Professional Documents
Culture Documents
Universidad de Cuenca
AGENDA
Variables Aleatorias y Distribuciones Discretas de Probabilidad
Agenda
Variables Aleatorias
Variables Aleatorias Discretas
Funcin de Probabilidad y de Distribucin
Esperanza Matemtica, Varianza y Funcin Generatriz de Momentos
Distribucin Binomial
Distribucin Geomtrica
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
2
OBJETIVOS
Aplicar conceptos matemticos asociados a los estudios de variables
aleatorias discretas, mejorando en rigor y precisin la capacidad de
anlisis.
Interpretar diferentes fenmenos aleatorios mediante variables
aleatorias y determinar probabilidades de ocurrencia.
Explicar los conceptos de variables aleatorias discretas como modelos
de variables estadsticas.
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
3
VARIABLES ALEATORIAS
Discretas
Enteros
Continuas
Reales
Variables
Aleatorias
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
4
Variables Aleatorias
Normalmente, los resultados posibles (espacio muestral E) de un experimento
no son valores numricos
Por ejemplo, si el experimento consiste en lanzar de un modo ordenado tres
monedas al aire, para observar el numero de caras (C) y cruces (R) que se
obtienen, el espacio muestral es :
E={CCC, CCR, CRC, CRR, RCC, RCR, RRC, RRR}
Resulta ms fcil utilizar valores numricos en lugar de trabajar directamente
con los elementos de un espacio muestral.
Para {CRR,RCR,RRC} es preferible representar con un valor numrico 1, que
representa el numero de caras obtenidas al realizar el experimento.
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
5
E
=
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
6
Agenda
CCC
CCR
CRC
CRR
RCC
RCR
RRC
RRR
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
7
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
8
Funcin de Probabilidad
Definiciones
Las variables aleatorias transforman eventos del espacio muestral en
eventos numricos, los cuales tienen asociado una probabilidad de
ocurrencia.
Funcin definida sobre una variable aleatoria a los reales en el intervalo
[0,1] que cumplen con los axiomas de la teora de la probabilidad.
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
9
Funcin de Probabilidad
Definicin Formal
Dada una variable aleatoria discreta : su funcin de
probabilidad , se define de modo que ( ) es la probabilidad de que
tome su valor:
: ,, -
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
10
Funcin de Probabilidad
Retomando el ejemplo anterior de las monedas
3 = = 3 =
1 1 1
2 2 2
= =
1
8
1
8
1
, , =
8
1 1 1
1
= =
2 2 2
8
2 = = 2 = , ,
1 = =1 =
0 = =0 =
1
8
1
+
8
1
8
1
+
8
3
8
3
=
8
= + + =
Agenda
Objetivos
1/8
3/8
3/8
1/8
Contenidos
Conclusiones
Preguntas
Bibliografa
11
Funcin de Distribucin
Funcin de Distribucin Acumulada
Funcin de distribucin de una variable aleatoria discreta , que se
define de modo que si , () es igual a la probabilidad de que
tome un valor inferior o igual a :
: ,, = = , , . . -
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
12
Funcin de Distribucin
Retomando el ejemplo de las tres monedas
1
8
1
3
4
= + =
8
8
8
1
3
+ 2 = +
8
8
0 = 0 = = 0 = (0) =
(1) = 1 = 0 + (1)
2 = 2 = 0 + 1
3 = 3 = 0 + 1 + 2 + 3 =
8
8
Agenda
3
8
1
+
8
+ =
7
8
3
3
+
8
8
1
8
+ =
=1
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
13
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
14
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
15
= = 1
=1
=1
=
=1
Agenda
Objetivos
= = 1
=1
Contenidos
Conclusiones
Preguntas
Bibliografa
16
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
17
Esperanza Matemtica
Definicin
Tambin conocido como valor esperado o media de una variable
aleatoria es el numero ,- que formaliza la idea de valor medio de
un fenmeno aleatorio.
Este concepto se puede interpretar como una media ponderada.
= =
, () -
= + + . . =
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
18
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
19
Varianza
Definicin
La varianza de una variable aleatoria se define como:
= =
= =
Agenda
Objetivos
Contenidos
()
Conclusiones
Preguntas
Bibliografa
20
, = - 0.47 0.30
0.10
0.06
0.04 0.02
6
0.01
=
1
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
21
= 1.32
c) El municipio concede una ayuda anual de 2000 dolares por hijo. Hallar la
media, varianza y desviacin tpica de la variable aleatoria Y: ayuda (en
dolares) que recibe anualmente cada familia.
Y viene dada por Y=2000X
= 2000 = 2000 = 2000 1 = 2000
2 = = 2000 = (2000)2 = 6.69 106
=
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Actividad
22
Momentos
Definicin
La media de una variable aleatoria discreta describe su tendencia
central y la varianza mide su dispersin, pero ambas medidas no son
suficientes para describir completamente la forma de la distribucin de
probabilidad.
Los momentos de una variable aleatoria son los valores esperados
de algunas funciones de la variable aleatoria.
Constituyen una coleccin de medidas descriptivas con las que se
puede caracterizar de manera nica a su distribucin de
probabilidad.
Usualmente estas definiciones se las hace usando como referencia el
origen, o la media de la variable aleatoria.
Los momentos son las medidas descripticas de la variable aleatoria,
con los cuales se puede caracterizar su funcin de probabilidad.
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
23
Momentos
Definicin
Se define el n-simo momento de una variable aleatoria X, cuando
existe, como el numero ( ), para cualquier valor natural de n.
El n-simo momento central de X, cuando existe, es el nmero
, -, en donde = .
El primer momento (no centrado) de X es simplemente la media y el
segundo momento central es la varianza. El e-nsimo momento se
calcula como sigue:
=
()
( ) ()
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
24
()
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
25
Distribucin de Bernoulli
Exito
Experimento
Dicotmico
Fracaso
Agenda
Objetivos
Contenidos
Conclusiones
Experimentos de
Bernoulli
Preguntas
Bibliografa
26
Distribucin de Bernoulli
Definicin ( = ( ) = *, +)
Consiste en realizar un experimento aleatorio una sola vez y observar si
cierto suceso ocurre o no, siendo la probabilidad de que esto sea as
(xito) y = el que no lo sea (fracaso).
Variable aleatoria discreta que toma los valores = 0 si el suceso no
ocurre, y = 1 en caso contrario. Se denota
= = , = =
==
Los principales momentos de son:
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
27
Distribucin de Bernoulli
Ejemplo
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
28
Distribucin Binomial
Definicin
Se dice que una variable aleatoria sigue una ley binomial de parmetros
y , , si la suma de variables aleatorias independientes
de Bernoulli con el mismo parmetro .
Se interpreta de la siguiente manera: Supongamos que realizamos
pruebas de Bernoulli , donde en todas ellas la probabilidad de xito
es la misma (), y se quiere calcular el nmero de exitos obtenidos
en el total de las pruebas.
La funcin de probabilidad de una variable binomial es:
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
29
Distribucin Binomial
Definicin
La funcin de distribucin de una variable binomial es:
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
30
Distribucin Binomial
Ejemplo
La probabilidad de que cierta clase de componente sobreviva a una
3
prueba de choque es . Calcular la probabilidad de que sobrevivan
4
exactamente dos de los 4 componentes que se prueban.
Supongamos que las pruebas realizadas son independientes y con
3
probabilidad de xito = para cada una de las cuatro pruebas, por
4
tanto la variable ,
4
=2 =
2
La esperanza es:
La varianza es:
Agenda
Objetivos
3
4
1
4
4! 32 27
=
= 0.2109
2! 2! 44 128
=3
3
=
4
Contenidos
Conclusiones
Preguntas
Bibliografa
31
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
32
La varianza es:
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
33
Distribucin Geomtrica
Ejemplo
En un proceso de fabricacin se puede suponer por estudios previos
que la probabilidad de que un artculo sea defectuoso es = 0.01.
Inspeccionamos artculos secuencialmente hasta encontrar uno
defectuoso. Calcular la probabilidad de que el quinto artculo
seleccionado sea el primer defectuoso.
Definimos
"
, .
= = 4 = 0.994 0.01 = 0.0096
0.99
La media es: = =
= 99
La varianza es :
Agenda
Objetivos
0.01
0.99
= 2=
(0.01)2
Contenidos
= 9900
Conclusiones
Preguntas
Bibliografa
34
Distribucin Geomtrica
Aplicaciones
Como rea de aplicacin de este tipo de distribucin, podemos citar
situaciones donde los ingenieros intentan determinar la eficacia de un
sistemas de conmutacin telefnica durante periodos ocupados. En
este caso, el xito representa la conexin al sistema de conmutacin. La
variable sera el nmero de intentos fracasados antes de una conexin
al sistema (xito).
Agenda
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
35
Conclusiones
Durante esta clase aprendimos y reforzamos los conocimientos de
variables aleatorias discretas. Aprendimos los principales conceptos
que definen una variable aleatoria discreta, funcin de probabilidad y
funcin de distribucin. Para esto, se utiliz ejemplos significativos que
muestran el proceso de formalizacin. Adems, se estudi las
distribuciones de Bernoulli, Binomial y geomtrica. Para estas
distribuciones se definieron ejemplos ilustrativos.
Presentacin
Objetivos
Contenido
Conclusiones
Preguntas
Bibliografa
36
PREGUNTAS
Presentacin
Objetivos
Contenido
Conclusiones
Preguntas
Bibliografa
37
Bibliografa
Introduction to the Practice of Statistics. Authors: W.H. Freman. 2002
Applied Statistics and Probability for Engineers. Authors: D. Mongomery and G.
Runger. 2011
Bioestadstica: Mtodos y Aplicaciones. Autores: Francisca Rus Daz, Francisco
Javier Barn Lopez, Elisa Snchez Font y Luis Parras Guijosa
Presentacin
Objetivos
Contenidos
Conclusiones
Preguntas
Bibliografa
38