Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase 05.variable-Aleatoria-Unidimensional
Clase 05.variable-Aleatoria-Unidimensional
Observación:
Gráficamente:
⎯⎯⎯⎯→ RX ỊR
⎯⎯⎯→ X() = x ỊR
0 1
CONTINUA
R X ỊR
DISCRETA
0, 1
3.2.1. CASO DISCRETO
Sea X una v.a. con RX finito o infinito numerable, y sea p X (x) una función
definida por :
P X = x si x RX
p X ( x) =
0 si x RX
Entonces, p X (x) será una FUNCION PROBABILIDAD ( función de Cuantía ) si
cumple :
i. − 0 p X ( x ) 1 ; x IR
ii. −
x RX
p X ( x) = 1
Al conjunto de pares ( )
x , p X ( x) , x RX se le denomina Distribución de
Probabilidad de la v.a. X , y se le presenta, generalmente, en forma tabular :
x x1 x2 x3 xn
p X (x) p X ( x1 ) p X ( x2 ) p X ( x3 ) p X ( xn )
Solución :
Ω: C
C
S
C C
S
S
■ C
C
S
S C
S
S
X (C C C ) = 3
X (C C S ) = 2
X (C S C ) = 2
X (C S S ) = 1
R X = { 0 , 1, 2 , 3 }
X (S C C ) = 2
X (S C S ) = 1
X (S S C ) = 1
X (S S S ) = 0
Entonces, la distribución de probabilidad para la v.a. X
x 0 1 2 3
p X (x) pX ( 0 ) p X (1 ) p X (2 ) pX ( 3)
donde: p X ( 0 ) = P X = 0 = P ( SSS ) = P( S ) P( S / S ) P( S / SS ) =
1 1 1 1
=
2 2 2 8
p X (1) = P X = 1 = P ( CSS SCS SSC ) = P( CSS ) + P ( SCS ) + P ( SSC )
1 1 1 1 1 1 1 1 1 3
= + + =
2 2 2 2 2 2 2 2 2 8
p X ( 2 ) = P X = 2 = P ( CCS CSC SCC ) = P( CCS ) + P ( CSC ) + P ( SCC )
1 1 1 1 1 1 1 1 1 3
= + + =
2 2 2 2 2 2 2 2 2 8
p X ( 3 ) = P X = 3 = P ( CCC ) = P( C ) P(C / C ) P(C / CC ) = =
1 1 1 1
2 2 2 8
x 0 1 2 3
1 3 3 1
p X (x)
8 8 8 8
− 0 1 2 3 +
a). P X = 1,5 = 0 ... por definición
b). P X 2 = P X = 0 X = 1
= P X = 0 + P X = 1 =
1 3 4 1
+ = =
8 8 8 2
P 0,5 X 2,5 = P X = 1 X = 2 = +
3 3 6 3
c). = =
8 8 8 4
d). P X 3,5 = P = 0
e). P X 100 = P X = 0 X = 1 X = 2 X = 3
= P = 1
p X (x)
3/8
1/8
0 1 2 3
Solución :
:
C ● .
C●
º
S C●
. . .
RX = 1 , 2 , 3 , 4 , 5 , . . .
Entonces, la distribución de probabilidad para la v.a. X :
X 1 2 3 4 5 . . .
p X (x) p X (1) p X ( 2) p X (3) p X ( 4) p X (5) . . .
X
1
p X ( x) = ; x = 1, 2 , 3, 4 , 5 ,
2
1 1
a
X =1
p X ( x) = = = 2 =1
1− r 1− 1 1
2
2 2
Solución :
A = X = 2 X = 4 X = 6
P( A) = PX = 2 + PX = 4 + PX = 6 +
2 3 4
1 1 1 1 a 1
P( A) = + + + + = =
4 4 4 4 1− r 3
B = X = 1 X = 2 X = 3
P( B) = PX = 1 + PX = 2 + PX = 3 +
2 3 4
1 1 1 1
P( B) = + + + +
2 2 2 2
C = X = 3 X = 4 X = 5
P(C ) = 1 − P C
P(C ) = 1 − PX = 1 + PX = 2
3.2.2. CASO CONTINUO
Sea X una v.a. con RX infinito no numerable, y sea f ( x ) una función de ỊR en
ỊR asociada a dicha v.a.
f ( x ) es una función de densidad de probabilidad ( fdp ) si :
i. − f ( x ) 0 , x RX
+
ii. − f ( x) dx = 1
−
Observación :
Si f ( x ) es fdp , y se tiene que a y b son valores de X /. a b , entonces :
b
1. − P ( a X b ) = f ( x) dx
a
Gráficamente, se tiene :
f (x)
0 a b X
a
2.- P( X = a ) =
a
f ( x ) dx = 0
Solución :
i.- f ( x) 0 . Esta condición se verifica gráficamente.
f ( x)
0 1 3/2 X
3
+ 0 O 1 2 + O
ii.- f ( x) dx =
− −
f ( x ) dx +
0
f ( x ) dx +
1
f ( x ) dx +
3
f ( x ) dx
2
3
1 2
= x dx + 1dx
0 1
3
1
x2 2
= + x
2 0 1
1 3
= + −1
2 2
1 1
= + =1
2 2
f X ( x ) es fdp.
OBSERVACION
Queda completamente definida la distribución de probabilidades de una v.a.
continua si conocemos su fdp; f X ( x ) , y los valores que toma la v.a. ; R X
Usando el modelo definido, determine la probabilidad de que la v.a. X sea mayor
1 3
que y menor que .
2 2
1 3 2
Solución : Se pide : P X
2
=
2
1
fX ( x)d x
2
3
1 2
=
1
f X ( x ) dx +
1
f X ( x ) dx
2
3
1 2
= x dx + 1dx
1 1
2
3
1
x2 2
= + x
2 1
1
2
1 1 3 7
= − + − 1 =
2 8 2 8