Variables Aleatorias

Conceptos iniciales
Variables aleatorias discretas

Variables aleatorias Continuas
Medidas caractersticas
Variables Aleatorias
Discretas y Continuas
Profesor: Yerko Snchez Oate
Universidad Andrs Bello
Primer Semestre 2014
Profesor: Yerko Snchez Oate Variables Aleatorias

Conceptos iniciales
Contenidos
1 Conceptos iniciales
2 Variables aleatorias discretas
3 Variables aleatorias Continuas
4 Medidas caractersticas de una variable aleatoria

Conceptos iniciales
Definicin
Una variable aleatoria X es una funcin X : R, que a cada
elemento del espacio muestral le hace corresponder un nmero real.

Conceptos iniciales
Definicin
El conjunto de valores reales que tienen asociado algn elemento del

espacio muestral se denomina recorrido de la variable aleatoria:
X = {x R | , X() = x}
Si X es un conjunto finito o numerable, entonces la variable

aleatoria se denomina discreta.
En caso de que X sea un intervalo, infinito un subconjunto de R,
entonces la variable aleatoria se denomina continua.

Conceptos iniciales
Definicin

X = {x R | , X() = x}


Conceptos iniciales
Definicin

X = {x R | , X() = x}


Conceptos iniciales
Ejemplo
Se considera el experimento de lanzar dos dados y luego anotar la suma
de los valores obtenidos en estos. Quiere saber qu valor es ms probable
observar, para lo cual construye una tabla que muestra los posibles
valores y combinaciones para ambos dados.

Conceptos iniciales
Ejemplo

Conceptos iniciales
Ejemplo
Cules son los posibles resultados que se pueden obtener?

Cul es la probabilidad de que la suma de los valores obtenidos en
los dados sea 2?, y 3?.
Cunto es la suma de las probabilidades de todos los posibles
valores en el experimento?.
Conceptos iniciales
Ejemplo

Conceptos iniciales
Ejemplo

Conceptos iniciales
Dado A R, la probabilidad de A viene dada por:
P (A) = P (X A)

Conceptos iniciales
Definicin
Llamaremos funcin de probabilidad, funcin de masa o distribucin de
probabilidad para la variable aleatoria discreta a una funcin que
representa la probabilidad de que X tome cada uno de los posibles
valores (discretos) xi , con i = 1, . . . , n
f : R [0, 1]
xi f (xi ) = P (X = xi )

Conceptos iniciales
Definicin
f : R [0, 1]
xi f (xi ) = P (X = xi )
Propiedades
0 f (x) 1, x R
X
f (xi ) = 1
i
X
Dado A R, P (X A) = f (xi )
xi A

Conceptos iniciales
Definicin
f : R [0, 1]
xi f (xi ) = P (X = xi )
Propiedades
0 f (x) 1, x R
X
f (xi ) = 1
i
X
xi A

Conceptos iniciales
Definicin
f : R [0, 1]
xi f (xi ) = P (X = xi )
Propiedades
0 f (x) 1, x R
X
f (xi ) = 1
i
X
xi A

Conceptos iniciales
Ejemplo
Un embarque de ocho computadoras similares para una tienda contiene
tres que estn defectuosas. Si una escuela hace una compra al azar de
dos de estas computadoras, encuentre la funcin de masa para el numero
de defectuosas.

Conceptos iniciales
Ejemplo
Un embarque de ocho computadoras similares para una tienda contiene
tres que estn defectuosas. Si una escuela hace una compra al azar de
dos de estas computadoras, encuentre la funcin de masa para el numero
de defectuosas.
Definicin
La distribucin acumulada F (x) de la variable aleatoria discreta X con
funcin de masa f (x) es:
X
F (x) = P (X x) = f (t)
tx
para x R

Conceptos iniciales
Ejemplo
Se considera el experimento de lanzar tres monedas y luego anotar la
cantidad de caras obtenidas. Se quiere saber qu combinacin es la mas
probable observar. Para esto encuentra la:
Funcin de distribucin.
Funcin de distribucin acumulada.

Conceptos iniciales
Definicin
Llamaremos funcin de densidad de probabilidad, para la variable
aleatoria continua X a una funcin definida:
f : R R+
si:

Conceptos iniciales
Definicin
f : R R+
si:
f (x) 0; x R
Z
f (x)dx = 1
R
Z
P (X [a, b]) = f (x)dx
[a,b]

Conceptos iniciales
Definicin
f : R R+
si:
f (x) 0; x R
Z
f (x)dx = 1
R
Z
P (X [a, b]) = f (x)dx
[a,b]

Conceptos iniciales
Definicin
f : R R+
si:
f (x) 0; x R
Z
f (x)dx = 1
R
Z
P (X [a, b]) = f (x)dx
[a,b]

Conceptos iniciales
Definicin
f : R R+
si:
f (x) 0; x R
Z
f (x)dx = 1
R
Z
P (X [a, b]) = f (x)dx
[a,b]

Conceptos iniciales
Definicin
f : R R+
si:
f (x) 0; x R
Z
f (x)dx = 1
R
Z
P (X [a, b]) = f (x)dx
[a,b]
Observacin
Z
La P (X = a) = f (x)dx = 0
{a}

Conceptos iniciales
Ejemplo
Suponga que el error de ganancia para cierta inversin financiera es una
variable aleatoria continua X que tiene funcin de densidad.

x2
f (x) = , 1 < x < 2
3
0, e.o.c.
Verifique la condicin 2 de la definicin.

Calcule P (X < 0)
Calcule la P (0 < X < 1)

Conceptos iniciales
Ejemplo
Sea X una variable aleatoria continua, caracterizada por la siguiente
funcin de densidad:
k(x2 + 1), 0 < x < 4

f (x) =
0, e.o.c.
Encuentre el valor de k

Conceptos iniciales
Definicin
La distribucin acumulada F (x) de la variable aleatoria continua X con
Z x
F (x) = P (X x) = f (t)dx

para x R

Conceptos iniciales
Definicin
Z x
F (x) = P (X x) = f (t)dx

para x R
Observacin
Como consecuencia inmediata se tine que P (a < X < b) = F (b) F (a)

Conceptos iniciales
Definicin
Z x
F (x) = P (X x) = f (t)dx

para x R
Observacin
Como consecuencia inmediata se tine que P (a < X < b) = F (b) F (a)
Observacin
dF (x)
Calculamos f (x) a partir de F (x) derivando: f (x) =
dx

Conceptos iniciales
Ejemplo
Suponga que el error de ganancia para cierta inversin financiera es una
variable aleatoria continua X que tiene funcin de densidad.

x2
f (x) = , 1 < x < 2
3
0, e.o.c.
Encuentre F (x)

Conceptos iniciales
Ejemplo
Determine la funcin de distribucin acumulada una variable aleatoria
continua X con funcin de densidad:

2x
, x<0
f (x) = (1 + x2 )2
0, x0

Conceptos iniciales
Ejemplo
La probabilidad P (T < t) = 1 et donde T denota el tiempo
transcurrido entre el ultimo y proximo sismo de la ciudad de concepcin y
en promedio se registran sismos por unidad de tiempo se puede definir.
1 et , t 0

F (t) =
0, t<0
Encuentre la funcin de densidad de f (t).

Conceptos iniciales
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x). La
media o la esperanza de X es:

Conceptos iniciales
Definicin
X
= E(X) = xf (x) caso discreto
x

Conceptos iniciales
Definicin
X
= E(X) = xf (x) caso discreto
x
Z
= E(X) = xf (x)dx caso continuo
R

Conceptos iniciales
Ejemplo
Un inspector de calidad muestrea un lote que contiene siete
componentes, el lote contiene cuatro componentes buenos y tres malos.
El inspector toma una muestra de tres componentes. Encuentre el valor
esperado del numero de componentes buenos en esta muestra.

Conceptos iniciales
Ejemplo
Un inspector de calidad muestrea un lote que contiene siete
componentes, el lote contiene cuatro componentes buenos y tres malos.
El inspector toma una muestra de tres componentes. Encuentre el valor
esperado del numero de componentes buenos en esta muestra.
Ejemplo
En un juego de azar se le pagarn 5.000 pesos a una persona si slo salen
caras o sellos cuando se lanzan tres monedas, y ella pagar 3.000 pesos si
salen una o dos caras.Cul es la ganancia esperada?

Conceptos iniciales
Ejemplo
Sea X la variable aleatoria que denota la vida en horas de cierto
dispositivo electrnico. La funcin de densidad de probabilidad es:
( 20,000
, x > 100
f (x) = x3
0, e.o.c.
Encuentre la vida esperada de este dispositivo.

Conceptos iniciales
Definicin
media o la esperanza de g(X) es:

Conceptos iniciales
Definicin
X
g(X) = E(g(X)) = g(x)f (x) caso discreto
x

Conceptos iniciales
Definicin
X
x
Z
g(X) = E(g(X)) = g(x)f (x)dx caso continuo
R

Conceptos iniciales
Definicin
X
x
Z
R
Teorema
Dadas las variables aleatorias X, Y y dos nmeros reales a, b R, se
tiene:

Conceptos iniciales
Definicin
X
x
Z
R
Teorema
tiene:
E(aX + b) = aE(X) + b
E(X + Y ) = E(X) + E(Y )

Conceptos iniciales
Definicin
X
x
Z
R
Teorema
tiene:
E(aX + b) = aE(X) + b
E(X + Y ) = E(X) + E(Y )

Conceptos iniciales
Ejemplo
Suponga que el nmero de autos X que pasa por un lavado entre 4:00
pm y 5:00 pm en cualquier viernes soleado tiene la siguiente distribucin
de probabilidad.
x 4 5 6 7 8 9
1 1 1 1 1 1
f (x)
12 12 4 4 6 6
Sea g(X) = 2X + 1 la cantidad de dinero en dlares, que el
administrador paga al dependiente. Encuentre el valor esperado del
dependiente en este periodo de tiempo.

Conceptos iniciales
Ejemplo
La demanda semanal de cierta bebida, en miles de litros, en una cadena
de tiendas es la variable aleatoria continua g(X) = X 2 + X 2, donde
X tiene la funcin de densidad.

2(x 1), 1 < x < 2
f (x) =
0, e.o.c.
Encuentre el valor esperado para la demanda semanal de la bebida.

Conceptos iniciales
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x) y
media . La varianza de X es:

Conceptos iniciales
Definicin
X
2 = V ar(X) = E((X )2 ) = (x )2 f (x) caso discreto
x

Conceptos iniciales
Definicin
X
x
Z
2 = V ar(X) = E((X )2 ) = (x )2 f (x)dx caso continuo
R

Conceptos iniciales
Definicin
X
x
Z
2 = V ar(X) = E((X )2 ) = (x )2 f (x)dx caso continuo
R
Observacin

La raz cuadrada positiva de de la varianza se llama, 2 = se llama
desviacin estndar de X.

Conceptos iniciales
Teorema
Dada una variable aleatoria X y dos nmeros reales a, b R, se verifica:

Conceptos iniciales
Teorema
2 = E[X 2 ] 2
V ar(aX + b) = a2 V ar(X)

Conceptos iniciales
Teorema
2 = E[X 2 ] 2
V ar(aX + b) = a2 V ar(X)

Conceptos iniciales
Ejemplo
Sea la variable aleatoria X el nmero de automviles que se utilizan con
propsitos de negocios en un da de trabajo dado. la distribucin de
probabilidad para la compaa A es
x 1 2 3
f (x) 0,3 0,4 0,3
y para la compaa B es
x 0 1 2 3 4
f (x) 0,2 0,1 0,3 0,3 0,1
Muestre que varianza es mayor.

Conceptos iniciales
Ejemplo
La demanda semanal de cierta bebida, en miles de litros, en una cadena
de tiendas es la variable aleatoria continua X, donde X tiene la funcin
de densidad.
2(x 1), 1 < x < 2
f (x) =
0, e.o.c.
Encuentre la media y la varianza.

Variables Aleatorias

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Variables Aleatorias

Uploaded by

Copyright:

Available Formats

Conceptos iniciales

Variables aleatorias discretas

Profesor: Yerko Snchez Oate

Universidad Andrs Bello

Primer Semestre 2014

Profesor: Yerko Snchez Oate Variables Aleatorias

2 Variables aleatorias discretas

3 Variables aleatorias Continuas

4 Medidas caractersticas de una variable aleatoria

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

El conjunto de valores reales que tienen asociado algn elemento del

Si X es un conjunto finito o numerable, entonces la variable

Profesor: Yerko Snchez Oate Variables Aleatorias

El conjunto de valores reales que tienen asociado algn elemento del

Si X es un conjunto finito o numerable, entonces la variable

Profesor: Yerko Snchez Oate Variables Aleatorias

El conjunto de valores reales que tienen asociado algn elemento del

Si X es un conjunto finito o numerable, entonces la variable

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Cules son los posibles resultados que se pueden obtener?

Cules son los posibles resultados que se pueden obtener?

Cules son los posibles resultados que se pueden obtener?

Dado A R, la probabilidad de A viene dada por:

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Verifique la condicin 2 de la definicin.

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Encuentre la funcin de densidad de f (t).

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Encuentre la vida esperada de este dispositivo.

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias

Profesor: Yerko Snchez Oate Variables Aleatorias