Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4 VaribleAleatoriaDiscreta
4 VaribleAleatoriaDiscreta
X :E
w X ( w)
Llamar variable a una funcin resulta algo confuso,
por ello hay que insistir en que es una funcin.
Ley de
correspondencia
N reales
(# de caras) 0 1 2 3 caras
Establecer una variable aleatoria
X :E
para un experimento aleatorio no
es ms que una manera de asignar
de "manera natural" nmeros a los
eventos. w X ( w) 3
Funcin de probabilidad
Voy a pensar un nmero entero del 1 al 100.
Qu numero ser?
1/100
1 2 3 ........ 99 100 X
4
Distribucin uniforme discreta
En muchos casos asumimos que todos los resultados de
un experimento aleatorio son igualmente posibles.
1/50
1 2 3 ........ 99 100 X
p : [0,1]
x p ( x) P( X x)
La funcin de probabilidad debe cumplir:
(i) 0 p( x) 1 x
(ii ) p( x) 1 (Suma sobre todos los posibles valores
7
que puede tomar la variable aleatoria).
x
Funcin de probabilidad discreta
Valores Probabilidad
Z 0 1/4 = 0.25
1 2/4 = 0.50
Z
2 1/4 = 0.25
Z Z
X :E p : [0,1]
w X ( w) x p ( x) P( X x) 8
Requerimientos de una distribucin de
probabilidad
X P(X) X P(X) X P(X)
-1 .1 -1 -.1 -1 .1
0 .2 0 .3 0 .3
1 .4 1 .4 1 .4
2 .2 2 .3 2 .3
3 .1 3 .1 3 .1
1.0 1.0 1.2
0 p ( x) 1 para todo x
p ( x) 1
x 9
Observa que aun si el espacio muestral es infinito
numerable, tambin podemos definir una variable
aleatoria discreta y una funcin de probabilidad.
6/36
P
5/36 5/36
4/36 4/36
3/36 3/36
2/36 2/36
1/36 1/36
2 3 4 5 6 7 8 9 10 11 12 X
F
1,0
0,5
0,028
2 3 4 5 6 7 8 9 10 11 12 x
14
Ejemplo: Dibuja la funcin de probabilidad f(x) y la funcin
de distribucin F(x) de una variable discreta definida
como:
X = Nmero en la cara de un dado.
X tiene como posibles valores x = 1, 2, 3, 4, 5, 6 cada
uno con probabilidad 1/6
1 1
6
F(x)
f(x)
0.5
0 1 6 x 0 1 6 x
15
Funcin de probabilidad f(x) Funcin de distribucin F(x)
Algunos problemas de probabilidad estn relacionados
con la probabilidad P(a <X b) de que X asuma algn
valor en un intervalo (a, b]. Observa que:
F () lim F ( x) lim P( X x) P( E ) 1
x x
P( x1 X x2 ) F ( x2 ) F ( x1 )
F es montona creciente.
19
Mtodo de Monte Carlo
22
Resultado Funcin de P. acumulada
Cmo simular con probabilidad (Funcin de
el ordenador la distribucin)
Condicin Resultado
0 g < 0.25 0
0.25 g < 0.75 1
0.75 g < 0.875 2
0.875 g < 1 3
23
Una vez visto un caso particular, el problema general puede
formularse del siguiente modo:
i 1 i
p
j 0
j g p j
j 0
24
Esperanza matemtica o media
de una funcin de probabilidad discreta
E X xi P( X xi ) xi p( xi )
i i
X P(X) X P(X)
-1 .1 -.1 Siempre que no genere
ambigedad pasaremos
0 .2 .0 de arrastrar la variable
1 .4 .4 aleatoria: en vez de poner
2 .2 .4 X = xi ponemos
directamente xi.
3 .1 .3
1.0
25
Calcular la esperanza de la variable aleatoria X en
el ejemplo de los dos dados:
12
E ( X ) P (i ) i
i2
1 2 6 1
2 3 ... 7 ... 12 7
36 36 36 36
26
Sean a, b y c constantes. Demuestra que:
(1) E (c ) c
(2) E( P1 ( x) P2 ( x)) E( P1 ( x)) E( P2 ( x))
(3) E (aX b) aE ( X ) b
(1) Ec 1 c c
(2) E P1 ( x) P2 ( x) xi P1 ( X xi ) P2 ( X xi )
i
x P ( X x ) x P ( X x ) E P ( x ) E P ( x )
i
i 1 i
i
i 2 i 1 2
27
Supongamos que tenemos que hacer unos anlisis clnicos
de sangre. Queremos detectar una enfermedad que
afecta a 1 de cada 1000 personas. Los pacientes acuden
en grupos de 50. Qu nos sale econmicamente ms
a cuenta: analizar paciente a paciente o mezclar la sangre de
los 50 y analizar la mezcla?
50
999 999
P(1 persona sana) ; P(50 personas sanas)
1000 1000
50
999
P(Al menos una persona de 50 enferma) 1 -
1000
999
50
999
50
# esperado de anlisis 1 51 1 - 21
1000 1000
Tomando la mezcla, en promedio tendremos que hacer
28
unos 21 anlisis en vez de 50 por grupo.
Juegos
A un juego de azar podemos asignarle una variable aleatoria X,
cuyos valores son las ganancias correspondientes a los
posibles resultados. La esperanza matemtica de la variable
aleatoria X representa el beneficio medio o ganancia media
que se obtiene en cada jugada cuando se juega un nmero
elevado de veces.
Sea el juego que consiste en sacar una bola de una urna que
contiene 7 bolas rojas y 3 bolas negras. Ganamos 50 euros si la
bola extrada es roja y pagamos 150 euros en el caso de que sea
29
negra. Qu podemos esperar si jugamos muchas veces?
Espacio muestral E = {R, N}. Consideramos las ganancias
como positivas y las prdidas negativas:
N -150 0,3
Ganancia media
30
Una compaa de seguros domsticos tiene que determinar
el gasto medio por pliza suscrita, sabiendo que cada ao
1 de cada 10.000 plizas termina en una reclamacin de
20 millones, 1 de cada 1.000 en 5 millones, 1 de cada 50 en
200.000 y el resto en 0.
1 1
2 10
7
5 10
6
10000 1000
1 9789
2 10 0
5
11000
50 10000
31
32
Mark Kac, en Enigmas of Chance (1985), explica cmo aplicar el
concepto de esperanza a la vida real:
E T ( X ) T ( xi ) p( xi )
i
Tomando como casos particulares a las funciones:
T ( X ) X ; k 1, 2, 3, ...
k
mk E ( X ) x p( xi )
k k
i
34
i
Y tomando como casos particulares a las funciones:
T ( X ) ( X ) ; k 1, 2, 3, ...
k
M k E (( X ) ) ( x ) p( xi )
k k
Observa que:
m1 E ( X )
M1 E ( X ) E ( X ) 0
35
Varianza y desviacin estndar o tpica
de una funcin de probabilidad discreta
Varianza
Var ( X ) M 2 E (( X ) )
2 2
(x )
i
i
2
P( X xi )
Var(X )
Desviacin estndar
o tpica
-1 .1 -2 4 .4
0 .2 -1 1 .2
1 .4 0 0 .0
2 .2 1 1 .2
3 .1 2 4 .4
1.2
( xi ) P( xi ) 1,2
2 2
Var( X ) 1.10
37
Calcula la varianza y desviacin tpica de la variable
aleatoria X en el ejemplo de los dos dados:
12
Var ( X ) P (i ) (i 7 ) 2
i2
1 2 1
( 2 7 ) (3 7 ) ... (12 7 ) 2 5,83
2 2
36 36 36
38
Algunas propiedades de la varianza
Var ( X ) ( xi ) p( xi )
2 2
(x 2xi ) p( xi )
2 2
i
i
x p( xi ) 2 xi p( xi )
2 2
i
i i
E ( X 2 ) 2 2 2 E ( X 2 ) ( E ( X )) 2
E ( X ) ( E ( X ))
2 2 2
39
La apuesta de Pascal
Usted tiene dos cosas que perder: la verdad y el bien, y dos cosas que comprometer: su razn
y su voluntad, su conocimiento y su bienaventuranza; y su naturaleza posee dos cosas de las
que debe huir: el error y la miseria. Su razn no est ms daada, eligiendo la una o la otra,
puesto que es necesario elegir. He aqu un punto vaco. Pero su bienaventuranza? Vamos a
pesar la ganancia y la prdida, eligiendo cruz (de cara o cruz) para el hecho de que Dios existe.
Estimemos estos dos casos: si usted gana, usted gana todo; si usted pierde, usted no pierde
nada. Apueste usted que l existe, sin titubear.
<X(t+1)>-<X(t)> = <X(t+1)-X(t)> =
(1/2 - e (1/2 + e 2e
La paradoja de San Petersburgo
Se comienza con un bote de dos euros.
Se lanza una moneda al aire: si sale cruz,
yo doblo la cantidad que hay en el bote; si
sale cara, usted se lleva el bote disponible
en ese momento. Es decir, si la primera
tirada es cara, usted gana 2 euros, si la
primera tirada es cruz y la segunda cara, Daniel Bernoulli 1738
gana 4 euros, si la primera cara sale en la San Petersburgo.
tercera tirada gana 8 euros, y si la primera
cara sale en la tirada n-sima gana 2n
euros. Obviamente, lo que a usted ms le La pregunta que se hizo
conviene es que salga cara lo ms tarde Bernouilli, y que en cierto
posible. En cualquier caso, usted gana modo sigue sin resolverse,
siempre algo de dinero, por lo que es justo es: cul es la cuota de
que yo le cobre alguna cantidad o cuota entrada que se debera
para permitirle participar en el juego. cobrar para que el juego
J. M. Parrondo fuera justo?
INVESTIGACIN Y CIENCIA, febrero, 2007 44
La paradoja de San Petersburgo
Sea X la ganancia. Su valor esperado o ganancia media, es:
E X n 2
1 n
n 1 2
El jugador debera pagar una cantidad infinita para que el juego fuera justo!
Piensa que HAL vaticina con total seguridad lo que vas a escoger:
(a) Si HAL vaticina que optars por las dos cajas, pondr 1.000 euros en la caja 1 y nada en la
caja 2.
(b) Si HAL vaticina que optars por la caja 2, pondr 1.000 euros en la caja 1 y 1.000.000 de
euros en la caja 2.
(c) Si HAL vaticina que elegirs las dos cajas, y sin embargo, optas por la caja 2, no ganas nada.
(d) Si HAL vaticina que optars por la caja 2, y sin embargo, optas por las dos cajas, ganas las
sumas contenidas en las cajas 1 y 2, es decir: 1.001.000 euros.
Matriz de pagos (Teora de juegos):
HAL
Vaticina que Vaticina que
elegirs caja 2 elegirs las dos
cajas
Eliges la
caja 2 1.000.000 0
T Elige las
dos cajas 1.001.000 1.000
Pero si optas por la caja 2: HAL lo habr vaticinado y habr colocado 1.000 euros en la
caja 1 y 1.000.000 de euros en la caja 2. Premio: 1.000.000 euros.
Es preferible tener la casi plena certeza de ganar 1.000.000 de euros que ganar 1.000 euros.
Si HAL puso 1.000.000 de euros en la caja 2, al optar por las dos cajas, ganar 1.001.000
euros. Si HAL solo puso 1.000 euros en la caja 1, me conviene tambin optar por las dos,
puesto que mejor 1.000 euros que nada.