Documentos de Académico
Documentos de Profesional
Documentos de Cultura
- VARIABLES ALEATORIAS
DISCRETAS.- CURSO 22/23
2.1. Concepto de variable aleatoria. Tipos de variables aleatorias.
2.2. Variables aleatorias discretas. Distribución de probabilidad.
Diagrama de barras. Cálculo de probabilidades.
2.3. Función de distribución de una variable aleatoria cualquiera, F.
2.3.1. Función de distribución para variables discretas.
2.3.2. Propiedades de una función de distribución general. F .
Particularización para el caso de v.a. discretas.
2.3.3. Obtención de la distribución de probabilidad de una v.a.
discreta a partir de su función de distribución F.
2.4. Medidas asociadas a una variable aleatoria discreta.
2.5. Independencia de variables aleatorias discretas.
2.6. Variables aleatorias discretas que sirven como modelos en
situaciones reales.
2.1. Concepto de variable aleatoria
Objetivo: Dado un experimento aleatorio, en vez de calcular
probabilidades de sucesos asociados al experimento, queremos
MEDIR alguna característica asociada al mismo.
Ejemplo 1:
a) Experimento aleatorio: lanzar dos monedas
X: número de caras al lanzar dos monedas
b) Experimento aleatorio: lanzar un dado
Y: Número de veces que hay que lanzar un dado hasta obtener un 5.
c) Experimento aleatorio: observación de la transmisión de un
mensaje.
Z: tiempo que transcurre hasta que un mensaje llega a su destino
en una red de comunicaciones.
2.1. Concepto de variable aleatoria
Definición: Sea E el espacio muestral asociado a un
experimento aleatorio. Llamaremos VARIABLE
ALEATORIA a una función X : E que cumple ciertas
condiciones “técnicas”.
• Esta función “convierte” la probabilidad P definida en S en
otra probabilidad, P*, definida en , que es el conjunto
donde trabajaremos desde este tema en adelante.
• A P* se le llama PROBABILIDAD INDUCIDA por P y es
una función de probabilidad: verifica los axiomas y TODAS
las propiedades derivadas. También sirven los conceptos y
fórmulas estudiadas en el tema anterior: probabilidades
condicionadas, teoremas de Probabilidad Total y Bayes,…
2.1. Concepto de variable aleatoria
Ejemplo 2: A partir del experimento aleatorio que consiste en
lanzar dos monedas y dada la variable aleatoria que mide
X: número de caras al lanzar dos monedas, X : E ,
a) Dar los valores que toma la variable X a partir de los
elementos del espacio muestral E.
b) Asignar probabilidades ( P* ) a cada uno de estos valores a
partir de la probabilidad (P ) de cada uno de los sucesos
elementales del espacio muestral E.
Caracterización.
Cálculo de probabilidades.
Medidas características.
Modelos de variables discretas que aparecen
habitualmente en situaciones reales.
2.2. VARIABLES ALEATORIAS
DISCRETAS
Definición: Llamaremos distribución de probabilidad de
una variable discreta X al conjunto de valores que toma, xi ,
junto con sus probabilidades, pi = P(X = xi ), i = 1,2,3,…. Los
valores pi se llaman función de masa y verifican:
1. pi 0 2. pi 1
i 1
Los valores xi se llaman puntos de masa.
(si X toma un número finito de valores, la serie de la
definición es una suma finita).
IMPORTANTE : Una variable aleatoria discreta queda
totalmente definida y caracterizada si conocemos su
distribución de probabilidad.
REPRESENTACIÓN GRÁFICA DE UNA
VARIABLE ALEATORIA DISCRETA
FX x P X x P( X (, x]) pi x
xi x
Observaciones:
1. F está definida para todo número x real. .
2. F(x) es la probabilidad del intervalo (- ∞,x], es decir, la
probabilidad ACUMULADA desde - ∞ hasta x.
2.3.1. FUNCIÓN DE DISTRIBUCIÓN
PARA VARIABLES ALEATORIAS
DISCRETAS
Ejemplo 5: Para la variable X: número de caras obtenidas al
lanzar dos veces una moneda:
a) Calcular F(1) y ver que no coincide con P(X = 1).
b) Obtener la función de distribución, F, y representarla.
c) Calcular P(1 X 2) usando la función de distribución.
Observación: Las funciones de distribución de variables
aleatorias discretas:
a) Siempre son FUNCIONES ESCALONADAS.
b) Verifican unas propiedades que cumplen TODAS las
funciones de distribución tanto las asociadas a v.a. discretas
como las de v.a. continuas (tema 3). Estas propiedades están
recogidas en la transparencia siguiente.
2.3.2.PROPIEDADES DE UNA
FUNCIÓN DE DISTRIBUCIÓN F
(GENERAL)
1 lim F x F 0
X X
x
2. lim FX x FX 1
x
3. FX es monótona no decreciente (constante o creciente):
FX x FX x h h 0
4. FX es continua por la derecha:
lim FX x h FX x ó lim FX x FX x0
ho xx0
0 x0
2
x
F x 0 x2
2
1 x2
2.3.3. OBTENCIÓN DE LA DISTRIBUCIÓN DE
PROBABILIDAD DE UNA V.A. DISCRETA A PARTIR
DE SU FUNCIÓN DE DISTRIBUCIÓN F
Teorema : Sea X una variable aleatoria discreta con función
de distribución F. Entonces, su distribución de probabilidad
xi , pi P( X xi ) viene dada por:
xi :puntos de discontinuidad de F
pi F xi F xi : altura de la discontinuidad en xi
V ( X ) E[ X E X ] E[ X 2 ] E[ X ]
2 2
P A B P A P B
Teorema: X e Y, v.a.discretas son independientes si y sólo sí:
P X xi Y y j P X xi , Y y j P X xi P Y y j
E a1 X1 a2 X 2 an X n b a1E[ X 1 ] a2 E[ X 2 ] an E[ X n ] b.
k
n
Además, P X k 0 y P X k 1
k 0
2. Media y varianza:
E[ X ] np y V ( X ) np(1 p)
3. Propiedad de reproductividad para el parámetro n para p fijo:
Si X 1 B n1 , p , X 2 B n2 , p ,..., X k B nk , p , independientes
X 1 X 2 ... X k B n1 n2 ... nk , p
REPRODUCTIVIDAD DE LA DISTRIBUCIÓN BINOMIAL
Notación: X B n, p
F (k ) P( X k ) pi
xi k
P ( X 3), P ( X 3), P X 3 ,
P (2 X 4), P (2 X 4), P 2 X 4 , P 2 X 4 ,
P X 2 , P X 2
2.6.3 Distribución geométrica de parámetro p
Notación: X G p
P X k 1 p p, k 0,1, 2,3,...., 0 p 1
k
Además, P X k 0 y P X k 1
k 0
2. La media y varianza son:
1 p 1 p
E[ X ] k 1 p p , V (X ) 2
k
k 0 p p
3. Esta distribución NO es reproductiva respecto de p.
4. No hay tablas de la distribución geométrica.
5. Para hacer cálculos del tipo P X k usaremos que
P X k 1 p ó P X k 1 P X k
k
PROPIEDADES DE LA DISTRIBUCIÓN
GEOMÉTRICA
1. E[ X ] y V ( X )
2. Se dispone de tablas para calcular probabilidades. Estas
tablas recogen la función de distribución, F(k) = P( X ≤ k). Su
uso es idéntico al de la tabla de la binomial.
Sólo se dispone de tablas para λ ≤ 10.