Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4 VaribleAleatoriaDiscreta
4 VaribleAleatoriaDiscreta
X :E
w X ( w)
Llamar variable a una función resulta algo confuso,
por ello hay que insistir en que es una función.
Ley de
correspondencia
Nº reales
(# de caras) 0 1 2 3 caras
Establecer una variable aleatoria
X :E
para un experimento aleatorio no
es más que una manera de asignar
de "manera natural" números a los
eventos. w X ( w) 3
Función de probabilidad
Voy a pensar un número entero del 1 al 100.
“¿Qué numero será?”
1/100
1 2 3 ........ 99 100 X
4
Distribución 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 función 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
Función 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 distribución 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, también podemos definir una variable
aleatoria discreta y una función 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 función de probabilidad f(x) y la función
de distribución F(x) de una variable discreta definida
como:
X = Número 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
Función de probabilidad f(x) Función de distribución F(x)
Algunos problemas de probabilidad están relacionados
con la probabilidad P(a <X b) de que X asuma algún
valor en un intervalo (a, b]. Observa que:
P( x1 X x2 ) F ( x2 ) F ( x1 )
F es monótona creciente.
19
Método de Monte Carlo
22
Resultado Función de P. acumulada
¿Cómo simular con probabilidad (Función de
el ordenador la distribución)
Condición 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 matemática o media
de una función 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
ambigüedad 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 análisis clínicos
de sangre. Queremos detectar una enfermedad que
afecta a 1 de cada 1000 personas. Los pacientes acuden
en grupos de 50. ¿Qué nos sale económicamente más
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 análisis 1 51 1 - 21
1000 1000
Tomando la mezcla, en promedio tendremos que hacer
28
unos 21 análisis 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 matemática de la variable
aleatoria X representa el beneficio medio o ganancia media
que se obtiene en cada jugada cuando se juega un número
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 extraída es roja y pagamos 150 euros en el caso de que sea
29
negra. ¿Qué podemos esperar si jugamos muchas veces?
Espacio muestral E = {R, N}. Consideramos las ganancias
como positivas y las pérdidas negativas:
N -150 0,3
Ganancia media
30
Una compañía de seguros domésticos tiene que determinar
el gasto medio por póliza suscrita, sabiendo que cada año
1 de cada 10.000 pólizas termina en una reclamación 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 cómo 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 desviación estándar o típica
de una función de probabilidad discreta
Varianza
Var ( X ) M 2 E (( X ) )
2 2
(x )
i
i
2
P( X xi )
Var(X )
Desviación estándar
o típica
-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 desviación típica 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 razón
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 razón no está más dañada, eligiendo la una o la otra,
puesto que es necesario elegir. He aquí un punto vacío. ¿Pero su bienaventuranza? Vamos a
pesar la ganancia y la pérdida, 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 Él existe, sin titubear.
<X(t+1)>-<X(t)> = <X(t+1)-X(t)> =
E X n 2
1 n
n 1 2
¡El jugador debería pagar una cantidad infinita para que el juego fuera justo!
«En otras palabras, si yo le ofrezco entrar en el juego con una cuota de,
digamos, un millón de euros, usted debería aceptar, porque la ganancia
media en el juego, que es infinita, supera esa y cualquier otra cantidad.
Sin embargo, nadie en su sano juicio aceptaría semejante trato. Esta es
la paradoja de San Petersburgo: el sentido común nos dice que el valor
medio de la ganancia no determina la cuota de entrada aceptable.
¿Cómo determinamos entonces dicha cuota?» 45
El problema fundamental del juego de San Petersburgo es que proporciona
premios muy cuantiosos con probabilidad extremadamente pequeña. Por ejemplo,
si la primera cara aparece en la tirada décima, la ganancia es de 1024 euros, y esto
ocurre con una probabilidad de 1 entre 1024. Las ganancias crecen
exponencialmente mientras que las probabilidades decrecen también
exponencialmente, siendo siempre el valor medio de cada posible premio igual a un
euro.
Piensa que HAL vaticina con total seguridad lo que vas a escoger:
(a) Si HAL vaticina que optarás por las dos cajas, pondrá 1.000 euros en la caja 1 y nada en la
caja 2.
(b) Si HAL vaticina que optarás por la caja 2, pondrá 1.000 euros en la caja 1 y 1.000.000 de
euros en la caja 2.
(c) Si HAL vaticina que elegirás las dos cajas, y sin embargo, optas por la caja 2, no ganas nada.
(d) Si HAL vaticina que optarás 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 (Teoría de juegos):
HAL
Vaticina que Vaticina que
elegirás caja 2 elegirás las dos
cajas
Eliges la
caja 2 1.000.000 0
Tú Elige las
dos cajas 1.001.000 1.000
Pero si optas por la caja 2: HAL lo habrá vaticinado y habrá 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, ganaré 1.001.000
euros. Si HAL solo puso 1.000 euros en la caja 1, me conviene también optar por las dos,
puesto que mejor 1.000 euros que nada.