Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CONCEPTO Y CLASIFICACIÓN
Variables Aleatorias
F. de distribución
Esperanza y Varianza
Propiedades
1. Concepto de Variable aleatoria
X(No falla ) = 0
X( falla ) = 1
Variables Aleatorias
A cada ω
le corresponde
Espacio Muestral falla
no falla exactamente
un valor X(ω)
Conjunto
IR Números
Reales
- 0 1 +
X: Rx IR
X-1(-, x) Familia de eventos elementales
3. Definición de Variable Aleatoria
Cuando se asocia un número real único a los
resultados de un experimento aleatorio, a la variable
que toma estos números se le llama variable
aleatoria.
ωi
A X(ωi) = b; si ω
ωk
X(ωk) = a
RX
a b
ωi
A X(ωi) = b; si ω
ωk
X(ωk) = a
RX
a b
( a<x<b )
Nótese que para cada par
( a<xb ]
de números reales a y b
existen los siguientes [ ax<b )
conjuntos: [ axb ]
- x<b )
- xb ]
( x>a
( xa
Propiedades:
1.- Por ser A un suceso, tiene definida una
probabilidad, y por tanto, podemos obtener la
probabilidad de que la v.a. tome valores inferiores
a un x dado:
P( A) = P( X x )
2.- Se puede obtener también la probabilidad de
que una v.a. tome valores dentro de un intervalo:
P(a X b ) = P X b - P X a
Ejemplos: Consideremos los siguientes
experimentos:
1. Observar las fallas que tuvo Luis al contestar un
examen de veinte preguntas de opción múltiple,
sea:
X: número de errores de Luis en el examen
X = { 0; 1; 2; … ; 20 }; es decir, los valores que
toma X, son de 0 a 20
2. Observar durante una hora los clientes que llegan
a un banco y definir la variable aleatoria:
X: número de clientes que llegaron al banco en una
hora
X toma los valores 0; 1; 2; … ; y se suele denotar por
X = { 0; 1; 2; … }
Ejemplos :
3. Observar el trabajo de un empleado
durante ocho horas y definir:
X: tiempo que utiliza el empleado en
terminar una pieza del producto
Entonces, X = { 0 < x ≤ 8 }; x: horas
4. Observar la duración de una llamada
telefónica,
X: tiempo de duración de la llamada.
Entonces: X = { x / x ≥ 0 }
4. VARIABLE ALEATORIA: Clasificación
A) Variables aleatorias discretas: cuando el conjunto de todos los
valores que puede tomar la variable es finito o infinito numerable.
Ejm1: Sea X la variable que nos define el “número de alumnos
aprobados en la asignatura de probabilidad en un grupo de 20
alumnos”.
Entonces Rx = {0, 1, 2, 3, 4, 5,....,20} alumnos aprobados.
Ejm 2: Se lanza una moneda 3 veces. Sea X una función definida por
X(A) = nc – ns . Determinar Rx.
Solución: = { ccc, ccs, csc, scc, css, ssc, scs, sss }
Los valores de X son:
X(ccc) = 3 – 0 = 3
X(ccs) = X(csc) = X(scc) = 2 – 1 = 1
X(css) = X(scs) = X(ssc) = 1 – 2 = – 1
X(sss) = 0 – 3 = –3
Por tanto Rx = { – 3, – 1, 1, 3 }
X = Número de caras que aparecen al lanzar dos monedas
X ( )
→
(c, c ) 2
(c, s ) 1 V. A. DISCRETA
( s, c )
RX = 0,1,2
( s, s ) 0
VARIABLE ALEATORIA: Clasificación
B) Variables aleatorias continuas: cuando el conjunto de todos los
valores que puede tomar la variable es infinito no numerable. es
decir, cuyos valores del rango pertenecen a los números reales, se
le permite asumir cualquier valor dentro de determinados límites.
Puede ser un intervalo, una unión de intervalos o todos los reales.
Ejm 1: Sea X una variable aleatoria que representa el “tiempo de
vida de un transistor”. Esta variable aleatoria es continua, pues su
rango (los valores que puede tomar) son todos los puntos del
intervalo [0, + [.
Ejm 2: Sea X la variable que nos define el “tiempo de antigüedad, en
años, de los trabajadores de una empresa”. Entonces
X = { 14.8 años, 12.0 años, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8}
Algunos valores de una variable aleatoria
pueden ser mas probables que otros, lo que
da origen al concepto de distribución de
probabilidad de una Variable Aleatoria (V.A.)
5. FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD
(V.A. Discreta)
LA FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE
ALEATORIA DISCRETA (X), ES AQUELLA FUNCIÓN,
f(x), QUE ASOCIA A CADA VALOR DE LA VARIABLE x
LA PROBABILIDAD DE QUE ESTA ADOPTE ESE
VALOR.
f(x) = P(X = xi ) = p(xi).
Donde:
f (x) ≥ 0 para todo real x
Σx f (x) = 1
• 0 f(xi) 1; i = 1, 2, 3, ... , n
f(xi)
• S f(xi) = 1
i
x
x1 x2 x3 x4 x5 x6 xn
15%
Ejemplo 10%
X = Número de caras al
5%
lanzar 3 monedas.
0%
0 1 2 3
X 0 1 2 3
P(x) 1/8 3/8 3/8 1/8
Ejemplo: Se tiene 8 fichas contenidas en una urna,
se desea seleccionar dos fichas azules. Calcular la
probabilidad asociada al experimento.
Ω=8 32 6 5 3 30 5 4 20
= 2 = =
8 7 56 8 7 56 8 7 56
6. FUNCION DE DISTRIBUCION ACUMULADA DE
UNA VARIABLE ALEATORIA DISCRETA (X):
AQUELLA FUNCION, F(x), QUE ASOCIA A CADA
VALOR DE LA VARIABLE LA PROBABILIDAD DE
QUE ESTA ADOPTE ESE VALOR O CUALQUIERA
INFERIOR.
F( x i) = P(X x i )
F( x max ) = 1
Propiedades:
1.- 0 F ( x ) 1
3.- F(X) es no decreciente 𝐹(𝑥𝑖 ) ≥ 𝐹(𝑥𝑗 ) ∀ 𝑥𝑖 ≥ 𝑥𝑗
4.- F(X) es contínua a la derecha
5.- P(a X b ) = F (b ) - F (a ) P(X > x) = 1−𝐹(𝑥)
EJEMPLO: Caso de un V.A. discreta
Y1 Y2 X=Y1+Y2 Y1 Y2 X=Y1+Y2
Experimento: lanzar dos
1 1 2 4 1 5
dados y observar la V.A.
1 2 3 4 2 6
X : la suma de los puntos de 1 3 4 4 3 7
las caras que quedan hacia 1 4 5 4 4 8
arriba. 1 5 6 4 5 9
1 6 7 4 6 10
2 1/36
3 2/36
P(x)
4 3/36
5 4/36
6 5/36
7 6/36
8 5/36
9 4/36
10 3/36 X
11 2/36
12 1/36
DISTRIBUCIÓN DE PROBABILIDAD ACUMULATIVA
DE UNA VARIABLE ALEATORIA DISCRETA
Las probabilidades acumuladas para cada valor de la VA X se
muestran en la siguiente tabla que representa la función de
distribución acumulativa (FDA) de la VA X.
X P(Xx) P(X<=x)
2 1/36
3 3/36
4 6/36
5 10/36
6 15/36
7 21/36
8 26/36
j
F ( x j ) = P( X x j ) = xi
9 30/36
10 33/36
i =1
11 35/36
Esta es una función escalón, hay un salto en cada valor de X y es plana entre ellos.
12 36/36
𝑖) 𝑓 𝑥 > 0 , ∀𝑥 ∈𝑅
𝑖𝑖) න 𝑓 𝑥 𝑑𝑥 = 1
𝑅𝑥
b
iii ) PX (a X b) = f (x )dx
a
La probabilidad de que X tome valores en el intervalo
(a,b) es igual al área encerrada por la gráfica de f(x),
el eje x y las rectas x = a, x = b.
b
P(a X b) = f ( x)dx
La integral definida de
a
la función de densidad
en dichos intervalos
coincide con la
probabilidad de los
mismos.
f(x)
a b
IMPORTANTE: la probabilidad de que la variable X tome un valor
determinado, es CERO: a
P( X = a) = f ( x)dx = 0
a
además,
P ( a X b) = P ( a X b) = P ( a X b) =
= P ( a X b)
-
f ( x)dx = 1
DISTRIBUCIÓN DE PROBABILIDAD ACUMULATIVA F(x)
DE UNA VARIABLE ALEATORIA CONTINUA
Dada una variable aleatoria continua X, con función de
densidad f(x), la función de distribución F(x) es la función que
para cada valor de la variable nos da la probabilidad de que X
tome ese valor, o cualquier otro inferior.
x
P( X x) = P( X x) = f (t )dt = F ( x)
-
x
F ( x) = P( X x) = f (t )dt
a
La FDA es una función no decreciente de X con las siguientes características.
1. F( - ) = 0 La derivada de la función de distribución,
2. F( + ) = 1 es la función de densidad.
3. P(a X b) = F(b) - F(a) F ' ( x) = f ( x)
MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR DE UNA VA
Valor esperado o media de una variable aleatoria
xi P ( xi ) ; si X es discreta.
= E[ X ] = i
xf ( x )dx ; si X es continua.
x
; si X es discreta.
𝜎2 = ∀𝑖
Desviación estándar
= 2
Ejemplo: Calcular la media y la desviación standar de
la distribución de probabilidad de la variable aleatoria
discreta X que se define como el número de caras
cuando se lanzan cuatro monedas.
b)
1
3x 2
x 3
1 1
P[0 X 1] = dx = =
0
8 8 0 8