Documentos de Académico
Documentos de Profesional
Documentos de Cultura
X :E →
w → X ( w)
Llamar variable a una función resulta algo confuso,
por ello hay que insistir en que es una función.
Elementos del
+++ ++C +C+ C++ CC+ C+C +CC CCC
espacio muestral
Ley de
correspondencia
Nº reales
0 1 2 3 caras
3
Voy a pensar un número entero del 1 al 100.
“¿Qué numero será?”
1/100
1 2 3 ........ 99 100 X
4
Si es par como cambia la función?
1/50
1 2 3 ........ 99 100 X
p : → [0,1]
x → p ( x) = P( X = x)
La función de probabilidad debe cumplir:
(i ) p( x) 0 x
(ii ) p( x) = 1 (Suma sobre todos los posibles valores
6
que puede tomar la variable aleatoria).
x
Función de probabilidad discreta
Considerando a Z como el éxito
Valores Probabilidad
Z 0 1/4 = 0.25
1 2/4 = 0.50
Z
2 1/4 = 0.25
Z Z
7
Requerimientos de una distribución de
probabilidad
X P(X) X P(X) X P(X)
-1 .1 -1 -.1 -1 .1
0 .2 0 .3 0 .3
1 .4 1 .4 1 .4
2 .2 2 .3 2 .3
3 .1 3 .1 3 .1
1.0 1.0 1.2
0 P( x) 1 para todo x
P( x) = 1
para t odo x 8
Se define una variable aleatoria discreta y una función de
probabilidad.
Entonces:
9
Sea el experimento “lanzar dos dados”.
E = {(1,1),(1,2),...(1,6),...,(5,6),(6,6)}
f : → [0,1]
f (2) = P(X = 2 ) = P( (1,1) ) = 1/ 36
f (3) = P(X = 3 ) = P( (1,2) (2,1) ) = 2 / 36
f (4) = P(X = 4 ) = P( (1,3) (3,1) (2,2) ) = 3 / 36
10
...
Función de probabilidad de la variable aleatoria X
6/36
P
5/36 5/36
4/36 4/36
3/36 3/36
2/36 2/36
1/36 1/36
2 3 4 5 6 7 8 9 10 11 12 X
F
1,0
0,5
0,028
2 3 4 5 6 7 8 9 10 11 12 x
13
Ejemplo: Dibuja la función de probabilidad f(x) y la función
de distribución F(x) de una variable discreta definida
como:
X = Número en la cara de un dado.
X tiene como posibles valores x = 1, 2, 3, 4, 5, 6 cada
uno con probabilidad 1/6
1 1
6
F(x)
f(x)
0.5
0 1 6 x 0 1 6 x
14
Función de probabilidad f(x) Función de distribución F(x)
Algunos problemas de probabilidad están relacionados
con la probabilidad P(a <X b) de que X asuma algún
valor en un intervalo. Observa que:
P( x1 X x2 ) = F ( x2 ) − F ( x1 )
F es monótona creciente.
= E ( X ) = xi P( X = xi ) = xi p( xi )
i i
X P(X) X P(X)
-1 .1 -.1
0 .2 .0
1 .4 .4
2 .2 .4
3 .1 .3
1.0
17
Calcular la esperanza de la variable aleatoria X en
el ejemplo de los dos dados:
12
= E ( X ) = P(i ) i =
i =2
1 2 6 1
2 + 3 + ... + 7 + ... + 12 = 7
36 36 36 36
18
Varianza y desviación estándar o típica
de una distribución discreta
Varianza
( x i − ) 2
P( x i )
i
Desviación estándar
o típica = Var( X )
19
Ejemplo
X − ( X − ) ( X − ) P( X )
2 2
X P(X)
-1 .1 -2 4 .4
0 .2 -1 1 .2
1 .4 0 0 .0
2 .2 1 1 .2
3 .1 2 4 .4
1.2
= ( xi − ) P( xi ) = 1,2
2 2
= Var( X ) = 1.10
20
Calcula la varianza y desviación típica de la variable
aleatoria X en el ejemplo de los dos dados:
12
Var ( X ) = P(i ) (i − 7) 2 =
i =2
1 2 1
(2 − 7) + (3 − 7) + ... + (12 − 7) 2 = 5,83
2 2
36 36 36
21
Algunas propiedades de la varianza
Var( X ) = = ( xi − ) p( xi ) =
2 2
(x
i
i
2
+ − 2xi ) p( xi ) =
2
x
i
i
2
p( xi ) + − 2 xi p( xi ) =
2
E ( X ) + − 2 = E ( X ) − ( E ( X ))
2 2 2 2 2
= E ( X ) − ( E ( X ))
2 2 2
22
Distribución de Bernoulli
Experimento de Bernoulli: solo son
posibles dos resultados: éxito o fracaso.
Podemos definir una variable aleatoria
discreta X tal que:
éxito → 1
fracaso → 0
Si la probabilidad de éxito es p y la de fracaso q = 1 - p,
podemos construir una función 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
23
Ejercicio: Calcular la esperanza y la varianza de la
distribución de Bernoulli.
1
E[ X ] = = x P( X = x) =
x =0
0 P( X = 0) + 1 P( X = 1) = p
1
Var( X ) = E[ X ] − ( E[ X ]) = x P( X = x) − p
2 2 2 2
x =0
= 0 P( X = 0) + 1 P( X = 1) − p =
2 2 2
p − p = p(1 − p) = pq
2
24
Distribución binomial
La distribución binomial aparece cuando estamos interesados
en el número de veces que un suceso A ocurre (éxitos) en n
intentos independientes de un experimento.
26
La distribución de probabilidad P(X = k) será:
n x n− x n! n− x
B(n, p) = p( x) = p (1 − p) = p (1 − p)
x
x x!(n − x)!
27
Características de la distribución
binomial
Media
= E(X) = n p P(X) n = 5 p = 0.1
.6
= 5 · 0.1 = 0.5 .4
.2
= 5 · 0.5 = 0.25 0 X
0 1 2 3 4 5
Desviación estándar
P(X) n = 5 p = 0.5
= np(1 − p) .6
.4
= 5 0.1 (1 − 0.1) = 0.67 .2
0 X