Cap 2 E

2.
Probabilidad y
variable aleatoria
Curso 2011-2012
Estadística
2. 1 Probabilidad
Probabilidad y variable aleatoria 2

Experimento Aleatorio
EL término “experimento aleatorio” se

utiliza en la teoría de la probabilidad para
referirse a un proceso cuyo resultado no es
conocido de antemano con certeza.
“Suma de valores en el lanzamiento de 2
dados.”
Ejemplos
• Número de piezas defectuosas en

una muestra de 100 piezas.
• Número de llamadas a una centralita
telefónica en un día.
• Energía eléctrica consumida en
Madrid durante un periodo de
tiempo.

Espacio Muestral
Conjunto formado por todos los posibles
resultados de un experimento aleatorio.
• DISCRETOS:
• Lanzamiento de un DADO: S = {1,2,3,4,5,6}
• Piezas defectuosas en una muestra de 100
S = {0,1,2,...,100}
• Llamadas a una centralita durante un día
S = {0,1,2,3,...,∞}
• CONTINUOS:
• Energía consumida en Madrid: S={[0, ∞)}
Suceso
Cualquier subconjunto del espacio muestral.

• “Obtener un número par al lanzar un dado”:
A = {2,4,6}
• “Observar menos de 5 piezas defectuosas en una
muestra de 100”: B = {0,1,2,3,4}
• “Tener más de 50 llamadas de teléfono en una hora”:
C = {51,52,...,∞}
• “Tener una demanda de energía eléctrica entre 300
Mwh y 400 Mwh” : D =(300,400)

Operaciones
Sean A y B dos subconjuntos de S

• Unión
A ∪ B = {x : (x ∈ A) o (x ∈ B)}
$
• Intersección
A ∩ B = {x : (x ∈ A) y (x ∈ B)}
• Complementario
$= {x : x∉ A}
$∩ %
$∪ %

Propiedades
'DGRVWUHVVXFHVRV $%\&GHXQHVSDFLRPXHVWUDO6
$ ∪ % = % ∪ $
&RQPXWDWLYD ®
¯$ ∩ % = % ∩ $
$ ∪ % ∪ & = $ ∪ % ∪ &
$VRFLDWLYD ®
¯ $ ∩ % ∩ & = $ ∩ % ∩ &
$ ∪ % ∩ & = $ ∪ % ∩ $ ∪ &
'LVWULEXWLYD ®
¯ $ ∩ % ∪ & = $ ∩ % ∪ $ ∩ &
$ ∪ % = $ ∩ %
/H\HVGH'H0RUJDQ ®
¯$ ∩ % = $ ∪ %
Axiomas de Probabilidad
'DGRXQHVSDFLRPXHVWUDO6XQDIXQFLyQGHSUREDELOLGDG
DVLJQDYDORUHV3$DFDGDVXFHVR$ ⊂ 6\VDWLVIDFH
≤ 3$ ≤
36 =
3DUDXQDVHFXHQFLDGHVXFHVRV $$ ! $Q
TXHFXPSOHQ$L ∩ $ M = ∅FXDQGRL ≠ M
Q
3 * $L = ¦L = 3 $L
Q
L =

Problema fundamental
• Dado un espacio muestral discreto con resultados
A1, A2, ..., An , el experimento aleatorio queda
caracterizado si asignamos un valor P(Ai) no
negativo a cada resultado Ai de forma que
P(A1)+P( A2)+ ...+P(An)=1.
(MHPSOR6HODQ]DGRVYHFHVXQDPRQHGD
^;;;&&;&&`
6H DVLJQD SUREDELOLGDG D FDGD XQR GH ORV FXDWUR
UHVXOWDGRV
¢ (VXQDDVLJQDFLyQFRUUHFWD"
Propiedades elementales
3∅ =
3 $ = − 3 $
6L $ ⊂ %HQWRQFHV3$ ≤ 3%
3DUDGRVVXFHVRVFXDOHVTXLHUD $ % ⊂ 6
3 $ ∪ % = 3 $ + 3 % − 3 $ ∩ %
3DUDQVXFHVRV $$ $Q ⊂ 6
Q Q Q Q
3* $L = ¦ 3 $L − ¦¦ 3 $L ∩ $ M +
L = L = L = M > L
Q Q Q
¦¦¦ 3$ ∩ $
L = M >L N > M
L M ∩ $N + " + − Q + 3 $ ∩ $ ∩ " ∩ $Q

Asignación de probabilidades
1. Clásica (Laplace): Equiprobabilidad
2. Frecuencialista (von Mises, 1931)
3. Subjetiva
Clásica: sucesos equiprobables

Sea un experimento con un número finito N
de resultados excluyentes y equiprobables,
la probabilidad del suceso A es
1 $
3 $ =
1
donde N es el número de resultados
posibles del experimento y N(A) el número
de resultados favorables al suceso A.

Ejemplos (equiprobabilidad)
• Lanzamiento de una moneda. S={C,X}

3& =

• Lanzamiento de un dado. S={1,2,3,4,5,6}

3 1~PHUR SDU = =

• Extracción de una de las 40 cartas de la
baraja, S={1 Oros,2 Oros,...., Rey Bastos}

3 %DVWRV = =

Lanzamiento de dos dados

HU'DGR
1 2 3 4 5 6
1 (1,1) (2,1) (3,1) (4,1) (5,1) (6,1)
2 (1,2) (2,2) (3,2) (4,2) (5,2) (6,2)
3 (1,3) (2,3) (3,3) (4,3) (5,3) (6,3)
'DGR 4 (1,4) (2,4) (3,4) (4,4) (5,4) (6,4)
5 (1,5) (2,5) (3,5) (4,5) (5,5) (6,5)
6 (1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
P(“suma 7”) = 6/36 = 1/6

Urna: 2 Negras y 3 Blancas
%ROD
B1 B2 B3 N1 N2
B1 B2,B1 B3,B1 N1,B1 N2,B1
%ROD
B2 B1,B2 B3,B2 N1,B2 N2,B2
B3 B1,B3 B2,B3 N1,B3 N2,B3
N1 B1,N1 B2,N1 B3,N1 N2,N1
N2 B1,N2 B2,N2 B3,N2 N1,N2
Se extraen dos bolas al azar, una detrás de

otra, sin reposición.
P(“1ª Blanca y 2ª Negra”) = 6/20 = 3/10
Urna: 2 Negras y 3 Blancas
%ROD
B1 B2 B3 N1 N2
%ROD
B1 B1,B1 B2,B1 B3,B1 N1,B1 N2,B1

B2 B1,B2 B2,B2 B3,B2 N1,B2 N2,B2
B3 B1,B3 B2,B3 B3,B3 N1,B3 N2,B3
N1 B1,N1 B2,N1 B3,N1 N1,N1 N2,N1
N2 B1,N2 B2,N2 B3,N2 N1,N2 N2,N2
Se extraen dos bolas al azar, una detrás de

otra, con reposición.
P(“1ª Blanca y 2ª Negra”) = 6/25

&RPELQDWRULD REMHWRVWRPDGRVGHGRVHQGRV
SIN REEMPLAZAMIENTO CON REEMPLAZAMIENTO
Primera extracción Primera Extracción

1 2 3 4 5 1 2 3 4 5
1 (2,1) (3,1) (4,1) (5,1) 1 (1,1) (2,1) (3,1) (4,1) (5,1)
2 (1,2) (3,2) (4,2) (5,2) 2 (1,2) (2,2) (3,2) (4,2) (5,2)
,03257$ 3 (1,3) (2,3) (4,3) (5,3) 3 (1,3) (2,3) (3,3) (4,3) (5,3)
4 (1,4) (2,4) (3,4) (5,4) 4 (1,4) (2,4) (3,4) (4,4) (5,4)
(/25'(1 5 (1,5) (2,5) (3,5) (4,5) 5 (1,5) (2,5) (3,5) (4,5) (5,5)
Número = 20 Número = 25
Primera extracción Primera extracción

1 2 3 4 5 1 2 3 4 5
1 1 (1,1)
12,03257$ 2 (1,2) 2 (1,2) (2,2)
3 (1,3) (2,3) 3 (1,3) (2,3) (3,3)
(/25'(1 4 (1,4) (2,4) (3,4) 4 (1,4) (2,4) (3,4) (4,4)
5 (1,5) (2,5) (3,5) (4,5) 5 (1,5) (2,5) (3,5) (4,5) (5,5)
Número = 10 Número = 15
&RPELQDWRULD1~PHURSRVLEOHGH
UHRUGHQDFLRQHVGHQREMHWRVWRPDGRVGHU HQU
6,1 &21
5((03/$=$0,(172 5((03/$=$0,(172
,03257$ Q
QU
(/25'(1 Q − U
12,03257$ § Q· § Q + U − ·
¨¨ ¸¸ ¨¨ ¸¸
(/25'(1 ©U¹ © U ¹

/DSULPLWLYD6HHOLJHQQ~PHURVGLVWLQWRVGHODO
DPERVLQFOXVLYH
3UREDELOLGDGGHDFHUWDUORV
3UREDELOLGDGGHDFHUWDU
3UREDELOLGDGGHDFHUWDU
3UREDELOLGDGGHQRDFHUWDUQLQJXQR
3UREDELOLGDGGHTXHVDOJDXQQ~PHURFRQFUHWRSRU
HMHPSORHOQ~PHUR
3ULPLWLYD
§ · § ·
¨¨ ¸¸ × ¨¨ ¸¸
3$FHUWDU= = = 3$FHUWDU= © ¹ © ¹ = =
§ · § ·
¨¨ ¸¸ ¨¨ ¸¸
©¹ ©¹
§ · § · § ·
¨¨ ¸¸ × ¨¨ ¸¸ ¨¨ ¸¸

3$FHUWDU= © ¹ © ¹ = = 31LQJXQR= © ¹ = =
§ · § ·
¨¨ ¸¸ ¨¨ ¸¸
©¹ ©¹
§ ·
¨¨ ¸¸

36DOJDHO= © ¹ = =
§ ·
¨¨ ¸¸
©¹

(QXQDHVWDFLyQGHPHWURKD\SDVDMHURVHVSHUDQGRDXQ
WUHQFRQYDJRQHVVLFDGDSDVDMHURHOLJHXQYDJyQDOD]DU
¢FXiOHVODSUREDELOLGDGGHTXHWRGRVHOLMDQXQYDJyQ
GLIHUHQWH"
1 $ × × × ×
3 $ = =
=
1
'HXQORWHFRQSLH]DVVHWRPDQDOD]DUVLWRGDVODV
SLH]DVHOHJLGDVVRQEXHQDVVHDFHSWDHOORWH\VHUHFKD]DHQ
FDVRFRQWUDULR¢&XiOHVODSUREDELOLGDGGHDFHSWDUXQORWH
FRQSLH]DVGHIHFWXRVDV"
§ · § ·
1 = ¨¨ ¸¸ = 1 $ = ¨¨ ¸¸ =
© ¹ © ¹
1 $ × × "×
3 $ = = = =
1 × × "×
Cumpleaños
Probabilidad de que en un grupo de r = 25 personas
haya al menos dos con el mismo cumpleaños.
$ $ $U
U
$=1RKD\DQLQJXQDFRLQFLGHQFLD
× × " × − U +
3 $=
U
3 $ = 3$ U = → 3 $ =

Probabilidad y Frecuencia Relativa
La probabilidad P(A) de un suceso A es el

límite
Q$
3 $ = OLP
Q →∞ Q
dónde nA es el número de veces que ha
ocurrido A al repetir el experimento n
veces en idénticas condiciones.
Frecuencia relativa de caras
1,00
Nº de Caras / Nº de Lanzam ientos
0,50
0,00
0 50 100 150 200
Nº de lanzam iento

7RWDOVRUWHRV

3UREDELOLGDG&RQGLFLRQDGD
Mujeres Hombres
TOTAL
(M) (H)
Fumadores
0,12 0,18 0,30
(F)
No Fumadores
0,39 0,31 0,70
(N)
TOTAL 0,51 0,49 1,00

° 3 ) _ + = =

°
3 ) = ®
°
°3 ) _ 0 = =
¯
Probabilidad Condicionada
Definición. Sea B un suceso con

probabilidad distinta de cero, se
define probabilidad del suceso A
dado B a:
3 $ ∩ %
3 $ _ % =
3 %

Utilidad
• Actualizar probabilidad del suceso A en

función de la información disponible I
P(A|I) = P(A∩I)/P(I)
• Cálculo de la intersección de sucesos
P(A ∩B) = P(A|B)P(B)
• Cálculo de probabilidad de un suceso
3 $ = 3 $ ∩ % ∪ $ ∩ %
= 3 $ _ % 3 % + 3 $ _ % 3 %
Ejemplo Urna
Probabilidad de “1ª Blanca y 2ª Negra”

• Sin reemplazamiento:
P(B1 ∩ N2) = P(B1) P(N2| B1)
= (3/5)(2/4) = 3/10
• Con reemplazamiento:
P(B1 ∩ N2) = P(B1) P(N2| B1)
= (3/5)(2/5) = 6/25

Cumpleaños
Probabilidad de que en un grupo de r = 25 personas
haya al menos dos con el mismo cumpleaños.
$ $ $U
U
%U =1RKD\DQLQJXQDFRLQFLGHQFLDHQU
3%U = 3% 3 % _ $ 3 % _ $ ≠ $ " 3 %U _ $ ≠ $ ≠ " ≠ $U −
− − − U +
= × × × "×

3 %U = 3%U U = → 3 %U =
Ejemplo
8UQD8 8UQD8
6HHOLJHXQDXUQDDOD]DU\VHH[WUDHXQDEROD¢ 3%ODQFD "

3 % = 3 % _ 8 38 + 3 % _ 8 38

= × + × = =


Ejemplo (cont.)
8UQD8 8UQD8
6HWRPDDOD]DUXQDERODGH8\VHPHWHHQ86HH[WUDH
XQDERODGH8¢ 3%ODQFD "
3 % = 3 % _ % 3 % + 3 % _ 1 3 1

= × + × = =

Independencia
6LHOFRQRFLPLHQWRGHODRFXUUHQFLDGHXQVXFHVR% FDPELD
ODSUREDELOLGDGGHTXHRFXUUDRWUR$VHGLFHTXH$ \% VRQ
GHSHQGLHQWHVHQHVHFDVR3$_%≠ 3$
&XDQGR HOVXFHVR$ HVLQGHSHQGLHQWHGH%ODRFXUUHQFLDGH

% QRFDPELDODSUREDELOLGDGGH$HVGHFLU3$_% 3$
&RPR3$_% 3$∩%3%
⇔ 3$∩% 3$3%
$ \% VRQLQGHSHQGLHQWHV⇔

Lanzamiento de dos monedas
6 ^&&&;;&;;`
+LSyWHVLV
0RQHGDVHTXLOLEUDGDV3& 3;
,QGHSHQGLHQWHV
3&& 3&3& ×

3&; 3&3; ×
3;& 3;3& ×
3;; 3;3; ×
,QGHSHQGHQFLDRPiVVXFHVRV
7UHVVXFHVRV$% \& VRQLQGHSHQGLHQWHVVL
3$ ∩ %∩ & 3$3%3&
3$ ∩ % 3$3%
3$ ∩ & 3$3&
3% ∩ & 3%3&
/RVVXFHVRV$ $ $Q

VRQLQGHSHQGLHQWHVVL
FXDOTXLHUVXEFRQMXQWR$L$L$LNFXPSOH
3$L∩$L∩∩ $LN 3$L3$L3$LN

Probabilidad Total
3DUWLFLyQ
% % %
% % %% %Q % M ⊂ 6
$ %L ∩ % M = ∅ ∀L ≠ M
% % % %
% % ∪ % ∪ " ∪ %Q = 6
3 $ = 3 $ ∩ 6
= 3[ $ ∩ % ∪ % ∪ " ∪ %Q ]
= 3[ $ ∩ % ∪ $ ∩ % ∪ " ∪ $ ∩ %Q ]
= 3 $ ∩ % + 3 $ ∩ % + " + 3 $ ∩ %Q
3 $ = 3 $ _ % 3 % + 3 $ _ % 3 % + " 3 $ _ %Q 3 %Q
Teorema de Bayes
6HD% % %Q XQDSDUWLFLyQGHOHVSDFLR6
WDOTXH3% M > SDUD M = Q\VHD $
FXDOTXLHUVXFHVRFRQ3$ > HQWRQFHV
SDUDFXDOTXLHU%L
3$_%L 3%L
3%L_$ = Q

¦ 3$_%
M =
M 3% M

Ejemplo (Bayes)
0 0 0
' ' '
SK SK SK
$/0$&e1
(OSRUFHQWDMHGHSLH]DVGHIHFWXRVDVIDEULFDGDVSRUWUHVPiTXLQDV
HV\/DSULPHUDIDEULFDSLH]DVSRUKRUD\ODV
RWUDV GRV SLH]DV SRU KRUD 7RGDV ODV SLH]DV IDEULFDGDV VH
OOHYDQ D XQ DOPDFpQ $O ILQDO GHO GtD VH WRPD XQD SLH]D GHO
DOPDFpQ \ HV GHIHFWXRVD ¢FXiO HV OD SUREDELOLGDG GH TXH
SURFHGDGH0 "
3 ' _ 0 30
30 _ ' =
3 ' _ 0 30 + 3 ' _ 0 30 + 3 ' _ 0 30
×
= =
× + × + ×
3 ' _ 0 30
30 _ ' =
3 ' _ 0 30 + 3 ' _ 0 30 + 3 ' _ 0 30
×
= =
× + × + ×
3' _ 0 30
30 _ ' =
3 ' _ 0 30 + 3 ' _ 0 30 + 3 ' _ 0 30
×
= =
× + × + ×
30 _ ' + 30 _ ' + 30 _ ' =

6LXQDSHUVRQDHVSRUWDGRUDGHOYLUXV$XQDQiOLVLVGHVDQJUH
ORGHWHFWDHOGHODVYHFHV6LQHPEDUJRHOWHVW WDPELpQ
SURSRUFLRQD ³IDOVRV SRVLWLYRV´ LQGLFDQGR OD SUHVHQFLD GHO
YLUXV HQ HO GH SHUVRQDV VDQDV 6L VyOR GH FDGD
SHUVRQDVWLHQHQHOYLUXV¢FXiOHVODSUREDELOLGDGGHTXHXQD
SHUVRQD WHQJD HO YLUXV UHDOPHQWH VL HO DQiOLVLV KD GDGR
SRVLWLYR"
9 = 7HQHUHO9LUXV 6 = (ODQiOLVLVHVSRVLWLYR
39 ∩ 6 3 6 _ 9 39
3 9 _ 6 = =
3 6 3 6 _ 9 3 9 + 3 6 _ 9 3 9
×
= =
× + ×
Ejemplo Virus
(Aplicado a 1.000.000 personas)
SANOS ENFERMOS Total

NEGATIVO 965.150 50 965.200
POSITIVO 29.850 4.950 34.800
Total 995.000 5.000 1.000.000
(QWUHORV TXHKDQGDGRSRVLWLYRVyOR
WLHQHQHOYLUXV
39_6

2. 2 Variable aleatoria
Experimento Aleatorio
EL término “experimento aleatorio” se utiliza

en la teoría de la probabilidad para referirse a
un proceso cuyo resultado no es conocido de
antemano con certeza.
“Suma de valores en el lanzamiento de 2
dados.”
Variable Aleatoria
8QDYDULDEOHDOHDWRULD HVXQDIXQFLyQTXHDVLJQDXQQ~PHUR
UHDODFDGDXQRGHORVUHVXOWDGRVGHXQH[SHULPHQWRDOHDWRULR
Lanzamiento de 2
monedas
X(s) ≡Número de CARAS
s X(s)
CC→ 2
CX → 1
XC → 1
XX → 0
Variable Aleatoria Discreta
Cuando los valores que toma una

variable aleatoria son finitos o
infinitos numerables se dice que es
discreta.
• Resultado obtenido al lanzar un dado
{1,2,3,4,5,6}
• Número de veces que hay que lanzar
una moneda hasta obtener una CARA
{1,2,3,4, ...}
Distribución de probabilidad
Sea { x1 , x2 , ..., xn } los valores que puede tomar la
variable aleatoria X. Se denomina distribución de
probabilidad de la variable aleatoria a P( X=xi ) que
cumple:
• P ( X = xi ) ≥ 0
• Σi=1 P ( X = xi ) = 1.
x P(X=x)
0 → 1/4
1 GH&DUDVDOODQ]DUPRQHGDV
1 → 1/2
2 → 1/4
Distribución de probabilidad
p(X)
1/2
1/4
0 1 2 3
x
1 GH&DUDVDOODQ]DUPRQHGDV

Lanzamiento de un dado
[ 3 ; = [
P (X = x)

1/6

1 3 5
x
Función de distribución
/DIXQFLyQGHGLVWULEXFLyQ);[ GHXQDYDULDEOHDOHDWRULD
; VHGHILQHSDUDWRGRQ~PHURUHDO[FRPR
);[ 3;;≤ [
(MHPSOR ; 1~PHURGHFDUDVDOODQ]DUPRQHGDV
x FX ( x )
F(x)
(-∞,0) 0
1
[0,1) 1/4
3/4
[1,2) 3/4 1/2
[2,∞) 1 1/4
0 1 2 3
x

1
3/4
1/2
)XQFLyQGH
1/4 'LVWULEXFLyQ
0 1 2 3
x
1/2
'LVWULEXFLyQ
1/4
SXQWXDOGH
SUREDELOLGDG
0 1 2 3
x
Lanzamiento de un dado
F(x)
[ 3 ; = [

1 3 5
x

p(x)

1/6
1 3 5
x

Una función F(x) es una función de distribución
si y sólo si cumple las siguientes condiciones:
D OLP ) [ = \ OLP ) [ =
[ → −∞ [ → +∞
E )[HVXQDIXQFLyQQRGHFUHFLHQWH
F )[HVFRQWLQXDSRUODGHUHFKD
∀K > OLP ) [ + K = ) [
K →
Variable aleatoria continua

Una variable aleatoria X es continua si su
función de distribución FX ( x ) es
continua. F(x)
[
1

3/4
1/2
1/4
0 0,5 1 1,5

x
);[ [[∈ >

Función de densidad
La función de densidad de probabilidad
fX(x) de una variable aleatoria continua X
es la función que verifica
[
); [ = ³ I ; W GW ∀ [
−∞
Si FX(x) es derivable, además

G
); [ = I ; [
G[
F(x)
1
)XQFLyQGHGLVWULEXFLyQ
3/4
1/2 );[ [[∈>
1/4
0 0,5 1 1,5
x
f(x)
)XQFLyQGHGHQVLGDG
I;[ [∈>@
0 0,5 1 1,5
x

Una función fX (x) es una función de densidad
de probabilidad de una variable aleatoria X si y
sólo si cumple:
D I ; [ ≥ SDUDWRGR [
∞
E³ I ; [ G[ =
∞
ÈUHD
Esperanza
Se define esperanza o media de una
variable aleatoria discreta X y se representa
por E[X] al valor Q
(> ; @ = ¦ [L 3 ; = [L
L =
(MHPSOR/DQ]DPLHQWRGHXQGDGR

(> ; @ = × + × + × + × + × + × =

1/6 &HQWURGHOD
GLVWULEXFLyQGH
1 3 5 SUREDELOLGDG
x


Esperanza
Se define esperanza o media de una variable aleatoria
continua X con función de densidad fX(x) y se representa
por E[X] al valor
∞
(> ; @ = ³[ I
−∞
; [ G[
(MHPSOR 'LVWULEXFL yQ XQLIRUPH I ; [ = ≤ [ ≤

[
( > ; @ = ³ [ × G[ = =

1
&HQWURGHOD
GLVWULEXFLyQGH
SUREDELOLGDG
0 0,5 1 1,5
x
Propiedades de E[X]
• Transformaciones lineales Y = a X+b

(a y b constantes)
(>D; + E@ = D(> ; @ + E

Varianza
Sea X una variable aleatoria con

media µ, se denomina varianza a
Var ( X ) = E[ ( X - µ )2 ].
• Variable aleatoria discreta
∞
9DU> ; @ = ¦ [ − µ
[ = −∞

3 ; = [
• Variable aleatoria continua

∞
9DU> ; @ = ³ [ − µ I ; [ G[
−∞
Propiedades de la varianza
9DU ; = (> ; − µ @
= (> ; @ − µ
9DU D; + E = D 9DU ;

Ejemplos
/DQ]DPLHQWRGHXQGDGR

9DU> ; @ = × + × + × + × + × + × −

=

'LVWULEXFLyQXQLIRUPH

9DU>;@ = ³ [ × G[ −

[
= − =

Desigualdad de Tchebychev

$UHD ≥ −
N
µ N σ µ µ N σ
3DUDFXDOTXLHUYDULDEOHDOHDWRULD
µ = (> ; @ σ = 9DU> ; @

3 ; − µ ≤ Nσ > −
N
Momentos de una V.A.
0RPHQWRVUHVSHFWRDO2ULJHQ 0RPHQWRVUHVSHFWRDODPHGLD
µ = (> ; @ = µ α = (> ; − µ @ =
µ = (> ; @ α = (> ; − µ @ = σ

µ S = (> ; S @ α S = (> ; − µ S @
Transformaciones no lineales
z=h(y)
'HVDUUROORGH7D\ORUSDUD ] = K \ HQµ = (>\@

] ≈ K µ + K
µ \ − µ + K

µ \ − µ

/DPHGLD\YDULDQ]DVGH]VRQDSUR[

(>]@ ≈ Kȝ + K
ȝ 9DU\

9DU> ] @ ≈ [K
µ ] 9DU> \ @

Transformaciones
'DGDXQDYDULDEOHDOHDWRULD ; FRQIXQFLyQ
GHGHQVLGDG I ; [YDPRVDYHUFRPRVHREWLHQH
ODIXQFLyQGHGHQVLGDG I< \ GHODYDULDEOH
DOHDWRULD< GHILQLGDFRPR
< = J;
&DVRVDFRQVLGHUDU
/DIXQFLyQJ HVPRQyWRQDFUHFLHQWH
/DIXQFLyQJ HVPRQyWRQDGHFUHFLHQWH
/DIXQFLyQJ QRHVPRQyWRQD
Función g creciente
)< \ = 3 < ≤ \
= 3 J ; ≤ \
= 3 ; ≤ J − \
\
= ); J − \
<≤ \
G)< \
[ J\ I< \ =
;≤ J\ G\
G J − \
= × I ; J − \
G\

Función g decreciente
)< \ = 3 < ≤ \
= 3 J ; ≤ \
= 3 ; ≥ J − \
\
= − ); J − \
<≤ \
G)< \
[ J\ I< \ =
G\
≥ J\
;≥
G J − \
=− × I ; J − \
G\
Función monótona
G J − \
I< \ = × I ; J − \
G\

Transformación no monótona
\
<≤\
[ [ [ [ [ [
[
)< \ = 3 < ≤ \
= 3 [ ≤ ; ≤ [ + 3 [ ≤ ; ≤ [ + 3 [ ≤ ; ≤ [
Ejemplo de transformación
El radio de una esfera es una variable
aleatoria cuya función de densidad es
I ; [ = [ ≤ [ ≤
¿Cuál es la función de densidad del volumen?
< =9ROXPHQGHODHVIHUD
G −
§ < · I< \ = J \ × I ; J − \
< = π ; ; =¨ ¸ G\
© π ¹
π
= ≤ \≤
§ \ ·
π
J [ = π [ J − \ = ¨ ¸
© π ¹

[ π \
π
I ; [ = [ ≤ [ ≤ I< \ = ≤ \≤
π

\ = π [

Un caso muy relevante del

problema inverso
Dadas:
1) Una variable aleatoria x con distribución
uniforme (0,1)
2) Una variable aleatoria y con función de
densidad fY(y)
Encontrar la transformación y=g(x) que convierte
x en y

Solución del problema
G J − \
= I< \
G\
−
J [ = )\ [
Representación gráfica con

ejemplo
I< \ = λH − λ\ λ =
; = \ = − λ ORJ − [ =

Aplicación: Simulación de
Monte Carlo
Simulación con ordenador de procesos
aleatorios; tiene dos vertientes:
1) Pedagógica: como herramienta para entender
mejor los modelos de probabilidad
2) Computacional: herramienta muy potente para
resolver problemas no abordables por métodos
convencionales
Ejemplo de problema resuelto

por simulación de Monte Carlo
Problema de los cumpleaños:
1) Se generan al azar con distribución uniforme
discreta en 1,2,..,365, r valores (fechas de
nacimiento de las r personas)
2) Se cuenta el número de coincidencias
3) Repitiendo N veces los pasos 1 y 2, se
obtiene una aproximación de la distribución del
número de coincidencias

Cap 2 E

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cap 2 E

Cargado por

Copyright:

Formatos disponibles

2.

Probabilidad y variable aleatoria 2

EL término “experimento aleatorio” se

• Número de piezas defectuosas en

Probabilidad y variable aleatoria 4

Cualquier subconjunto del espacio muestral.

Probabilidad y variable aleatoria 6

Sean A y B dos subconjuntos de S

Probabilidad y variable aleatoria 8

Probabilidad y variable aleatoria 9

Probabilidad y variable aleatoria 10

Probabilidad y variable aleatoria 12

1. Clásica (Laplace): Equiprobabilidad

2. Frecuencialista (von Mises, 1931)

Probabilidad y variable aleatoria 13

Clásica: sucesos equiprobables

Probabilidad y variable aleatoria 14

Probabilidad y variable aleatoria 15

Lanzamiento de dos dados

P(“suma 7”) = 6/36 = 1/6

Probabilidad y variable aleatoria 16

Se extraen dos bolas al azar, una detrás de

Probabilidad y variable aleatoria 17

Urna: 2 Negras y 3 Blancas

B1 B1,B1 B2,B1 B3,B1 N1,B1 N2,B1

Se extraen dos bolas al azar, una detrás de

Probabilidad y variable aleatoria 18

Primera extracción Primera Extracción

Primera extracción Primera extracción

Probabilidad y variable aleatoria 19

Probabilidad y variable aleatoria 20

Probabilidad y variable aleatoria 21

Probabilidad y variable aleatoria 22

Probabilidad y variable aleatoria 23

Probabilidad y variable aleatoria 24

La probabilidad P(A) de un suceso A es el

Probabilidad y variable aleatoria 25

Frecuencia relativa de caras

Probabilidad y variable aleatoria 26

Probabilidad y variable aleatoria 28

TOTAL 0,51 0,49 1,00

Probabilidad y variable aleatoria 29

Definición. Sea B un suceso con

Probabilidad y variable aleatoria 30

• Actualizar probabilidad del suceso A en

Probabilidad y variable aleatoria 31

Probabilidad de “1ª Blanca y 2ª Negra”

Probabilidad y variable aleatoria 32

Probabilidad y variable aleatoria 33

6HHOLJHXQDXUQDDOD]DU\VHH[WUDHXQDEROD¢ 3 %ODQFD "

Probabilidad y variable aleatoria 34

&XDQGR HOVXFHVR$ HVLQGHSHQGLHQWHGH%ODRFXUUHQFLDGH

&RPR3 $_% 3 $∩% 3 % 

Probabilidad y variable aleatoria 36

3 && 3 & 3 &  ×  

Probabilidad y variable aleatoria 37

 /RVVXFHVRV$ $ $Q

Probabilidad y variable aleatoria 38

Probabilidad y variable aleatoria 39

Probabilidad y variable aleatoria 40

SK SK SK

3 0  _ ' + 3 0  _ ' + 3 0  _ ' = 

Probabilidad y variable aleatoria 42

6HHOLJHXQDXUQDDOD]DU\VHH[WUDHXQDEROD¢ 3%ODQFD "

&XDQGR HOVXFHVR$ HVLQGHSHQGLHQWHGH%ODRFXUUHQFLDGH

&RPR3$_% 3$∩%3%

3&& 3&3& ×

/RVVXFHVRV$ $ $Q

SK SK SK

30 _ ' + 30 _ ' + 30 _ ' =

0 0,5 1 1,5

);[ [[∈ >

(MHPSOR 'LVWULEXFL yQ XQLIRUPH I ; [ = ≤ [ ≤