 2009-2010
12 / 33
Funci
on de distribuci
on de una v.a.discreta
F (x) =
P(X = xi ) =
xi x
p(xi )
xi x
Funci
on de distribuci
on de una v.a.continua
Z
F (x) =
f (t)dt
3. Variables aleatorias
Curso 2009-2010
13 / 33
Ejemplo 1:
Experimento aleatorio: lanzar cuatro veces una moneda equilibrada.
Espacio muestral:
= {CCCC , CCC +, CC + C , C + CC , +CCC , CC + +, C + C +, C +
+C , +CC +, +C +C , ++CC , +++C , ++C +, +C ++, C +++, ++++}
X v.a. que expresa el n
umero de cruces obtenidas; toma el valor 0 cuando
el resultado es {CCCC }, el valor 1 si ocurre el suceso {CCC +, CC + C ,
C + CC , +CCC }, el valor 2 si aparece {CC + +, C + C +, C + +C ,
+CC +, +C + C , + + CC }, el valor 3 para los resultados {+ + +C ,
+ + C +, +C + +, C + ++}, y el valor 4 si sale {+ + ++}.
1
0
x <0
16 xi = 0
1
0x <1
4
16
xi = 1
16
5
1x <2
6
16
F (x) =
P(xi ) =
xi = 2
11
16
2x <3
16
xi = 3
15
16
3x <4
1
16 16
xi = 4
16
=
1
x 4
16
Estadstica (Aurora Torrente)
3. Variables aleatorias
Curso 2009-2010
14 / 33
Ejemplo 1 (cont.):
Se quiere hallar la probabilidad de que aparezcan m
as de dos cruces:
P(X > 2) = P(X = 3) + P(X = 4) =
4
1
5
+
=
16 16
16
o tambien:
P(X > 2) = 1 P(X 2) = 1 F (2) =
5
16
3. Variables aleatorias
6
10
4
+
=
16 16
16
Curso 2009-2010
15 / 33
Ejemplo 2:
Sea X una variable aleatoria continua, caracterizada por la siguiente
funci
on de densidad:
k(x 2 + 1) si 0 < x < 3
f (x) =
0
en el resto
Para que sea funcion de densidad, la integral en R debe ser 1:
3
3
33
x
1 =
f (x)dx =
k(x + 1)dx = k
+ kx = k + 3k =
3
3
R
0
0
1
= 9k + 3k = 12k k =
12
Funcion de distribucion:
0,
x
<
0
0,
x <0
Z x
3
x
+
3x
k(t 2 + 1)dt, 0 x 3 =
F (x) =
, 0x 3
36
0
1,
x >3
1,
x >3
Z
3. Variables aleatorias
Curso 2009-2010
16 / 33
Transformaci
on de variables aleatorias
3. Variables aleatorias
Curso 2009-2010
17 / 33
Transformaci
on de variables aleatorias
Transformaci
on de una v.a.discreta
Funcion de distribuci
on:
X
X
FY (y ) = PX (X Ay ) =
pX (xi ) =
pX (xi )
xi Ay
g (xi )y
Funcion de masa:
X
pY (y ) = PY (Y = y ) = PY (g (X ) = y ) =
pX (xi )
g (xi )=y
Transformaci
on de una v.a.continua
Funcion de distribuci
on (g continua y creciente):
FY (y ) = PY (g (X ) y ) = PX (X g 1 (y )) = FX (g 1 (y ))
Funcion de densidad (g derivable e inyectiva):
dx
fY (y ) = fX (x)
dy
Estadstica (Aurora Torrente)
3. Variables aleatorias
Curso 2009-2010
18 / 33
Transformaci
on de variables aleatorias
Ejemplo:
Dadas la variable aleatoria continua X , con funci
on de densidad
fX (x) = 2x, 0 < x < 1, y la funci
on continua g (x) = 3x + 1, calcular
la funci
on de densidad de la variable aleatoria continua Y = g (X ).
y 1
Como x = g 1 (y ) =
,
3
dx 1 1
y = = , sera:
dy
3
3
fY (y ) = 31 fX ( y 1
3 )=
2y 2
9 ,
(1 < y < 4)
3. Variables aleatorias
Curso 2009-2010
19 / 33
Transformaci
on de variables aleatorias
Ejemplo (cont.):
Alternativamente, podemos calcular fY de la siguiente manera:
Funcion de distribucion de Y :
FY (y ) = P(Y y ) = P(g (X ) y ) = P X g 1 (y ) = FX g 1 (y ) =
Z
=
0
y 1
3
y 1
(y 1)2
2tdt = t 2 0 3 =
,
9
2(y 1)
2y 2
=
9
9
3. Variables aleatorias
Curso 2009-2010
20 / 33
3. Variables aleatorias
Curso 2009-2010
21 / 33
Esperanza
Esperanza (I)
3. Variables aleatorias
Curso 2009-2010
22 / 33
Esperanza
Esperanza (II)
Esperanza de una v.a.discreta
X = E [X ] =
xi pX (xi )
xfX (x)dx
R
3. Variables aleatorias
Curso 2009-2010
23 / 33
Esperanza
Esperanza (III)
Propiedades:
Dadas las variables aleatorias X , Y y dos n
umeros reales a, b R, se tiene:
E [aX + b] = aE [X ] + b
E [X + Y ] = E [X ] + E [Y ]
3. Variables aleatorias
Curso 2009-2010
24 / 33
Momentos
valores esperados de ciertas funciones de X
se pueden definir alrededor de cualquier punto de referencia
I
I
3. Variables aleatorias
Curso 2009-2010
25 / 33
Varianza (I)
2 = E [(X X )2 ]
se denota por V (X ) o X2
representa la distancia cuadratica promedio a la media dispersion
de una v.a. en torno a su media
su raz cuadrada, , se denomina desviaci
on tpica
E [(X X )2 ] = E [X 2 ] 2X
(el momento central de orden 2 es igual al momento ordinario de orden 2
menos el cuadrado del momento ordinario de orden 1)
3. Variables aleatorias
Curso 2009-2010
26 / 33
Varianza (II)
Varianza de una v.a.discreta
X2 = V (X ) = E [(X X )2 ] =
X
(xi X )2 pX (xi )
i
o alternativamente:
X2 = E [X 2 ] 2X =
xi2 pX (xi ) 2X
= V (X ) = E [(X X ) ] =
(x X )2 fX (x)dx
o alternativamente:
X2
= E [X ]
2X
Z
=
x 2 fX (x) dx 2X
R
Estadstica (Aurora Torrente)
3. Variables aleatorias
Curso 2009-2010
27 / 33
Varianza (III)
Propiedades:
Dada una variable aleatoria X y dos n
umeros reales a, b R, se verifica:
V (X ) = E [X 2 ] (E [X ])2
V (aX ) = a2 V (X )
V (b) = 0
V (aX + b) = a2 V (X )
Desigualdad de Chebichev:
P(|X X | > kX )
3. Variables aleatorias
1
k2
Curso 2009-2010
28 / 33
Mediana (I)
3. Variables aleatorias
Curso 2009-2010
29 / 33
Mediana (II)
F (Me) =
1
2
3. Variables aleatorias
Curso 2009-2010
30 / 33
Coeficiente de variacion
CVX =
X
X
3. Variables aleatorias
Curso 2009-2010
31 / 33
Ejemplo:
Sea la variable aleatoria discreta X correspondiente al n
umero de
cruces obtenidas al lanzar
4 1veces una moneda
xi = 0
16
16 xi = 1
6
Funcion de masa: P(xi ) =
xi = 2
16
xi = 3
16
1
xi = 4
16
1
4
6
4
1
Media: X = 0
+1
+2
+3
+4
=2
16
16
16
16
16
5
11
La funcion de distribucion a la izquierda de 2 es
y en 2 es
16
16
Me =2.
1
4
6
4
1
16
Varianza: X2 = 02
+ 12
+ 22
+ 32
+ 42
22 =
=1
16
16 16
16
16
16
1
1
=
Coeficiente de variacion: CVX =
2
2
Estadstica (Aurora Torrente)
3. Variables aleatorias
Curso 2009-2010
32 / 33
Ejemplo:
Sea la variable aleatoria continua X , con funci
on de densidad
fX (x) = 2x, si 0 < x < 1.
1
Z 1
2x 3
2
x 2xdx =
Media: X =
= 3 = 0,67
3
0
0
Z Me
Me
1
La mediana sera el valor Me tal que =
2xdx = x 2 0 = Me 2 ,
2
0
r
1
luego Me =
= 0,71
2
1
Z 1
2x 4
1
2
2
Momento ordinario de orden 2: E [X ] =
x 2xdx =
=
4 0 2
0
2
1
2
1
X2 =
=
= 0,05
2
3
18
q
1
1
2
18
Coeficiente de variacion: CVX = 2 = =
4
2 2
3
Estadstica (Aurora Torrente)
3. Variables aleatorias
Curso 2009-2010
33 / 33