Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LA VARIABLE ALEATORIA
S
X(s)
s
A B Rx
s
X(s)
1
Variable Aleatoria Discreta. Si el número de valores posibles de X es finito, esto es,
se pueden anotar los valores de X como, x1,..., xn
P( x i ) 0 i
i 1
p( x i ) 1
donde, p es la probabilidad de la variable aleatoria X. La colección de pares
( x i , p( x i )), i 1,... es, algunas veces, la distribución de probabilidad de X
2
derivar G(y) respecto a y y obtener g(y),
hallar los valores de y en le recorrido de Y para g(y)>0
Sea (X,Y) una variable aleatoria bidimensional con cada resultado posible (x i,yj)
asociamos un número p(xi,yj) que representa P(X=xi,Y=yj) que satisface
p( x i , y j ) 0 ( x, y)
p(x , y ) 1
j1 i 1
i j
Sea (X,Y) una variable aleatoria continua que toma todos los valores de la región R
del plano Euclideo, la función de distribución de probabilidad conjunta f es la función
que satisface,
3
f ( x , y) 0 ( x , y) R
f (x, y)dxdy 1
R
- P[a X b] x i a p x ( x )
x b
4
Función de Distribución Acumulada. FDA: Fx ( x) es la probabilidad del suceso de
que la variable aleatoria tome valores menores o iguales a x
Fx ( x ) P[X x ] p x ( x ) en el caso discreto
x i
x2
P[ x 1 X x 2 ] f x ( x )dx
x1
x
Fx ( x ) P[ X ] f x (u )du
dF ( x ) d x
se sabe que, x
dx
dx
f x ( x )dx f x ( x )
Propiedades:
- 0 Fx ( x ) 1 - Fx () 0 y Fx () 1
- Fx ( x ) Fx ( x ) para cualquier >0 - Fx ( x 2 ) Fx ( x 1 ) P[ x 1 X x 2 ]
La FDA es una función monótona creciente.
FMP Condicional: Si se conoce el valor de una de las variables aleatorias Y=y0, las
probabilidades relativas de los diferentes valores de la otra variable están dados por
p xy ( x, y 0 ) , se tiene una fmp condicional de X dado Y
P[( X x ) (Y y)]
Px / y ( x, y) P[X x / Y y] , lo cual equivale a
P[Y y]
p xy ( x, y) p xy ( x, y)
Px / y ( x, y) . Se cumple además lo señalado
p y ( y)] x p xy (x i , y)i
anteriormente
0 ox / y 1 y
x i
p x / y ( x i , y) 1 .
5
Idem para Y dado X
Y la acumulada,
Fxy ( x, y) P[( X x ) (Y y)] P[ X x Y y ]
x y
f xy ( x 0 , y 0 )dy 0 dx 0
de donde, f xy ( x , y) FXY ( x , y)
xy
6
p( x i / y j ) p( x i ), i, j
q( y j / x i ) q( y j ), i, j
Y si (X,Y) es continua, entonces,
g( x / y) g( x ), ( x, y)
h ( y / x ) h ( y), ( x, y)
d
f (x) F( x ) para la función de densidad acumulada de variables aleatorias
dx
continuas con función de densidad de probabilidad f
Sea X una variable aleatoria discreta con valores x1,..., xn y son x1 x 2 .... . Será F
la función de distribución acumulada de frecuencias, entonces,
p(x j ) P(X x j ) F(x j ) F(x j1 )
Y para la Condicional:
7
f Y ( y 0 ) f XY ( x, y 0 )dx
f XY ( x, y)
por lo cual, f X / Y ( x, y)
f Y ( y)
x
FX / Y ( x, y) P[X x / Y y] f X / Y (u, y)du
De otra forma,
d d
P(c X d) P[c X d, Y ] f ( x, y)dydx g( x )dx
c c
Sea (X,Y) una variable aleatoria bidimensional continua con función de distribución
de probabilidad conjunta f. Sea Z=H1(X,Y) y W=H2(X,Y), donde H1 y H2 satisfacen:
8
x x y y
Existe , , , y son continuas, luego la función de distribución de
z w z w
probabilidad conjunta (Z.W) esta dada por:
f [G 1 (z, w ), G 2 (z, w )]
k ( z, w )
J ( z, w )
9
Ejemplo, Si la densidad de probabilidad de X está dada por
6x (1 x ) 0 x 1
f (x)
0 otro
Determine la densidad de probabilidad de Y=X3
y luego aplicando y=(1+x)-1 para sustituir los valores de Y por los de X, se tiene
y 0 1/2 1/3 1/4 1/5
10
G(y) 1/16 4/16 6/16 4/16 1/16
obteniéndose,
1 1
4 4
g( y) f 1 1
1 para y 1,1 / 2,1 / 3,1 / 4,1 / 5
y y 2
y se deduce que
1 a 1 a
g( x ) para x
a x
2 2
a x2
2
11
2 dy 1 1 / 2
Solución, g( y) e y z , entonces,
2
/2
2 dz 2
2
h (z) e z / 2
2
Dos Variables. Se trata del método anterior pero considerando dos variables. Sean la
distribución conjunta Y=u(X1,X2), si las relaciones entre y y x1 con x2 y entre y y x2
con x1 se mantienen constantes, entonces,
x x
g( y, x 2 ) f ( x 1 , x 2 ) 1 g ( x 1 , y) f ( x 1 , x 2 ) 2
y y
f (x1 , x 2 )
x 1! x 2!
f (x1 , x 2 ) g( y, x 2 )
x 1!*x 2 ! x 1!*x 2 !
e ( 1 2 ) 1 1 2 2 e ( 1 2 ) 1 2
y x x y
h ( y)
x 2 0 x 2 !*(y x 2 )! y!
12
Teorema. Si X1,X2,…,Xn son variables aleatorias independientes y Y=X1+…+Xn,
entonces,
n
M Y ( t ) M Xi ( t )
i 1
Donde Mxi(t) es el valor de la función de generación de momentos de xi en t
i 1
13