3.

4 Variables aleatorias continuas

Ejemplo:
Suponga que el error de la temperatura de reaccin, en C, para un
experimento controlado de laboratorio es una variable aleatoria continua
X, que tiene funcin de densidad de probabilidad:




a) Verifique la condicin ii)
b) Encuentre la P(0<X<=1) directamente y usando F(X)



3.4 Variables aleatorias/ valor esperado
Sea X una variable aleatoria discreta con funcin de probabilidad p(x). El
valor esperado (o esperanza) de X se define como:
3.4 Variables aleatorias/ valor esperado
Ejemplo:




E(X)
X 7 11 12 16 20
P(X=x) 2/20 2/10 1/10 4/10 1/10
3.4 Variables aleatorias/ valor esperado
Si la integral diverge, el valor esperado no est definido.
Sea X una variable aleatoria continua con funcin de densidad f(x). El valor
esperado (o esperanza) de X se define como:
Siempre que:
3.4 Variables aleatorias/ valor esperado
Ejemplo:
Suponga que el error de la temperatura de reaccin, en C, para un
experimento controlado de laboratorio es una variable aleatoria continua X,
que tiene funcin de densidad de probabilidad:



E(X)=




3.4 Variables aleatorias/ valor esperado
E(X) tambin es llamada la media de X y representa el centro de la masa de la
funcin de frecuencia (caso discreto) o de la funcin densidad (caso
continuo). Una notacin
x
= E(X).

Algunas propiedades son:
El valor esperado es un operador lineal. Es decir,


Si X e Y son variables aleatorias, entonces:


Si X e Y son variables aleatorias con esperanzas bien definidas y tales que
X() Y() para todo ,
entonces E(X)E(Y).


3.4 Variables aleatorias/ valor esperado
Sea X una variable aleatoria discreta con funcin de probabilidad p(x) y
sea g una funcin con dominio en y valores en |R. EL valor esperado de
g(X) est dado por:
3.4 Variables aleatorias/ valor esperado

Sea X una variable aleatoria continua con funcin densidad f(x) y sea g una
funcin con dominio en y valores en |R. EL valor esperado de g(X) est dado
por:

3.4 Variables aleatorias/ valor esperado
Ejemplo: el costo de cierta prueba de diagnstico de un vehculo depende
del nmero de cilindros de X en el motor. Supngase que la funcin de
costo est dada por h(X)= 20+3X+0,5X. Como X es una v.a. aleatoria ,
tambin lo es Y=h(X). La funcin de probabilidad de X es:





E(X)
E(Y)


x 4 6 8
p(x) 0,5 0,3 0,2
3.4 Variables aleatorias/ varianza
La varianza de una variable aleatoria X se define como:


V(X) = E[( X E(X))]


Siempre que E(X) exista. La notacin usual es x = V(X). La desviacin
estndar de X, x corresponde a la raz cuadrada de la varianza.
3.4 Variables aleatorias/ varianza
Algunas propiedades de la varianza son:

V(X)= E(X)- E(X)

Si X=c entonces V(X)=0

V(aX + b) = aV(X)
3.4 Variables aleatorias/ varianza
Si X e Y son variables aleatorias, entonces:

V(X+Y)= V(X) + V(Y) + 2Cov(X,Y) donde Cov(X,Y)= E(XY) - E(X)E(Y)


Solo en el caso que X e Y sean independientes, se tiene que:

V(X+Y)= V(X) + V(Y)
3.4 Variables aleatorias/ varianza
Ejemplo: una biblioteca tiene un lmite superior de 6 en el nmero de vdeos
que puede sacar una persona a la vez. Tenga en cuenta solo a quienes echan
un vistazo a los vdeos y deje que X denote el nmero de videos que pide
prestados para una persona seleccionada al azar. La funcin de probabilidad
de X es la siguiente:




Var(X)

x 1 2 3 4 5 6
p(x) 0,3 0,25 0,15 0,05 0,1 0,15
3.4 Variables aleatorias
Bernoulli
Binomial
Geomtrica
Binomial negativa
Poisson


Uniforme
Exponencial
Normal


3.4 Variables aleatorias/ D. Bernoulli
Distribucin Bernoulli

Consideremos un experimento con solo dos resultados posible: xito E o
fracaso F.
Los resultados sucesivos e independientes de tal experimento se llaman
pruebas o experimentos Bernoulli.
X ~ Bernoulli(p)

Y su funcin de probabilidad est dada por:

3.4 Variables aleatorias/ D. Bernoulli
La esperanza y varianza de una variable aleatoria X con Distribucin Bernoulli
estn dadas por:

E(X) = p

V(X) = p(1-p)
3.4 Variables aleatorias/ D. Binomial
Distribucin Binomial
Un experimento que consiste en n ensayos Bernoulli independientes, cada
uno con probabilidad de xito p, se llama Binomial (n,p).
n: nmero de ensayos
p: probabilidad de xito
Entonces, X se llama v.a. Binomial con parmetros n y p y se denota:
X ~Bin (n,p)

Y su funcin de probabilidad est dada por

3.4 Variables aleatorias/ D. Binomial
La esperanza y varianza de una variable aleatoria X con Distribucin Binomial
estn dadas por:

E(X) = np

V(X) = np(1-p)
3.4 Variables aleatorias/ D. Binomial
Ejemplo:
En las moscas de la fruta, cuatro de cada 100.000 espermatozoides presentan
una mutacin del color rojo de los ojos a blanco o viceversa.

a) Cuntas mutaciones esperara usted que se produjeran en 200.000
espermatozoides?. Justifique

b) Calcule la probabilidad de que se produzcan entre 6 y 10, ambas inclusive
para el caso de 200.000 espermatozoides.

3.4 Variables aleatorias/ D. Geomtrica
Si se realizan repetidos experimentos Bernoulli independientes con
probabilidad de xito p, entonces la distribucin de la v.a. X, el nmero de
experimentos necesarios hasta encontrar el primer xito sigue una
Distribucin Geomtrica (p) de parmetro p y se denota por:

X ~ Geo(p)

Con funcin de probabilidad dada por:

3.4 Variables aleatorias
La esperanza y varianza de una variable aleatoria X con Distribucin
Geomtrica estn dadas por:

E(X) = 1/p

V(X) = (1-p)/p
3.4 Variables aleatorias
Ejemplo:
Para promocionar sus helados de paleta, una fbrica pone cada 15 helados
una etiqueta que dice vale otro. Cualquier persona que compre un helado y
le salga vale otro, obtiene uno gratis. Estos helados cuestan $100 cada uno.
Si usted decide comprar estos helados hasta obtener uno gratis, cunto
esperara gastar?

3.4 Variables aleatorias
Consideremos ensayos Bernoulli independientes con probabilidad de xito p
en cada ensayo. Si X es el nmero de ensayos necesarios para observar el r-
simo xito, entonces X se llama v.a Binomial Negativa con parmetros r y p.
Se denota por:

X ~ BinNeg(r,p)

Su funcin de probabilidad est dada por:

3.4 Variables aleatorias
La esperanza y varianza de una variable aleatoria X con Distribucin Binomial
Negativa estn dadas por:

E(X) = r/p

V(X) = r(1-p)/p
3.4 Variables aleatorias
Ejemplo:
Un basquetbolista efecta repetidos lanzamientos desde una lnea de tiros
libres. Suponga que sus lanzamientos son ensayos de Bernoulli
independientes con probabilidad de acertar 0,7.
a) Cul es la probabilidad que le tome menos de cinco lanzamientos para
efectuar un segundo acierto?
b) Cul es la probabilidad que le tome menos de cinco lanzamientos para
efectuar su primer acierto?
3.4 Variables aleatorias/ D. Poisson
Una v.a. X que cuenta el nmero de eventos que ocurren en un perodo
de tiempo tiene Distribucin Poisson de parmetro >0, y su funcin de
probabilidad est dada por:





Y se denota por X ~Poisson()

3.4 Variables aleatorias/ D. Poisson
La esperanza y varianza de una variable aleatoria X con Distribucin
Poisson estn dadas por:

E(X) =

V(X) =