Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Julio 2019
MODELOS CONTINUOS Y
DISCRETOS
El modelo es discreto si solo es de interés conocer los
valores de salida en un conjunto discreto (de cardinal
finito o numerable).
El modelo es continuo si se quiere conocer los valores de
salida en todos los instantes o espacios de un intervalo.
x h(t) ó h[n] y
𝝐
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Variable aleatoria (recordar)
Se considera así a una medida que contiene variabilidad.
Generalmente, se representa matemáticamente usando
el modelo:
𝑋 =𝜇+𝜖
𝜇: constante
𝜖: perturbación aleatoria
Discreto Continuo
[Tomado de Montgomery]
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Distribución de probabilidad
Definición. Para una variable aleatoria discreta 𝑋 con
posibles valores 𝑥1 , 𝑥2 , … , 𝑥𝑛 , una función de
probabilidad es una función tal que:
1. f 𝑥𝑖 ≥ 0
2. σ𝑛𝑖=1 f 𝑥𝑖 = 1
3. f 𝑥𝑖 = 𝑃(𝑋 = 𝑥𝑖 )
Tomado de Montgomery
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Distribución de probabilidad
Teniendo una variable aleatoria continua, es muy
probable que se encuentre que 𝑷 𝑿 = 𝒙 = 𝟎. Por lo
tanto:
F 𝑥 = 𝑃 𝑋 ≤ 𝑥 = 𝑓(𝑥𝑖 )
𝑥𝑖 ≤𝑥
μ = E 𝑋 = 𝑥𝑓(𝑥)
𝑥
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
Para variables aleatorias discretas:
La varianza de X denotada como 𝜎 2 o V 𝑋 es:
𝜎 2 = V 𝑋 = 𝐸(𝑋 − 𝜇)2 = (𝑥 − 𝜇)2 𝑓(𝑥)
𝑥
= 𝑥 2 𝑓 𝑥 − 𝜇2
𝑥
La desviación estándar de X es 𝜎 = 𝜎 2
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
Para variables aleatorias continuas:
Si 𝐗 es una variable aleatoria continua con función de
densidad de probabilidad 𝑓 𝑥 .
La media o valor esperado de 𝑋 denotado como 𝜇 o
E 𝑋 es:
∞
μ = E 𝑋 = න 𝑥𝑓 𝑥 𝑑𝑥
−∞
La varianza de 𝑋denotada como 𝜎 2 o V 𝑋 es:
∞
𝜎 2 = V 𝑋 = −∞ 𝑥 − 𝜇 2 𝑓 𝑥 𝑑𝑥 =
∞ 2
−∞ 𝑥 𝑓 𝑥 𝑑𝑥 − 𝜇2
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
Ejemplo (discreto):
La probabilidad de transmitir un bit erróneamente en un
canal de comunicaciones. Se asume que 𝑋 es igual al
número de bits erróneos en los próximos cuatro
transmitidos. Los posibles valores de 𝑋 son: {0,1,2,3,4}.
Basados en un modelo para los errores, las
probabilidades son:
P 𝑋 = 0 = 0.6561, 𝑃 𝑋 = 1 = 0.2916, 𝑃 𝑋 = 2
= 0.0486, 𝑃 𝑋 = 3 = 0.0036 𝑦 𝑃 𝑋 = 4 = 0.0001
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
Ejemplo (discreto):
μ = E 𝑋 = 𝑥𝑓(𝑥)
𝑥
= 0 ∗ 0.6561 + 1 ∗ 0.2916 + 2 ∗ 0.0486 + 3
∗ 0.0036 + 4 ∗ 0.0001 = 0.4
𝜎 2 = V 𝑋 = 𝑓 𝑥𝑖 𝑥𝑖 − 0.4 2 = 0.36
𝑖=0
VARIABLES ALEATORIAS Y SUS
DISTRIBUCIONES
Algunos conceptos adicionales
Para hallar la varianza paso a paso (discreto):