Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Variable aleatoria
Definición Variable Aleatoria (VA)
Dado un espacio muestral -conformado por los valores que toma la variable bajo
análisis- una variable aleatoria X es una función que asigna a cada elemento del
espacio muestral un número real: X: Ω→R
Es un conjunto finito o infinito numerable de valores.
Discreta Ejemplos:
Cantidad de personas infectadas por COVID 19
Cantidad de fallos de un servidor o máquina
La variable Cantidad de casos exitosos de un evento determinado
aleatoria
puede ser
de dos tipos
Es un intervalo de números reales.
Ejemplos:
Continua Estatura de una persona
Tiempo de arribo a un lugar
Peso de un objeto
2
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Por tanto, la solución de la integral definida es un valor numérico, que siempre debe
ser positivo ya que estamos calculando áreas.
Las integrales definidas de calculan aplicando la regla de Barrow. 3
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
𝟑𝟑 𝟏𝟑 𝟑𝟐 𝟏 𝟐
= − + − + 𝟐∗𝟑−𝟐∗𝟏 =
𝟑 𝟑 𝟐 𝟐
𝟐𝟕 𝟏 𝟗 𝟏 𝟐𝟔 𝟖 𝟓𝟎
− + − +𝟒= + +𝟒=
𝟑 𝟑 𝟐 𝟐 𝟑 𝟐 𝟑
4
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
- 𝑓 𝑥 ≥0 para todo 𝑥
+∞
- −∞ 𝑓 𝑥 𝑑𝑥 =1
Por lo tanto, la probabilidad de que una variable aleatoria continua X con función de
densidad 𝑓 𝑥 pertenezca al intervalo [a , b] está dada por
𝑓 𝑥
𝒃
P(a ≤ X ≤ b) =𝑓 𝒂 𝑥 𝑑𝑥
𝒃
á𝑟𝑒𝑎 = න 𝑓 𝑥 𝑑𝑥
𝒂
𝑎 𝑏 5
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
𝟑 𝑥3 3 27 1 26 26
𝑥𝑎 𝟏2 𝑑𝑥= 𝑎 |1 =
3
𝑎
3
- 𝑎 =𝑎
3 3
y sabemos que tiene que ser = 1 => = 𝑎
3
=1=>
3
𝑎=
26
𝟑 3 2 3 𝑥 3 3 3 27 3 8 19
P(x ≥ 2)= 𝟐26 𝑥 𝑑𝑥=26 3 |2 =26 3 -
26 3
=
26
= 0,7308 6
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
VA Continua - Función de Distribución Acumulada
Definición de Función de Distribución Acumulada
Propiedades:
- F(X) es monótona creciente.
- F(X) es continua para todo X.
- lim 𝐹 𝑥 = 0 𝑦 lim 𝐹 𝑥 = 1
𝑥→−∞ 𝑥→+∞ 7
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
1
Si x < 1: F(x)= −∞ 0 𝑑𝑥=𝟎
𝑋 3 2 3 𝑥3 𝑋 3 𝑋3 3 1 𝑋 3 −1
Si 1≤ x ≤ 3: F(x)=1 𝑥 𝑑𝑥= | = - =
26 26 3 1 26 3 26 3 26
3 3 2 3 𝑥 3 3 3 27 3 1
Si x > 3: F(x)= 1 26 𝑥 𝑑𝑥= 26 3 |1 = 26 3 - 26 3 =1
F(x) 1
Entonces 0,9
0,8
0,7
0 𝑠𝑖 𝑥 < 1 0,6
3
𝑋 −1 0,5
F(X) ൞ 𝑠𝑖 1 ≤ 𝑥 ≤ 3 0,4
26 0,3
0,2
1 𝑠𝑖 𝑥 > 3 0,1
0
-2 -1 0 1 2 3 4 5 x 8
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
VA Continua – Valor Esperado
+∞
E(x)=−∞ 𝑥𝑓 𝑥 𝑑𝑥
Por lo tanto nos indica el valor medio de los posibles valores que pueda tomar la
variable aleatoria
- E(b)= b
- E(a*X)= a*E(X)
- E(a*X + b)= a*E(X) + b
- Si X e Y son independientes entonces E(X+Y)=E(X) + E(Y)
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
VA Continua – Valor esperado o Media
Ejemplo
1 1 2
𝑥 − 𝑥 0≤𝑥 ≤6
Sea 𝑓 𝑥 ൝6 36 una función de densidad de probabilidad. Calcular
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
el valor esperado
+∞ 6 6
1 1 2 1 2 1 3
E X =න 𝑥𝑓 𝑥 𝑑𝑥 = න 𝑥 𝑥 − 𝑥 𝑑𝑥 = න 𝑥 − 𝑥 𝑑𝑥
−∞ 0 6 36 0 6 36
1 𝑥31 𝑥4 6
= − | =
6 3 36 4 0
1 63 1 6 4 1 03 1 04 1 216 1 1296
− − − = − − 0 = 12 − 9 = 3
6 3 36 4 6 3 36 4 6 3 36 4
10
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
VA Continua –Varianza
Definición de Varianza
Se X una variable aleatoria continua, su Varianza se define como:
+∞
V(x)=σ[𝑋 − 𝐸 𝑋 ] 2 = −∞ [𝑥 − 𝐸 𝑥 ]2 𝑓 𝑥 𝑑𝑥
Por lo tanto, su valor nos indica cuanto se alejan los valores de X respecto su media
en términos cuadráticos
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
VA Continua – Valor esperado o Media
Ejemplo
1 1 2
𝑥 − 𝑥 0≤𝑥 ≤6
Sea 𝑓 𝑥 ൝6 36 una función de densidad de probabilidad. Calcular
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
la varianza
+∞ 2 +∞
V(X)= 𝐸(𝑋 2 ) − [𝐸 𝑋 ]2 = −∞ 𝑥 𝑓 𝑥 𝑑𝑥 − [−∞ 𝑥𝑓 𝑥 𝑑𝑥]2
+∞ 6 6
1 1 1 3 1 4
E 𝑋2 = න 2 2 2
𝑥 𝑓 𝑥 𝑑𝑥 = න 𝑥 ( 𝑥 − 𝑥 ) 𝑑𝑥 = න 𝑥 − 𝑥 𝑑𝑥
−∞ 0 6 36 0 6 36
1 𝑥4 1 𝑥5 6 1 64 1 65 1 04 1 05 216 54
= − | = − − − = 54 − −0=
6 4 36 5 0 6 4 36 5 6 4 36 5 5 5
54 2
9
V X = − 3 =
5 5
12
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
13
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
Distribución Uniforme
Una variable aleatoria continua X tiene una distribución uniforme en el intervalo
[a, b] que notamos por X ~ U[a , b], si su función de densidad de probabilidad está
dada por
𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑒𝑛𝑠𝑖𝑑𝑎𝑑:
1
𝑓 𝑥 = ቐ𝑏 − 𝑎 𝑠𝑖 𝑎 ≤ 𝑋 ≤ 𝑏
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Por lo tanto, corresponde al caso de una variable aleatoria que es continua y sólo
puede tomar valores comprendidos entre dos extremos a y b, de manera que
todos los intervalos de una misma longitud (dentro de (a, b)) tienen la misma
probabilidad.
0, 𝑥<𝑎
𝑥−𝑎
𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎: 𝐹 𝑥 = , 𝑎≤𝑥≤𝑏
𝑏−𝑎
1, 𝑥>𝑏 14
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
Distribución Uniforme
𝑏 𝑏 1 1 𝑥2 𝑏 1 𝑏2 1 𝑎2 𝑏2 −𝑎2
𝐄 𝐗 = 𝑥𝑑 𝑥 𝑓 𝑥 𝑎 = 𝑏 𝑥 𝑎−𝑎 𝑑𝑥 = | = − = =
𝑏−𝑎 2 𝑎 𝑏−𝑎 2 𝑏−𝑎 2 2 𝑏−𝑎
(𝑏−𝑎)(𝑏+𝑎) 𝒂+𝒃
= =
2 𝑏−𝑎 𝟐
𝑏 𝑏 1 1 𝑥3 𝑏 1 𝑏3 1 𝑎3 𝑏3 −𝑎3
E 𝑋2 = 𝑥 𝑎2 𝑓 𝑥 𝑑𝑥 = 𝑥 𝑎2 𝑑𝑥 = | = − = =
𝑏−𝑎 𝑏−𝑎 3 𝑎 𝑏−𝑎 3 𝑏−𝑎 3 3 𝑏−𝑎
(𝑏−𝑎)(𝑏2 +𝑎𝑏+𝑎2 ) (𝑏2 +𝑎𝑏+𝑎2 )
= =
3 𝑏−𝑎 3
(𝑏 2 + 𝑎𝑏 + 𝑎 2 ) 𝑏 + 𝑎 2
𝐕 𝐗 = 𝐸 𝑋 2 − [𝐸 𝑋 ]2 = − =
3 4
2 2 2 2
(𝑏 + 𝑎𝑏 + 𝑎 ) 𝑏 + 2𝑎𝑏 + 𝑎 4𝑏 + 4𝑎𝑏 + 4𝑎 − 3𝑏 − 6𝑎𝑏 − 3𝑎2
2 2 2
− = =
3 4 12
𝑏 2 − 2𝑎𝑏 + 𝑎2 𝒃−𝒂 𝟐
=
12 𝟏𝟐
D(X)= 𝑽(𝒙) 15
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
Distribución Uniforme - Ejemplo
Sea X ~ U[3 , 5], cuya función de densidad de probabilidad es
1
𝑓 𝑥 = ቐ 2 𝑠𝑖 3 ≤ 𝑋 ≤ 5
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
Distribución Normal
Una variable aleatoria continua X tiene una distribución normal X ~ N(𝞵,𝞂) de
parámetro 𝞵=E(X) y 𝞂=D(X) si su función de densidad de probabilidad es
(𝑥−µ)2
1 −
𝑓𝑥 𝑥 = ቊ 𝑒 2𝜎 𝑐𝑜𝑛 − ∞ < 𝑥 < +∞ ; −∞ < µ < +∞ ; σ >0
σ 2𝜋
donde µ = media y σ=desvío estándar
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
Distribución Normal
𝑥−µ 2
𝑥 1 −
𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎: F(X) = −∞ σ 2𝜋 𝑒 2𝜎 𝑑𝑥
+∞
E(X) = µ = −∞ 𝑥 ∗ 𝑓𝑥 𝑥 dx
+∞
V(X) = 𝜎 2 = −∞ [𝑥𝑖 − 𝐸 𝑋 ]2 ∗ 𝑓𝑥 𝑥𝑖 𝑑𝑥
D(X)= 𝑉(𝑥)
𝑿−µ
Si µ=0 y σ=1 entonces Z ~ N(0,1) siendo Z=
σ cuya distribución se denomina
normal estándar
18
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
Distribución Normal- Uso de tabla Normal Estandarizada
Sea X ~ N(1,48;2) calcular P(X<5) => estandarizamos la variable:
𝑋−𝞵 5−1,48 𝑋−𝞵
P( < )= P( < 1,76)=0.9608
𝞂 2 𝞂
19
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
Distribución Normal- Uso de tabla Normal Fractiles
Sea X ~ N(1,48;2) calcular A tal que P(X<A)=0.8
𝑋−𝞵 𝐴−1,48
estandarizamos la variable: P( < )=0,8
𝞂 2
buscamos el valor de Z que corresponde a F(Z)=0,8
Luego
𝐴 − 1,48
0,842 = ⇒
2
𝐴 = 0,842 ∗ 2 + 1,48
= 𝟑, 𝟏𝟔𝟒
20
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
Distribución Normal- Ejemplo
Se ha comprobado que la distribución del índice de colesterol para un gran número
de personas es aproximadamente normal con media 163 centigramos. Si el 15.87%
de las personas tiene un índice comprendido entre 161 y 165 centigramos, calcular el
desvío estándar del índice de colesterol.
Llamamos X : “Índice de colesterol de una persona” =>X ~ N(163; 𝞂)
𝑋−𝞵 𝑋−163
Z= = ~ N(0; 1)
𝞂 𝞂
161−163 𝑋−𝞵 165−163
Tenemos que P(161≤ X ≤ 165)=0,1587 => P( ≤ ≤ )=0,1587 =>
𝞂 𝞂 𝞂
−2 2 2
P( ≤ 𝑍≤ )=0,1587 =>1-2P(𝑍 ≥ | |)=1-0,1587=0,8413
𝞂 𝞂 𝞂
=> buscamos en la tabla esta probabilidad y extraemos el valor de Z
2
Z=1 => =1 => 𝞂=2
𝞂
21
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
Distribución Exponencial
Un caso particular de la distribución Gamma es cuando 𝜶 = 𝟏, que recibe el
nombre de distribución exponencial.
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
Relación de la Distribución Exponencial con los procesos de Poisson
X~P(λ)
T~Exp(𝞪)
23
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
Distribución Exponencial - Ejemplo
El tiempo de respuesta de un servidor es una variable aleatoria X con distribución
exponencial con valor esperado igual a 5 segundos.
24
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
Distribución Exponencial - Ejemplo
3. Sabiendo que ya se esperaron 3 segundos, ¿cuál es la probabilidad de que haya
que esperar más de 13 segundos? (es decir que haya que esperar más de 10
segundos a partir de los 3 segundos ya transcurridos)
𝑃(𝑥>13 ∩ 𝑋>3)
P(X>13/x>3)= => representemos en un eje cada parte:
𝑃(𝑋>3)
25
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Distribuciones continuas de probabilidad
𝒆−𝟎,𝟐∗𝟏𝟎 = 0,135
P(X>13/x>3)=P(X>10)
Propiedad de Falta de memoria: P(X > s + t/X > s) = P(X > t)
26
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas
de Programación
27
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso