Professional Documents
Culture Documents
El conjunto de pares ordenados (x,f(x)) es una distribucin de probabilidad de la variable
aleatoria discreta X si se cumple:
a) 0 > ) (x f (condicin de no negatividad)
b)
=1 ) (x f (Condicin de cierre)
La representacin grfica ms usual de la funcin de probabilidad es un diagrama de
barras no acumulativo.( como la variables es discreta son bastones)
Funcin de Distribucin o de Probabilidades acumuladas F(x)
En muchas ocasiones no nos interesa tanto conocer la probabilidad de que la v.a. X tome
exactamente un determinado valor xi, cuanto la probabilidad de que tome valores
menores o iguales que un cierto valor xi. En tales casos es necesario acumular los
distintos valores de la funcin de probabilidad hasta el valor deseado. Se trata de una
nueva aplicacin llamada funcin de distribucin acumulativa de la variable aleatoria.
Tambin se conoce cmo funcin masa de probabilidad de una variable aleatoria discreta.
PROBABILIDAD Y ESTADSTICA II- ISFD N 6018
3ER. AO DEL PROFESORADO PARA EGB3 Y POLIMODAL DE MATEMTICA -2013
Prof. Celia Villagra - 3 -
Sea X una variable aleatoria discreta, cuyos valores se suponen ordenados de menor a
mayor. Se llama funcin de distribucin de la variable X, y se simboliza por F(x), a la
funcin
) ( ) (
:
x X P x F x
R R F
s =
x
x p x ) ( .
Donde p(x) es la funcin de probabilidad..
Propiedades de la Esperanza
1.El valor esperado de una constante c es el valor de la constante
E ( c ) = c
E( c) = c x p c x p c
x x
= =
) ( . ) ( .
2.El valor esperado de la cantidad aX + b, en donde a y b son constantes, es el producto
de a por el valor esperado de x ms b.
E(aX + b) = a . E(x) + b
E(aX+b) =
+ = + = + = +
x x x x
b X E a x p b x Xp a x p b x p aX x p b aX ) ( . ) ( ) ( . ) ( . )) ( . ( ) ( ) (
Momento de una variable aleatoria
Los momentos de una variable aleatoria X son los valores esperados de ciertas funciones
de X. Estos forman una coleccin de medidas descriptivas que pueden emplearse para
caracterizar la distribucin de probabilidades de X y especificarla si todos los momentos
de X son conocidos. A pesar de que los momentos de X pueden definirse alrededor de
cualquier punto de referencia, generalmente se definen alrededor del cero o del valor
esperado de X.
PROBABILIDAD Y ESTADSTICA II- ISFD N 6018
3ER. AO DEL PROFESORADO PARA EGB3 Y POLIMODAL DE MATEMTICA -2013
Prof. Celia Villagra - 5 -
Sea X una variable aleatoria discreta. El r simo momento de X alrededor del cero se
define por:
= =
x
r r
r
x p x X E u ) ( ) (
'
El primer momento alrededor del cero es la media o valor esperado de la variable
aleatoria y se denota por u ; de esta manera se tiene que ) (
'
1
x E u u = =
Sea X una variable aleatoria discreta. El r simo momento central de X o el r-simo
momento alrededor de la media de X se define por:
= =
x
r r
r
x p u x u X E u ) ( ) ( ) (
El momento central cero de cualquier variable aleatoria es uno, dado que:
1 ) 1 ( ) (
0
0
= = = E u x E u
El primer momento central de cualquier variable aleatoria es cero, dado que:
0 ) ( ) (
1
= = = u X E u X E u
El segundo momento central :
2
2
) ( u X E u = recibe el nombre de VARIANZA de la variable aleatoria.
Puesto que :
2 2 2 2 2 2 2 2
2
) ( 2 ) ( ) 2 ( ) ( ) ( u X E u u X E u Xu X E u X E X Var u = + = + = = =
Es decir : | |
2 2
) ( ) ( ) ( X E X E X Var = por lo tanto o(X) = ) (x Var
Es til notar que la varianza de una variable aleatoria X es invariable ; es decir:
Var ( X + b) = Var (X) para cualquier valor constante de b.
Adems: Var ( aX + b) = a
2
.Var(X)
Var (aX+b) = E(aX+b)
2
- [ E(aX+b)]
2
= E(a
2
X
2
+ 2abX + b
2
) [ a E(X) + b]
2
=a
2
E(X
2
) + 2 a b E(X) + b
2
a
2
[E(X)]
2
2ab E(X) b
2
= a
2
E(X
2
) - a
2
[E(X)]
2
= a
2
[E(X
2
) (E(X)]
2
]
= a
2
Var (X)
COEFICIENTE DE VARIACIN.
Sabemos que la varianza, y por tanto, la desviacin tpica, es una medida de dispersin
de la variable respecto a su media y teniendo en cuenta su definicin, vemos que la
varianza de una variable est influenciada por el tamao de los valores que toma y
consecuentemente por la media, entonces para evitar esta influencia del tamao de los
valores de la variable, debemos de dar una medida relativa de dispersin que nos exprese
la dispersin de la variable respecto del tamao de la variable, pero midiendo este tamao
de la variable por su valor esperado o media. Esta medida relativa de dispersin es el
coeficiente de variacin, que se define como:
CV
| |
x x
x
x
E X
o o
= =
Desigualdad de Chebyshev.
En apartados anteriores hemos calculado medias y varianzas para distribuciones y
decamos que estas dos cantidades nos daban alguna informacin sobre el centro de
gravedad y la dispersin de la distribucin.
Ahora el problema es que no conocemos la distribucin y solamente conocemos la media
y la varianza de una distribucin desconocida y queremos calcular cotas superiores de
ciertas probabilidades e incluso la probabilidad para algn intervalo relativo a la media.
Estos resultados vendrn dados por medio de la desigualdad de Chebychev.
PROBABILIDAD Y ESTADSTICA II- ISFD N 6018
3ER. AO DEL PROFESORADO PARA EGB3 Y POLIMODAL DE MATEMTICA -2013
Prof. Celia Villagra - 6 -
Sea X una variable aleatoria con E(X) = y V(X) = o
2
conocidas, y sea k un nmero
positivo. Entonces, la probabilidad de que la variable satisfaga la desigualdad o . k X >
es menor que
2
1
k
.
Este teorema da una cota de probabilidad. En smbolos : ( )
2
1
.
k
k X P < > o
Tambin puede enunciarse como: ( )
2
1
1 .
k
k X P > < o
Veamos un ejemplo
Supnga que el nmero de artculos producidos en una fbrica durante una
semana es una variable aleatoria con media 50. Si la varianza de una semana de
produccin se sabe que es igual a 25, entonces Qu podemos decir acerca de la
probabilidad de que en esta semana la produccin difiera en ms de 10 a la
media?
Por la desigualdad de Chebyshev
4
1
10
) (
) 10 50 (
2
= s >
x Var
X P
entonces la probabilidad de que en la semana de produccin el nmero de
artculos exceda en ms de 10 a la media es a lo ms 0.25.