Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Variables Aleatorias 1
1.1 Variable aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Distribución de una variable aleatoria . . . . . . . . . . . . . 4
1.3 Valor esperado y varianza de una v.a. . . . . . . . . . . . . . 12
1.4 Distribuciones discretas . . . . . . . . . . . . . . . . . . . . . 15
1.4.1 Distribución de Bernoulli . . . . . . . . . . . . . . . . 15
1.4.2 Distribución Binomial . . . . . . . . . . . . . . . . . . 16
1.4.3 Distribución binomial negativa . . . . . . . . . . . . . 17
1.4.4 Distribución Hipergeométrica . . . . . . . . . . . . . . 19
1.4.5 Distribución de Poisson . . . . . . . . . . . . . . . . . 22
Bibliografía 24
v
Variables Aleatorias
X : S ! R:
Según esta de…nición los valores de una variable aletoria (v.a.) son
números reales ya que el contradominio es R; pero el rango o imagen (RX )
de X; que es el conjunto de todos los posibles valores de la v. a. puede ser
todo o sólo una parte de R:
S = f(1; 1); (1; 2); (1; 3); (1; 4); (1; 5); (1; 6);
(2; 1); (2; 2); (2; 3); (2; 4); (2; 5); (2; 6);
(3; 1); (3; 2); (3; 3); (3; 4); (3; 5); (3; 6);
(4; 1); (4; 2); (4; 3); (4; 4); (4; 5); (4; 6);
(5; 1); (5; 2); (5; 3); (5; 4); (5; 5); (5; 6);
(6; 1); (6; 2); (6; 3); (6; 4); (6; 5); (6; 6)g
1
1.1 VARIABLE ALEATORIA 2
S = fc; sg
Z(FFFFFF) = 0
Z( FFFFF) = 1
..
.
Z(FFFFF ) = 1
..
.
..
.
Z( ) = 6
S=f ; F ; F ; F ; FF ;F F ; F F ; FF ; F F ; FF ; :::g
1.1 VARIABLE ALEATORIA 3
X(s1 ) = 2:991
X(s2 ) = 2:989
..
.
X(s10;000 ) = 3:018
p: ! [0; 1]:
pX (k); k 2 RX
f : RX ! R
S = f(1; 1); (1; 2); (1; 3); (1; 4); (1; 5); (1; 6);
(2; 1); (2; 2); (2; 3); (2; 4); (2; 5); (2; 6);
(3; 1); (3; 2); (3; 3); (3; 4); (3; 5); (3; 6);
(4; 1); (4; 2); (4; 3); (4; 4); (4; 5); (4; 6);
(5; 1); (5; 2); (5; 3); (5; 4); (5; 5); (5; 6);
(6; 1); (6; 2); (6; 3); (6; 4); (6; 5); (6; 6)g
card(B)
p(B) = ! = card(B)
card(S) 36
El rango de esta v. a. X es
1 1
pX (2) = p(X (f2g) = p(f(1; 1)g) = :
36
1 2
pX (3) = p(X (f3g) = p(f(1; 2); (2; 1)g) = :
36
1 3
pX (4) = p(X (f4g) = p(f(1; 3); (2; 2); (3; 1)g) = :
36
1 4
pX (5) = p(X (f5g) = p(f(1; 4); (2; 3); (3; 2); (4; 1)g) = :
36
1 5
pX (6) = p(X (f6g) = p(f(1; 5); (2; 4); (3; 3); (4; 2), (5; 1)g) = :
36
1 6
pX (7) = p(X (f7g) = p(f(1; 6); (2; 5); (3; 4); (4; 3), (5; 2); (6; 1)g) = :
36
1 5
pX (8) = p(X (f8g) = p(f(2; 6); (3; 5); (4; 4), (5; 3); (6; 2)g) = :
36
1 4
pX (9) = p(X (f9g) = p(f(3; 6); (4; 5), (5; 4); (6; 3)g) = :
36
1 3
pX (10) = p(X (f10g) = p(f(4; 6), (5; 5); (6; 4)g) = :
36
1 2
pX (11) = p(X (f11g) = p(f(5; 6), (6; 5)g) = :
36
1 1
pX (12) = p(X (f12g) = p(f(6; 6)g) = :
36
X12
Notese que pX (k) = 1, y que pude encontrarse una formula para
k=2
pX (k): Esta es:
6 j7 kj
pX (k) = , para k = 2; :::; 12:
36
Omitiendo el sub-índice X; simplemente decimos que
6 j7 kj
p(k) = , para k = 2; :::; 12
36
es la distribución de probabilidad para la variable aleatoria X: Con esta dis-
tribución de probabilidad podemos ya calcular la probabilidad de cualquier
1.2 DISTRIBUCIÓN DE UNA VARIABLE ALEATORIA 8
S = fc; sg
1 1
pY (0) = p(Y (0)) = p(fcg) = ;
2
1
pY (1) = p(Y 1 (1)) = p(fsg) = :
2
y decimos que la función de distribución de probabilidad de esta v.a.
Y es p(k) = 12 ; k = 0; 1: Para esta v.a. Y su función de distribución de
probabilidad acumulada es
8
>
> 0; x < 0;
>
<
F (x) = 1
> 2; 0 x < 1;
>
>
: 1; x 1:
Z(FFFFFF) = 0
Z( FFFFF) = 1
..
.
Z(FFFFF ) = 1
..
.
..
.
Z( ) = 6
1 6 0
pZ (0) = p(Z f0g) = p(fFFFFFFg) = (1 p)6 = p (1 p)6
0
1 6
pZ (1) = p(Z f1g) = p(f FFFFF; :::; FFFFF g) = 6p(1 p)5 = p(1 p)5
0
..
.
1 6 6
pZ (6) = p(Z f6g) = p(f g) = p6 = p (1 p)0 :
6
De tal manera que podemos a…rmar que la función de distribución de prob-
abilidad de esta v.a. Z es
6 k
p(k) = p (1 p)6 k
; para k = 0; :::; 6:
k
Para las v.a. Continuas, las cosas son un poco distintas.
5
y
4
0
1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0
x
1.3 VALOR ESPERADO Y VARIANZA DE UNA V.A. 12
Se cumplen todas las condiciones que se piden para que f sea función de
densidad de probabilidad y, por ejemplo
Z 1:7
p(1:2 X 1:7) = 6(x 1)(2 x)dx = 0:68;
1:2
Z 2
p(X > 1:5) = 6(x 1)(2 x)dx = 0:5:
1:5
P
12
E(X) = kp(k)
k=2
1 2 3 4 5 6
= 2 +3 +4 +5 +6 +7
36 36 36 36 36 36
5 4 3 2 1
+8 +9 + 10 + 11 + 12
36 36 36 36 36
= 7:
P
12 P
12
V (X) = (k )2 p(k) = (k 7)2 p(k) =
k=2 k=2
1 2 3 4
= (2 7)2 + (3 7)2 + (4 7)2 + (5 7)2
36 36 36 36
2 5 2 6 2 5 2 4
+(6 7) + (7 7) + (8 7) + (9 7)
36 36 36 36
2 3 2 2 2 1
+(10 7) + (11 7) + (12 7)
36 36 36
25 32 27 16 5 0 5 16 27 32 25
= + + + + + + + + + +
36 36 36 36 36 36 36 36 36 36 36
35
= :
6
q
Finalmente, la desviación estándar de X es = 35 6 = 2: 415 2:
Ejemplo 3.2 Si la v.a. discreta Z es aquella que tiene como función de
distribución de probabilidad a
6 k
p(k) = p (1 p)6 k
; para k = 0; :::; 6:
k
1.3 VALOR ESPERADO Y VARIANZA DE UNA V.A. 14
se tiene que
P
6
E(Z) = kp(k)
k=0
6 0 6 1 6 2
= 0 p (1 p)6 + 1 p (1 p)5 + 2 p (1 p)4
0 1 2
6 3 6 4 6 5
+3 p (1 p)3 + 4 p (1 p) + 5 p (1 p)1
3 4 5
6 6
+6 p (1 p)
6
= 6 p
Esto último lo probaremos de manera general un poco más adelante y, lo
utilizaremos para calcular el valor esperado de v.a.´s que aparecen con fre-
cuencia en las aplicaciones.
P
6
V (Z) = (k 6p)2 p(k)
k=0
6 0 6 1
= (0 6p)2 p (1 p)6 + (1 6p)2 p (1 p)5
0 1
6 2 6 3
+(2 6p)2 p (1 p)4 + (3 6p)2 p (1 p)3
2 3
6 4 6 5
+(4 6p)2 p (1 p) + (5 6p)2 p (1 p)1
4 5
6 6
+(6 6p)2 p (1 p)0
6
= 6 p (1 p):
p
Con lo cual la desviación estándar de Z es = 6 p (1 p):
Ejemplo 3.3 Para la v.a. continua X cuya f:d:p: es f (x) = 6(x 1)(2
x); el valor esperado y la varianza se calculan como:
R2 R2
E(X) = 1 xf (x)dx = 1 x 6(x 1)(2 x)dx
R2
= 1 (18x2 6x3 12x)dx
3
= = 1:5:
2
R2 3 2 R2 3 2
V (X) = 1 (x ) f (x)dx = 1 (x ) 6(x 1)(2 x)dx
2 2
1
= :
20
1.4 DISTRIBUCIONES DISCRETAS 15
q
1 1
: 20 Obteniendo entonces que la desviación estándar es = 20 : = 0:223 61:
Que la media sea 1:5 y la varianza 0:2236 signi…ca que la mayoría de la gente
tiene una estatura que está entre 1:5 0:2236 = 1: 276 4 y 1:5 + 0:2236 =
1: 723 6, mientras que la gente restante (que ya debe ser muy poca) mide
menos de 1:2764 o más de 1:7236:
Para englobal todos estos casos y otros que pudiesen darse (presentando
dualidad), a la propiedad de "tener una propiedad de interés" le llamaremos
éxito ( ) y en caso de no tenerla le llamaremos fracaso (F). Supondremos
que sabemos que la probabilidad de éxito es p (p( ) = p) y entonces la
probabiliad de fracaso 1 p (p(F)=1 p):
p(k) = pk (1 p)1 k
; para k = 0; 1
que según sabemos tiene 2n elementos. La v.a. X de…nida por X(s) =número
de "éxitos" en s (s2 S), es llamada una v.a. binomial con parámetros n y
p: Su f:d:p: viene dada por
n k
p(k) = p (1 p)n k
; k = 0; 1; :::; n:
k
1.4 DISTRIBUCIONES DISCRETAS 17
E(X) = np:
V (X) = np(1 p):
k 1 r
p(k) = p (1 p)k r
; para k = r; r + 1; :::
r 1
(1 p)
p(k) = p(1 p)k 1; para k = 1; 2; ::: E(X) = p1 : V (X) = p2
es una v.a.
P
1 k
e
E(X) = k
k=0 k!
= :
P
1 k
e
V (X) = (k )2
k=0 k!
= :
25