Professional Documents
Culture Documents
Variables Aleatorias
Discretas y Continuas
Contenidos
1 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.
Definicin
Una variable aleatoria X es una funcin X : R, que a cada
elemento del espacio muestral le hace corresponder un nmero real.
X = {x R | , X() = x}
Definicin
Una variable aleatoria X es una funcin X : R, que a cada
elemento del espacio muestral le hace corresponder un nmero real.
X = {x R | , X() = x}
Definicin
Una variable aleatoria X es una funcin X : R, que a cada
elemento del espacio muestral le hace corresponder un nmero real.
X = {x R | , X() = x}
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.
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.
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.
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.
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.
P (A) = P (X A)
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 )
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 )
Propiedades
0 f (x) 1, x R
X
f (xi ) = 1
i
X
Dado A R, P (X A) = f (xi )
xi A
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 )
Propiedades
0 f (x) 1, x R
X
f (xi ) = 1
i
X
Dado A R, P (X A) = f (xi )
xi A
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 )
Propiedades
0 f (x) 1, x R
X
f (xi ) = 1
i
X
Dado A R, P (X A) = f (xi )
xi A
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.
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
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.
Definicin
Llamaremos funcin de densidad de probabilidad, para la variable
aleatoria continua X a una funcin definida:
f : R R+
si:
Definicin
Llamaremos funcin de densidad de probabilidad, para la variable
aleatoria continua X a una funcin definida:
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]
Definicin
Llamaremos funcin de densidad de probabilidad, para la variable
aleatoria continua X a una funcin definida:
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]
Definicin
Llamaremos funcin de densidad de probabilidad, para la variable
aleatoria continua X a una funcin definida:
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]
Definicin
Llamaremos funcin de densidad de probabilidad, para la variable
aleatoria continua X a una funcin definida:
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]
Definicin
Llamaremos funcin de densidad de probabilidad, para la variable
aleatoria continua X a una funcin definida:
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}
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.
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
Calcule la P (0 < X < 2)
Definicin
La distribucin acumulada F (x) de la variable aleatoria continua X con
funcin de masa f (x) es:
Z x
F (x) = P (X x) = f (t)dx
para x R
Definicin
La distribucin acumulada F (x) de la variable aleatoria continua X con
funcin de masa f (x) es:
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)
Definicin
La distribucin acumulada F (x) de la variable aleatoria continua X con
funcin de masa f (x) es:
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
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)
Calcule la P (0 < X < 1)
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
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
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x). La
media o la esperanza de X es:
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x). La
media o la esperanza de X es:
X
= E(X) = xf (x) caso discreto
x
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x). La
media o la esperanza de X es:
X
= E(X) = xf (x) caso discreto
x
Z
= E(X) = xf (x)dx caso continuo
R
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
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?
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.
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x). La
media o la esperanza de g(X) es:
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x). La
media o la esperanza de g(X) es:
X
g(X) = E(g(X)) = g(x)f (x) caso discreto
x
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x). La
media o la esperanza de g(X) es:
X
g(X) = E(g(X)) = g(x)f (x) caso discreto
x
Z
g(X) = E(g(X)) = g(x)f (x)dx caso continuo
R
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x). La
media o la esperanza de g(X) es:
X
g(X) = E(g(X)) = g(x)f (x) caso discreto
x
Z
g(X) = E(g(X)) = g(x)f (x)dx caso continuo
R
Teorema
Dadas las variables aleatorias X, Y y dos nmeros reales a, b R, se
tiene:
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x). La
media o la esperanza de g(X) es:
X
g(X) = E(g(X)) = g(x)f (x) caso discreto
x
Z
g(X) = E(g(X)) = g(x)f (x)dx caso continuo
R
Teorema
Dadas las variables aleatorias X, Y y dos nmeros reales a, b R, se
tiene:
E(aX + b) = aE(X) + b
E(X + Y ) = E(X) + E(Y )
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x). La
media o la esperanza de g(X) es:
X
g(X) = E(g(X)) = g(x)f (x) caso discreto
x
Z
g(X) = E(g(X)) = g(x)f (x)dx caso continuo
R
Teorema
Dadas las variables aleatorias X, Y y dos nmeros reales a, b R, se
tiene:
E(aX + b) = aE(X) + b
E(X + Y ) = E(X) + E(Y )
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.
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.
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x) y
media . La varianza de X es:
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x) y
media . La varianza de X es:
X
2 = V ar(X) = E((X )2 ) = (x )2 f (x) caso discreto
x
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x) y
media . La varianza de X es:
X
2 = V ar(X) = E((X )2 ) = (x )2 f (x) caso discreto
x
Z
2 = V ar(X) = E((X )2 ) = (x )2 f (x)dx caso continuo
R
Definicin
Sea X una variable aleatoria con distribucin de probabilidad f (x) y
media . La varianza de X es:
X
2 = V ar(X) = E((X )2 ) = (x )2 f (x) caso discreto
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.
Teorema
Dada una variable aleatoria X y dos nmeros reales a, b R, se verifica:
Teorema
Dada una variable aleatoria X y dos nmeros reales a, b R, se verifica:
2 = E[X 2 ] 2
V ar(aX + b) = a2 V ar(X)
Teorema
Dada una variable aleatoria X y dos nmeros reales a, b R, se verifica:
2 = E[X 2 ] 2
V ar(aX + b) = a2 V ar(X)
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
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.