Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase 3 PDF
Clase 3 PDF
1 / 33
Variable aleatorias y distribuciones
X : S −→ R
a 7−→ X (a) = x
2 / 33
Variable aleatorias y distribuciones
X : S −→ R
a 7−→ X (a) = x
2 / 33
Variable aleatorias (v.a.) - Observaciones:
Otra forma de ver una v.a. es que es una función
X : S −→ R
X −1 (C ) : {a ∈ S : X (a) ∈ C } ∈ B
3 / 33
Variable aleatorias (v.a.) - Observaciones:
Otra forma de ver una v.a. es que es una función
X : S −→ R
X −1 (C ) : {a ∈ S : X (a) ∈ C } ∈ B
3 / 33
Variable aleatorias (v.a.) - Observaciones:
4 / 33
Variable aleatorias (v.a.) - Observaciones:
4 / 33
Variable aleatorias y distribuciones - Ejemplos:
5 / 33
Variable aleatorias y distribuciones - Ejemplos:
5 / 33
Variable aleatorias y distribuciones - Ejemplos:
Es decir,
S → R
X:
a → X (a)
Por ejemplo,
6 / 33
Variable aleatorias y distribuciones - Ejemplos:
Ejemplo 2: Se lanzan un par de dados cúbicos no cargados. Halle
el espacio muestral y analice las variables aleatorias
X : suma de los 2 resultados.
7 / 33
Variable aleatorias y distribuciones - Ejemplos:
Ejemplo 2: Se lanzan un par de dados cúbicos no cargados. Halle
el espacio muestral y analice las variables aleatorias
X : suma de los 2 resultados.
Solución: El espacio muestral para este experimento es:
S = {(1 , 1) , (1 , 2) , . . . , (5 , 6) , (6 , 6)} .
Para la variable aleatoria X , que corresponde a la suma de los dos
resultados, la asignación para los diferentes pares de resultados se
muestra así:
(1, 1) → 2 , (3, 2) → 5 , (4, 3) → 7
(1, 2) → 3 , (3, 5) → 8 , (6, 2) → 8 etc.
(5, 6) → 11 , (6, 6) → 12 , (2, 5) → 7
8 / 33
Variables aleatorias discretas
9 / 33
Variables aleatorias discretas
9 / 33
Variables aleatorias discretas
Dx = {1, 2, 3, 4, 5, . . .},
10 / 33
Variables aleatorias discretas
Dx = {1, 2, 3, 4, 5, . . .},
px (x ) = P(X = x ), para x ∈ Dx ,
11 / 33
Función masa de probabilidad (f.m.p.) - NOTAS:
Si estamos interesados en calcular la probabilidad de un
conjunto B ⊆ Dx , entonces se puede hablar de la función
de probabilidad inducida por la v.a. discreta (luego vere-
mos que se puede extender a otros tipos de v.a. como por
ejemplo las continuas) X , como:
Px (B) = P(X ∈ B)
= P(X −1 (B))
= P({a ∈ S : X (a) ∈ B})
X
= P({a ∈ S : X (a) = x })
x ∈B
12 / 33
Función masa de probabilidad (f.m.p.) - NOTAS:
Si estamos interesados en calcular la probabilidad de un
conjunto B ⊆ Dx , entonces se puede hablar de la función
de probabilidad inducida por la v.a. discreta (luego vere-
mos que se puede extender a otros tipos de v.a. como por
ejemplo las continuas) X , como:
Px (B) = P(X ∈ B)
= P(X −1 (B))
= P({a ∈ S : X (a) ∈ B})
X
= P({a ∈ S : X (a) = x })
x ∈B
px (x ) = P(X = x ) = P T . . . T} H
| T {z
(x −1)−veces
= (1 − p) × (1 − p) × . . . × (1 − p) ×p = (1 − p)x −1 p
| {z }
(x −1)−veces
13 / 33
Función masa de probabilidad (f.m.p.) - Ejemplos:
Así,
px (x ) = (1 − p)x −1 p, para x = 1, 2, 3, . . . .
Es claro que:
i. 0 ≤ px (x ) ≤ 1, ∀x ∈ Dx , ya que como 0 ≤ p ≤ 1, se tiene
que 0 ≤ 1 − p ≤ 1 (¿por qué?).
De aquí,
0 ≤ (1 − p)x −1 ≤ 1
y así
0 ≤ px (x ) = (1 − p)x −1 p ≤ 1
14 / 33
Función masa de probabilidad (f.m.p.) - Ejemplos:
X
ii. px (x ) = 1, ya que
x ∈Dx
∞ ∞
(1 − p)x −1 p
X X
px (x ) =
x =1 x =1
∞
(1 − p)y (¿por qué?)
X
= p
y =0
1
= p∗ (serie geométrica)
1 − (1 − p)
= 1
15 / 33
Función de distribución acumulada (f.d.a.) de una v.a.
discreta
Sea X una v.a discreta con f.m.p., px (x ). La función de dis-
tribución acumulada (f.d.a.) de X , denotada Fx (x ) se define
como:
X 0
Fx (x ) = P (X ≤ x ) = px x , ∀x ∈ R .
x0 ≤ x
16 / 33
Función de distribución acumulada (f.d.a.) de una v.a.
discreta
Sea X una v.a discreta con f.m.p., px (x ). La función de dis-
tribución acumulada (f.d.a.) de X , denotada Fx (x ) se define
como:
X 0
Fx (x ) = P (X ≤ x ) = px x , ∀x ∈ R .
x0 ≤ x
NOTAS:
La f.d.a., Fx (x ), puede verse también como:
Fx (x ) = Px ((−∞, x ])
= P(X ≤ x )
= P ({a ∈ S : X (a) ≤ x })
Otra forma de definir una v.a. X como discreta, es cuando
su f.d.a. es una función paso o salto sobre x .
16 / 33
Propiedades de la f.d.a. de una v.a. discreta
1 0 ≤ Fx (x ) ≤ 1.
17 / 33
Propiedades de la f.d.a. de una v.a. discreta
1 0 ≤ Fx (x ) ≤ 1.
2 P (X > x ) = 1 − Fx (x ).
17 / 33
Propiedades de la f.d.a. de una v.a. discreta
1 0 ≤ Fx (x ) ≤ 1.
2 P (X > x ) = 1 − Fx (x ).
3 Si x1 < x2 ⇒ Fx (x1 ) ≤ Fx (x2 ) (Fx (x ) es no
decreciente).
17 / 33
Propiedades de la f.d.a. de una v.a. discreta
1 0 ≤ Fx (x ) ≤ 1.
2 P (X > x ) = 1 − Fx (x ).
3 Si x1 < x2 ⇒ Fx (x1 ) ≤ Fx (x2 ) (Fx (x ) es no
decreciente).
4 P (a ≤ X ≤ b) = Fx (b) − Fx (a− ), donde
Fx (a− ) = lı́m− Fx (z) = P(X < a).
z→a
17 / 33
Propiedades de la f.d.a. de una v.a. discreta
1 0 ≤ Fx (x ) ≤ 1.
2 P (X > x ) = 1 − Fx (x ).
3 Si x1 < x2 ⇒ Fx (x1 ) ≤ Fx (x2 ) (Fx (x ) es no
decreciente).
4 P (a ≤ X ≤ b) = Fx (b) − Fx (a− ), donde
Fx (a− ) = lı́m− Fx (z) = P(X < a).
z→a
17 / 33
Propiedades de la f.d.a. de una v.a. discreta
18 / 33
Propiedades de la f.d.a. de una v.a. discreta
7 lı́m Fx (x ) = 1.
x →∞
18 / 33
Propiedades de la f.d.a. de una v.a. discreta
7 lı́m Fx (x ) = 1.
x →∞
8 lı́m Fx (x ) = 0.
x →−∞
18 / 33
Propiedades de la f.d.a. de una v.a. discreta
7 lı́m Fx (x ) = 1.
x →∞
8 lı́m Fx (x ) = 0.
x →−∞
18 / 33
Propiedades de la f.d.a. - Ejemplos:
0.30
0.25
0.15
0.10
0.05
0.00
1 2 3 4 5 6
19 / 33
Propiedades de la f.d.a. - Ejemplos:
Usando el gráfico anterior se tiene que:
1
p (x ) = , x = 1 , 2 , 3 , 4 , 5 , 6 .
6
Ahora:
Si x < 1 ⇒ F (x ) = 0
1
Si 1 ≤ x < 2 ⇒ F (x ) =
6
2
Si 2 ≤ x < 3 ⇒ F (x ) =
6
3
Si 3 ≤ x < 4 ⇒ F (x ) =
6
4
Si 4 ≤ x < 5 ⇒ F (x ) =
6
5
Si 5 ≤ x < 6 ⇒ F (x ) =
6
Si x ≥ 6 ⇒ F (x ) = 1
20 / 33
Propiedades de la f.d.a. - Ejemplos:
0 ; x <1
[[x ]]
F (x ) = ; x ∈ [1, 6)
6
1 ; x ≥6
21 / 33
Propiedades de la f.d.a. - Ejemplos:
1 ●
5/6 ● ●
4/6 ● ●
F(x)
3/6 ● ●
2/6 ● ●
1/6 ● ●
0 1 2 3 4 5 6 7
22 / 33
Variables aleatorias continuas:
Fx (x ) = P(X ≤ x )
23 / 33
Variables aleatorias continuas:
Fx (x ) = P(X ≤ x )
Fx (x ) = P(X ≤ x )
23 / 33
Propiedades de la f.d.a. para el caso continuo
1 0 ≤ Fx (x ) ≤ 1.
24 / 33
Propiedades de la f.d.a. para el caso continuo
1 0 ≤ Fx (x ) ≤ 1.
2 P(X = x ) = 0, ∀x ∈ Dx
24 / 33
Propiedades de la f.d.a. para el caso continuo
1 0 ≤ Fx (x ) ≤ 1.
2 P(X = x ) = 0, ∀x ∈ Dx
3 P (X > x ) = 1 − Fx (x ).
24 / 33
Propiedades de la f.d.a. para el caso continuo
1 0 ≤ Fx (x ) ≤ 1.
2 P(X = x ) = 0, ∀x ∈ Dx
3 P (X > x ) = 1 − Fx (x ).
4 Si x1 < x2 ⇒ Fx (x1 ) ≤ Fx (x2 ) (Fx (x ) es no
decreciente).
24 / 33
Propiedades de la f.d.a. para el caso continuo
1 0 ≤ Fx (x ) ≤ 1.
2 P(X = x ) = 0, ∀x ∈ Dx
3 P (X > x ) = 1 − Fx (x ).
4 Si x1 < x2 ⇒ Fx (x1 ) ≤ Fx (x2 ) (Fx (x ) es no
decreciente).
5 P (a ≤ X ≤ b) = P (a ≤ X < b) = P (a < X ≤ b) =
P (a < X < b) = F (b) − F (a)
24 / 33
Propiedades de la f.d.a. para el caso continuo
1 0 ≤ Fx (x ) ≤ 1.
2 P(X = x ) = 0, ∀x ∈ Dx
3 P (X > x ) = 1 − Fx (x ).
4 Si x1 < x2 ⇒ Fx (x1 ) ≤ Fx (x2 ) (Fx (x ) es no
decreciente).
5 P (a ≤ X ≤ b) = P (a ≤ X < b) = P (a < X ≤ b) =
P (a < X < b) = F (b) − F (a)
6 lı́m Fx (x ) = 1.
x →∞
24 / 33
Propiedades de la f.d.a. para el caso continuo
1 0 ≤ Fx (x ) ≤ 1.
2 P(X = x ) = 0, ∀x ∈ Dx
3 P (X > x ) = 1 − Fx (x ).
4 Si x1 < x2 ⇒ Fx (x1 ) ≤ Fx (x2 ) (Fx (x ) es no
decreciente).
5 P (a ≤ X ≤ b) = P (a ≤ X < b) = P (a < X ≤ b) =
P (a < X < b) = F (b) − F (a)
6 lı́m Fx (x ) = 1.
x →∞
7 lı́m Fx (x ) = 0.
x →−∞
24 / 33
Propiedades de la f.d.a. para el caso continuo
1 0 ≤ Fx (x ) ≤ 1.
2 P(X = x ) = 0, ∀x ∈ Dx
3 P (X > x ) = 1 − Fx (x ).
4 Si x1 < x2 ⇒ Fx (x1 ) ≤ Fx (x2 ) (Fx (x ) es no
decreciente).
5 P (a ≤ X ≤ b) = P (a ≤ X < b) = P (a < X ≤ b) =
P (a < X < b) = F (b) − F (a)
6 lı́m Fx (x ) = 1.
x →∞
7 lı́m Fx (x ) = 0.
x →−∞
25 / 33
Función densidad de probabilidad de una v.a. continua:
luego Z x
Fx (x ) − lı́m Fx (t) = fx (t)dt
t→−∞ −∞
| {z }
0
por tanto, Z x
Fx (x ) = fx (t)dt.
−∞
26 / 33
Observaciones
27 / 33
Observaciones
27 / 33
Observaciones
Z b
iii. fx (x )dx = F (b) − F (a).
a
27 / 33
Observaciones
Z b
iii. fx (x )dx = F (b) − F (a).
a
27 / 33
Ejemplos sobre v.a. continuas:
a. Encuentre el valor de c.
b. Calcule P(X > 4).
28 / 33
Ejemplos sobre v.a. continuas - Solución:
a. Para hallar el valor de c, debemos tener en cuenta que
Z ∞
fx (x )dx = 1
−∞
Así,
Z ∞
1 = fx (x )dx
−∞
Z 0 Z ∞ ∞
= 0dx + ce −x /4 dx = −4ce −x /4
−∞ 0 0
| {z }
0
= 4c =⇒ 1 = 4c =⇒ c = 1/4.
29 / 33
Ejemplos sobre v.a. continuas - Solución:
a. Para hallar el valor de c, debemos tener en cuenta que
Z ∞
fx (x )dx = 1
−∞
Así,
Z ∞
1 = fx (x )dx
−∞
Z 0 Z ∞ ∞
= 0dx + ce −x /4 dx = −4ce −x /4
−∞ 0 0
| {z }
0
= 4c =⇒ 1 = 4c =⇒ c = 1/4.
R 4 1 −x /4
b. P(X> 4) = 1 − P(X ≤ 4) = 1 − 0 4 e dx =
4
−x
1 − −e /4
= 1 − [−e −1 + 1] = 0.3679
0
29 / 33
Ejemplos sobre v.a. continuas:
Calcule:
a. P (X ≤ 2000)
b. P (X ≤ 2000 | X ≥ 1800)
30 / 33
Ejemplos sobre v.a. continuas - Solución:
f (x ) dx = 1
−∞
entonces
1500
Z 2500
Z Z∞
+
f (x ) dx + f (x ) dx + f (x ) dx = 1
−∞ 1500 2500
↓ ↓
0 0
2500
a a 2500
Z
⇔ dx = 1 ⇔ − =1 ⇒ a = 7031250
x3 2 x 2 1500
1500
31 / 33
Ejemplos sobre v.a. continuas - Solución:
a.
2000
a a 1 1
Z
P (X ≤ 2000) = dx = − ∼
= 0.68359 .
x3 2 1500 2 2000 2
1500
32 / 33
Ejemplos sobre v.a. continuas - Solución:
a.
2000
a a 1 1
Z
P (X ≤ 2000) = dx = − ∼
= 0.68359 .
x3 2 1500 2 2000 2
1500
b.
P (1800 ≤ X ≤ 2000)
P (X ≤ 2000 | X ≥ 1800) =
P (X ≥ 1800)
2000
R a
x3
dx
1800
= 2500
≈ 0.39452
R a
x3
dx
1800
32 / 33
Ejercicios clase 3: