Escolar Documentos
Profissional Documentos
Cultura Documentos
Introduccin
El concepto de variable aleatoria permite pasar de los resultados
experimentales a una funcin numrica de los resultados.
En general, cada resultado de un experimento se puede asociar con
un nmero que especifica una regla de asociacin (p. ej. la cantidad
entre la muestra de diez componentes que no duran 1000 horas. o
el peso total de equipaje de una muestra de 25 pasajeros de una
aerolnea).
Esta regla de asociacin se llama variable aleatoria, una variable
porque solo son diferentes valores numricos, y aleatoria porque el
valor observado depende de cul de los resultados experimentales
posibles resulte.
Hay dos tipos de variables aleatorias, variables aleatorias discretas
y variables aleatorias continuas.
Definicin
Una v.a. es una funcin que asigna a cada punto del espacio muestral
un nmero real
X:
Ejemplo:
: Estado de las unidades producidas en un proceso de fabricacin
={ falla , no falla }
X({no falla}) = 0
X({falla}) = 1
Espacio Muestral
no falla
X({no falla}) = 0
A cada s
le corresponde
exactamente
un valor X(s)
falla
X({falla}) = 1
IR
X:
Rx IR
Conjunto
Nmeros
Reales
Observaciones
si
X(s) = b; s
A
sk
X(s) = a
RX
a
a la Variable Aleatoria X
Luego un evento A en
Ejemplo:
X: Nmero de caras al lanzar 3 monedas.
Elementos del
espacio muestral
+++
++C +C+
C++
CC+
C+C
+CC CCC
Ley de
correspondencia
N reales
(# de caras)
3 caras
X :E
w X ( w)
Eventos de inters
si
X(s) = b; s
A
sk
X(s) = a
RX
Ntese
que
para cada par
de
nmeros
reales a y b
existen
los
siguientes
conjuntos:
a
(
(
[
[
a<x<b
a<xb
ax<b
axb
(
(
x<b
xb
x>a
xa
-
-
b
)
]
)
]
En el caso de un
solo nmero:
X=a o X=b
)
]
Funcin de Probabilidad
El concepto de Probabilidad de ocurrencia de eventos en el
espacio muestral se puede aplicar a eventos en RX.
0 P(X(s) = x ) = f(x) 1
f(x)
1
f: R
[0, 1]
RX
0
X(s) = x
s
X:
RX
f(xi)
0 f(xi) 1; i = 1, 2, 3, ... , n
f(xi) = 1
i
x2
x3
x4
x5
x6
xn
Ejemplo:
: Lanzar dos monedas legales
X: Nmero de caras que aparecen
Valores
Z
Z
Z
X :E
w X ( w)
Probabilidad
1/4 = 0.25
2/4 = 0.50
1/4 = 0.25
p : [0,1]
x p( x) = P( X = x)
Ejemplo
Sea el experimento lanzar dos dados. Definamos el espacio muestral
como:
= {(1,1),(1,2),...(1,6),...,(5,6),(6,6)}
Definamos la variable aleatoria discreta X como:
con S = {2,3,...,12} la suma de puntos. Una posible funcin de
probabilidad es:
f : [0,1]
f (2) = P(X = 2 ) = P( (1,1) ) = 1/ 36
f (3) = P(X = 3 ) = P( (1,2) (2 ,1) ) = 2 / 36
f (4) = P(X = 4 ) = P( (1,3) (3,1) (2,2) ) = 3 / 36
...
6/36
P
5/36
5/36
4/36
4/36
3/36
3/36
2/36
2/36
1/36
1/36
10
11
12
F : [0,1]
x F ( x) = P( X x)
En nuestro ejemplo de los dos dados:
F(5) = P(X 5) = P(x = 2 o x = 3 o x = 4 o x = 5)
F(5) = 1/36 + 2/36 +3/36 + 4/36 = 10/36
F(x) = 0
x < x1
=
=
=
f( xi )
x1 x < x2
f( xi )
x2 x < x3
f( xi )
x3 x < x4
i=1
2
i=1
3
i=1
4
f( xi )
i=1
0
P(X=x5) = f(x5) Funcin de Probabilidad de masa
Funcin de Frecuencia
x
x1
x2
x3
x4
x5
x6
xn
x4 x < x5
x +
P( x1 < X x2 ) = F ( x2 ) F ( x1 )
F es montona creciente.
F es continua por la derecha: la probabilidad de que la
variable aleatoria discreta X tome un valor concreto es igual
al salto de la funcin de distribucin en ese punto.
Ejemplo
Funcin de distribucin de la variable aleatoria X : suma de puntos
F
1,0
0,5
0,028
2
10 11
12
Observacin
Algunos problemas de probabilidad estn relacionados con la
probabilidad P(a <X b) de que X asuma algn valor en un intervalo (a,
b]. En este caso tenemos que:
P(a < X b) = F(b) - F(a)
Para demostrarlo observa que, como los sucesos
X a y a< X b son mutuamente excluyentes, entonces:
F(b) = P(X b) = P(X a) + P(a < X b) = F(a) + P(a < X b)
Resolviendo: P(a < X b) = F(b) - F(a)
Ejemplo
En el caso de los dos dados, la probabilidad de que los dos dados sumen
al menos 4 pero no ms de 8:
P(3 < X 8) = F(8) - F(3) = 26/36 - 3/36 = 23/36
Ejemplo
Dibuja la funcin de probabilidad f(x) y la funcin de distribucin F(x) de
una variable discreta definida como: X = Nmero en la cara de un dado.
X tiene como posibles valores x = 1, 2, 3, 4, 5, 6 cada uno con
probabilidad 1/6
1
6
F(x)
f(x)
0.
5
0 1
Ejemplo
En ocasiones algunas lneas areas venden ms pasajes que los disponibles
en un vuelo. Una compaa ha vendido 250 boletos que corresponden a un
avin de 200 plazas. Sea X la variable aleatoria que expresa el nmero de
viajeros que se presentan en el aeropuerto para tomar el vuelo. La
distribucin de X es:
a)
b)
c)
Solucin
Ejemplo
Se lanza una serie de cohetes hasta que el primer lanzamiento sea
exitoso. Si esto no ocurre en 5 ensayos el experimento se detiene.
Suponga que hay una probabilidad constante de 0.9 de tener un
lanzamiento exitoso y los ensayos son independientes. El costo del
primer lanzamiento es K u.m. mientras que los lanzamientos
siguientes cuestan K/3 u.m. Si T es el costo del experimento,
encuentre la distribucin de probabilidades de T.
Solucin
= E ( X ) = xi P( X = xi ) = xi p ( xi )
i
X
-1
0
1
2
3
P(X)
.1
.2
.4
.2
.1
XP(X)
-.1
.0
.4
.4
.3
1.0
Ejemplo
Calcular el puntaje promedio esperado al lanzar dos dados
11
= E ( X ) = xi p ( xi ) =
i =1
1
6
2
1
2 + 3 + ... + 7 + ... + 12 = 7
36
36
36
36
Ejercicio
Sean a, b y c constantes. Demuestra que:
E (c ) = c
(1)
= E (c ) = 1 c = c
(2) E ( p1 ( x) + p2 ( x) ) = xi ( p1 ( X = xi ) + p2 ( X = xi ) ) =
i
x p ( X = x ) + x p ( X = x ) = E ( p ( x) ) + E ( p ( x) )
i
Observacin
Si la esperanza matemtica es 0 se dice que el juego es justo.
Si es mayor que 0 se dice que el juego es favorable al jugador.
Si es menor que 0 se dice que perjudica al jugador y no es favorable.
Ejemplo
Sea el juego que consiste en sacar una bola de una urna que contiene
7 bolas rojas y 3 bolas negras. Ganamos 50 euros si la bola extrada es
roja y pagamos 150 euros en el caso de que sea negra. Qu podemos
esperar si jugamos muchas veces?
Solucin
Espacio muestral = {R, N}. Consideramos las
ganancias como positivas y las prdidas negativas:
v.a. X
v.a G
Funcin de probabilidad
50
0,7
-150
0,3
Ejemplo
Una compaa de seguros domsticos tiene que determinar el gasto
medio por pliza suscrita, sabiendo que cada ao 1 de cada 10000
plizas termina en una reclamacin de 20 millones, 1 de cada 1000 en
5 millones, 1 de cada 50 en 200.000 y el resto en 0.
Solucin
1
1
7
6
= 2 10
+
+ 5 10
10000
1000
1 9789
5
+ 2 10 + 0
= 11000
50 10000
Gasto medio
Ejemplo
Una compaa de refrescos anuncia premios en las chapas
asegurando que cada mil chapas hay 500 con intntelo otra vez ,
300 con premio de 5 u.m. , 150 con premios de 10 u.m. , 40 con
premios de 50 u.m. , y 10 con premios de 100 u.m. Un individuo
compra una botella cuyo costo es de 10 u.m. Caracterizar su
ganancia mediante una variable aleatoria. Es razonable su
decisin? Calcular su probabilidad de perder dinero.
Solucin
= E (T ( X ) ) = T ( xi ) p ( xi )
i
T ( X ) = X k ; k = 1, 2, 3, ...
obtenemos los momentos de orden k centrados en el origen:
mk = E ( X k ) = xik p ( xi )
i
T ( X ) = ( X ) k ; k = 1, 2, 3, ...
obtenemos los momentos de orden k centrados en la media de X:
M k = E (( X ) k ) = ( x ) k p ( xi )
i
Observa que:
m1 = E ( X ) =
M1 = E( X ) = E( X ) = 0
2 = Var ( X ) = M 2 = E (( X ) 2 ) =
2
x
P ( X = xi )
(
)
i
i
= Var ( X )
Ambas miden la dispersin de los datos. Observa que la desviacin
tpica lo hace con las mismas unidades que los propios datos.
Ejemplo
P(X)
-1
0
1
2
3
.1
.2
.4
.2
.1
-2
-1
0
1
2
( X ) ( X ) P( X )
2
4
1
0
1
4
2 = ( xi ) 2 P ( xi ) = 1,2
i
= Var ( X ) = 1.10
.4
.2
.0
.2
.4
1.2
Ejemplo
Calcula la varianza y desviacin tpica de la variable
aleatoria X en el ejemplo de los dos dados:
11
Var ( X ) = p( xi ) ( xi 7) 2 =
i =1
1
2
1
2
2
(2 7) + (3 7) + ... + (12 7) 2 = 5,83
36
36
36
Ejemplo
Calculamos la media y varianza de la variable de la variable nmero de viajeros
por lo tanto
Var ( X ) = 2 = ( xi ) 2 p ( xi ) =
i
2
x
+
2 xi ) p ( xi ) =
(
i
2
2
x
p
x
+
2 xi p ( xi ) =
(
)
i
i
2
E ( X ) + 2 = E ( X ) ( E ( X ))
2
2 = E ( X 2 ) ( E ( X )) 2
V (aX + b) = a 2V ( X )
3. Si X e Y son variables aleatorias y a, b son constantes reales,
entonces,
Ejercicio
f(x)
A: un evento
Propiedades:
f(x) > 0;
x Rx , +
A: { x| a < x b)
f(x) dx = 1
Rx
f( x ) dx
a
Observaciones
b
1. P ( a x b) = f ( x) dx
a
2. F ( x) = P ( X x) =
f (t )dt
3. F (-) = 0 ; F () = 1
A = f ( x)dx
f(x)
4. Fx es no decreciente
5. E [ X ] =
xf ( x)dx
|R
6. V [ X ] = ( x E [ X ]) f ( x) dx
F(x) =
f(t) dt
-
Donde la sumatoria es
reemplazada por una
integracin para todos los
valores de t x
Propiedades
lim F(x) = 0 lim F(x) = 1
x-
x+
2. Luego P(] - , x ]) = F(x) define una Probabilidad
1.
Adems:
3.
dF ( x)
= f ( x)
dx
Ejemplo
Sea X una variable aleatoria continua que puede tomar cualquier valor entre a
x b; cuya pdf es:
f (x ) =
1
ba
a xb
f(x)
Sea a = 3; b = 12
0,2
Entonces:
7
0,0
2 3 4 5
6 7
8 9 10 11 12
min
mx
P(A) =
1
9
dx
Ejemplo
Supongamos que X tiene como funcin densidad a f(x) = 0.75(1-x2), si
-1 x 1 y cero en otro caso. Encuentra
a) La funcin de distribucin
b) Las probabilidades P(-1/2 X 1/2) y P(1/4 X 2).
c) x tal que P(X x) = 0.95
Solucin
a) Funcin de distribucin
F(x) = 0 , si x -1
x
F(x) = 1 , si x >1.
b) Probabilidades
1
2
2
1
1
4
c) Probabilidad inversa
Momentos de orden k
Observa que para k = 2: 2 = E((X - )2)
x( N +1) / 2
1 / 2( x N / 2 + x( N +1) / 2 )
si N es impar
si N es par
F ( xmed ) = P( X x) = P( X x) = 0.5
Discreto.
Continuo.
x0
Los momentos de orden superior son menos robustos y, por lo tanto, menos utilizados
1
m3
N
3
x
x
(
)
i =1 i
N
m3 ( x x ) 3 f ( x)dx
1
m4
N
4
(
)
x
x
i
i =1
m4 ( x x ) 4 f ( x)dx
Ejemplo
Ejemplo
Solucin
Probabilidad inversa
Ejemplo
El nmero de artculos vendidos en una fbrica cada mes (en millones) es
una variable aleatoria con funcin de densidad:
a.
b.
c.
d.
e.
Solucin
Ejemplo
Calculamos la media y varianza de la variable nmero de artculos vendidos
Ejercicio
El control de la calidad de ciertos productos se realiza contando el nmero
de defectos por unidad y comprobando si dicho nmero est comprendido
entre ciertos lmites llamados lmites de control. Si el nmero de defectos
por unidad en cierto proceso de fabricacin es una variable aleatoria X con
funcin masa de probabilidad dada por:
a)
b)
Ejercicio
El tiempo necesario en milisegundos para completar una reaccin qumica
est aproximado por una funcin de distribucin dada por:
Ejercicio
El espesor de un recubrimiento conductor (en micrmetros) tiene una
funcin de densidad dada por