Documentos de Académico
Documentos de Profesional
Documentos de Cultura
9$5,$%/(6$/($725,$6',6&5(7$6
'HILQLFLyQ6HDXQH[SHULPHQWRDOHDWRULRFX\RHVSDFLRPXHVWUDOHV68QD
IXQFLyQTXHDVLJQDXQQ~PHURUHDO;VDFDGDUHVXOWDGRSRVLEOHVù6
UHFLEHHOQRPEUHGHYDULDEOHDOHDWRULD
(OFRQMXQWRGHYDORUHVSRVLEOHVGHXQDYDULDEOHDOHDWRULD;UHFLEHHOQRPEUHGH
5HFRUULGRGHODYD;
(MHPSOR
6HODQ]DXQDPRQHGDWUHVYHFHV\VHD;³Q~PHURGHFDUDVREWHQLGDVHQORVWUHV
ODQ]DPLHQWRV´
6 ^&&&&&6&6&&666&&6&666&666`
3DUDFDGDSXQWRPXHVWUDOV;DVLJQDHOQ~PHURGHFDUDVTXHFRUUHVSRQGHQDHVH
SXQWRPXHVWUDO
Ejemplos:
6
Estadística I [VARIABLE ALEATORIA]
Las dos propiedades que debe cumplir una función real de variable real
para ser función de cuantía son:
8
Estadística I [VARIABLE ALEATORIA]
Ejemplo 1:
0,1x x = 1, 2,3, 4
f ( x) =
0 en el resto
Es una función de cuantía porque cumple las dos propiedades que le son
exigibles.
9
Estadística I [VARIABLE ALEATORIA]
Ejemplo 2:
Figura 4.3
Ejemplo 2 de función de cuantía
(Representación gráfica)
f(x)
0.6
0.5
0.4
0.3
0.2
0.1
0
-1 0 1 2 x
10
Estadística I [VARIABLE ALEATORIA]
Figura 4.4
Función de densidad como límite del histograma
f(x)
60
50
40
30
20
10
0
x
0 4 8 12 16 20 24 28 32 36 40
• A esa línea continua que nos da las ordenadas del histograma límite
se le llama función de densidad de una v.a. continua.
11
Estadística I [VARIABLE ALEATORIA]
+∞
2) ∫
-∞
f ( x)dx = 1 , implica que el área bajo la curva y por encima del
f(x)
0.35
0.3
0.25
0.2
0.15
0.1 S
0.05
0
3.5
x
a b
P( X = xi ) = ∫ f ( x)dx = 0.
xi
12
Estadística I [VARIABLE ALEATORIA]
Ejemplo:
Resolución:
+∞ 20
20 20
x2 20
2) ∫
-∞
f ( x)dx = ∫
0
f ( x)dx = ∫
0
0,1xdx = 0,1
2 0
= 0,1
2
− 0 = 1.
0.4
0.3
0.2
0.1
S = 0, 4
0
0 1 2 3 4 5 x
20
13
Estadística I [VARIABLE ALEATORIA]
F ( x) = P ( X ≤ x)
• Propiedades:
1. F ( −∞ ) = 0
2. F ( +∞ ) = 1
4. P ( a < X ≤ b ) = F (b) − F (a )
F ( x) = P ( X ≤ x ) = ∑ f ( xi )
xi ≤ x
14
Estadística I [VARIABLE ALEATORIA]
- P ( X > xi ) = 1 − P ( X ≤ xi ) = 1 − F ( xi )
- P ( X < xi ) = P ( X ≤ xi −1 ) = F ( xi −1 )
- P ( X ≥ xi ) = 1 − P ( X < xi ) = 1 − F ( xi −1 )
- P ( a < X ≤ b) = F (b) − F ( a )
- P ( a ≤ X ≤ b ) = F (b ) − F ( a ) + P ( X = a )
- P ( a ≤ X < b) = F (b) − P ( X = b) − F ( a ) + P ( X = a )
Ejemplo:
La tabla adjunta recoge la función de distribución de la v.a. X cuya función
de cuantía es:
0,1x x = 1, 2,3, 4 xi F ( xi )
f ( x) =
0 en el resto. [−∞,1) 0
[1, 2) 0,1
[2,3) 0,3
[3, 4) 0,6
[4, +∞) 1,0
Fi
1
0.8
0.6
0.4
0.2
0
-1 0 1 2 3 4 5 6 x
15
Estadística I [VARIABLE ALEATORIA]
1) P ( X = 3) = F ( 3) − F ( 2 ) = 0, 6 − 0,3 = 0,3
4) P ( X < 3) = P ( X ≤ 2 ) = F ( 2 ) = 0,3
5) P ( X > 2 ) = 1 − P ( X ≤ 2 ) = 1 − F ( 2 ) = 1 − 0,3 = 0, 7
16
Estadística I [VARIABLE ALEATORIA]
- P ( X < xi ) = P ( X ≤ xi ) = F ( xi )
F ( x2 ) − F ( x1 ) = ∫ f ( x)dx.
x1
dF ( x)
f ( x) = o, lo que es lo mismo, f ( x) = F ′( x).
dx
Ejemplo:
t=x
x x
t2 x2
F ( x) = ∫
−∞
f (t )dt = ∫ 0,1tdt = 0,1 = 0,1 − 0 = 0,05 x 2 .
0 2 t =0 2
dF ( x )
Se comprueba que: = F ′ ( x ) = 0,1x = f ( x).
dx
0 para x ≤ 0
F ( x) = 0,05 x 2 para 0 < x ≤ 20
1 para x > 20
17
Estadística I [VARIABLE ALEATORIA]
F(x)
0.8
0.6
0.4
0.2
0
-1 0 1 2 3 4 5 x
20
-0.2
18
Estadística I [VARIABLE ALEATORIA]
a) Esperanza Matemática
Ejemplo:
1 37
E [ X ] = 35 ⋅ + (−1) ⋅ ≃ −0,0526 euros
38 38
1 1 1 1 1 1
E [ X ] = 1 ⋅ + 2 ⋅ + 3 ⋅ + 4 ⋅ + 5 ⋅ + 6 ⋅ = 3,5
6 6 6 6 6 6
19
Estadística I [VARIABLE ALEATORIA]
E ( X ) = ∑ x f ( x) = µ
x
E ( X ) = ∫ x f ( x) dx = µ
x
20
Estadística I [VARIABLE ALEATORIA]
Ejemplo:
Supongamos el juego según el cual un jugador recibe 100 euros por cada
punto que obtenga en el lanzamiento de su dado. ¿Cuál es el valor esperado
de este juego? Veamos qué valores toma la v.a. original, su función y las
probabilidades asociadas:
xi ϕ ( xi ) = 100 xi f ( xi )
1 100 1/6
2 200 1/6
3 300 1/6
4 400 1/6
5 500 1/6
6 600 1/6
E[ϕ ( X )] = ∑ ϕ ( x) f ( x) = ϕ ( x1 ) f ( x1 ) + ϕ ( x2 ) f ( x2 ) + ⋯ + ϕ ( x6 ) f ( x6 ) =
x
1 1 1 1 1 1
= 100 ⋅ + 200 ⋅ + 300 ⋅ + 400 ⋅ + 500 ⋅ + 600 ⋅ = 350 euros.
6 6 6 6 6 6
- V.a. discreta: E [ a ] = ∑ af ( x) =a ∑ f ( x) =a ⋅1 = a
x x
2. (Cambio de origen): Si ϕ ( X ) = a + X , E [ a + X ] = a + E [ X ]
21
Estadística I [VARIABLE ALEATORIA]
4. (Transformación lineal): Si ϕ ( X ) = a + bX , E (a + bX ) = a + bE ( X )
- V.a. continua:
5. Si a ≤ X ≤ b, entonces a ≤ E ( X ) ≤ b.
6. Si ϕ ( X ) = g ( X ) + h( X ) , E[ g ( X ) + h( X )] = E[ g ( X )] + E[h( X )]
E[ g ( X ) + h( X )] = ∫ [ g ( x) + h( x) ] f ( x)dx =
x
= ∫ g ( x) f ( x)dx + ∫ h( x) f ( x)dx = E [ g ( X ) ] + E [ h( X ) ]
x x
n
n
E (a + bX ) = ∑ a n-i bi E ( X i )
n
i =0 i
22
Estadística I [VARIABLE ALEATORIA]
Si r = 0 µ0′ = E X 0 = E [1] = 1
µ r = E ( X - µ ) = ∑ ( x - µ ) r f ( x )
r
si X es una v.a. discreta
x
µr = E ( X - µ ) = ∫ ( x − µ ) r f ( x)dx
r
si X es una v.a. continua
x
23
Estadística I [VARIABLE ALEATORIA]
Si r = 0 µ0 = E ( X - µ ) = E [1] = 1
0
Si r = 1 µ1 = E ( X - µ ) = E [ X ] − E [ µ ] = µ − µ = 0.
1
Si r = 2 µ2 = E ( X − µ ) = Var ( X ) = σ 2
2
24
Estadística I [VARIABLE ALEATORIA]
Var ( X ) = σ 2 = µ 2 = E ( X − µ ) = µ 2′ − µ 2
2
• Propiedades de la varianza:
1. Var ( a ) = 0
• Desv ( X ) = σ = + Var ( X )
σ
• CV = ⋅100
µ
25