TEORÍA DE PROBABILIDADES

CONFERENCIA #5 Sistemas de variables aleatorias. Funciones conjuntas y funciones

marginales. Características numéricas de los SVA.
TEMA II.
CONTENIDO. Funciones de probabilidad asociadas a los sistemas de va. Valor
esperado. Propiedades.
Varianza. Desviación Típica. Propiedades.

Introducción.
En las 2 últimas conferencias abordamos lo relacionado con las funciones que describen
el comportamiento de variables aleatorias discretas y continuas. Lo esencial de todo el
tema es la diferenciación entre variables discretas y continuas. La definición de una
variable aleatoria como discretas o continuas nos permite aplicar una función de un tipo o
de otro para calcular la probabilidad asociada a la variable en el rango que deseamos y
también debemos tener en cuenta si se trata de 1 variable o de un sistema de variables
aleatorias.
El tratar con un sistema implica trabajar con funciones conjuntas donde es muy necesario
definir correctamente los rangos de cada variable en las ∑ (si son discretas) o en las ∫ (si
son continuas).
Además en los sistemas pueden ser calculadas funciones condicionales y funciones
marginales. Estas ultimas nos permiten definir la independencia de las variables.

Preguntas de control.
El docente expondrá diferentes casos de la actividad empresarial para que los estudiantes
clasifiquen en discretas o continuas las variables utilizadas en su modelación.
¿Cuáles son las propiedades que debe reunir una función de probabilidad y una función
de densidad probabilística. A qué tipo de variable se asocia una y otra?
¿Por qué se plantea que la probabilidad en un punto es cero para el caso de una v.a.c?

Plan de medidas :
Autoexamen pp. 235 Ej. 2.a.
Autoexamen pp. 235 Ej. 1 (comprueba si x,y son independientes)

A partir de identificar una variable aleatoria como DISCRETA o COTINUA y conocer su

función de distribución podemos describir todo un fenómeno aleatorio. Lógicamente que
a veces sucede que en lugar de una descripción completa de un fenómeno necesitamos
un índice o un grupo de índices más específicos y característicos del fenómeno que
estudiamos.
Por ejemplo: En lugar de la edad que tienen todos y cada uno de los estudiantes (la edad
promedio).
Precisamente entre esos índices característicos trata la presente conferencia que tiene los
siguientes Objetivos.
Familiarizarse con las características fundamentales de las variables aleatorias y su
determinación a partir de las leyes de probabilidad de dichas variables aleatorias.
Las características numéricas fundamentales de las variables aleatorias se agrupan en:
Medidas de tendencia central.
 Medidas de dispersión.
Objetivos
Dotar a los estudiantes con las habilidades que les permitan identificar un caso de la
producción o los servicios que pueda modelarse a través de un sistema de variables
aleatorias.
Extender los conceptos de función de probabilidad, función de densidad, y función de
distribución al caso de un sistema de variables aleatorias continuas o discretas.
Lograr la familiarización con la definición y uso de las funciones marginales.

Desarrollo

Definiciones asociadas a un s.v.a.:

 Función de probabilidad conjunta
Se definirá el concepto de manera semántica y analítica, destacando su similitud con el
caso de una v.a.d. el docente expondrá un ejemplo y destacará la utilidad de utilizar una
tabla de doble entrada.

 Función de densidad probabilística conjunta

Es importante señalar que en este caso no es posible utilizar una tabla de doble entrada
dada la naturaleza continua de las variables.

 Función de distribución
Se define de manera conceptual (semántico) y desde el punto de vista analítico.

 Función de probabilidad marginal

 Función de densidad marginal

Medidas de tendencia central.

Valor esperado de un sistema de variables aleatorias:

Si (x,y) es un sistema discreto con función de probabilidad conjunta p(x,y), entonces:

E(x,y)= ∑ x*y*p(x,y) Existe si la serie converge

(x,y)єR²

para un sistema continuo:

∞ ∞
E(x,y)= ∫ ∫ x*y*f(x,y)dxdy Existe si la integral converge.
-∞ -∞

(Estudiar el valor esperado de una función de un sistema de V.a. pag 242)

Propiedades del Valor esperado

E(x+y)= E(x) + E(y)

Generalizando 2 y 3:

E[c1x1 + c2x2 + ... + cnxn] = c1*E(x1) + c2*E(x2) + ... + cn*E(xn)

E(x*y)= E(x) * E(y) (Si x e y son independientes)

Ejemplo:

Si x e y son dos variables aleatorias independientes con:

E(x)= 2 y E(y)= 5
Calcule el valor esperado de:
a) z=x+3y+5 b) w= 2x*y

Solución:

E(z) = E[x+ 3y + 5]= E(x) + 3E(y) + E(5) = 2 + 3*(5) + 5 = 22

E(w) = E(2x*4) = 2 * E(x*y) = 2 E(x) * E(y) = 2 * (2) * (5) = 20

Medidas de dispersión de un s.v.a

Covarianza: C(x,y) o cov(x,y) o xy

Medida de dispersión de 2 VA.
C(x,y)=E((x-E(x))(y-E(y))=E(x*y)-E(x)*E(y)
Mientras más cercana a 0 este la covarianza menos dispersión (valores concentrados o
cercanos al valor esperado)
Por supuesto que su calculo dependerá del tipo de VA que sean x, y.
Al E(x,y) ya hemos hecho referencia .
Sin embargo es necesario puntualizar que cuando estamos en presencia de un sistema de
VA (x,y), el valor esperado de cada variable del sistema es:
E(x)= x*px(x) y E(y)=y*py(y) (sistemas de discretas)
E(x)= x*fx(x) y E(y)= y*fy(y) (sistemas de continuas)

Propiedades de la covarianza:
1. C(x,y)=c(x,y)
2. c(x,x)=__(x)
3. c(ax,by)=abc(x,y)
4. c(x,y)<= 2(x)* 2(y)

Si 2 VA son independientes: E(x,y)=E(x)*E(y) y por consiguiente c(x,y)=E(x,y)-

E(x)*E(y)=0
 El recíproco no es cierto, o sea la covarianza es cero no es suficiente para afirmar que
x,y sean independientes.

Coeficiente de correlación: da una medida de la relación estadística entre dos

variables aleatorias mas usada en la practica que la varianza pero derivada de ella.
 (x,y)=cov(x,y)/  (x)*  (y) si  (x,y), VA no correlacionada.
De aquí e impide que si x,.y son indep cov(x,y)=0 o f(x,y)=0
Pero el reciproco no es cierto siempre: porque el concepto de independencia es mas
fuerte que el de variables no correlacionadas.

El coeficiente de correlación indica el grado de relación lineal que existe entre 2 VA,
por lo que si la relación entre x,y es: y=ax+b (ecuación de la recta), entonces
f(x,y)=+-1 (el signo significa la tendencia de crecimiento o decrecimiento de la
variables).

El coeficiente de correlación siempre toma valores entre –1 y 1: -1 f(x,y) 1

Gráficamente esto puede tratarse de la siguiente forma:

% de
defec .
.
. .
.
.
% de K

En la estadística aplicada es muy útil el coefi de correlación, por ejemplo a su juicio,

como seria la correlación (positiva o negativa?) entre las VA sig?.
. consumo ce un producto. existencia del producto en almacén (-)
. Insumo de materia prima. costo de producción (+)
. espesor de plantas de acero . resistencia ala tracción (+)
. Nivel de ruido (decibeles en un área de trab) . productividad (piezas/trabajadores)
(-)
Orientación de estudio: Estudiar Concepto de momento, Momento respecto al origen y
central.

Texto Probabilidades Cap 5, pag 237 – 254, 271 – 285 (Problemas resueltos hasta los
incisos de Ε(x) y σ²(x)).

Orientación del estudio individual:

Luis M. Hernández y otras probabilidades. Pags (147 – 165 y 165 - 187).
Repasar métodos de integración.
Estudiar la tabla pag 175.

Trabajo independiente .
Resolver ejercicios propuestos 3 a y b pag 188.
Pueden resolver los propuestos No 1 pag 187. Autoexamen pag 192 – 194 del 1 al 6.

Motivación:
Hemos vistos que tanto las funciones que caracterizan una v.a o un s.v.a, ya sea un caso
discreto o continuo, pueden adoptar diferentes formas, siempre y cuando cumplan las
propiedades; sin embargo, ¿sería posible contar con unas pocas funciones de distribución
que describan el comportamiento de varios fenómenos aleatorios que con frecuencia
ocurren en la práctica empresarial?
Ese será el tema de nuestra próxima conferencia.