Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema2 PDF
Tema2 PDF
1.- INTRODUCCIN
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.
0/ X 0
(X,X,X) 0 X 1
X (S) X (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
Sea un espacio probabilstico y sea X una variable aleatoria discreta que toma
como posibles valores x1,x2,.....xn, se define la distribucin de probabilidad de X como
el conjunto de pares (xi, pi) que a cada valor de la variable le asocia una probabilidad,
donde pi= P(X=xi), tal que la suma de todas las probabilidades es igual a la unidad.
( ) = f ( x )dx .
F(x) Fx
o CASO DISCRETO
(0 caras, 1/8); (1 cara, 3/8); (2 caras, 3/8); (3caras, 1/8), Calcula la probabilidad de
obtener menos dos caras?.
A) F ( ) = 0; F (+ ) = 1
B) [(a , b )] = F (b) F (a )
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
A) F ( x) 0;
B) f ( x)dx = 1
b
C) P[a x b] = f ( x)dx = F (b) F (a)
a
X/2 0x2
f (x )=
0 en otro caso
[x] = i =1 xi ( X = xi ) = i =1 xi i .
n n
3
1 3 3 1 12 3
El resultado ser: E[ X ] = xi pi = 0 + 1 + 2 + 3 = = .
i =0 8 8 8 8 8 2
2_Apuntes de Estadstica II 30
6.2.- Esperanza matemtica para una variable aleatoria continua
Sea X una variable aleatoria continua con funcin de densidad f(x), se define la
esperanza matemtica de esa variable aleatoria como:
+
[x ] = xf ( x)dx = .
Tanto para el caso discreto como para el caso continuo, la esperanza matemtica
presenta las siguientes propiedades:
n n
o Discreta: V [x ] = ( x E ( x)) 2 = ( xi ) 2 = xi2 Pi 2
i =1 i =1
+ 2
o Continua: V [ x ] = ( x ) f ( x )dx
El resultado ser:
2
3
1 3 3 1 3
V [ X ] = = x pi = 0 2 + 12 + 2 2 + 3 2 = 0,75.
2 2
i
2
i =0 8 8 8 8 2
o V [Y ]= a 2 V [ Xx ]
o Si X e Y son independientes, entonces E[XY ] = E[X ]E[Y ] .
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 ]
k = E[ X K ]