Professional Documents
Culture Documents
1.- INTRODUCCIÓN
El estudio que se hará en este tema será análogo al que se hace con las variables
estadísticas en descriptiva. Así retomaremos el concepto de distribución y las
características numéricas, como la media y varianza. El papel que allí jugaba la
frecuencia relativa lo juega ahora la probabilidad. Esto va a proporcionar aspectos y
propiedades referentes a fenómenos aleatorios que permitirán modelos muy estudiados
en la actualidad.
0/ X≤0
(X,X,X) 0≤X≤1
X (S ) ≤ X (C,C,C)(X,C,X)(X,X,C) 1≤X≤2
(C,C,X)(C,X,C)(X,C,C) 2≤X≤3
(C,C,C) X≥3
o CASO DISCRETO
(0 caras, 1/8); (1 cara, 3/8); (2 caras, 3/8); (3caras, 1/8), Calcula la probabilidad de
obtener menos dos caras?.
x1 , x2 x1 < x2 ⇒ F ( x1 ) ≤ F (x2 ).
o CASO CONTINUO:
Sea X una variable aleatoria continua con función de densidad f(x), se define la
función de distribución, F(x), como:
∞
F ( x )= Ρ[ x ≤ X ] = ∫ f ( x)dx .
−∞
A) F (x) ≥ 0;
B) ∫ f (x)dx = 1
−∞
X/2 0≤x≤2
f (x )=
0 en otro caso
Ε[ x ] = ∫ xf (x)dx = μ.
−∞
Tanto para el caso discreto como para el caso continuo, la esperanza matemática
presenta las siguientes propiedades:
o Discreta: V [x ] = (x − E(x))2 n n
El resultado será:
2 3 2 2 2 2 2 2 2
1 3 3 1 3
= x
V[X]=σ ∑ i pi − μ = 0 · +1· +2 · +3 · − = 0,75.
i=0 8 8 8 8 2
Sea X una variable aleatoria e Y otra variable aleatoria tal que Y = a X + b, entonces siempre se
verifica:
Variable aleatoria y función de distribución 31
o E[Y ] = aE[ X ]+ b
o V [Y ] = a 2 V [ Xx ]
o Si X e Y son independientes, entonces E[XY ] = E[X ]E[Y ].
6.4.- Covarianza
Sean X e Y dos variables aleatorias, se define la covarianza entre estas dos
variables como,
Cov = E[XY ]− E[X ]E[Y ],
donde el cálculo de las esperanzas dependerá de si las variables son discretas o
continuas. De esta definición surge el siguiente resultado. Cuando X, Y son
independientes la covarianza es igual a 0.
μk = E[( X − μ)k ]