Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Variables Aleatorias
Unidimensionales
Definición 1: Sea E un experimento, y sea S un espacio muestral
asociado a E. Entonces una función X, que a cada elemento del
espacio muestral, le asocia un número real, recibe el nombre de
variable aleatoria.
X : S R
si X(si)= xi
Variables Aleatorias
Unidimensionales
Definición 2: Sea X una v.a. Entonces llamaremos recorrido
de la v.a. X, y lo denotaremos por Rx, al conjunto de todos los
valores que toma la v.a. X. Rx = {xi R / X(si) = xi , si S }
S R
X Rx
s1 x1
s2 x2
:
: X(si)=xi
si :
:
:
:
2
Variables Aleatorias
Unidimensionales
Definición 3: Sea X una v.a. Entonces si el recorrido
de la v.a. X, ( Rx), es un conjunto finito o infinito numerable,
entonces diremos que X, es una v.a. Discreta.
i. p( xi ) o i 1, 2 ,....
ii. p( x ) 1
i 1
i
3
1
20/06/2013
Definición 5:
S Rx
A s1 B
x1
s2
x2
si
xr
sk
4
Ejemplo:
Sea el experimento E: se lanza una moneda dos veces y se registra
el signo que aparece en la cara superior. Luego el espacio muestral
S = {cc, cs, sc, ss }. Sea la v.a. X : número de sellos que aparecen.
cc X(cc) = x1=0
cs
sc
X(cs) =
X(sc) =
} x2=1
ss X(ss) = x3=2
Luego:
De la definición 5 tenemos:
Si A={cc, cs, sc} y si B={0, 1} P(A) = P(B) = ¾
2
20/06/2013
Luego,
S Rx
A cc B
0
cs
1
sc
2
ss
7
Ejercicio
6
p( x) P ( X x) k ; x 0,1, 2,3, 4,5, 6
x
3
20/06/2013
3kx
p( x) P( X x) 1 ; x 1, 2,3, 4,5, 6, 7 ,8
5
a.- Determine el valor de k, si es que existe.
b.- Calcule: P(X=4)
10
Ejercicio:
Sea la variable aleatoria X: mes en que un computador
tiene problemas.
4k x
p ( x) P( X x) , x = 1,2,3,4,5,6
7
Determine:
1.- el valor de k
2.- p( 5 ) = P( X = 5 )
3.- P( X 2 ) =
Recordar: i) p( xi ) o i 1, 2 ,....
ii)
i 1
p ( xi ) 1
11
p( x ) 1
i 1
i
7 1
Luego, k
84 12
4x x
p ( x) P( X x)
7 *12 21
12
4
20/06/2013
k 5
b.- p(5) P( X 5)
21 21
20
21
13
Proposición:
xi 14
Ejercicio:
Supongamos que la probabilidad de que un barco de trasporte
Seaa destino
llegue A : El es
barco llega
de 0.57 a destino
( es _ los casos).
decir en el 57% de
y sea B :además
Supongamos El barcoquenoes
llega a destino.
posible B =gran
enviar una A cantidad de
barcos. El envío continua hasta que llega el primer barco a destino.
Previo Determine:
a.- Espacio muestral S = { A, BA, BBA, BBBA,.....}
X : Nº de envíos necesarias para que llegue el primer
b.- La variable aleatoria X barco a destino.
5
20/06/2013
0.57
A
A
0.57 A
0.43 B
0.57 A
0.57
0.43
B
0.43 B
0.43
Luego; B ..............................
p(1) = P(X=1) = P(A) = (0.57)
p(2) = P(X=2) = P(BA) = (0.43)(0.57)
p(3) = P(X=3) = P(BBA) = (0.43)2 (0.57)
p(4) = P(X=4) = P(BBBA) = (0.43)3(0.57)
Por consiguiente tenemos que:
p(k) = P(X=k) = (0.43) k-1(0.57) ; k = 1,2,3......
16
0.43 0.43
i
1 1
k 1
Como
i
i 0 r
1
1 k 1 i 0
r
0.43 * (0.57) 1 01.43 * (0.57) 1
i 0
i
17
Ejercicio
1
Sea X v.a.d. talque: p(k ) P( X x) ; x 1,2,3,.......
2x
18
6
20/06/2013
Ejercicio
En el ejemplo de los barcos, supongamos que se envían independientemente,
tres barcos. Determine la probabilidad de que lleguen a destino:
Exactamente k barcos.
( recordemos que: A : El barco llega a destino y B : El barco no llega a destino y
Previo Determine:
a.- Espacio muestral S = { AAA, AAB, ABA, BAA, ABB, BAB, BBA, BBB}
19
Luego;
20
Distribución Binomial
Def.: Sea E un experimento y sea A un suceso asociado a E. Supongamos
que P(A) = p, luego P(A) = 1 – p. Consideremos n repeticiones independientes
del experimento E. Por lo tanto el espacio muestral del experimento total, estará
Dado por todas las sucesiones posibles tal que ocurra A o A .
X ~ b(n , p )
y su función de probabilidad es:
P(k ) P( X k ) p (1 p)
n
k
k nk
; k 1, 2,..., n
21
7
20/06/2013
Ejercicio
Supongamos que en un estadio lleno, el 40% de los
asistentes son mujeres. Una empresa comercial, para
promocionar un nuevo producto, toma una muestra
aleatoria de tamaño 20. Determine la probabilidad que
la muestra contenga:
1.- exactamente 11 mujeres.
2.- a lo más 8 mujeres.
3.- al menos 5 mujeres.
4.- exactamente 9 hombres.
22
Previo: Determine
• el experimento E : Se elije al azar una persona
1.- P(X = 11) = P(X 11) – P(X 10) por tabla = 0.071
2.- P(X 8) = 0.596 directo por tabla
3.- P(X 5) = 1 – P(X 4) = 1 – 0. 0510 = 0.949
4.- P(Y =9 ) = P(Y 9) – P(Y 8) = 0.071 Y: Nº de hombres
23
Distribución de Bernoulli
Si el experimento se realiza una sola vez, la
variable X tomará los valores 0 y 1, y se dice que
tiene una distribución de Bernoulli con parámetros
1 y p.
X ~ B(1 , p )
P(k ) P( X k ) p k (1 p)1k
Con k = 0,1
24
8
20/06/2013
Distribución de Poissón
e * k
P( k ) P( X k ) con k 0,1,2,3, , , , , , , ,
k !
Ejercicio
Supongamos que el cajero de un banco, es capaz
de atender en promedio 8 personas en 20 minutos.
Determina la probabilidad de que el cajero atienda
en 20 minutos:
a.- exactamente 10 personas. = 0.099
b.- a lo más 7 personas. = 0.453
c.- al menos 4 personas. = 0.958
d.- no más de 10, ni menos de 5 = 0.716
e.- exactamente 20 personas en 40 minutos. = 0.056
26
9
20/06/2013
Observaciones
1.- f(x) no es una probabilidad, como en el
caso discreto, donde p(x) = P(X = x ).
2.- Las siguientes probabilidades, son
equivalentes:
P(a x b) = P(a < x b) = P(a x < b)
= P(a < x < b)
Esto implica que P(X = x ) = 0
28
Observaciones
b
3. P(a x b) f ( x)dx
a
a b
29
Ejemplo
Sea X una variable aleatoria continua (vac), con función
de densidad de probabilidad “f”(f.d.p.). Talque:
kx 0 x 1
f(x) = { 0 en otros casos
10
20/06/2013
Función de Distribución
Acumulativa
Def. : Sea X una variable aleatoria, se define función de
distribución acumulativa o función de distribución como:
p(k ) Si X v.a.d.
F(x) = P( X ≤ x ) = { x
k
f ( x)dx
Si X v.a.c.
31
x p( x )
i i
Si X v.a.d.
E(x) =
{ i 1
xf ( x)dx
Si X v.a.c.
32
Propiedades
La esperanza es un operador lineal, ya que:
, ,
Combinando estas propiedades, podemos ver
Que, donde X e Y son variables aleatorias y a
y b dos constantes cualesquiera.
,
33
11
20/06/2013
x
2
f ( x)dx Si X v.a.c.
34
Tarea Nº ___
1. Propiedades de la Esperanza
2. Propiedades de la Varianza
3. Si X ~ b(n,p), determine la E(X) y V(X)
4. Demostrar que : E( x - E(x) )2 = E ( x2 ) – ( E (x) )2
35
En teoría de probabilidad y estadística la varianza es una medida de la dispersión de una variable aleatoria
respecto a su esperanza
, esto es,
Está relacionada con la desviación estándar o desviación típica, que se suele denotar por la letra griega σ y que es la raíz cuadrada de la varianza,
o bien
36
12
20/06/2013
37
Ejemplo:
1.- Sea X v.a.d. con función de probabilidad dada por:
xi 1 2 3 4 5 Total
p(xi) 0.2 0.25 0.32 0.08 0.15 1.00
F(xi) 0.2 0.45 0.77 0.85 1.00 ////
xip(xi) 0.2 0.50 0.96 0.32 0.75 2.73 E(X)
x2ip(xi) 0.2 1.00 2.88 1.28 3.75 9.11 E(X2)
0 x 1
Gráfica de F(x)
F(x)
F(x) = { 0.20 1 x 2
0.45 2 x 3
0.77 3 x 4
0.85 4 x 5
1.00 x 5
1.00
0.80
0.60
0.40
0.20
1 2 3 4 5 x
39
13
20/06/2013
2 x 0 x 1
f ( x)
0 en otros casos
40
2 x 0 x 1 0 x0
f ( x)
0 en otros casos F ( x) x 2 0 x 1
1 x 1
f(x) F(x)
2
1
0 1 0 1
41
Distribución Normal
Sea X una v. a. c. si su f. d. p. está dada por:
1
( x )2
f ( x) *e 2 2
x
2
2
X ~ N( , 2 )
42
14
20/06/2013
Características
• Tiene forma de campana ( por su descubridor
es también llamada campana de GAUSS)
• Es simétrica con respecto a su media ()
• Es asintótica al eje horizontal.
• A +/- tres desv. típicas de la media, se
encuentra prácticamente el 99.8% de su área
( +/- 3 )
-3 +3
43
X
(X )
α Z
x0 X
α
0 z0 Z
Z: Distribución Normal Típica
44
Ejercicio
Supongamos que el peso de los contenedores almacenados en un recinto
portuario, tienen una distribución aproximadamente normal, con una media
= 78.6 tn , y una varianza 2 = 156.25 tn2. Determine;
45
15
20/06/2013
Ejercicio
Para el ingreso a una determinada empresa, los postulantes deben rendir un
examen. La experiencia dice que los puntaje, se distribuyen aproximadamente
Normal con una media de 487, y una desv. Típica de 58.9. Determine:
46
Aproximación de la distribución de
Poissón a la distribución Binomial
Si X se distribuye como una binomial con
parámetros n y p, donde n es grande y p
extremo, entonces podemos decir que
aproximadamente X se distribuye como una
Poissón con parámetro np.
47
Aproximación de la distribución
Normal a la Binomial
Si X se distribuye como una binomial con
parámetros n y p, donde n es grande y p
cercano a 0.5, entonces podemos decir que X
se aproxima a una normal con media np, y
varianza np(1-p). Luego;
( X np)
Z ~ N(0 , 1 )
np(1 p)
48
16
20/06/2013
Ejercicio
Supongamos que el 42% de los trabajadores de
una empresa, tienen no más de 40 años.
Se selecciona un muestra de 250 trabajadores.
Determine la probabilidad de que el número de
trabajadores con no más de 40 años, sea:
a.- a lo más 120.
b.- entre 100, y 150
c.- exactamente 110
49
Ejercicio
50
Ejercicio
Las remuneraciones de los 1500 trabajadores de una determinada
empresa, tienen una distribución aproximadamente normal con
media $358.200, y una desv. Típica de $48.597. Determine
17
20/06/2013
A
A
A
B A
B
B
B ..............................
Luego ;
52
Prof. David Becerra Rojas
A
Según Diagrama del Árbol
Sea A: El barco llega A
B: El barco no llega B
A
A
B
B
A
A B
B A
B
B
S = {AAA ,AAB, ABA, BAA, ABB, BAB, BBA, BBB}
53
Distribuciones Discretas
Bernoulli:
Notaciòn : X B(1 , p)
Funciòn de probabilidad : (o de Cuantía)
p( x) p x (1 p)1 x ; x 0,1
E ( x) p
V ( x) p(1 p)
54
18
20/06/2013
Distribuciones Discretas
Binomial:
Notaciòn : X B(n , p)
Funciòn de probabilidad : (o de Cuantía)
n
p( x) p x (1 p) n x ; x 0,1,........,n
x
E ( x) np
V ( x) np(1 p)
55
Distribuciones Discretas
Binomial Negativa:
Notaciòn : X BN (n , p)
Funciòn de probabilidad : (o de Cuantía)
n x 1 n
p( x) p (1 p)
x
; x 0,1,........,n
x
n(1 p)
E ( x)
p
n(1 p)
V ( x)
p2
56
Distribuciones Discretas
Poissón:
Notaciòn : X P( )
Funciòn de probabilidad : (o de Cuantía)
e x
p( x) ; x 0,1,2,3........
x!
E ( x)
V ( x)
57
19
20/06/2013
Distribuciones Discretas
Geométrica:
Notaciòn : X G( p)
Funciòn de probabilidad : (o de Cuantía)
p( x) ; x 0,1,2,3........
E ( x)
V ( x)
58
Distribuciones Discretas
Hipergeométrica:
Notaciòn : X H ()
Funciòn de probabilidad : (o de Cuantía)
p( x) ; x 0,1,2,3........
E ( x)
V ( x)
59
Distribuciones Discretas
Uniforme Discreta:
Notaciòn : X U (a, b)
Funciòn de probabilidad : (o de Cuantía)
1
p( x) ; x a, a 1, a 2,...b
b a 1
E ( x)
V ( x)
60
20
20/06/2013
Distribuciones Discretas
Hipergeométrica:
Notaciòn : X H ()
Funciòn de probabilidad : (o de Cuantía)
p( x) ; x 0,1,2,3........
E ( x)
V ( x)
61
Distribuciones Continuas
Uniforme:
Notaciòn : X U ( a, b)
Funciòn de Densidad de probabilidad :
1
f ( x) ; x ( a, b)
ba
Función de Distribución :
xa
F ( x)
ba
ab (b a ) 2
E ( x) , V ( x)
2 12
62
Distribuciones Continuas
Exponencial:
Notaciòn : X Exp( )
Funciòn de Densidad de probabilidad :
f ( x) e x ; x 0
Función de Distribución :
F ( x) 1 e x
1 1
E ( x) , V ( x) 2
63
21
20/06/2013
Distribuciones Continuas
Normal:
Notaciòn : X N ( , 2 )
Funciòn de Densidad de probabilidad :
( x )2
1
f ( x) e 2 2
; x
2 2
E ( x) , V ( x) 2
64
Distribuciones Continuas
Triangular:
Notaciòn : X
Funciòn de Densidad de probabilidad :
f ( x)
Función de Distribución :
F ( x)
E ( x) , V ( x)
65
INDICE
Repaso: Un ejemplo
1.Concepto de variable aleatoria
2.Distribuciones conjuntas y marginales. Caso Discreto
3.Distribuciones conjuntas y marginales. Caso Continuo
4.Distribuciones condicionadas
5.Momentos conjuntos
6.Independencia de variables aleatorias
66
22
20/06/2013
67
68
69
23
20/06/2013
70
71
24