Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Variable aleatoria: Es una funció n que asigna a los elementos del espacio muestral un
nú mero ( ésto es el equivalente a las Reglas de juego). Las variables aleatorias se indican con
letras mayú sculas, de preferencia las ú ltimas del alfabeto. Por ejemplo X, Y o Z.
Ejemplo:
a) Al lanzar una moneda a sol asignarle 1 y a á guila 0, lo que se denota como X(sol)=1 y
X(á guila)=0.
b) Al lanzar un dado a la cara 1 asignarle 1, a la cara 2 asignarle el valor de 2 y así
sucesivamente a la cara 6 asignarle el valor de 6, lo que se denota como X(1)=1,
X(2)=2,…, X(6)=6.
c) El tiempo de vida en horas de una lá mpara puede tomar cualquier valor de 0 a 10,000
hrs, asi X ∈[0,10000]
Es una tabla de los posibles valores de la variable aleatoria con sus probabilidades respectivas
o es una funció n a trozos donde se indica P ( X=x ) =P ( x ) para cada valor de X .
Nota: aquí X es el nombre la variable y x es el valor numérico que toma la variable, es decir el
x ∈ RX .
Ejemplo: Sea X la variable aleatoria que designa el nú mero de soles obtenidos al lanzar tres
monedas. Al calcular su distribució n de probabilidad queda:
X(SSS)=3
X(SSA)=2
X(SAS)=2
X(SAA)=1
X(ASS)=2
X(ASA)=1
X(AAS)=1
X(AAA)=0
1
Como de los ocho ternas posibles 1 lleva al valor de 0 en X , entonces P( X=0)= p(0)= ,
8
3
hay 3 ternas que llevan al valor 1 en X entonces P( X=1)= p(1)= y así sucesivamente
8
entonces:
x 0 1 2 3
p(x) 1/8 3/8 3/8 1/8
∑ x i= p ( 0 )+ p ( 1 ) + p ( 2 ) + p ( 3 )= 18 + 38 + 38 + 18 = 88 =1
i=1
Ejemplo: Con la variable aleatoria X que corresponde a la suma de las caras al lanzar
dos dados se tiene que:
X(1,1)=2
X(1,2)=3
.
.
.
X(6,6)=12
Como R X ={2 , 3 , 4 ,5 , 6 , 7 , 8 , 9 ,10 , 11, 12} y el conjunto de las parejas que respectivamente
llevan a esos valores de x se presentan de la forma siguiente:
x 2 3 4 5 6 7 8 9 10 11 12
p(x ) 1 2 3 4 5 6 5 4 3 2 1
36 36 36 36 36 36 36 36 36 36 36
Por ejemplo:
b) Obtener má s de 1 sol
3 1 4
X >1 , , así P ( X >1 )=P ( X =2 ) + P ( X=3 )= + =
8 8 8
2. En la variable aleatoria X que corresponde a la suma de las caras al lanzar dos dados.
x 2 3 4 5 6 7 8 9 10 11 12
p(x ) c 2 3 4 5 6 5 4 3 2 1
36 36 36 36 36 36 36 36 36 36
La probabilidad de obtener:
6
P( X=7)=
36
b) Una suma mayor a 10
2 1 3
P ( X >10 ) =P ( X=11 )+ P ( X =12 )= + =
36 36 36
c) Una suma menor a 4
1 2 3
P ( X < 4 ) =P ( X=2 ) + P ( X=3 )= + =
36 36 36
3. lim F ( x )=0
x→−∞
4. Su grá fica es no decreciente, es escalonada, es continua por la izquierda
5. F ( x ) es funció n a trozos
x 0 1 2 3
p(x) 1/8 3/8 3/8 1/8
1
Si 0 ≤ x<1 , F ( x )=P ( X ≤ x )= p ( 0 )=
8
1 3 4 1
Si 1 ≤ x <2 , F ( x )=P ( X ≤ x )= p ( 0 )+ p ( 1 ) = + = =
8 8 8 2
1 3 3 7
Si 2 ≤ x <3 , F ( x )=P ( X ≤ x )=p ( 0 ) + p (1 )+ p (2)= + + =
8 8 8 8
1 3 3 1 8
Si x ≥ 3 , F ( x )=P ( X ≤ x ) =p ( 0 ) + p (1 )+ p ( 2 ) + p(3)= + + + =
8 8 8 8 8
Entonces la FDA de X , es
{
0 , si x <0
1
, si 0≤ x <1
8
4
F ( x )= , si 1 ≤ x <2
8
7
, si 2≤ x< 3
8
1, si x ≥3
En el ejemplo 2 de que al lanzar dos dados y definir su variable aleatoria como la
{
suma de las caras, para obtener su funció n de distribució n acumulativa a grandes
rasgos es ir sumando o acumulando las probabilidades hasta el x correspondiente
0 , si x< 2
1
, si 2 ≤ x <3
36
3
, si 3≤ x <4
36
6
, si 4 ≤ x< 5
36
10
, si 5 ≤ x <6
36
15
, si 6 ≤ x <7
36
F ( x )= 21
, si 7 ≤ x <8
36
26
, si 8 ≤ x < 9
36
30
, si 9 ≤ x<10
36
33
, si10 ≤ x< 11
36
35
, si11 ≤ x <12
36
36
=1 , si x ≥12
36
Nota: Como existe una relació n entre la funció n de probabilidad y la acumulativa, esa
relació n nos permitirá calcular probabilidades de eventos
p ( x )=F ( x )−F ( x−1 )
P ( x i ≤ X ≤ x j )=F ( x j )−F ( xi−1 )
P ( X ≤ x )=F ( x )
P ( X > x )=1−P ( X ≤ x )=1−F (x )
Para el ejemplo de la suma de las caras al lanzar dos dados, calcule las probabilidades
solicitadas primero a partir de la funció n de probabilidad y segundo apartir de la
acumulativa.
a) P( X< 5)
Primero resolverlo por la funció n de probabilidad
1 2 3 6
P ( X <5 ) =p (2 )+ p ( 3 ) + p ( 4 )= + + =
36 36 36 36
Segundo resolverlo por la funció n de distribució n acumulativa, significa acumular
hasta 4
6
P ( X <5 ) =P ( X ≤ 4 )=F ( 4 )=
36
b) P ( 4 ≤ X ≤ 7 )
Primero resolverlo por la funció n de probabilidad
3 4 5 6 18
P ( 4 ≤ X ≤ 7 )= p ( 4 ) + p ( 5 ) + p ( 6 ) + p ( 7 )= + + + =
36 36 36 36 36
Segundo resolverlo por la funció n de distribució n acumulativa, significa que a la
acumulativa del 7 restarle la acumulativa del 3, para garantizar que nos quedamos
con los valores del 4 al 7
21 3 18
P ( 4 ≤ X ≤ 7 )=F ( 7 )−F ( 3 )= − =
36 36 36
μ=¿
i=1
Desviación estándar
Del mismo modo como sucede en la Estadística Descriptiva, la desviació n está ndar σ
es la raiz cuadrada de la varianza, σ =√ σ 2= √V ( X ) , aquí no se distingue la diferencia
entre la desviació n está ndar muestral o poblacional.
Ejemplo: El valor esperado, la varianza y la desviació n está ndar de los problemas
anteriores son:
a) Al lanzar tres monedas y definir la variable aleatoria como el nú mero de soles
obtenidos
3/2=1.5 es el promedio de los soles obtenidos al lanzar tres monedas , (como media se
estará n obteniendo de 1 a 2 soles)
( )( ) ( )( ) ( )( ) ( )( )
4
3 2 1 3 2 3 3 2 3 3 2 1
V ( X )=σ =∑ ( xi −μ ) p ( x i )= 0−
2 2
+ 1− + 2− + 3− =0.75
i=1 2 8 2 8 2 8 2 8
La desviació n está ndar σ =√ V (X )= √ 0.75=0.8666
b) Al lanzar dos dados y definir la variable aleatoria como la suma de las caras
(7 ) ( 366 )+( 8) ( 365 )+ ( 9) ( 364 )+ (10 ) ( 363 )+( 11 )( 362 )+( 12) ( 361 )
2+ 6+12+20+30+ 42+40+ 36+30+22+12 252
¿ = =7
36 36
( 361 )+ (3−7 ) ( 362 )+ ( 4−7 ) ( 363 )+( 5−7 ) ( 364 )+( 6−7) ( 365 )+( 7−7 ) ( 366 )+
11
V ( X )=σ 2=∑ ( xi −μ ) p ( x i )= (2−7 )
2 2 2 2 2 2 2
i=1
a ¿ f (x)≥ 0
❑ ∞
b ¿ ∫ f ( x ) dx =∫ f ( x ) dx=¿1 ¿
RX −∞
Que comú nmente se expresa como funció n a trozos. Su grá fica cumple que es
mayor o igual a cero.
Recordar que R X representa el rango de la variable aleatoria, que en este caso es un intervalo,
por ser variable aleatoria continua.
Del mismo modo que en variables discretas se puede definir la funció n de ditribució n
acumulativa FDA de X variable continua , que se define como:
x
F ( x )=P ( X ≤ x )=∫ f ( u ) du
−∞
Propiedades:
1. 0 ≤ F ( x ) ≤ 1
2. lim F ( x )=1
x→ ∞
3. lim F ( x )=0
x→−∞
4. Su grá fica es no decreciente y continua
5. F ( x ) es funció n a trozos
b
b) P ( X <b )=P ( X ≤ b )=F ( b )= ∫ f ( x ) dx
−∞
∞
c) P ( X >b )=P ( X ≥ b )=∫ f ( x ) dx=1−P ( X ≤b )=1−F (b)
b
∞
μ=E ( X )= ∫ xf ( x ) dx
−∞
−∞
Y como en el caso discreto la desviació n está ndar es la raiz cuadrada de la varianza.
Ejemplo: Para la funció n de densidad siguiente que representa la variable aleatoria X que
indica el tiempo de vida de un electrodoméstico medido en añ os
{ {
1 1
si0 ≤ x ≤ 5 si 0 ≤ x ≤5
f ( x )= 5 = 5
0 si x <0 o x >5 0 de otra forma o de otro modo(d . o . f )
|
❑ ∞ 5 5
1 1 5 0
b ¿ ∫ f ( x ) dx =∫ f ( x ) dx=∫ dx= x = − =¿ 1¿
R
X −∞ 0 5 5 0 5 5
2. Encuentre las probabilidades de que el tiempo de vida de un electrodoméstico,
sea:
a) De entre 3 y 4 añ os
]
4 4
1 1 1
P ( 3 ≤ X ≤ 4 )=∫ dx =¿ x = =0.2 ¿
3 5 5 3 5
b) Menor a 2 añ os
]
2 2 2
1 1 1 2
P ( X <2 ) =∫ dx =¿∫ dx=¿ x = ¿ ¿ observar que aquí se integra desde 0, no
−∞ 5 0 5 5 0 5
tiene sentido integrar de −∞ a 0, porque f ( x )=0 para x <0
c) Mayor a 1 añ o
]
∞ 5 5
1 1 1 4
P ( X >1 )=∫ dx=¿∫ dx=¿ x = ¿ ¿ aquí se integra hasta 5 porque f ( x )=0
1 5 1 5 5 1 5
para x >5
x x
Si x <0 , F ( x )=P ( X ≤ x )= ∫ f (u ) du=¿ ∫ 0 du=0 ¿
−∞ −∞
|
x x x
1 1 1
Si 0 ≤ x<5 , F ( x )=P ( X ≤ x )=∫ f ( u ) du=¿∫ du= u = x ¿
−∞ 0 5 5 0 5
|
x 5 5
1 1 1
Si x ≥ 5 , F ( x )=P ( X ≤ x ) =∫ f ( u ) du=¿ ∫ du= u = ( 5 )=1 ¿
−∞ 0 5 5 0 5
Entonces
{
0 , si x <0
1
F ( x )= x , si 0≤ x <5
5
1, si x ≥5
4. Encuentra la media, la varianza y la desviació n está ndar del tiempo de vida del
electrodoméstico
]
5 5
1 x2 25
μ=E ( X )=∫ x dx= = =2.5 añ os es el promedio de vida del electrodoméstico
0
5 10 0 10
]
5 5 3
1 3 1 2(2.5)
V ( X )=σ =∫ (x−2.5) dx =¿ (x−2.5)
2 2
= =2.083 ¿ añ os
0 5 15 0 15
σ =√ V (X )= √ 2.083=1.44 añ os
()
x
1
Ejemplo: Se tiene la funció n de probabilidad p ( x )=k , x=0 ,1 , 2 ,3
3
a) Encontrar el valor correcto de k , recordar que para que p(x) sea funció n de
3
probabilidad debe suceder p ( x ) ≥ 0 , ∑ p ( xi ) =1 , basandonos en la propiedad de que
i=0
la sumatoria es igual a 1, se puede despejar k
()
x
27 1
De ahí que p ( x )= , x=0 , 1 ,2 , 3
40 3
{
2
k x , 0≤ x ≤1
Ejemplo: Se tiene la funció n de densidad f ( x )=
0 , de otra forma
a) Encontrar el valor correcto de k , recordar que para que f(x) sea funció n de densidad
1
debe suceder f ( x ) ≥ 0 ,∫ k x dx=1 , basandose en la integral se puede resolver el
2
0
valor de k
| ( )
1 3 1
∫ k x dx=k x3 =k 13 − 03 =1
2
0 0
as í k=3
Así la funció n de densidad
{
2
f ( x )= 3 x , 0≤ x ≤ 1
0 , de otra forma