FACULTAD DE INGENIERA UNAM

PROBABILIDAD Y ESTADSTICA
Irene Patricia Valdez y Alfaro

irenev@servidor.unam.mx

T E M A S DEL CURSO

1. Anlisis Estadstico de datos muestrales. 2. Fundamentos de la Teora de la probabilidad. 3. Variables aleatorias. 4. Modelos probabilsticos comunes. 5 Variables 5. V i bl aleatorias l t i conjuntas. j t 6 Distribuciones muestrales 6. muestrales.

CONTENIDO TEMA 3
3. Variables aleatorias.
Objetivo: El alumno conocer el concepto de variable aleatoria y podr analizar el comportamiento probabilista de la variable, a travs de su distribucin y sus caractersticas numricas.
3.1 3.2 Concepto de variable aleatoria como abstraccin de un evento aleatorio. Variable aleatoria discreta: funcin de probabilidad sus propiedades y su representacin grfica. Funcin de distribucin acumulativa, sus propiedades y su representacin grfica. Variable aleatoria continua: funcin de densidad de probabilidad sus propiedades y su representacin grfica. Funcin de distribucin acumulativa, sus propiedades y su representacin grfica. Valor esperado o media de la variable aleatoria discreta y de la continua. Valor esperado como operador matemtico y sus propiedades. Momentos con respecto al origen y a la media. Parmetros de las distribuciones de las variables aleatorias. Medidas de tendencia central, de dispersin y de asimetra.

3.3

3.4

3.4

INTRODUCCIN A LA PROBABILIDAD
VARIABLES ALEATORIAS

VARIABLE *
VARIABLE: VARIABLE: Adj. que varia o puede variar variar. f. Mat. Magnitud que puede tener un valor cualquiera q de los comprendidos p en un conjunto. j Nmero que resulta de una medida u operacin. VARIABLE CONTINUA: CONTINUA: La que consta de unidades o partes que no estn separadas unas de otras, como la longitud de una lnea, el rea de una superficie, el volumen de un slido, la cabida de un vaso, vaso etc etc. VARIABLE DISCRETA: DISCRETA: La que consta de unidades o partes separadas unas de otras, como los rboles de un monte, los soldados de un ejrcito, los granos de una espiga, etc. * Real Academia de la Lengua Espaola

VARIABLE DETERMINSTICA
Variable: Variable : f. Mat. Magnitud que puede tener un valor de los comprendidos en un conjunto, pero predecible con exactitud.

Continua
Variable Determinstica: Determinstica :

Discreta

VARIABLE ALEATORIA
Variable Aleatoria: Aleatoria: f. Mat. Magnitud cuyos valores estn determinados por las leyes de probabilidad, como los puntos resultantes de la tirada de un dado.

Continua
Variable Aleatoria: Aleatoria:

Discreta

Algunos valores de una variable aleatoria pueden ser mas probables que otros, lo que da origen al concepto de distribucin d probabilidad de b bilid d d de una VA VA.

VARIABLE ALEATORIA
U VA es una f Una funcin i sobre b el l espacio i d de l los posibles ibl resultados (eventos) de un experimento aleatorio, Por ejemplo:
a) Al arrojar una moneda y observar el lado que queda hacia arriba: X={ X { x1 = 1 (guila), (guila) x2 = 0 (sol) } b) Alimentar de la misma manera a 20 animales y obervar su peso despus de 30 das c) arrojar dos dados y anotar la suma de los puntos que caen hacia arriba. ib d) el voltaje de salida de 50 eliminadores de bateras.

Algunos valores de una variable aleatoria pueden ser mas probables que otros, lo que da origen al concepto de distribucin d probabilidad de b bilid d d de una VA VA.

DISTRIBUCIN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA

Ejemplo: Caso de una VA discreta:
Y1 1 Y2 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 X=Y1+Y2 2 3 4 5 6 7 3 4 5 6 7 8 4 5 6 7 8 9 Y1 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 Y2 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 X=Y1+Y2 5 6 7 8 9 10 6 7 8 9 10 11 7 8 9 10 11 12

E Experimento: i t Arrojar A j dos dados y observar la VA X : la suma de los puntos de las caras que quedan hacia arriba arriba. Las formas en que puede ocurrir cada uno p de los valores que toma la VA X se muestran en la tabla tabla.
Observemos que hay 1 posibilidad en 36 de que X=2, mientras que hay 2 posibilidades en 36 de que X=3

1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3

DISTRIBUCIN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA

Las probabilidades para cada valor de la VA X se muestran en la tabla. En este ejemplo la tabla representa la funcin de distribucin de probabilidad (fdp) de la VA X.
X 2 3 4 5 6 7 8 9 10 11 12 P(X=x)
Representacin grfica de la funcin de distribucin de probabilidad de la VA X

1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

P(x)
0.20 0.18 0.16 0.14 0.12 0.10 0.08 0.06 0.04 0.02 0.00 0 1 2 3 4 5

P(X)

X
6 7 8 9 10 11 12 13

DISTRIBUCIN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA

Distribucin de probabilidad de una VA X: f(x) = P( X=x )
En nuestro ejemplo de la suma de dos dados:

f(3) = P( X=3 ); f(3) = 2/36

Propiedades de la distribucin de probabilidad de una variable aleatoria discreta (tambin (tambin conocida como funcin masa de probabilidad, fmp) fmp) : a) f (x) 0 b) Para toda x que pertencece a X

f ( x) = 1
x

DISTRIBUCIN DE PROBABILIDAD ACUMULATIVA DE UNA VARIABLE ALEATORIA DISCRETA

Las probabilidades acumuladas para cada valor de la VA X se muestran en la siguiente g tabla q que representa p la funcin de distribucin acumulativa (FDA) de la VA X.
X 2 3 4 5 6 7 8 9 10 11 12 P(Xx) 1/36 3/36 6/36 10/36 15/36
0 40 0.40 0.80 1.00
P(X<=x)

0.60

21/36 26/36 30/36 33/36 35/36 36/36

0.20

F ( x j ) = P ( X x j ) = xi
i =1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

0.00

Esta es una funcin escaln, hay un salto en cada valor de X y es plana entre ellos.

En nuestro ejemplo:

F(3) = P( X<=3 ); F(3) = 1/36 + 2/36 = 3/36

DISTRIBUCIN DE PROBABILIDAD ACUMULATIVA DE UNA VARIABLE ALEATORIA DISCRETA

F ( x j ) = P( X x j ) = xi
i =1 j

La FDA es una funcin no decreciente de X con las siguientes propiedades.

1. 0 F ( x ) 1 2. F ( xi ) F ( x j ) 3. P(X ( > x) ) = 1 - F ( x) xi x j

Adems, si X pertenece al conjunto de los nmeros enteros: 4. P(X ( = x) ) = F ( x) F ( x 1) 5. P( xi X x j ) = F ( x j ) F ( xi 1) xi x j

consultar: Canavos, Prob. y Estad., Aplicaciones y Mtodos., Mc Graw Hill., pag. 56

DISTRIBUCIN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA

Caso de una VA continua

Experimento: observar la VA X : el tiempo que dura una lmpara hasta que se funde.
f(x) La probabilidad de que una lmpara dure de 0 a 1, 1,000 horas es ms alta que la probabilidad de que dure de 1 1, ,000 a 2 2, ,000 horas; horas ; es decir, que a medida que transcurre el tiempo, la probabilidad de que contine en operacin disminuye disminuye; ; este comportamiento se puede representa representar r mediante una curva exponencial de la forma: forma :

fdp

e x f ( x) = 0

x0 cualquier otro caso

DISTRIBUCIN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA Caso de una VA continua

Propiedades de la distribucin de probabilidad de una variable aleatoria continua (tambin (tambin conocida como funcin de densidad de probabilidad probabilidad, fdp) fdp) :

1. f(x) 0, 2.

f(x)dx = 1
b a

3. P(a X b) = f(x)dx

DISTRIBUCIN DE PROBABILIDAD ACUMULATIVA DE UNA VARIABLE ALEATORIA CONTINUA Caso de una VA continua
Experimento: observar la VA X : el tiempo que dura una lmpara hasta que se funde.
F(x)
La probabilidad de que una lmpara dure al menos X horas se obtiene mediante la funcin de distribucin acumulativa (FDA). (FDA)

fdp
e x f ( x) = 0 x0 cualquier otro caso
0

FDA

x
x0

FDA

F (x) = P ( X x) =

1 e x F ( x) = 0

cualquier otro caso

f ( t ) dt

DISTRIBUCIN DE PROBABILIDAD ACUMULATIVA DE UNA VARIABLE ALEATORIA CONTINUA Caso de una VA continua
F ( x) = P( X x) = f (t )dt
x

La FDA es una funcin no decreciente de X con las siguientes caractersticas caractersticas.

1. F( ) = 0 2. F( + ) = 1 3. P(a < X < b) = F(b) F(a) dF ( x) 4. = f ( x) dx

adems: y:

P( X = x) = f (t )dt = 0
x

P( X x) = P( X < x) = f (t )dt = F ( x)

VALOR ESPERADO DE UNA VARIABLE ALEATORIA O ESPERANZA ESPERANZA MATEMTICA MATEMTICA Valor esperado de una variable aleatoria X:

xP( x) ; si X es discreta x E[X ] = xf ( x)dx ; si X es continua

Valor esperado de una funcin g(x) de una variable aleatoria X:

; si X es discreta g ( x ) P ( x ) x E [g ( X )] = g ( x) f ( x)dx ; si X es continua

PROPIEDADES DEL VALOR ESPERADO COMO OPERADOR MATEMTICO

Si X es una variable aleatoria con distribucin de probabilidad f(x); a, b y c son constantes y g(x) y h(x) son funciones de X, entonces:

1.

E[c] = c

2.

E[aX + b] = aE[ X ] + b
E[ g ( x) + h( x)] = E[ g ( x)] + E[h( x)]

3 3.

MOMENTOS DE UNA VARIABLE ALEATORIA

El momento de orden k respecto al origen de una variable aleatoria se define como: k x P( xi ) ; si i X es discreta. di t i k 'k = E[ X ] = i k x f ( x)dx ; si X es continua. x El momento de orden k respecto p a la media de una variable aleatoria se define como:

k ( x ) P ( xi ) ; si X es discreta. discreta i K k = E[( X ) ] = i k ( x ) f ( x)dx ; si X es continua. x

MEDIA, VARIANZA Y DESVIACIN ESTNDAR DE UNA VA

V l esperado Valor d o media di d de una variable i bl aleatoria xi P ( xi ) ; si X es discreta. = E[ X ] = i xf ( x )dx ; si X es continua. x Varianza de una variable aleatoria 2 ( x ) P ( xi ) ; si X es discreta. i 2 = E[( X ) 2 ] = i 2 ( x ) f ( x )dx ; si X es continua. x Desviacin estndar

= 2

MOMENTOS DE UNA VARIABLE ALEATORIA

Los momentos de orden k respecto a la media pueden expresarse en funcin de los momentos respecto al origen mediante la relacin:

k j k = ( 1) j ' k j ; k = 0,1, 2,... j =0

k j

Ejemplo: Para k=2 (segundo momento respecto a la media = varianza)

j 0 0 1 1 2 2 = + + 2 = ( 1) j ' ( 1 ) ' ( 1 ) ' ( 1 ) 2 j 2 0 2 1 '2 2 j =0 2

2 j

2 0

2 1

2 2

2 = (1)(1)(1) ' 2 + ( 1)( 2 ) '1 + (1)(1) 2 '0 2 = ' 2 + ( 2 ) + 2 (1) 2 = '2 2 2 + 2

Notar que : '1 = y

2 = '2

'0 = 1

2 = 2 = E[( X ) 2 ] = E[ X 2 ] E[ X ]2

MOMENTOS DE UNA VARIABLE ALEATORIA

Con un n procedimiento anlogo al anterior encontramos q que: e Para k=3 k 3

3 = '3 3 ' 2 + 2
Para a a k=4

4 = '4 4 '3 + 6 '2 3

2

PROPIEDADES DE LA VARIANZA COMO OPERADOR MATEMTICO

Si X es una variable aleatoria con distribucin de probabilidad fX(x (x) ); a, b y c son constantes , entonces:

1.

V [c ] = 0

2 2.

V [aX + b] = a V [ X ]
2

Adems, , si Y es una variable aleatoria con distribucin de probabilidad fY(y), y se cumple que X y Y son INDEPENDIENTES entonces:

3 3.

V [ X + Y ] = V [ X ] + V [Y ]

DESIGUALDAD DE CHEBYSHEV
Teorema: Si X es una variable aleatoria con distribucin de probabilidad fX( (x) con media varianza 2; y k es una constante p positiva, , entonces:

1 P( X k ) 2 k

Formas alternativas, , a veces tiles, , de la desigualdad g de Chebyshev y son:

1 P( X < k ) 1 2 k

1 P( k < X < + k ) 1 2 k

La desigualdad proporciona una probabilidad lmite de que la variable aleatoria X est a lo ms a k desviaciones estndar de la media sin que sea necesario conocer la distribucin de probabilidad de X, aunque se considera un resultado dbil, ya que si se conoce con precisin f(x) se pueden obtener mejores resultados.