Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Variable
Aleatoria Discreta
VARIABLE
VARIABLE ALEATORIA
Variable Aleatoria:
Continua
Discreta
Algunos valores de una variable aleatoria pueden ser mas probables que otros,
lo que da origen al concepto de distribucin de probabilidad de una VA.
Variable aleatoria
Funcionamiento de un
banco
X>=0
Cantidad de onzas
0<=x<=12.1
Porcentaje de terminado
del proyecto
0<=x<=100
Ensayar un nuevo
proceso qumico
Temperatura cuando se
lleva a cabo la reaccin
deseada (min 150 F;
mx 212F)
150<=x<=212
Variable aleatoria
Cantidad de clientes
0, 1,2,3,4,5
Inspeccionar un
embarque de 40 chips
Cantidad de chips
defectuosos
0,1,2,.,40
Funcionamiento de un
restaurante durante un
da
Cantidad de clientes
0,1,2,3.
Vender un automvil
Sexo Cliente
0 si es hombre y 1 si es
mujer
Variable aleatoria
Una variable aleatoria X es una funcin que asocia a
cada suceso del espacio muestral E de un experimento
aleatorio un valor numrico real:
X :E
w X ( w)
Llamar variable a una funcin resulta algo confuso,
por ello hay que insistir en que es una funcin.
Funcin de probabilidad
Una vez definida una variable aleatoria X, podemos
definir una funcin de probabilidad asociada a X, de
la siguiente forma:
p : [0,1]
x p ( x) P( X x)
La funcin de probabilidad debe cumplir:
(i) p( x) 0 x
(ii ) p( x) 1
x
En la Tabla 1 se muestra
un evento simple como
E1= HH resulta dos caras,
este evento simple resulta
en el valor x = 2. del
mismo modo, el valor x =
1 se asigna a E2 , y as
sucesivamente.
Moneda 1
Moneda 2
P(E1)
E1
1/4
E2
1/4
E3
1/4
E4
1/4
Continua .
E 2, E 3
E1
p(x) = 1
p(x)
0.50
0.25
0.00
10
21
X
332
1
6
F(x)
f(x)
0.5
0 1
DISTRIBUCIN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Dado 1
Dado 2
Dado 1
Dado 2
Y1
Y2
X=Y1+Y2
Y1
Y2
X=Y1+Y2
10
10
11
10
11
12
P(X=x)
1/36
2/36
3/36
4/36
0.16
5/36
0.12
6/36
5/36
4/36
10
3/36
11
2/36
12
1/36
P(X)
P(x)
0.20
0.18
0.14
0.10
0.08
0.06
0.04
0.02
0.00
0
10
11
12
13
Frecuencia relativa
b)
f ( x) 1
x
Para toda x
F ( x j ) P( X x j ) xi
i 1
P(Xx)
1/36
3/36
6/36
10/36
15/36
21/36
0.40
26/36
0.20
30/36
10
33/36
11
35/36
12
36/36
En nuestro ejemplo:
P(X<=x)
1.00
0.80
0.60
0.00
0
10
11
12
13
14
Esta es una funcin escaln, hay un salto en cada valor de X y es plana entre ellos.
E X xi P( X xi ) xi p( xi )
i
2 E[( X ) 2 ] ( xi ) 2 P( X xi )
i
Var ( X )
Ambas miden la dispersin de los datos. Observa que la desviacin
tpica lo hace con las mismas unidades que los propios datos.
Distribucin de Bernoulli
Experimento de Bernoulli: solo son posibles dos resultados:
xito o fracaso. Podemos definir una variable aleatoria
discreta X tal que:
xito 1
fracaso 0
Si la probabilidad de xito es p y la de fracaso q = 1 - p,
podemos construir una funcin de probabilidad:
x 1 x
P( X x ) p q
x 0,1
Evidentemente:
1
P( X x) P( X 0) P( X 1) p q 1
x 0
Distribucin Binomial
Distribucin de Poisson
Distribucin Hipergeomtrica
Intentos
Resultados
1
S
6
F
7
S
8
S
Distribucin binomial
La distribucin binomial aparece cuando estamos interesados en el
nmero de veces que un suceso A ocurre (xitos) en n intentos
independientes de un experimento.
P. ej.: nmero de caras en n lanzamientos
de una moneda.
Si A tiene probabilidad p (probabilidad de xito) en un intento, entonces
q = 1-p es la probabilidad de que A no ocurra (probabilidad de fracaso).
En nuestro ejemplo de la moneda, p = 0.5 es la probabilidad de que
salga cara y q = 1-p =1 - 0.5 = 0.5
es la probabilidad de que no salga cara.
Caractersticas de la distribucin
binomial
Media
= E(X) = n p
= 5 0.1 = 0.5
.6
.4
.2
0
= 5 0.5 = 0.25
Desviacin estndar
np(1 p)
5 0.1 (1 0.1) 0.67
5 0.5 (1 0.5) 1.1
P(X)
X
0
.6
.4
.2
0
n = 5 p = 0.1
P(X)
n = 5 p = 0.5
X
n=6
P = 0.05
X=K=2
P.E Usando la tabla binomial acumulativa para n=5 y p=0.6 para hallar las
probabilidades de estos dos eventos :
1. Exactamente tres xitos
2. Tres o ms xitos
Solucin
1. Si se encuentra K=3 en la tabla, el valor o valores en tabla
P(x 3)=p(0) + p(1) + p(2) + p(3)
Como se desea slo p(x=3)= p(x), debe restar la probabilidad no deseada:
P(x 2)= p(0) + p(1) + p(2) . Se encuentra en la tabla con K= 2. Entonces
P(x= 3)= p(x 3) p(x 2)= 0.663 0.317= 0.346
Distribucin de Poisson
Cuando en una distribucin binomial el nmero de intentos (n)
es grande y la probabilidad de xito (p) es pequea y np (la
media de la distribucin binomial) es finito y tiende a entonces
la distribucin binomial converge a la distribucin de Poisson:
e
p ( x)
, x 0,1,2,... 0
x!
k
Media
E ( X)
Desviacin estndar
.6
.4
.2
0
X
0
.6
.4
.2
0
= 0.5
P(X)
= 6
P(X)
X
0
10
100 99
c
P( A )
0 100
99
98
100 99 1 100 99 1
0.9206
n x n x
p( x) p q
x
( x 0,1,....n)
x
p ( x)
e
x!
( x 0,1,....)
x
p ( x)
e
x!
( x 0,1,....)
9%
22
2!
) 0.857
x
p ( x)
e
x!
( x 0,1,....)
36
21
1!
23
3!
Distribucin hipergeomtrica
Se aplica cuando n > 0.1N
El muestreo se hace sin reemplazo
P(x,N,n,D) es la probabilidad de exactamente x xitos
en una muestra de n elementos tomados de una
poblacin de tamao N que contiene D xitos. La
funcin de densidad de distribucin hipergeomtrica:
C xD C nNxD
P( x)
C nN
n!
C
x!(n x)!
n
x
Distribucin Hipergeomtrica
nD
nD D N n
1
N N N 1
2