2 Aplicaciones Variables Aleatorias

Estadística
Modelos probabilísticos
Variable Aleatoría y Modelos

probabilísticos
Variable aleatoria
El resultado de un experimento aleatorio puede ser
descrito en ocasiones como una cantidad numérica.
En estos casos aparece la noción de variable aleatoria

Función que asigna a cada suceso un número.
Las variables aleatorias pueden ser discretas o

continuas (como en el primer tema del curso).
En las siguientes transparencias vamos a recordar

conceptos de temas anteriores, junto con su nueva
designación. Los nombres son nuevos. Los conceptos
no.
Variable Aleatoría y Modelos probabilísticos
1
Función de probabilidad (V. Discretas)
Asigna a cada posible 40%
valor de una variable 35%
discreta su probabilidad. 30%
25%
Recuerda los conceptos de
20%
frecuencia relativa y diagrama
de barras. 15%
10%
5%
Ejemplo : Resultado del 0%
lanzamiento de dos dados 0 1 2 3
iguales.
Valores
que Toma Función de Función de
Eventos Número de
la Variable Probabilidad Distribución
Asociados Eventos
Aleatoria
X f(x) F(x)
10 {US$10} 275 0,550 0,550
25 {US$25} 150 0,300 0,850
100 {US$100} 75 0,150 1,000
500 1
2
Función de Probabilidad (Masa)
0,600
0,500
Probabilidad
0,400
0,300
0,200
0,100
0,000
10 25 100
Valores de la Variable Aleatoria
Función de Distribución
1,2
1
Probabilidad
0,8
0,6
0,4
0,2
0
0 10 20 30 40 50 60 70 80 90 100 110
Valores de la Variable Aleatoria
3
X: Variable Aleatoria, La suma del resultado
al lanzar dos dados iguales
Valores
que Toma Función de Función de
Eventos Número de
la Variable Probabilidad Distribución
Asociados Eventos
Aleatoria
X f(x) F(x)
2 {1,1} 1 1/21 1/21
3 {1,2} 1 1/21 2/21
4 {1,3}, {2,2} 2 2/21 4/21
5 {1,4},{2,3} 2 2/21 6/21
6 {1,5},{2,4},{3,3} 3 3/21 9/21
7 {1,6},{2,5},{3,4} 3 3/21 12/21
8 {2,6},{3,5},{4,4} 3 3/21 15/21
9 {3,6},{5,4} 2 2/21 17/21
10 {4,6},{5,5} 2 2/21 19/21
11 {5,6} 1 1/21 20/21
12 {6,6} 1 1/21 1
21 1

Función de Probabilidad
0,16
0,14
0,12
0,1
P(X)
0,08
0,06
0,04
0,02
0
2 3 4 5 6 7 8 9 10 11 12
Valores de X
4
Función de Distribución
1,2
1
Probabilidad
0,8
0,6
0,4
0,2
0
0 2 4 6 8 10 12 14
Valores que toma la Variable Aleatoria
Valor esperado y varianza de una v.a. X

Valor esperado
Se representa mediante E[X] ó x
Es el equivalente a la media, medida de
centralidad. Función de
Probabilidad o
Variable Aleatoria Discreta masa
=µ =
=
Valores que
toma la Variable
Aleatoria
5
Valores
que Toma Función de E(X) =
Eventos Número de
la Variable Probabilidad
Asociados Eventos Σ
Aleatoria
X f(X)
10 {US$10} 275 0,550 5,5
25 {US$25} 150 0,300 7,5
100 {US$100} 75 0,150 15,0
500 1 28,0
µ =
Si juego muchas veces en promedio me gano US$3
X: Variable Aleatoria, La suma del resultado al lanzar dos

dados iguales
Valores
que Toma Función de E(X) = µ
Eventos Número de
la Variable Probabilidad
Asociados Eventos Σ
Aleatoria
X f(x)
2 {1,1} 1 1/21 2 * 1/21
3 {1,2} 1 1/21 3 * 1/21
4 {1,3}, {2,2} 2 2/21 4 * 2/21
5 {1,4},{2,3} 2 2/21 5 * 2/21
6 {1,5},{2,4},{3,3} 3 3/21 6 * 3/21
7 {1,6},{2,5},{3,4} 3 3/21 7 * 3/21
8 {2,6},{3,5},{4,4} 3 3/21 8 * 3/21
9 {3,6},{5,4} 2 2/21 9 * 2/21
10 {4,6},{5,5} 2 2/21 10 * 2/21
11 {5,6} 1 1/21 11 * 1/21
12 {6,6} 1 1/21 12 * 1/21
21 1 7
Si juego muchas veces el promedio de mis lanzamientos es 7 µ =

6
Valor esperado de una función de la v.a. X
Valor esperado de g(x)
Se representa mediante E[g(X)] ó g(x)
Función de
Variable Aleatoria Discreta Probabilidad o
masa
=µ =
=
Valores que
toma la Variable
Aleatoria
Valor esperado y varianza de una v.a. X

Varianza
Se representa mediante VAR[X] o x
2
Se llama desviación típica a x
Variable Aleatoria Discreta
=σ = −µ
=
7
Varianza de una variable Aleatoria X
=σ = −µ
=
=σ = − µ +µ
=
=σ = − µ +µ
= = =
=σ = − µ +µ
=σ = −µ Más Fácil calcular con esta Expresión

Valores
que Toma Función de
Eventos Número de
la Variable Probabilidad E(X)
Asociados Eventos
Aleatoria
X f(X)
10 {US$10} 275 0,550 5,5 55,0
25 {US$25} 150 0,300 7,5 187,5
100 {US$100} 75 0,150 15,0 1500,0
500 1 28,0 1742,5
σ = ( ) − ( ( )) = − =
Este juego tiene una variabilidad del 110,57%
8
Ejemplo de Esperanza, Varianza y desviación Estándar
para una Variable Discreta
Valores
que Toma Función de
Eventos Número de
la Variable Probabilidad E(X) = µ
Asociados Eventos
Aleatoria
X f(X)
2 {1,1} 1 1/21 2 * 1/21 4 * 1/21
3 {1,2} 1 1/21 3 * 1/21 9 * 1/21
4 {1,3}, {2,2} 2 2/21 4 * 2/21 16 * 2/21
5 {1,4},{2,3} 2 2/21 5 * 2/21 25 * 2/21
6 {1,5},{2,4},{3,3} 3 3/21 6 * 3/21 36 * 3/21
7 {1,6},{2,5},{3,4} 3 3/21 7 * 3/21 49 * 3/21
8 {2,6},{3,5},{4,4} 3 3/21 8 * 3/21 64 * 3/21
9 {3,6},{5,4} 2 2/21 9 * 2/21 81 * 2/21
10 {4,6},{5,5} 2 2/21 10 * 2/21 100 * 2/21
11 {5,6} 1 1/21 11 * 1/21 121 * 1/21
12 {6,6} 1 1/21 12 * 1/21 144 * 1/21
21 1 7 1169/21
σ = ( ) − ( ( )) = − =
Función de densidad (V. Continuas)

Definición
Es una función no negativa de integral
1 en su Dominio.
Piénsalo como la generalización del
histograma con frecuencias relativas
para variables continuas.
¿Para qué lo voy a usar?

Nunca lo vas a usar directamente.
Sus valores no representan
probabilidades.
9
¿Para qué sirve la función de densidad?
Muchos procesos aleatorios vienen descritos por variables de
forma que son conocidas las probabilidades en intervalos.
La integral definida de la función de densidad en dichos

intervalos coincide con la probabilidad de los mismos.
Es decir, identificamos la probabilidad de un intervalo con el

área bajo la función de densidad.
X: Variable Aleatoria Continua, Ejemplo

El tiempo de funcionamiento de un transistor hasta su primera
falla (en cientos de horas) es una variable X con función de
densidad
= >
f(x) es una función de densidad porque: f(x) > 0 para todo x>0
+∞ +∞
+∞
= =− =
−∞
10
El tiempo de funcionamiento de un transistor hasta su primera
falla (en cientos de horas) es una variable X con función de
densidad
= >
Encontrar la probabilidad que la vida útil del transistor este entre 400 y
500 horas
< < = =− =
Encontrar la probabilidad de:

• La vida útil del transistor esta por debajo de las 500 horas
< = =− =
• La vida útil del transistor este por encima de las 500 horas
> = − ≤ = − = − =
11
• La vida útil del transistor sea exactamente igual a las
5,000 horas
= = =
Esta probabilidad siempre es cero por ser X una

Variable Aleatoria Continua y la probabilidad es el
área bajo la función de densidad. Recuerda el Área
bajo un punto es cero
Función de distribución
Es la función que asocia a cada valor

de una variable, la probabilidad
acumulada de los valores inferiores o
iguales.
Piénsalo como la generalización de las

frecuencias acumuladas. Ojiva.
A los valores extremadamente bajos

les corresponden valores de la función
de distribución cercanos a cero.
A los valores extremadamente altos

les corresponden valores de la función
de distribución cercanos a uno.
12
¿Para qué sirve la f. distribución?
Para calcular la probabilidad de los menores o
iguales a un valor especifico, de un intervalo, o de
los mayores a un valor especifico
≤ =
< ≤ = −
> = − ≤ = −
¿Para qué sirve la f. distribución?

Relaciónalo con la idea de percentil,cuartil, etc.
≤ = =
−
=
13
El tiempo de funcionamiento de un transistor hasta su primera falla (en
cientos de horas) es una variable X con función de densidad
= >
Encontrar la función de Distribución para la Variable X:
≤ = =
−∞
≤ = = = −
= −
Cual es la probabilidad de que La vida útil del transistor este por

debajo de las 500 horas
≤ = = − =
Cual es la probabilidad de que La vida útil del transistor este entre 400
y 500 horas
< ≤ = − = − =
14
= −
Si la vida útil de los transistor es mayor de 500 horas, ¿Cuál es la
probabilidad que un transistor dure menos de 700 horas
< <
< > =
>
−
< > = =
−
−
< > = =
Valor esperado y varianza de una variable

Aleatoria Continua X +∞
=µ =
−∞
+∞
=µ =
−∞
+∞
=σ = −µ
−∞
=σ = −( )
Más Fácil calcular conyesta
Variable Aleatoría Expresión
Modelos probabilísticos
15
Ejemplo de Esperanza para una Variable Continua
El tiempo de funcionamiento de un transistor hasta su primera falla
(en cientos de horas) es una variable X con función de densidad
−λ
=λ Si x>0
∞
−
Recuerde que : =
+∞ +∞
−λ λ
= = λ = =
−∞
λ λ
1/λ !
"
Ejemplo de Varianza para una Variable Continua
−λ
=λ Si x>0
∞
−
Recuerde que : =
+∞ +∞
−λ λ
= = λ = =
−∞
λ λ
σ = −( ) = − =
λ λ λ
1/λ # $ % !
" Variable Aleatoría y Modelos probabilísticos
16
El tiempo en minutos que un bus del MIO se retrasa es una
variable Aleatoria X con función de densidad
= −
Un Valor negativo indica que el bus llega adelantado.
1. Compruebe que f(x) es una función de densidad.

2. Encuentre la función de Distribución.
3. Calcule la probabilidad que el bus no se demore.
4. Calcule la probabilidad que el bus se demore más de 3 minutos.
5. Calcule la media y la varianza del tiempo en minutos que el bus se
retrasa
6. Calcule la media y la varianza del tiempo en segundos que el bus
se retrasa.

= −
1. Compruebe que f(x) es una función de densidad.
f(x) siempre es positiva en el intervalo (-5,5)
+∞
−
= − = − =
−∞ −
17
= −
2. Encuentre la función de Distribución.
− + −
= = − = − =
−∞ −

variable Aleatoria X con función de Distribución
+ −
=
3. Calcule la probabilidad que el bus no se demore.
+ −
< = = =
18
variable Aleatoria X con función de Distribución
+ −
=
4. Calcule la probabilidad que el bus se demore más de 3 minutos.
> = − < = −
+ −
> = − =
El tiempo en minutos que un bus del MIO se retrasa es una variable

Aleatoria X con función de densidad
= −
5. Calcule la media y la varianza del tiempo en minutos que el bus se

retrasa
+∞
µ = = −
−∞ −
µ =
− ( − ) =
−
En promedio el bus es puntual.

19
= −
Calcule la media y la varianza del tiempo en minutos que el bus se
retrasa
+∞
= = −
−∞ −
−
= − =
σ = −( ) = − =

= −
6. Calcule la media y la varianza del tiempo en segundos que el bus se

retrasa.
X variable aleatoria en minutos Y Variable aleatoria en segundos
Y = 60X
= = =
= = = =
20

2 Aplicaciones Variables Aleatorias

Cargado por

Información del documento

Descripción 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

2 Aplicaciones Variables Aleatorias

Cargado por

Copyright:

Formatos disponibles

Estadística

Variable Aleatoría y Modelos

En estos casos aparece la noción de variable aleatoria

Las variables aleatorias pueden ser discretas o

En las siguientes transparencias vamos a recordar

Variable Aleatoría y Modelos probabilísticos

Asigna a cada posible 40%

valor de una variable 35%

discreta su probabilidad. 30%

lanzamiento de dos dados 0 1 2 3

Variable Aleatoría y Modelos probabilísticos

Variable Aleatoría y Modelos probabilísticos

Variable Aleatoría y Modelos probabilísticos

Variable Aleatoría y Modelos probabilísticos

Variable Aleatoría y Modelos probabilísticos

X: Variable Aleatoria, La suma del resultado

Variable Aleatoría y Modelos probabilísticos

Variable Aleatoría y Modelos probabilísticos

Valor esperado y varianza de una v.a. X

Variable Aleatoría y Modelos probabilísticos

X: Variable Aleatoria, La suma del resultado al lanzar dos

Si juego muchas veces el promedio de mis lanzamientos es 7 µ =

Valor esperado y varianza de una v.a. X

Se llama desviación típica a x

Variable Aleatoria Discreta

Variable Aleatoría y Modelos probabilísticos

=σ = −µ Más Fácil calcular con esta Expresión

Función de densidad (V. Continuas)

¿Para qué lo voy a usar?

Variable Aleatoría y Modelos probabilísticos

La integral definida de la función de densidad en dichos

Es decir, identificamos la probabilidad de un intervalo con el

Variable Aleatoría y Modelos probabilísticos

X: Variable Aleatoria Continua, Ejemplo

Variable Aleatoría y Modelos probabilísticos

Variable Aleatoría y Modelos probabilísticos

X: Variable Aleatoria Continua, Ejemplo

Encontrar la probabilidad de:

Variable Aleatoría y Modelos probabilísticos

Esta probabilidad siempre es cero por ser X una

Variable Aleatoría y Modelos probabilísticos

Es la función que asocia a cada valor

Piénsalo como la generalización de las

A los valores extremadamente bajos

A los valores extremadamente altos

Variable Aleatoría y Modelos probabilísticos

Variable Aleatoría y Modelos probabilísticos

¿Para qué sirve la f. distribución?

Variable Aleatoría y Modelos probabilísticos

Encontrar la función de Distribución para la Variable X:

Variable Aleatoría y Modelos probabilísticos

X: Variable Aleatoria Continua, Ejemplo

Cual es la probabilidad de que La vida útil del transistor este por

Variable Aleatoría y Modelos probabilísticos

Variable Aleatoría y Modelos probabilísticos

Valor esperado y varianza de una variable

Ejemplo de Varianza para una Variable Continua

Un Valor negativo indica que el bus llega adelantado.

1. Compruebe que f(x) es una función de densidad.

Variable Aleatoría y Modelos probabilísticos

Ejemplo de Esperanza para una Variable Continua

Un Valor negativo indica que el bus llega adelantado.

1. Compruebe que f(x) es una función de densidad.