Documentos de Académico
Documentos de Profesional
Documentos de Cultura
e.g. Lanzamiento de dados sin trucar, lanzamiento de moneda sin trucar. Composición de
experimentos aleatorios independientes con resultados equiprobables.
Una partición es 𝐴1 , 𝐴2 , … 𝐴𝑅 ⊆ 𝑈.
IMPORTANTE: Notar que P(B) se obtendría previamente del teorema de la probabilidad total.
Variable aleatoria
Una variable aleatoria X es una función real medible que asocia un valor numérico a cada
resultado del espacio muestral asociado a un experimento aleatorio.
3 monedas
X 0 1 2 3
P(X=xi) 1/8 3/8 3/8 1/8
Esta es la función de probabilidad (f(x) o P(X=xi))
X 0 1 2 3
𝑃(𝑋 ≤ 𝑥𝑖) 1/8 4/8 7/8 1
Esta es la función de probabilidad acumulada (F(x) o 𝑃(𝑋 ≤ 𝑥𝑖))
𝑓(𝑥𝑖) ≥ 0
∑ 𝑓(𝑥𝑖) = 1
Esperanza matemática
Construcción formal de la noción de promedio.
𝑚𝑥 (𝑡) = 𝐸(𝑒 𝑡𝑥 )
Varianza:
̅̅̅ − 𝒙𝒊)𝟐 ) → 𝑽𝒂𝒓(𝑿) = 𝑬( 𝑬(𝒙)𝟐 − 𝟐𝒙𝒊𝑬(𝒙) + 𝒙𝒊𝟐 ) → 𝑽𝒂𝒓(𝒙) = 𝑬(𝒙)𝟐 − 𝟐𝒙𝒊𝑬(𝒙) + 𝑬(𝒙𝒊𝟐)
𝑽𝒂𝒓(𝑿) = 𝑬((𝒙
Suma de probabilidades
En general, una V.A. se dirá que distribuye alfa, significa que la forma de asignar prob. de esa V.A.
es por la función alfa. En símbolos:
𝑋~𝐴𝑙𝑓𝑎(𝑃𝑜, 𝑅𝑜)
Al aplicar las definiciones dadas de esperanza, varianza y F.D.A. sobre Alfa(Po, Ro) obtendremos
una “fórmula” explícita de la esperanza, varianza y F.D.A.
Para una V.A. que distribuye alfa.
Si X es variable aleatoria continua, entonces el SopX es un subconjunto de los reales. En este caso,
los axiomas de probabilidad serán los siguientes.
𝑏
∫𝑎 𝑓(𝑥)𝑑𝑥 = 𝑃(𝑎 < 𝑥 < 𝑏) > 0 Donde f(x) e una potencial función de probabilidad.
∞
∫−∞ 𝑓(𝑥)𝑑𝑥 = 1
Una función cualquiera que satisfaga las dos condiciones anteriores será una función de
probabilidad.
∞ 2
𝑉𝑎𝑟(𝑥) = 𝑥 2 𝑓(𝑥)𝑑𝑥 − [∫ 𝑥𝑓(𝑥)]
−∞
F.D.A.
𝑥𝑖
𝐹(𝑥𝑖) = ∫−∞ 𝑓(𝑥)𝑑𝑥
Diremos que una variable aleatoria distribuye binomial (𝑋~𝐵𝑖𝑛( , ))si y solo sí su f.D.P. es:
𝒏
𝑷(𝒙 = 𝒌) = ( ) 𝑷𝒌 (𝟏 − 𝑷)𝒏−𝒌
𝒌
Donde:
n y P son constantes
Momentos poblacionales:
Por lo tanto:
𝑛
𝑛
∑ ( ) (𝑃𝑒 𝑡 )𝑘 (1 − 𝑃)𝑛−𝑘 = (1 − 𝑃 + 𝑃𝑒 𝑡 )𝑛 ← 𝑓𝑛 𝑔𝑒𝑛𝑒𝑟𝑎𝑑𝑜𝑟𝑎 𝑑𝑒 𝑚𝑜𝑚𝑒𝑛𝑡𝑜𝑠 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙𝑒𝑠.
𝑘
𝑘=0
e.g.
Modelo Poisson
Diremos que una V.A.D. distribuye Poisson sí y solo sí su función distribución de probabilidad es:
𝒆−𝝀 𝝀𝒌
𝑷(𝑿 = 𝒌) = ~𝑷𝒐𝒊(𝝀) : 𝜆 > 0 𝑘𝜖{1,2,3, … , ∞}
𝒌!
Modelo geométrico
Se trata de un experimento Bernoulli, es por ello que se relaciona con la binomial. En una
binomial, el número de repeticiones es fijo. En un modelo geométrico no es así.
Una V.A.D. será geométrica si cuenta el número de repeticiones necesarias para la ocurrencia del
primer y único éxito.
EFF…E…FFE
Note que para contar todas las configuraciones de los r-1 éxitos debemos calcular:
𝑘 − 1 𝑟−1 𝑘−1 𝑟
( ) 𝑝 (1 − 𝑃)𝑘−𝑟 𝑃 = ( ) 𝑝 (1 − 𝑃)𝑘−𝑟
𝑟−1 𝑟−1
Diremos que una V.A.D. distribuye binomial negativa si su f.D.P. es:
𝑘−1 𝑟
𝑃(𝑋 = 𝑘) = ( ) 𝑝 (1 − 𝑃)𝑘−𝑟
𝑟−1
Donde X es el número de repeticiones que se deben llevar a cabo para obtener r éxitos.
𝑟
𝐸(𝑥) =
𝑃
𝑟(1 − 𝑃)
𝑉𝑎𝑟(𝑥) =
𝑟2
Si y solo si 𝑋~𝐵𝑁(𝑟, 𝑃)
Modelo hipergeométrico
Se basa en probabilidad clásica (casos favorables/casos totales). Suponga que tiene N artículos, de
los cuales r son defectuosos y por lo tanto, hay N-r no defectuosos. Suponga que toma n artículos
del total sin reposición. Sea X el número de artículos defectuosos encontrados. Entonces, la
probabilidad de que P(X=k) es:
(𝑘𝑟)(𝑁−𝑟
𝑛−𝑘)
𝑃(𝑋 = 𝑘) =
(𝑁
𝑛)
Si una V.A.D. tiene por f.D.P. a la expresión diremos que X distribuye hipergeométrica de
parámetros r, N, n.
𝑟
𝐸(𝑥) = 𝑛𝑃 ∶ 𝑃 =
𝑁
𝑁−𝑛
𝑉𝑎𝑟(𝑥) = 𝑛𝑃(1 − 𝑃)
𝑁−1
Percentiles
𝐹40 = 0.3 → 𝐷𝑒𝑏𝑎𝑗𝑜 𝑑𝑒𝑙 𝑑𝑎𝑡𝑜 0.3 ℎ𝑎𝑦 𝑢𝑛 40% 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠.
Propiedades varianza
Llegamos a que
𝑉𝑎𝑟(𝑎𝑥 + 𝑏) = 𝑎2 𝑉𝑎𝑟(𝑥)