Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Función de probabilidad
Función de distribución
Función de densidad
1 Concepto de
Introducción variable
a las aleatoria
1 Concepto de variable al
Función de probabilidad
Función de distribución
Función de densidad
Ejemplos
si
E X(si) = b; si E
sk
X(sk) = a
RX
a b
si
E X(si) = b; si E
sk
X(sk) = a
RX
a b
22 Variables
Variables aleatorias
aleatorias discretas
discretas yy continuas
continuas
Función de probabilidad
Función de distribución
Función de densidad
Corriente eléctrica
p(xi) 0 p ( xi ) 1
n
p( x ) 1
i 1
i
a b c A a X b B b X c
Pr(a X c) Pr(a X b) Pr(b X c)
x
x1 x2 x3 x4 x5 x6 xn
E
XC
CC XX
CX Pr
X
RX
0 1 2
C C X P(X=x)
C X 0 1/4
1 1/2
X C 2 1/4
X X
Estadística, Profesora: María Durbán 15
2 Variables aleatorias discretas
p(x) X P(X=x)
0 1/4
1 1/2
2 1/4
x=0 x=1 x=2 X
F ( x0 ) P ( X x0 )
F () 0 F ( ) 1
si X toma valores x1 x 2 K x n :
F ( x1 ) P ( X x1 ) p ( x1 )
F ( x2 ) P( X x2 ) p ( x1 ) p ( x2 )
M
F ( xn ) P( X xn ) i 1 p( xi ) 1
n
p(x) X P(X=x)
0 1/4
1 1/2
2 1/4
x=0 x=1 x=2 X
F(x) X F(x)
1
0 1/4
0.75
0.5
1 3/4
0.25 2 1
x=0 x=1 x=2 X
p( x ) 1
i 1
i
Lo natural es generalizar
f ( x) 0
f ( x) dx 1
b
P(a X b) f ( x) dx
a
f ( x) 0
f ( x) dx 1
b
P(a X b) f ( x) dx
a b
a
Área por debajo de
ese trozo de curva
a
P( X a) f ( x) dx 0
a
P ( a X b) P ( a X b)
P( a X b)
P( a X b) a
La forma de la
curva dependerá
de uno o más
parámetros 0 51 015202530
f ( x)
Ejemplo
0.4
0.4
2.5 x, 0 x 2.5
0.4
f ( x ) 0.8 x, 2.5 x 5
2.5
0, else
en otro caso
x
2.5 5
Estadística, Profesora: María Durbán 28
2 Variables aleatorias continuas
Ejemplo
P ( X 3. 2 ) 0.4
0. 4 0.4
2. 5 3.2
x dx 0.8 x dx
0
2. 5 2.5
2. 5
0.74
x
2.5 5
3.2
Estadística, Profesora: María Durbán 29
2 Variables aleatorias continuas
P( X x)
x 30
2 Variables aleatorias continuas
F () Pr( X ) f ( x)dx 0
F () Pr( X ) f ( x)dx 1
Ejemplo
0.4
0.4
2.5 x, 0 x 2.5
0.4
f ( x ) 0.8 x, 2.5 x 5
2.5
0, else
en otro caso
x
2.5 5
Estadística, Profesora: María Durbán 34
2 Variables aleatorias continuas
Ejemplo
0.4
2.5 x, 0 x 2.5
0.4
f ( x) 0.8 x, 2.5 x 5
2.5
0, en otro caso
Pr(0 X 2.5) Pr(2.5 X x)
x 0.4
0 u du 0 x 2.5
2.5
2.5 0.4 x 0.4
F ( x) u du 0.8 u du, 2.5 x 5
0 2.5 2.5
2.5
1 Pr( X 5) x5
Estadística, Profesora: María Durbán 35
2 Variables aleatorias continuas
Ejemplo
Ejemplo
P(x<3.2)
x=3.2
0.08 x 2 0 x 2.5
F ( x) -1 0.8 x - 0.08 x 2 2.5 x 5
1 x5
Estadística, Profesora: María Durbán 36
2 Variables aleatorias continuas
Ejemplo
P(x<3.2)
Función de probabilidad
Función de distribución
Función de densidad
33Medidas
Medidascaracterísticas
característicasde
deuna
unavariable
variablealeatoria
aleatoria
Medidas de Centralización
E X xi p ( xi ) v.a. discreta
i
E X x f ( x) dx v.a. continua
Medidas de Centralización
P( X m) 0.5
F (m) 0.5
0.5 0.5
Ejemplo
¿Cuál es el tiempo medio de funcionamiento de las máquinas?
0.4
2.5 x, 0 x 2.5
0.4
f ( x) 0.8 x, 2.5 x 5
2.5
0, en otro caso
0.4 2 0.4 2
EX
2.5 5
xf ( x)dx x dx 0.8 x x dx
0 2.5 2.5 2.5
2.5
Estadística, Profesora: María Durbán 42
3 Medidas características de una v.a.
Ejemplo
Si queremos saber el tiempo de funcionamiento tal que el 50% de
las máquinas tiene una duración menor o igual a ese
F (m) 0.5
0.08 x 2 0 x 2.5
F ( x) -1 0.8 x - 0.08 x 2 2.5 x 5
1 x 5
0.08 x 2 0.5 m 2.5
-1 0.8 x - 0.08 x 2 0.5 m 2.5
Medidas de posición
p( X x p ) p y p( X x p ) p v.a. discretas
F (xp ) p v.a. continuas
Ejemplo
Una empresa está interesada en fabricar un nuevo tipo de destornillador
eléctrico. Se sabe que la distribución de probabilidad del número de
vueltas para ajustar tornillos de 10cm es la siguiente:
x p(x)
11 0.03
12 0.03
13 0.03
14 0.06
15 0.26
16 0.09
17 0.12
18 0.21
19 0.14
20 0.03 Estadística, Profesora: María Durbán 45
3 Medidas características de una v.a.
Ejemplo
Una empresa está interesada en fabricar un nuevo tipo de destornillador
eléctrico. Se sabe que la distribución de probabilidad del número de
vueltas para ajustar tornillos de 10cm es la siguiente:
x p(x) F(x)
11 0.03 0.03
12 0.03 0.06 p ( X x p ) 0.7 y p( X x p ) 0.7
13 0.03 0.09
14 0.06 0.15
15 0.26 0.41
16 0.09 0.5
17 0.12 0.62
18 0.21 0.83
19 0.14 0.97
20 0.03 1 Estadística, Profesora: María Durbán 46
3 Medidas características de una v.a.
Medidas de dispersión
Var X E X E X
2
En el caso de una muestra de datos la varianza muestral es una medida
de la dispersión de los datos:
1 2 1 1
s ( x1 x ) ( x2 x ) K ( xn x )2
2 2
n n n
La Varianza de una v.a. utiliza la probabilidad como peso:
Var X ( xi ) p( xi )
2 2
i
v.a. discreta
Var X ( x )2 f ( x) dx
2
v.a. continua
Estadística, Profesora: María Durbán 47
3 Medidas características de una v.a.
Medidas de dispersión
Var X E X E X
2
Var X E X E X
2 2
E X E X E X E X 2 XE X
2 2 2
E X 2 E X 2 E X E X E X es una constante,
2
no depende de X
E X E X
2 2
Es un operador lineal
Función de probabilidad
Función de distribución
Función de densidad
4 Transformaciones
4 Transformaciones dede variables
variables aleatorias
aleatorias
Estadística, Profesora: María Durbán 49
4 Transformaciones de variables aleatorias
Ejemplos
Función de distribución
Y h( X )
Ejemplo
Una empresa está interesada en fabricar un nuevo tipo de destornillador
eléctrico. Se sabe que la distribución de probabilidad del número de
vueltas para ajustar tornillos de 10cm es la siguiente:
x p(x) F(x)
11 0.03 0.03 ¿Pr( X 2 144)?
A x, x 144
12 0.03 0.06
13 0.03 0.09
14 0.06 0.15
Pr( X 2 144) Pr( x A) A x, x 2 144
15 0.26 0.41 Pr X 12 0.06
16 0.09 0.5
17 0.12 0.62
18 0.21 0.83
19 0.14 0.97
20 0.03 1 Estadística, Profesora: María Durbán 52
4 Transformaciones de variables aleatorias
Y h( X )
En general:
dx
fY ( y ) f X ( x )
dy
x FX ( x) dx
FY ( y ) Fx (h 1 ( y ))
creciente
dx dy
fY ( y )
y y (1 FX ( x)) dx
dx dy
decreciente
dx
fY ( y ) f X ( x )
dy
pY ( y ) Pr(Y y )
h ( xi ) y
Pr( X xi )
Ejemplo
(b 2 / 2)v 2 e bv v 0
fV (v)
0 en el resto
Ejemplo
(b 2 / 2)v 2 e bv v 0
fV (v)
0 en el resto
W mV 2 / 2 v 2w / m v 2w / m
dv 1
2
1
fV (h (w)) (b / 2) 2
2w / m e b 2w/ m
dw 2mw
Estadística, Profesora: María Durbán 57
4 Transformaciones de variables aleatorias
Ejemplo
(b 2 / 2)v 2 e bv v 0
fV (v)
0 en el resto
Esperanza
E h( X )
h( x) f X ( x)dx
h( xi ) p ( X xi )
Y h( X ) xi , h ( xi ) y
creciente
dx
E y yf y ( y )dy h( x) f X ( x) dy
dy
Esperanza
E h( X )
h( x) f X ( x)dx
xi , h ( xi ) y
h( xi ) p ( X xi )
Transformaciones lineales
Y a bX
E Y a bE X
Var Y b Var X 2