SEMANA 6

VARIABLE
ALEATORIA
DOCENTE:
FIGMM
Mercedes Aida Osorio Maza
mosorio@uni.edu.pe

2018-I
TEORIA
 TEMAS A DESARROLLAR
 Variable Aleatoria continua: función de Densidad
y funciones de Distribución. Esperanza y Varianza
matemática.

 Distribuciones discretas especiales:

 Distribución Binomial.
 CLASES DE VARIABLE
ALEATORIA

VARIABLE ALEATORIA

Variable Aleatoria Variable Aleatoria

Discreta Continua
2.- VARIABLE ALEATORIA CONTINUA
Es continua si el conjunto de valores que toma esta dentro
de un intervalo o conjunto de intervalos.
Su función de probabilidad (llamada también función de
densidad) cumple con las siguientes propiedades:
Función De Distribución Acumulada F(x)
Si “x” es una variable aleatoria discreta o continua definimos
a F(x) como la distribución acumulada de la variable a:

F x   P x  x i 

Si “x” es una Variable Aleatoria Continua: Con función de densidad

f(x), entonces la función de distribución Acumulada será:

x
F(x)  P(x  x)  f

(x) dt x  R
 x
F(x)  P(x  x)  f

(x) dt x  R
Ejemplo
Si se tiene la función de densidad f(x). Hallar F(x). ( Función Acumulativa)

 x2 0  x 1
 1 1 x  2
 2
f (x)   x
2 
3
2 2x3

 0 Otro caso
Planteando limites:

Para 0


x0  

0dt
 Para 0 x


0  x 1  

0dt   t
0 2
dt
 0 1 x
F(x)   Para

1 x  2  
0dt   dt   t
0 2
1
1 2
dt
0 1 2 x
 Para

2x3  

0dt   dt  
t
0 2 1 2
1
dt  
2 2
t
 32 dt
0 1 2 x
Para x3  

0dt   dt  
t
0 2 1 2
1
dt  
2 2
t
 32 dt
Luego:

0 x0
 2
x 0  x 1
4

x 1
F(x)   1 x  2
2 4
 3x x 2 9
 2  4 4 2x3


 1 x3
Esperanza Matemática E(x)
Es la media aritmética o el promedio de la variable x.
Si “x” una Variable Aleatoria Continua con función de
densidad f(x), la esperanza E(x) se define:

E (x)   xf (x)dx
-

Si H(x) es función de “x”


E (H (x ) )   H (x)f (x)dx
-
Propiedades

1. - E (a)  a
2. - E (ax)  aE (x)
3. - E (ax  b)  aE (x)  b
4. - E (x  y)  E (x)  E (y)
Varianza de una Variable V(x)
Sea “x” una Variable Aleatoria con función de probabilidad
P(x), la varianza de una Variable Aleatoria de define:
Sea la varianza para datos agrupados

n 2
n i (y i - y) ni
V(x)   Luego  P(x)
i 1 n n
Si x es una Variable Aleatoria Continua


V(x)   (x  x u ) f (x)dx
2


Propiedades

1. - V(a)  0
2. - V(ax)  a2V(x)
3. - V(ax  b)  a2V(x)
4. - V(x  y)  V(x)  V(y)
Video Introductorio de la Variable
Aleatoria Continua
DISTRIBUCIÓN DE PROBABILIDADES
DE VARIABLES DISCRETAS
Se caracterizan por que trabajan con variables
aleatorias discretas xi, es decir los valores que
toma x debe pertenecer al conjunto de los números
enteros.
Ejemplo

X = números de artículos defectuosos

Y = números de variables, etc.
 DISTRIBUCIÓN DISCRETAS

Distribución Binomial

DISTRIBUCION DE
UNA VARIABLE
ALEATORIA Distribución Poisson
DISCRETA

Distribución
Hipergeometrica
 DISTRIBUCIÓN BINOMIAL
Suponga que un experimento se repita “n” veces
en forma independiente, con probabilidad de éxito
igual a “p”, si definimos a x: el número de éxitos
ocurridos en “n” repeticiones, se dice que “x”
sigue una distribución binomial con parámetros
n y p sí su:
Función de probabilidad es:

 n  x nx
P(x  x i )   P q
x
  n  x nx
P(x  x i )   P q
x

Donde:
n : Numero de veces que se realiza el experimento y/o tamaño de
muestra.

x : Números de éxitos que deseamos obtener, x  .

P : Probabilidad de éxito.

q : Probabilidad de fracaso (q = 1 – p)
Ejemplo
Si un experimento se repite 5 veces y deseamos obtener 3
éxitos, tendremos:

P(éxito) = P , P(fracaso) = q

Luego:

P(E, F, E, F, E)  P(E) .P(F) , P(E) P(F) P(E)  P q

3 2

P(E, E, E, F, F)  p q
3 2

P(F, F, E, E, E)  q.q.p.p.p  p 3q 2
La probabilidad de cualquier secuencia es la misma por
otro lado existen( nCx ) secuencias diferentes de éxito y
(n – x) fracasos (formas de sortear x elementos en “n”
lugares).

La Esperanza Matemática

 E (x)  np
La Varianza Matemática

 V(x)  npq
Suposiciones

I. La distribución binomial se aplica cuando la muestra

es con REEMPLAZO y la población es FINITA.
II. Los resultados de cada repetición se clasifican en dos
categorías mutuamente excluyentes:
Ejemplo
Éxito  Fracaso.
Defecto  No defectuoso.
Cara  Sello.

Además la probabilidad de éxito representada por “P”

es invariable en todas las pruebas, así como la
probabilidad de fracaso “q” (p + q = 1)
Ejemplo

La probabilidad que un jugador acierte en un juego es un

¼.
Si
a) Juega 10 veces ¿ cual es probabilidad de que acierte 2
veces?
b) Juega 7 veces ¿ cual es probabilidad de que por lo
menos acierte 2 veces?
Solución

Sea “x” número de aciertos

1 3
P , q , n7
4 4
La función de Probabilidad es:
x 7x
 7  1   3 
P(x  x i )      
 x  4   4 
a) Sí n = 10
P(x  2)  P(x 0)  P(x 1)  P(x  2)
0 10 1 9 2 8
10  1   3  10  1   3  10  1   3 
P(x  2)                  
 0  4   4  1  4   4   2  4   4 
b) Sí n = 7

P(x 2)  P(x 2)  P(x 3)  ............P(x 7)

2 5 3 4 7 0
  1   3    1   3 
7 7   1   3 
7
             .............      
 2  4   4   3  4   4   7  4   4 
O También
P(x 2)  1 - P(x  2)
0 7 1 6
 7  1   3   7  1   3 
P(x 2)  1 - P(x 0)  P(x 1)  1 -           
 0  4   4  1  4   4 
Video Introductorio de la
Distribución Binomial
F I N