Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 03 Diapositivas VAleatorias
Tema 03 Diapositivas VAleatorias
¿Y qué es un experimento?
15 ml del
compuesto
EXPERIMENTO: Cualquier procedimiento de
obtención de un valor (dato) de una variable,
dadas unas condiciones de experimentación
Y empiezo a repetir
el experimento…
¿Por qué?
4- 𝑥=5
Porque el resultado del experimento
depende de otros factores adicionales
5- 𝑥 = 12 a los que se fijan en el experimento.
6- 𝑥 = 12
… y así indefinidamente
ESTADÍSTICA Y PROBABILIDAD estadisticaudep.com
5
Repetición X
Factores que se
fijan en el Lanzar dos
experimento dados
1- 𝑥=4 (condiciones de equilibrados
experimentación)
“Lo que yo determino”
2- 𝑥=7
3- 𝑥=6
• Cómo se lanzan (fuerza,
Factores que no se dirección…)
controlan en el • Con qué obstáculos
4- 𝑥=5 experimento chocan.
“Lo determina el azar”, es • Cómo chocan con esos
decir, la casualidad, la obstáculos
suerte, la fatalidad, la
• …
providencia …
5- 𝑥 = 12
Calcular el resultado
𝑿=suma de 2+2
de sumar 2+2 𝑿=4
Este experimento sólo tiene un
suceso elemental!!!
Y empiezo a repetir
el experimento…
Repetición X
6- 2+2 𝑥=4
… y así indefinidamente
ESTADÍSTICA Y PROBABILIDAD estadisticaudep.com
8
Experimento 1 Experimento 2
EXPERIMENTO EXPERIMENTO
ALEATORIO DETERMINISTA
• Las condiciones de experimentación NO contienen a TODOS los • Las condiciones de experimentación contiene a TODOS los
factores que influyen en la VARIABLE X. factores que influyen en la VARIABLE X.
• Los factores no controlados se dejan al azar. • Ya no puede actuar el azar.
• Hay variabilidad. • No hay variabilidad.
ESTADÍSTICA Y PROBABILIDAD estadisticaudep.com
9
Experimento
VARIABLE
ALEATORIA
EXPERIMENTO
Una variable aleatoria asocia
ALEATORIO un número a cada suceso de
un experimento aleatorio
Valor de la variable
Suceso elemental aleatoria X
(cara,cara) 𝑋=2
(cara,sello) 𝑋=1
(sello,cara) 𝑋=1
(sello,sello) 𝑋=0
¿Cómo sería la variable aleatoria Y=1 si sale alguna cara, 0 si no sale ninguna?
RESUMEN
Experimento aleatorio: experimento que al repetirlo no siempre se obtiene el mismo valor, debido a
la influencia del azar.
Variable aleatoria 𝑿
Suceso elemental Valores posibles Modelo de probabilidad
(cara,cara) 𝑋=2 1
𝑃 𝑋=0 =
4
(cara,sello) 𝑋=1 1
𝑃 𝑋=1 =
2
(sello,cara) 𝑋=1
1
𝑃 𝑋=2 =
4
(sello,sello) 𝑋=0
Ejemplos
Una vez que conocemos los valores posibles y el modelo tenemos toda la información sobre esta variable.
Es la función 𝑝(𝑥) de la variable aleatoria discreta 𝑋 que asigna a cada valor diferente de
𝑋: 𝑥1 , 𝑥2 , … , 𝑥𝐾 la probabilidad de ser obtenido en una repetición del experimento aleatorio.
𝑝 𝑥 = 𝑃(𝑋 = 𝑥)
Al ser 𝑝 𝑥 es una probabilidad, y puesto que 𝑃 𝐸 = 1, se deben cumplir las siguientes restricciones
0 ≤ 𝑝 𝑥𝑖 ≤ 1
𝐾
𝑝(𝑥𝑖 ) = 1
𝑖=1
𝑝(𝑥)
1 2 3 4 5 6 𝑥
Supongamos que la centralita recibe por término medio 2 llamadas por unidad de tiempo (y la duración de la llamada se
completa en esa misma unidad de tiempo). Entonces se puede demostrar (próximo tema) que la función de probabilidad es:
𝑝 0 = 𝑃(𝑋 = 0) = 0.14
𝑝 1 = 𝑃(𝑋 = 1) = 0.27
𝑝 2 = 𝑃(𝑋 = 2) = 0.27
𝑝 3 = 𝑃(𝑋 = 3) = 0.18
𝑝 4 = 𝑃(𝑋 = 4) = 0.09
𝑝 5 = 𝑃(𝑋 = 5) = 0.05
𝑝 0 = 𝑃(𝑋 = 0) = 0.14 Una vez que conocemos 𝑝(𝑥) tenemos completamente definida esta
𝑝 1 = 𝑃(𝑋 = 1) = 0.27 variable aleatoria, y podemos contestar a cualquier pregunta sobre ella
0 ≤ 𝑝 𝑥𝑖 ≤ 1
𝐾
𝑝(𝑥𝑖 ) = 1
𝑖=1 1
𝑝 0 =
31
2
𝑝 1 =
31
𝑝 0 +𝑝 1 +𝑝 2 +𝑝 3 +𝑝 4 =1
4
𝑝 2 = 𝑝(𝑥)
31
𝑝 0 + 2𝑝 0 + 4𝑝 0 + 8𝑝 0 + 16𝑝 0 = 1
8
𝑝 3 =
31
16
1 𝑝 4 =
31𝑝 0 = 1 ⇒ 𝑝 0 = 31
31
𝑥
Una vez que conocemos los valores posibles y el modelo tenemos toda la información sobre esta variable.
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥)
• 𝐹(−∞) = 0, 𝐹(+∞) = 1 En cada valor 𝑥𝑖 de 𝑋 hay
un peldaño de altura 𝑝(𝑥𝑖 )
𝐹 𝑥 será una función que va desde −∞ hasta +∞, donde toma los valores 0 y 1 respectivamente
𝐹(𝑥)
𝐹(𝑥)
0
1 2 3
𝐹(𝑥)
0.25
0.25
0
1 2 3
𝐹(𝑥)
0.75
0.5
0.25
0
1 2 3
0.25
𝐹(𝑥)
0.75
0.5
0.25
0.25
0
1 2 3
𝐹(𝑥)
0.75
0.25
0
1 2 3
No obstante, en estadística es habitual representarlo como un trazo escalonado, como se hacía la CDF empírica
𝐹(𝑥)
0.75
0.25
0
1 2 3
𝑝 0 = 𝑃(𝑋 = 0) = 0.14
𝑝 1 = 𝑃(𝑋 = 1) = 0.27
𝑝 2 = 𝑃(𝑋 = 2) = 0.27
𝑝 3 = 𝑃(𝑋 = 3) = 0.18
𝑝 4 = 𝑃(𝑋 = 4) = 0.09
𝑝 5 = 𝑃(𝑋 = 5) = 0.05
Al ser 𝑋 discreta, la
probabilidad se va acumulando
a escalones, y no de forma
continua
𝐹 1.5 = 𝑃 𝑋 = 0 + 𝑃 𝑋 = 1
= 0.14 + 0.27 = 0.41
𝑥1 = 1.5
0 0.14 0.14
1 0.27 0.41 𝐹 1 =𝑝 0 +𝑝 1
= 0.14 + 0.27 = 0.68
2 0.27 0.68
3 0.18 0.86
4 0.09 0.95
5 0.05 1
Calcula:
𝑿 𝑝(𝑥) 𝐹(𝑥)
• 𝑝 2 =
2 0.04
• 𝑝(3)=
6 0.51
• 𝑝 6 =
9 0.88
• 𝑝(9)=
10 1.00
• 𝑝(10)=
• 𝑃 5≤𝑋≤9 =
Una vez que conocemos los valores posibles y el modelo tenemos toda la información sobre esta variable.
1- Los valores posibles que puede tomar. Serán intervalos, por ejemplo 𝑥 ∈ [𝑎, 𝑏]
Una vez que conocemos los valores posibles y el modelo tenemos toda la información sobre esta variable.
𝑃(𝑋 = 𝑥) = 0 siempre
𝑓(𝑥)
𝑥
Menor densidad implica
menor probabilidad de Mayor densidad implica Menor densidad implica
encontrar datos en esta zona mayor probabilidad de menor probabilidad de
encontrar datos en esta zona encontrar datos en esta zona
La densidad de un punto
es proporcional a la
probabilidad de obtener
datos en el entorno de
dicho punto.
El aspecto de la función
de densidad de una
variable aleatoria y el
histograma de una
muestra de sus
realizaciones es similar.
𝑏 ∞
𝑓 𝑥 ≥0 𝑃 𝑎 < 𝑋 < 𝑏 = න 𝑓 𝑥 𝑑𝑥 න 𝑓 𝑥 𝑑𝑥 = 1
𝑎 −∞
𝑓(𝑥)
𝑓(𝑥)
Winplot.exe
∞ 1 3 ∞
න 𝑓 𝑥 𝑑𝑥 = න 𝑓 𝑥 𝑑𝑥 + න 𝑓 𝑥 𝑑𝑥 + න 𝑓 𝑥 𝑑𝑥
−∞ −∞ 1 3
∞ 1 3 ∞
න 𝑓 𝑥 𝑑𝑥 = න 𝑓 𝑥 𝑑𝑥 + න 𝑓 𝑥 𝑑𝑥 + න 𝑓 𝑥 𝑑𝑥
−∞ −∞ 1 3
0 0
∞ 1 3 ∞
න 𝑓 𝑥 𝑑𝑥 = න 𝑓 𝑥 𝑑𝑥 + න 𝑓 𝑥 𝑑𝑥 + න 𝑓 𝑥 𝑑𝑥
−∞ −∞ 1 3
0 0
∞ 1 3 ∞ 3
න 𝑓 𝑥 𝑑𝑥 = න 𝑓 𝑥 𝑑𝑥 + න 𝑓 𝑥 𝑑𝑥 + න 𝑓 𝑥 𝑑𝑥 = න 𝑓 𝑥 𝑑𝑥
−∞ −∞ 1 3 1
3
3
= න 𝑘 𝑥 − 1 3 − 𝑥 𝑑𝑥 = 1 ⇒ 𝑘 =
1 4
ESTADÍSTICA Y PROBABILIDAD estadisticaudep.com
55
1
0.7
0.6
0.5
Si la pieza es aceptable cuando está en el intervalo [1.7;2.4]
0.4
0.3
¿Qué porcentaje de piezas válidas se fabrican?
0.2
0.1
Función de densidad f(x)
0.8
0
1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3
0.7
x
0.6
0.5
0.4
PIEZAS VÁLIDAS
0.3
PIEZAS
0.2
PIEZAS
0.1 DEFECTUOSAS DEFECTUOSAS
0
1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3
x
1- Los valores posibles que puede tomar. Serán intervalos, por ejemplo 𝑥 ∈ [𝑎, 𝑏]
Una vez que conocemos los valores posibles y el modelo tenemos toda la información sobre esta variable.
𝑥
como ya usamos la letra 𝑥
para el límite de la integral,
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓 𝑣 𝑑𝑣 debemos usar otro símbolo
como variable de integración.
Usamos 𝑣.
−∞
A partir de la
función de
densidad podemos
obtener la función
de distribución
integrando.
𝑥
ESTADÍSTICA Y PROBABILIDAD estadisticaudep.com
59
Ejemplo 𝑋=longitud de una pieza manufacturada
𝑋
𝑓(𝑥)
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓 𝑣 𝑑𝑣
−∞
? 𝑠𝑖 𝑥 < 1
• Esta función de densidad es una función por tramos
𝐹 𝑥 = ? 𝑠𝑖 1 ≤ 𝑥 ≤ 3
• Tiene tres tramos: −∞; 1 ; 1; 3 ; (3, ∞)
• Por tanto, la función de distribución tendrá también tres tramos ? 𝑠𝑖 𝑥 > 3
𝐹 𝑥0 = 𝑃 𝑋 ≤ 𝑥0 = න 𝑓 𝑥 𝑑𝑥
−∞
𝐹(𝑥)
𝐹 𝑥 será SIEMPRE
una función que va
desde −∞ hasta
+ ∞, donde toma
los valores 0 y 1
respectivamente
0 1 2 3
Ejemplo 𝑋=longitud de una pieza manufacturada
𝑋
𝑓(𝑥)
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓 𝑣 𝑑𝑣
−∞
𝑥0
𝐹(𝑥)
Hasta 1, 𝑓 𝑥 = 0,
por lo que no se 𝑥
0 1 2 3
Ejemplo 𝑋=longitud de una pieza manufacturada
𝑋
𝑓(𝑥)
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓 𝑣 𝑑𝑣
−∞
𝑥0
𝐹(𝑥)
Entre 1 y 3, a lo acumulado hasta 1
(𝐹 1 = 0), se acumula la probabilidad
según la integral
1 𝑥
3
𝐹 𝑥 = න 0 𝑑𝑥 + න (𝑣 − 1)(3 − 𝑣) 𝑑𝑣
4
−∞ 1
1≤𝑣≤3
0 1 2 3
Ejemplo 𝑋=longitud de una pieza manufacturada
𝑋
𝑓(𝑥)
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓 𝑣 𝑑𝑣
−∞
𝐹(𝑥) 𝑥 1 𝑥
𝐹 𝑥 = න 𝑓 𝑥 𝑑𝑥 = න 𝑓 𝑣 𝑑𝑣 + න 𝑓 𝑣 𝑑𝑣
Entre 1 y 3, a lo acumulado hasta 1
(𝐹 1 = 0), se acumula la probabilidad 𝑥
−∞ −∞
𝑥
1
según la integral 3 3
= 𝐹 1 + න 𝑣 − 1 3 − 𝑣 𝑑𝑥 = 0 + න (𝑣 − 1)(3 − 𝑣) 𝑑𝑣
𝑥
4 4
1 1
3
𝐹 𝑥 = 𝐹 1 + න (𝑣 − 1)(3 − 𝑣) 𝑑𝑣
4 Para 1 < 𝑥 < 3
1
1≤𝑥≤3
0 1 2 3
Chrome
Wolframalpha.com
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓 𝑣 𝑑𝑣
−∞
𝑥0
𝐹(𝑥)
Como acumulamos
probabilidad de una 1 2
variable continua. 𝐹 𝑥 − 𝑥−4 𝑥−1
4
es continua y monótona
creciente
0 1 2 3
Ejemplo 𝑋=longitud de una pieza manufacturada
𝑋
𝑓(𝑥)
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓 𝑣 𝑑𝑣
−∞
𝐹(𝑥)
A partir de 3, de nuevo 𝑓 𝑥 =
0, por lo que ya no se va a
acumular más probabilidad.
Por tanto 𝐹 𝑥 = 𝐹 3 = 1,
para 𝑥 > 3
0 1 2 3
Ejemplo 𝑋=longitud de una pieza manufacturada
𝑋
𝑓(𝑥)
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓 𝑣 𝑑𝑣
−∞
0 𝑠𝑖 𝑥 < 1
𝐹 𝑥 = −1 𝑥 − 4 𝑥 − 1 2
𝑠𝑖 1 ≤ 𝑥 ≤ 3
4
1 𝑠𝑖 𝑥 > 3
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓 𝑣 𝑑𝑣
−∞
A partir de 𝑓 𝑥 podemos
obtener 𝐹(𝑥) y viceversa. Es la
misma información con diferente
expresión.
𝑑𝐹(𝑥)
𝑓 𝑥 =
𝑑𝑥
ESTADÍSTICA Y PROBABILIDAD estadisticaudep.com
69
Función de distribución 𝑭(𝒙)
𝐹(𝑥0 ) = 𝑃(𝑋 ≤ 𝑥0 )
𝒙𝟎
න 𝒇 𝒙 𝒅𝒙 = 𝟎. 𝟒𝟓
−∞
La probabilidad
𝑓(𝑥)
acumulada se obtiene
integrando 0.45
𝑥0 𝑥0
𝑥2 𝑥2 𝑥1
𝑃 𝑥1 < 𝑋 < 𝑥2 = න 𝑓 𝑥 𝑑𝑥 = න 𝑓 𝑥 𝑑𝑥 − න 𝑓 𝑥 𝑑𝑥 = 𝐹 𝑥2 − 𝐹(𝑥1 )
𝑥1 −∞ −∞
_
= 𝐹 𝑥2
𝐹(𝑥1 )
𝐹 𝑥0 ya me da la integral; la probabilidad de
tener valores menores o iguales a 𝑥0 .
0 𝑠𝑖 𝑥 < 1
𝐹 𝑥 = −1 𝑥 −4 𝑥 −1 2
𝑠𝑖 1 ≤ 𝑥 ≤ 3
4
1 𝑠𝑖 𝑥 > 3
A partir de la función de distribución, calcula la probabilidad de que una pieza que se fabrique sea válida
1. Media
2. Moda
3. Varianza
4. Cuartiles y percentiles
NOTACIÓN
A la media de una variable aleatoria se le suele denotar por los siguientes términos:
• Media poblacional
• Valor esperado
• Esperanza
• Esperanza matemática
• 𝐸(𝑋) (se lee ‘esperanza de X’)
• 𝜇 (letra griega ‘mu’)
𝑥1 se repite 𝑛1 veces
𝑥2 se repite 𝑛2 veces 𝐽
... 𝑥ҧ = 𝑥𝑗 𝑓𝑟 (𝑥𝑗 )
𝑥𝐽 se repite 𝑛𝐽 veces 𝑗=1
Sea 𝑋 una variable aleatoria discreta que toma los valores 𝑥1, 𝑥2, … , 𝑥𝐾
con función de probabilidad 𝑝 𝑥 .
¿Cuál es la media poblacional?
𝜇 = 𝐸 𝑋 = 𝑥𝑖 𝑝 𝑥𝑖
𝑖=1
Recordatorio del tema 1
𝐽
𝑥ҧ = 𝑥𝑗 𝑓𝑟 (𝑥𝑗 )
𝑗=1
Es la misma operación
que en el caso discreto, 𝐾
pero con una integral
𝜇 = 𝐸 𝑋 = 𝑥𝑖 𝑝 𝑥𝑖
𝑖=1
∞ 0 1 ∞
𝐸 𝑋 =න 𝑥𝑓 𝑥 𝑑𝑥 = න 𝑥𝑓 𝑥 𝑑𝑥 + න 𝑥𝑓 𝑥 𝑑𝑥 + න 𝑥𝑓 𝑥 𝑑𝑥
−∞ −∞ 0 1
0 12𝑥 2 (1 − 𝑥) 0
𝑓 𝑥 = 12𝑥 2 (1 − 𝑥) 1
1.8 𝐸 𝑋 = න 𝑥𝑓 𝑥 𝑑𝑥
1.6 0
1 4 5 1
1.4
𝑥 𝑥 3
1.2
= න 12𝑥 3 (1 − 𝑥)𝑑𝑥 = 12 − =
1
0 4 5 0
5
0.8
0.6
0.4
0.2
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
3/5 = 0.6
• La esperanza matemática 𝐸 ⋅ es un operador –símbolo matemático que indica que hay que
hacer una operación-.
• Es como una función, en la que el argumento de entrada es una variable aleatoria, y el resultado
es un número
𝐸 𝑋 =𝜇
Variable número
aleatoria
Es lineal: 𝐸 𝑎𝑋 + 𝑏𝑌 + 𝑐 = 𝑎𝐸 𝑋 + 𝑏𝐸 𝑌 + 𝑐
Siempre se cumple
Ejemplo Sea 𝑋 una variable aleatoria de media 10, y 𝑌 otra variable aleatoria de media 6.
Construimos la variable aleatoria 𝑍 = 3𝑋 + 2𝑌. ¿Cuál es su valor medio?
𝐸 𝑍 = 𝐸 3𝑋 + 2𝑌 = 𝐸 3𝑋 + 𝐸(2𝑌) = 3𝐸 𝑋 + 2𝐸 𝑌 = 3 × 10 + 2 × 6 = 42
Ejemplo Sea 𝑋 una variable aleatoria de media 5, y 𝑌 otra variable aleatoria de media 2.
Construimos la variable aleatoria 𝑍 = 6𝑋 − 3𝑌 + 25. ¿Cuál es su valor medio?
𝐸 𝑍 = 𝐸 6𝑋 − 3𝑌 + 25 = 𝐸 6𝑋 − 𝐸 3𝑌 + 𝐸 25 = 6𝐸 𝑋 − 3𝐸 𝑌 + 25 = 6 × 5 − 3 × 2 + 25 = 49
Una propiedad importante que tiene la esperanza es que si tenemos una variable aleatoria 𝑋 y
conocemos su densidad 𝑓(𝑥), podemos calcular el valor medio de cualquier variable 𝑌 que sea
función de ella, es decir,𝑌 = 𝑔(𝑋) sin tener que conocer su densidad.
𝑘
𝑔 𝑥𝑖 𝑝(𝑥𝑖 ) , 𝑋 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎
𝑖=1
𝐸 𝑌 = 𝐸 𝑔(𝑥) = ∞
න 𝑔 𝑥 𝑓 𝑥 𝑑𝑥 , 𝑋 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎
−∞
∞ 1
𝐸 𝑌 =𝐸 𝑋 =න 𝑥𝑓 𝑥 𝑑𝑥 = න 𝑥12𝑥 2 (1 − 𝑥)𝑑𝑥 = 0.7619
−∞ 0
∞
𝐸 𝑔(𝑥) = න 𝑔 𝑥 𝑓 𝑥 𝑑𝑥
−∞
Moda
La moda de 𝑋 es el valor 𝑥 que maximiza 𝑝(𝑥) o 𝑓(𝑥)
1.8
𝑓(𝑥) 16
x 𝑥
Moda
Las distribuciones pueden ser multimodales
Distribución trimodal
Distribución bimodal
𝑝(𝑥)
Para calcular la moda hay Para calcular los máximos de una función hay que ver si hay máximos
que buscar los máximos relativos (tangente horizontal) que estén dentro del rango de valores de 𝑋,
absolutos y relativos de la y ver también el valor en los extremos, por si son más altos que los puntos
función donde haya tangente horizontal
1.2
1
24
0.8
Se obtiene que, en ese máximo relativo: 𝑓 = 1.78
0.6 36
0.4
24
0.667 Por tanto, la moda está en 𝑥 = = 0.667
36
σ𝑛 2
2 𝑖=1 𝑥𝑖 − 𝑥ҧ
𝑠 = Se promedian las
𝑛 distancias a la
media al cuadrado
𝜎 2 = Var(𝑋) = 𝐸[ 𝑋 − 𝜇 2 ]
ESTADÍSTICA Y PROBABILIDAD estadisticaudep.com
95
¿Cómo se calcula la varianza de una variable aleatoria?
2 2
𝜎 = 𝐸[ 𝑋 − 𝜇 ]
Esto es una función de 𝑋
𝑌 =𝑔 𝑋 = 𝑋−𝜇 2
A partir de 𝑋 podemos calcular el valor medio de cualquier variable 𝑌 que sea función de ella, es decir,𝑌 = 𝑔(𝑋)
sin tener que conocer la densidad de 𝑌.
𝑘
𝑔 𝑥𝑖 𝑝(𝑥𝑖 ) , 𝑋 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎
𝑖=1
𝐸 𝑌 = 𝐸 𝑔(𝑥) = ∞
න 𝑔 𝑥 𝑓 𝑥 𝑑𝑥 , 𝑋 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎
−∞
2 2
𝜎 = 𝐸[ 𝑋 − 𝜇 ]
Esto es una función de 𝑋
𝑔 𝑋 = 𝑋−𝜇 2
𝑘
𝑥𝑖 − 𝜇 2 𝑝(𝑥𝑖 ) , 𝑋 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎
2 2 𝑖=1
𝜎 = 𝐸[ 𝑋 − 𝜇 ] = ∞
න 𝑥 − 𝜇 2 𝑓 𝑥 𝑑𝑥 , 𝑋 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎
−∞
0.14 si 𝑥 =0
0.27 si 𝑥 =1
0.27 si 𝑥 =2
𝑝(𝑥)
0.18 si 𝑥 =3
0.09 si 𝑥 =4
0.05 si 𝑥 =5
𝑘
𝜎2 = 𝑥𝑖 − 𝜇 2 𝑝(𝑥𝑖 )
𝑖=1
∞ 1 2
3 1
𝜎2 =න 𝑥−𝜇 2𝑓 𝑥 𝑑𝑥 = න 𝑥− 12𝑥 2 (1 − 𝑥) 𝑑𝑥 =
−∞ 0 5 25
Si 𝑋 e 𝑌 son independientes…
Prob=0.6
Por ejemplo, para el cálculo del
percentil 60 podemos hacer:
𝑃60
−∞ 𝑓 𝑥 𝑑𝑥 = 0.60 ⇒ despejamos 𝑃60
0 𝑥<0
𝑓 𝑥 = 4𝑥 3 , 𝑥 ∈ 0,1 ; 𝐹 𝑥 = ቐ𝑥 4 0≤𝑥<1
1 𝑥≥1
𝑓(𝑥)
𝐹(𝑥)
1
1 0
0
ESTADÍSTICA Y PROBABILIDAD estadisticaudep.com
105
Ejemplo Calcula la mediana 𝑄2 y el percentil 30, 𝑃30 , de la siguiente variable aleatoria
continua de la que tenemos su función de densidad y de distribución:
Función de densidad
Mediana:
𝑓 𝑥 = 4𝑥 3 , 𝑥 ∈ 0,1 ;
𝑓(𝑥)
𝑄2
න 4𝑥 3 𝑑𝑥 = 0.5
0
4 𝑄2
⇒ 𝑥 0 = 0.5
Prob= 0.5
⇒ 𝑄24 = 0.5
4
⇒ 𝑄2 = 0.5 = 0.841 𝑄2 = 0.841 1
0
𝑓 𝑥 = 4𝑥 3 , 𝑥 ∈ 0,1 ;
𝑃30 𝑓(𝑥)
න 4𝑥 3 𝑑𝑥 = 0.3
0
4 𝑃30
⇒ 𝑥 0 = 0.3
Prob= 0.3
4
⇒ 𝑃30 = 0.3
4 1
⇒ 𝑃30 = 0.3 = 0.74 0 𝑃30 = 0.74
Función de distribución
0 𝑥<0
𝐹 𝑥 = ቐ𝑥 4 0≤𝑥<1
1 𝑥≥1
Mediana
𝐹 𝑥
𝐹 𝑄2 = 0.5
Gráficamente, equivale a
entrar por el eje Y de 𝐹(𝑥)
⇒ 𝑄24 = 0.5 con la probabilidad
acumulada deseada y leer el 0.5
valor del eje X que le
4 corresponde
⇒ 𝑄2 = 0.5 = 0.841
𝑄2
Función de distribución
0 𝑥<0
Percentil 30 𝐹 𝑥 = ቐ𝑥 4 0≤𝑥<1
1 𝑥≥1
𝐹 𝑥
𝐹 𝑃30 = 0.3
4
⇒ 𝑃30 = 0.3 Gráficamente,
equivale a entrar por
el eje Y de 𝐹(𝑥) con 0.3
la probabilidad
4 acumulada deseada y
⇒ 𝑃30 = 0.3 = 0.74 leer el valor del eje X
que le corresponde
𝑃30
𝐹 𝑥
𝑝
100
𝑃𝑝
ESTADÍSTICA Y PROBABILIDAD estadisticaudep.com
110
Para variables aleatorias discretas, existe el problema de que la función de distribución no es
monótona creciente, y por lo tanto no es invertible. Es necesario modificar la definición de
percentil para que sea válida tanto en el caso continuo como discreto
Veamos, por ejemplo, como obtener el 𝑃60 en una v. aleatoria continua y en otra discreta
no interseca
con 𝐹 𝑥
0.6 ??
0.6
0.4
??
Para ello, dibujaremos 𝐹(𝑥) en una variable discreta como una escalera con ‘paredes’
Este es,
formalmente el
aspecto de 𝐹(𝑥)
en el caso
discreto. Los
‘peldaños’ no
tienen ‘pared’
Para ello, dibujaremos 𝐹(𝑥) en una variable discreta como una escalera con ‘paredes’
Estas ‘paredes’
no son parte de
𝐹(𝑥) pues, de lo
contrario, un
mismo valor de 𝑥
tendría varios
valores de 𝑦, y ya
no sería una
función. Son sólo
unas líneas
‘auxiliares’.
0.6
𝑃60 = 2
ESTADÍSTICA Y PROBABILIDAD estadisticaudep.com
114
La definición de percentil (cuantil) de una variable aleatoria, equivale, gráficamente,
a entrar por el eje Y con la probabilidad deseada hasta interceptar con la pared de
un escalón
0.4
𝑃40 = 1
ESTADÍSTICA Y PROBABILIDAD estadisticaudep.com
115
La definición de percentil, o cuantil, para una variable aleatoria, continua o discreta es:
0.6 0.6
𝑃60 𝑃60 = 2
ESTADÍSTICA Y PROBABILIDAD estadisticaudep.com
116
La definición de percentil, o cuantil, para una variable aleatoria, continua o discreta es:
𝑋 𝐹(𝑥)
0 0.14 𝑄1 : es el mínimo valor de 𝑋 que acumula un 25% de la
1 0.41 probabilidad o más.
2 0.68 𝑄1 = 1
3 0,86
4 0.95 𝑄2 : es el mínimo valor de 𝑋 que acumula un 50% de la
5 1.00 probabilidad o más.
𝑄2 = 2