Está en la página 1de 8

Universidad Nacional de Salta Facultad de Ingeniera

Ctedra: Estadstica Asignatura: Probabilidad y Estadstica

Distribucin de Probabilidad de Variables Aleatorias Discretas Notas Complementarias Estas notas complementarias, tienen por objeto servir de gua en el anlisis de los conceptos introductorios del tema Distribucin de Probabilidad de Variables Aleatorias, que pueden ser ampliados siguiendo la bibliografa que figura al final. Es conveniente, durante su lectura, establecer las analogas pertinentes con los conceptos aprendidos durante el desarrollo de los tpicos de Estadstica Descriptiva.

1.

Variable aleatoria: Sea S el espacio muestral generado por un experimento aleatorio. Una variable aleatoria Y es una funcin definida en S que toma valores en los nmeros reales, tal que la pre-imagen de cualquier intervalo de los reales es un suceso de S. Ejemplo 1: Sea un experimento aleatorio en el que se lanzan dos monedas al aire y se observa la cara que aparece en cada caso. Definimos a la variable aleatoria Y como el nmero de caras que aparecen. El diagrama de la Figura 1 muestra la manera en que la variable aleatoria Y asigna un nmero real a cada uno de los posibles resultados del experimento aleatorio.

Figura 1 Sea ahora G la ganancia del juego si, por cada cara que aparece el jugador recibe $10 y adems, debe apostar $11 para poder jugar. La Tabla 1 muestra los posibles valores de Y e G. Tabla 1
Y : n de caras

0 -11

1 -1

2 9

G : ganancia

Notemos que G = 11 + 10Y es tambin una variable aleatoria.

Est. Mara Esther Capilla. Ao 2013

Distribucin de probabilidad de variables aleatorias discretas. Notas complementarias.

Generalizando, si Y es una variable aleatoria y c una constante, entonces

U = c + Y , tambin es una variable aleatoria. Si adems c 0 , V = cY es una


variable aleatoria. Adems, si X e Y son variables aleatorias, W = X + Y es tambin una variable aleatoria. Extendiendo el concepto, sean k Y1 , Y2 ,..., Yk , entonces T = Yi es una variable aleatoria.
i =1 k

variables aleatorias

Una variable aleatoria es discreta cuando puede asumir un nmero contable de valores. Se origina principalmente en procesos de conteos y generalmente toma valores enteros. Por ejemplo: nmero de camiones que llegan por hora a un puerto de carga. Una variable aleatoria es continua cuando puede tomar un nmero infinito de valores que corresponden a los puntos de un intervalo de una recta. Resulta principalmente de procesos de medicin. Por ejemplo: tiempo transcurrido entre la llegada de dos clientes a un cajero automtico.

2.

Distribucin de Probabilidad: Es una expresin matemtica, tabla o diagrama que permite asociar una probabilidad de ocurrencia a un valor, o intervalo de valores, de una variable aleatoria. A continuacin nos referiremos a la distribucin de probabilidad de variables aleatorias discretas. Sea Y una variable aleatoria discreta que toma los valores y1 , y 2 ,..., y n , la funcin p es la funcin de cuanta o funcin de probabilidad de Y si se cumple que p ( y i ) = P(Y = y i ) . Adems se verifica que: p( yi ) 0

p( y ) = 1
i =1 i

Aplicando este concepto al Ejemplo 1, el diagrama de la Figura 2 explicita la distribucin de probabilidad de la variable Y : nmero de caras al lanzar dos monedas al aire.

Universidad Nacional de Salta Facultad de Ingeniera

Ctedra: Estadstica Asignatura: Probabilidad y Estadstica

Distribucin de Probabilidad de Variables Aleatorias Discretas Notas Complementarias

Figura 2 Tambin puede expresarse la funcin de probabilidad de Y empleando una tabla como la siguiente.

Tabla 2: Funcin de probabilidad de Y: Nmero de caras al lanzar dos monedas al aire.

y : n de caras

0 0,25

1 0,5

2 0,25

p( y )

Grficamente:

Figura 3: Funcin de probabilidad de Y: Nmero de caras al lanzar dos monedas al aire. Sugerencia: Emplear la funcin de probabilidad para calcular la probabilidad de observar por lo menos una cara.

3.

Funcin de Distribucin de una variable aleatoria: A menudo necesitamos resolver situaciones que dependen de la probabilidad de que la variable aleatoria

Est. Mara Esther Capilla. Ao 2013

Distribucin de probabilidad de variables aleatorias discretas. Notas complementarias.

asuma valores inferiores o iguales a un valor dado. Si Y es una variable aleatoria,

F (Y ) es su funcin de distribucin si F ( y ) = P(Y y ) .


Adems F (Y ) satisface las siguientes condiciones:

0 F (Y ) 1
Si a < b entonces F ( a ) F (b) . Esta propiedad implica que F (Y ) es no decreciente y que P(a < Y b ) = F (b ) F (a )

F ( ) = P(Y < ) = 1 y F ( ) = P(Y < ) = 0

Si Y es una variable aleatoria discreta que toma los valores y1 , y 2 ,..., y n , entonces su funcin de distribucin puede calcularse en base a la siguiente expresin,
F ( y ) = P (Y y ) =
Y y

p( y )
i

La Tabla 3 muestra la funcin de distribucin de Y : nmero de caras al lanzar dos monedas al aire, y la Figura 4 su representacin grfica.

Tabla 3: Funcin de distribucin de Y: Nmero de caras al lanzar dos monedas al aire

y : n de caras

0 0,25

1 0,75

2 1,00

F (y)

Figura 4: Funcin de distribucin de Y: Nmero de caras al lanzar dos monedas al aire. Sugerencia: Emplear la funcin de distribucin para calcular la probabilidad de observar por lo menos una cara.
4

Universidad Nacional de Salta Facultad de Ingeniera

Ctedra: Estadstica Asignatura: Probabilidad y Estadstica

Distribucin de Probabilidad de Variables Aleatorias Discretas Notas Complementarias 4. Indicadores: Al igual que una distribucin emprica, la distribucin de una variable aleatoria puede describirse en trminos de su tendencia central, dispersin e indicadores de posicin relativa.

4.1. Valor esperado: Tambin llamado esperanza matemtica, es la media aritmtica de la distribucin a largo plazo, es decir el valor promedio de la variable aleatoria, que se observara si se efectuaran infinitas reiteraciones del experimento aleatorio. Se la simboliza E (Y ) o empleando la letra griega .

Propiedades El valor esperado de una constante es la misma constante. Si c es una constante, entonces E ( c ) = c Si Y es una variable aleatoria con una distribucin conocida, puede interesarnos la distribucin de otra variable aleatoria que es funcin de ella, por ejemplo W = cY + d , con c y d constantes. Si sumamos una constante a una variable aleatoria, la esperanza de la nueva variable se aumenta en dicha constante. Por otra parte, si multiplicamos una variable aleatoria por una constante, la esperanza de la variable resultante de tal operacin, ser la de la variable original multiplicada por la constante. Por lo tanto,

E (W ) = E (cY + d ) = cE (Y ) + d .
El valor esperado de los desvos de Y respecto a la esperanza de la distribucin es cero, es decir: E[Y E (Y )] = 0

Cuando la variable aleatoria es discreta, la esperanza se calcula como el promedio ponderado de los valores que puede asumir la variable aleatoria Y , donde la ponderacin de cada valor posible es su probabilidad de ocurrencia. Es decir, si Y es una variable aleatoria que toma los valores y1 , y 2 ,..., y n , entonces
E (Y ) = y i p ( y i )
i =1 n

Sugerencia 1: Aplicar la frmula anterior para calcular la ganancia esperada del juego planteado en el Ejemplo 1.
Est. Mara Esther Capilla. Ao 2013

Distribucin de probabilidad de variables aleatorias discretas. Notas complementarias.

Sugerencia 2: Aplicar la frmula anterior para demostrar que si Y es una variable aleatoria discreta, entonces la esperanza de W = cY + d , donde c y d son dos constantes cualesquiera, es igual a cE (Y ) + d . Sugerencia 3: Verificar que se cumple que E[Y E (Y )] = 0

4.2. Varianza. Por ser un indicador de tendencia central, la esperanza matemtica es til para proporcionar un resultado medio a largo plazo, es decir cuando se replica un experimento aleatorio una y otra vez. Sin embargo, en forma anloga a lo que ocurre en las distribuciones empricas, no brinda informacin respecto a la dispersin de los resultados individuales que pueden observarse. La medida ms importante de dispersin o variabilidad es la varianza. Puede definirse como la media aritmtica de los desvos cuadrticos de Y respecto a la E (Y ) , para infinitas reiteraciones del experimento aleatorio. Se acostumbra simbolizarla con V (Y ) o con 2 . Por lo expresado, V (Y ) = E [Y E (Y )]
2

El desvo estndar , se obtiene como la raz cuadrada de la varianza. Sugerencia: Aplicar las propiedades de esperanza para verificar que la V (Y ) puede obtenerse como E (Y 2 ) [E (Y )] .
2

Propiedades El varianza de una constante es igual a cero. Si c es una constante, entonces

V (c) = 0 .
Si Y es una variable aleatoria con una distribucin conocida, y W = cY + d , donde c y d son dos constantes cualesquiera, entonces V (W ) = V (cY + d ) = c 2V (Y ) . Es decir que la varianza de una distribucin no se modifica si aadimos una constante a los valores de la variable. En cambio, si multiplicamos los valores de la variable aleatoria por una constante, la varianza de la distribucin de la nueva variable, ser la de la distribucin original multiplicada por el cuadrado de la constante.

Cuando la variable aleatoria es discreta, la varianza se calcula como el promedio ponderado de los desvos cuadrticos entre los valores que puede asumir
6

Universidad Nacional de Salta Facultad de Ingeniera

Ctedra: Estadstica Asignatura: Probabilidad y Estadstica

Distribucin de Probabilidad de Variables Aleatorias Discretas Notas Complementarias la variable aleatoria Y y su esperanza. La ponderacin de cada valor posible es su probabilidad de ocurrencia. Si Y es una variable aleatoria discreta que toma los valores y1 , y 2 ,..., y n , entonces V (Y ) = [ y i E (Y )] p ( y i )
2

i =1

Sugerencia 1: Aplicar la frmula anterior para calcular la varianza de la ganancia del juego planteado en el Ejemplo 1. Sugerencia 2: Aplicar la frmula anterior para demostrar que si Y es una variable aleatoria discreta, entonces la varianza de W = cY + d , donde c y d son dos constantes cualesquiera, es igual a c 2V (Y ) .

5.

Variable aleatoria estandarizada Una variable aleatoria estandarizada se obtiene, a partir de una variable aleatoria cualquiera, restando la esperanza matemtica y dividiendo por el desvo estndar. Es decir, dada una variable aleatoria y con E (Y ) = y V (Y ) = 2
Y

finitas, siempre puede construirse la variable aleatoria estandarizada Z =

La esperanza de una variable aleatoria estandarizada es siempre cero, y su varianza es igual a uno. Sugerencia: Aplicar las propiedades de la esperanza matemtica para demostrar que E ( Z ) = 0 y V ( Z ) = 1

6.

Desigualdad de Chebyshev Cuando no se conoce la distribucin de probabilidad de una variable aleatoria, podemos utilizar este resultado, para describirla parcialmente en funcin de su esperanza matemtica y su varianza. Proporciona lmites para la

probabilidad de ocurrencia de intervalos de valores de la variable en estudio. Este teorema afirma que si Y es una variable aleatoria con E ( X ) = y V ( X ) = 2 , ambas finitas, entonces para cualquier constante k > 0 ,
P ( Y < k ) 1 1 k2

Est. Mara Esther Capilla. Ao 2013

Distribucin de probabilidad de variables aleatorias discretas. Notas complementarias.

En otras palabras, siempre que se cumplan las condiciones enunciadas, cualquiera sea la distribucin de Y , podemos establecer la probabilidad mnima de ocurrencia de valores de la variable aleatoria, dentro de un intervalo simtrico respecto al valor esperado y proporcional al desvo estndar de la misma. Notemos que, dado que la probabilidad de cualquier evento vara entre cero y uno, esta desigualdad tiene aplicacin prctica si k > 1 . Sugerencia 1: Empleando k = 1, 25 , comprobar esta desigualdad para la variable discreta definida en el Ejemplo 1.

Bibliografa Estadstica matemtica con aplicaciones. Denis D. Wackerly, William Mendenhall, Richard L. Scheaffer.Editorial Thomson. Sexta Edicin. Mxico. 2002 Probabilidad y Estadstica para Ingeniera. R. Scheaffer y J. Mc Clave Probabilidad y aplicaciones estadsticas. Paul L. Meyer Editorial Addison Wesley Iberoamericana. Mxico 1992