DISTRIBUCIONES

VARIABLE ALEATORIA: Es una función real valorada que se define en un

espacio muestral.

DISTRIBUCIONES DE VARIABLE ALEATORIA DISCRETA O

FUNCIONES DE CUANTIA

Ω 𝑥1
𝑤1 𝑥2
𝑤2 x 𝑥3
𝑤3

....
....

𝑥𝑛
𝑤𝑘 Ω x x (Ω)
 jemplo: Se realiza un experimento que consiste en lanzar tres monedas al
ire y registrar sus resultados.

OLUCION
Describimos el espacio muestral.

Ω = {(ccc), (ccs), (csc), (css), (scc), (scs), (ssc), (sss)}

Defínase: X la función que asocia cada elemento del Ω, con el numero de

ellos, luego

x
X (CCC) = 0 X (CSS) = 2
Ω ccc R
ccs X (CCS) = 1 X (SCS) = 2
csc 0
css 1 X (CSC) = 1 X (SSC) = 2
scc 2
scs
3 X (SCC) = 1 X (SSS) = 3
ssc
sss
𝑋𝑖 y f(𝑋𝑖 ) la probabilidad asociada a 𝑥𝑖 , f será una función de cuantía si:

) f(𝑋𝑖 ) ≥ 0 ⩝ x ∈ 𝐷𝑓
K

) ∑f (𝑋𝑖 ) = 1
i=1

(𝑋𝑖 ) = P(X = 𝑋𝑖 )

ara el ejemplo del lanzamiento de las tres monedas se tiene:

Cara (𝑋𝑖 ) f(𝑋𝑖 ) ① f (𝑋𝑖 ) ≥ 0 ; ⩝𝑖 = 14

4
0 1Τ ② ∑ f(X 𝑖 ) = 1
8
1 3Τ i=1
8
2 3Τ
8
3 1Τ ∴ f es una función de cuantía.
8
 FUNCION DE DISTRIBUCION ACUMULADA

Sea “X” una variable aleatoria discreta, definimos que F es una función de
distribución acumulada de la V.a. X
como F(X) = P(X ≤ X)
Donde F(X): Es una probabilidad que el valor de una V.a. X sea menor o
gual que X. Así por ejemplo se tiene:

𝑋𝑖 f(𝑋𝑖 ) F(𝑋𝑖 )

0 1Τ 1Τ
8 8
1 3Τ 4Τ
8 8
2 3Τ 7Τ
8 8
3 1Τ 8Τ
8 8

8Τ
8
 JEMPLOS:
1.-Si una variable aleatoria (V.a) puede asumir los valores X: 0, 2, 3, 4, 5 indicar si cada una
de las siguientes definen una función de probabilidad.

𝑋2 1
a) f(X) = b) f(X) =
50 6

X f(X) i) f(X) ≥ 0 X F(X) i) f(X) ≥ 0

ii) ∑ f(X) = 1.1 ii) ∑ f(𝑋𝑖 ) = 1
0 1Τ
0 0 6
50
1 1Τ ∴ f no constituye 1 1Τ ∴ f es una función
50 6
4 16Τ una función de 2 1Τ de cuantía
50 6
5 25Τ cuantía 3 1Τ
50 6
4 1Τ
6
otal 55Τ 5 1Τ
50 6

total 6Τ
6
 1
i f(X) = K( )𝑥 constituye una función de cuantía para una a que tiene valores x: 0, 1
2

Determinar el valor de K y la distribución acumulada correspondiente.

OLUCION

𝐾 𝐾 𝐾 𝐾
X f(X) K+ + + + =1 X f(X) F(X)
2 4 8 16

1 1 1 1 16Τ 16Τ
0 K K (1 + 2 + 4 + 8 + 16 )= 1 0 31 31
1 𝐾Τ 1 8Τ 24Τ
2 31 31
𝐾 31 4Τ 28Τ
2 K=1 2 31 31
4 16
𝐾 2Τ 30Τ
3 3 31 31
8
𝐾 16 1Τ 31Τ
4 K= 31 4 31 31
16

31Τ
31
 ESPERANZA MATEMATICA O MEDIDA TEORICA : 𝑼𝑿

a esperanza matemática se simboliza por

E [X] o 𝑈𝑋 definida por:

K

E[X] = ∑ 𝑋𝑖 f(𝑋𝑖 ) o E(X) = 𝑈𝑋 = ∑ X f(X)

i=1 ⩝X∈𝐷𝑓

VARIANZA
K

V[𝑋]1 = ∑ (𝑋𝑖 -𝑈𝑋 )2 f(𝑋𝑖 ) o V[X] = E(𝑋 2 ) – [E(𝑋)]2

i=1

X f(X) 𝑿𝟏 𝒇𝒊

0 0 E (X) = 3 0
1 𝟏Τ 𝟑Τ
𝟏𝟎 𝟖
2 𝟐Τ V(X) = 1 𝟔Τ
𝟏𝟎 𝟖
3 𝟑Τ 𝟑Τ
𝟏𝟎 𝟖
4 𝟒Τ 1.5 ⇒ X=2
𝟏𝟎
𝟏𝟐Τ
𝟖
jemplo: En una lotería se vende 1´000 000 boletos a $5 el boleto. Se dará un premio de
50 000 al favorecido. Suponiendo que he comprado 5 boletos ¿Cuánto espero ganar?

X f(X) X f (X)

49995 5/1 000 000 J. 249975

-5 999995/1 000 000 - 4. 999975

1 000 000 - 4. 75

4.750 solo negativos, es la cantidad que esperamos ganr realmente se espera perder, si jugamos
epetidas veces. Si E (X) = 0, entonces el juego es equitativo.