Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Variables Aleatorias
1 / 40
Definición de Variable Aleatoria
Ejemplo 1
Experimento aleatorio:
lanzamiento de dos monedas
equilibradas
Y : número de sellos obtenidos
2 / 40
Definición de Variable Aleatoria
3 / 40
Definición de Variable Aleatoria
Definición 1:
Una VA es una función X que asocia un número real X (ω) a cada posible
resultado de un experimento aleatorio:
X : Ω −→ R
ω 7−→ X (ω).
4 / 40
Distribución de probabilidad
Observación:
Podemos clasificar las variables aleatorias en dos tipos:
1 Variables aleatorias discretas (cuando asume valores en conjuntos finitos
o numerables);
2 Variables aleatorias continuas (cuando asume valores en conjuntos
continuos).
5 / 40
Variable aleatoria discreta
6 / 40
Variable aleatoria discreta
Definición 2:
Decimos que X es una variable aleatoria discreta cuando el número de posibles
valores de X es un conjunto finito o infinito numerable. O sea, los posibles
valores de X pueden ser representados como:
{x1 , x2 , x3 , . . . xn } ,
o bien
{x1 , x2 , x3 , . . .} .
7 / 40
Variable aleatoria discreta
Definición 3:
Sea X una variable aleatoria discreta tomando valores en {x1 , x2 , x3 , . . .}.
La función de masa de probabilidad pX (x) de X representa la
probabilidad de que X tome el valor de x, como función de x. Es decir
8 / 40
Variable aleatoria discreta
X pX (x)
x1 pX (x1 )
pX (x1 ), si x = x1 ,
x2 pX (x2 )
pX (x2 ), si x = x2 ,
pX (x3 ),
si x = x3 ,
x3 pX (x3 ) pX (x) = . ..
.. ..
.. .
. .
pX (xn ), si x = xn ,
xn pX (xn )
0, en otro caso.
9 / 40
Variable aleatoria discreta
. . . volvamos al Ejemplo 1:
Ejemplo 2:
Una urna contiene dos bolas blancas (B) y tres rojas (R). Suponga
que son sorteadas dos bolas al azar, sin reposición. Sea la variable
aleatoria X = “Número de bolas rojas obtenidas en las dos
extracciones”. Construya la función de probabilidad de X .
10 / 40
Variable aleatoria discreta
11 / 40
Variable aleatoria discreta
Ejemplo 3:
Determine E (X ) y Var (X ), en que X es el número obtenido en la cara superior
al lanzar un dado equilibrado.
Cómo hacer en R
#Defina un vector con los valores de la variable
X<-1:6
#Defina un vector con sus probabilidades
pX<-rep(1/6,6)
#Calcule E(X)
EX=sum(X*pX)
#para varianza calcule primero E(X^2)
EX2=sum(X^2*pX)
#calcule la varianza
VarX=EX2-EX^2
Ejercicios:
1) Determine E (X ) y Var (X ) para el Ejemplo 1.
2) Determine E (X ) y Var (X ) para el Ejemplo 2.
12 / 40
Propiedades de la esperanza y la varianza
Propiedades de la esperanza
Sean X y Y variables aleatorias y c una constante, entonces
1 E (c) = c;
2 E ( X + c) = E (X ) + c;
3 E (c X ) = cE (X );
4 E (X + Y ) = E (X ) + E (Y );
5 E (X − Y ) = E (X ) − E (Y ).
Propiedades de la varianza
Sea X una variable aleatoria y c una constante, entonces
1 Var (c) = 0;
2 var ( X + c) = Var (X );
3 var ( X − c) = Var (X );
4 Var (c X ) = c 2 Var (X );
13 / 40
Función distribución acumulada
Definición
Sea X : Ω → R una variable aleatoria discreta. La función de
distribución acumulada de X , denotada por Fx (x) , es
X
FX (x) = P(X ≤ x) = pX (xi )
xi ≤x
14 / 40
Función de distribución acumulada
Ejemplo
Si X es una variable aleatoria que representa la cara superior en un
lanzamiento de um dado equilibrado. Encontremos la función de
distribución acumulada FX (x)
x pX (x)
1 1/6
2 1/6
3 1/6
4 1/6
5 1/6
6 1/6
0 si x < 1,
1/6 si 1 ≤ x < 2,
2 ≤ x < 3,
1/3 si
FX (x) = 1/2 si 3 ≤ x < 4,
2/3 si 4 ≤ x < 5,
5/6
si 5 ≤ x < 6,
x ≥ 6.
1 si
15 / 40
Función de distribución acumulada
Ejercicio
1) Determine FX (x) para el Ejemplo 1.
2) Determine FX (x) para el Ejemplo 2.
16 / 40
Función de distribución acumulada
Recordemos el Ejemplo 1. . .
Si X es una variable aleatoria que cuenta el número de caras
obtenidas en el lanzamiento de dos monedas:
x pX (x)
0 1/4
1 1/2
2 1/4
0 si x < 0,
1
si 0 ≤ x < 1,
FX (x) = 4
3
si 1 ≤ x < 2,
4
1 si x ≥ 2.
17 / 40
Función de distribución acumulada
Recordemos el Ejemplo 2. . .
Si X es una variable aleatoria que cuenta el número de de bolas
rojas obtenidas en dos retiradas, sin reposición, de una urna con
dos bolas blancas y tres rojas:
x pX (x)
0 1/10
1 3/5
2 3/10
0 si x < 0,
1
10
si 0 ≤ x < 1,
FX (x) = 7
si 1 ≤ x < 2,
10
1 si x ≥ 2.
18 / 40
Función de distribución acumulada
Ejercicio
Sea X una variable aleatoria cuya función de distribución
acumulada está dada por
0 si x < −2,
1 si − 2 ≤ x < 1 ,
FX (x) = 47 1
√2
7 si 2 ≤ x < 2,
1 si x ≥ √2.
0 si x < −2,
1
si − 2 ≤ x < 21 ,
FX (x) = 7
4
√
si 12 ≤ x < 2,
√
7
1 si x ≥ 2.
x pX (x)
-2 1/7
1/2
√ 3/7
2 3/7
Ejercicio
Sea X una variable aleatoria cuya función de probabilidad es dada
por
5
9 si x = −1,
pX (x) = 49 si x = 32 ,
0 caso contrario.
21 / 40
Función de distribución acumulada
x pX (x)
-1 5/9
3/2 4/9
0
si x < −1,
5
FX (x) = si − 1 ≤ x < 32 ,
9
1 si x ≥ 32 .
P(X = −2) = 0
P(1 < X < 2) = 4/9
Var(X ) = (−1)2 (5/9) + (3/2)2 (4/9) − [(−1)(5/9) + (3/2)(4/9)]2 = 1.54321
22 / 40
Variable aleatoria continua
Definición 6:
Decimos que X es una variable aleatoria continua cuando el número de posibles
valores de X es un intervalo (o colección de intervalos) del conjunto de los
números reales.
Definición 7:
Sea X una variable aleatoria continua asumiendo valores en Ωx en los reales.
Podemos obtener la probabilidad de X ∈ (a, b) de la siguiente forma:
Z b
P(a < X < b) = fX (x)dx,
a
R∞
en que fX (x) > 0, ∀x ∈ R y f (x)dx, =
−∞ X
1.
La función fX (·) definida anteriormente es denominada función de densidad
de probabilidad.
Ra
Significado de la integral a fX (d)dx
Ra
La integral a fX (x)dx calcula el área abajo de la curva definida por la función
fX (x) desde el punto a hasta el punto b.
23 / 40
Variable aleatoria continua
24 / 40
Variable aleatoria continua
Definición
La función de distribución acumulada de una variable aleatoria continua
X es definida como
Z x
FX (x) = P(X ≤ x) = f (t)dt
−∞
25 / 40
Variable aleatoria continua
Ejemplo
Sea la variable aleatoria continua X el tamaño en centı́metros (cm)
del sépalo de Iris virginica [4.9 cm ; 5.1 cm] y considere que la
función de densidad de probabilidad de X sea fX (x) = 5 para
4.9 ≤ X ≤ 5.1.
a) Verifique que fX (x) es en realidad una función de densidad
de probabilidad
b) Cuál es la probabilidad de una medida de um sépalo ser menor
que 5 cm?
c) Cuál es la probabilidad de una medida de longitud de sépalo
ser menor que 5.1 cm y mayor a 4.95?
d) Cuál es la probabilidad de una medida de sépalo ser menor o
igual que 5.1 cm y mayor a 4.95?
26 / 40
Variable aleatoria continua
R 5.1
a) 4.9 5dx=5(0.2)=1
27 / 40
Variable aleatoria continua
R 5.1
a) 5dx=5(0.2)=1
4.9
R 5.0
b) P(X < 5) 4.9 5dx = 5(0.1) = 0.5
28 / 40
Variable aleatoria continua
R 5.1
a) 5dx=5(0.2)=1
4.9
R 5.0
b) P(X < 5) = 4.9 5dx = 5(0.1) = 0.5
R 5.1
c) P(4.95 < X < 5.1) = P(4.95 < X ≤ 5.1) = 4.95 5dx = 5(0.15) = 0.75
29 / 40
Variable aleatoria continua
Ejemplo
Rayos digitales son usados como clave diagnóstica para la
identificación de embriones humanos entre el dı́a 42 y 44 de
gestación. Sea la variable aleatoria continua X el tamaño de
embriones humanos en que fueron identificados rayos digitales. El
tamaño mı́nimo es de 12.5mm. La mayorı́a de los disturbios
aleatorios en el proceso de medición resulta en medidas mayores.
Datos históricos muestran que la distribución de X puede ser
modelada por una función de densidad de probabilidad dada por
fX (x) = 20e−20(x−12.5) , para x ≥ 12.5
a) Verifique que fX (x) es de hecho una función de densidad
probabilidad
b) Cuál será a proporción de embriones que tendrán medidas
mayores a 12.60mm?
c) Que proporción de embriones tendrán medidas entre 12.5 y
12.6 milı́metros?
30 / 40
Variable aleatoria continua
R∞
a) 12.5 fX (x)dx =1
b) P(X > 12.60) = 1 − P(X ≤ 12.60) = 1 − F (12.6) = e−2
c) P(X ≤ 12.60) = 1 − e−2
31 / 40
Variable aleatoria continua
Cómo hacer en R
#a) Primero defina la función que desea integrar:
f_x<-function(x){
20*exp(-20*(x-12.5))
}
#En seguida integre entre 12.5 e infinito:
integrate(f_x,12.5,Inf)
#b
integrate(f_x,12.6,Inf)
#o alternativamente
1-integrate(f_x,12.5,12.6)$value
#c)integrate(f_x,12.5,12.6)
Observaciones
Algunos ejemplos de variable aleatoria continua: Escoger un
punto aleatorio del intervalo (0, 1), escoger aleatoriamente
una coordenada del cuadrado (0, 1) × (0, 1) o el volumen de
agua en un depósito hı́drico.
Para cualquier variable continua X , su función de distribución
acumulada es continua, lo que implica que la probabilidad de
X asumir cualquier número real a es igual a 0.
33 / 40
Variable aleatoria continua
34 / 40
Variable aleatoria continua
Var(X ) = E(X 2 ) − E2 (X ),
R +∞
en que E(X 2 ) = −∞ x 2 fX (x)dx.
35 / 40
Variable aleatoria continua
Ejemplo
Sea X una variable aleatoria continua con función de densidad de probabilidad
dada por 1
fX (x) = , 0 ≤ x ≤ 360.
360
Encuentre la esperanza y la varianza de X .
Cómo hacer en R
# definimos la xf(x) para calcular E(X)
xfX<-function(x){
x/360
}
EX=integrate(xfX,0,360)$value
#Ahora calculamos E(x^2):
x2fX<-function(x){
x^2/360
}
EX2=integrate(x2fX,0,360)$value
#calculamos la Varianza
VX=EX2-EX^2
36 / 40
Variable aleatoria continua
Ejemplo
Suponga que el tamaño (en micrómetros) de una partı́cula de
contaminación pueda ser modelado como
fX (x) = 2x −3 , x > 1.
Determine la media de X .
Cómo hacer en R
# definimos la xf(x) para calcular E(X)
xfX<-function(x){
2*x^(-2)
}
EX=integrate(xfX,1,Inf)$value
37 / 40
Variable aleatoria continua
Ejemplo
Una variable aleatoria X continua, tiene función de densidad de probabilidad
dada por
fX (x) = 12 (x 2 − x 3 ), 0≤x ≤1
a) Verifique que fX (x) es de hecho una función de densidad.
b) Calcule la esperanza y la varianza de X .
Cómo hacer en R
# a)
fX<-function(x){
12*(x^2-x^3)
}
integrate(fX,0,1)$value
#b)
xfX<-function(x){
x*12*(x^2-x^3)
}
EX=integrate(xfX,0,1)$value
38 / 40
Variable aleatoria continua
Ejercicio
Sea X una variable aleatoria cuya función de densidad de
probabilidad acumulada es dada por
x
fX (x) = , 0≤x ≤2
2
39 / 40
Variable aleatoria continua
Cómo hacer en R
# a)
fX<-function(x){
x/2
}
integrate(fX,0,2)$value
#b) P(X=-2) = 0
#c
integrate(fX,1,2)$value
#e
xfX<-function(x){
x^2/2
}
EX=integrate(xfX,0,2)$value
#f
x2fX<-function(x){
x^3/2
}
EX2=integrate(x2fX,0,2)$value
VX=EX2-EX^2
40 / 40