Notas Proba11 PDF

PROBABILIDAD Y ESTADISTICA
Universidad Nacional de Quilmes
Area
Matematica. Departamento de Ciencia y Tecnologa
Notas escritas por:

Prof. Magister OSMAR DARIO VERA
Buenos Aires, 2005
Probabilidad y Estadstica
AGRADECIMIENTOS
Agradezco muy especialmente a las nuevas autoridades de la Universidad Nacional

de Quilmes, a traves de la Lic. Mara Ines Baragati la posibilidad de volver a dictar
esta asignatura en el Departamento de Ciencia y Tecnologa.
Primer Semestre 2005
Prof.Mg. Osmar Vera
PROBABILIDAD Y ESTADISTICA
TEORIA Y APLICACIONES
Prof. Magister Osmar Daro Vera
PERSPECTIVA HISTORICA
La Teora de Probabilidad es una rama de la Matematica que permite estudiar

todo tipo de fenomenos en que aparecen conceptos como indeterminismo, incertidumbre, impredecible, heterogeneidad, variabilidad, errores de medicion, imprecision y
azar.
Si somos tan afortunados como para disponer de un modelo teorico perfecto que
vincula los valores de ciertas variables con los de otras (por ejemplo en la Mecanica
de Newton, es posible predecir exactamente la trayectoria de un objeto, una vez especificadas la posicion inicial, la velocidad inicial y todas las fuerzas que act
uan sobre
el), su aplicacion se ve trabada por la imposibilidad de conocer estos valores con absoluta precisi
on, es decir cuando hay errores de medici
on. Los Modelos probabilsticos
constituyen una alternativa a los modelos determinsticos en situaciones de este tipo.
Los errores de medicion hacen que las formulas matematicas no se verifiquen de

manera exacta con datos experimentales. Como ajustar modelos teoricos a datos
experimentales o como rechazar teoras a partir de estos datos es un problema importante que se ataca utilizando metodos estadsticos, para los cuales la Teora de
Probabilidad sirve de base.
ii
Prof.Mg. Osmar Vera
Indice general
AGRADECIMIENTOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
PERSPECTIVA HISTORICA
. . . . . . . . . . . . . . . . . . . . . . . . .
ii
1. Teora de Probabilidades
1.1. Teora de Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Teora de Probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1. Fundamento axiomatico . . . . . . . . . . . . . . . . . . . . .
10
1.2.2. El calculo de probabilidad . . . . . . . . . . . . . . . . . . . .
13
1.2.3. Tecnicas de conteo . . . . . . . . . . . . . . . . . . . . . . . .
15
1.2.4. Resultados Igualmente probables . . . . . . . . . . . . . . . .
19
1.3. Probabilidad Condicional . . . . . . . . . . . . . . . . . . . . . . . . .
20
1.3.1. Probabilidades compuestas e independencia . . . . . . . . . .
20
1.3.2. Probabilidad Condicional . . . . . . . . . . . . . . . . . . . . .
21
1.4. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
2. Variables aleatorias
35
2.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
2.2. Funciones de Distribucion . . . . . . . . . . . . . . . . . . . . . . . .
38
2.2.1. Densidad y Funciones de masa . . . . . . . . . . . . . . . . . .
43
2.3. Transformaciones y Esperanzas . . . . . . . . . . . . . . . . . . . . .
49
2.3.1. Distribuciones de funciones de una Variable Aleatoria . . . . .
49
2.4. Valores Esperados . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
57
iii
2.5. Momentos y Funciones Generadoras de Momentos . . . . . . . . . . .
61
2.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
3. Distribuciones de Familias comunes
71
3.1. Distribuciones discretas . . . . . . . . . . . . . . . . . . . . . . . . . .
71
3.1.1. Distribucion uniforme discreta . . . . . . . . . . . . . . . . . .
72
3.1.2. Distribucion Hipergeometrica . . . . . . . . . . . . . . . . . .
72
3.1.3. Distribucion Binomial . . . . . . . . . . . . . . . . . . . . . .
75
3.1.4. Distribucion de Poisson . . . . . . . . . . . . . . . . . . . . . .
78
3.1.5. Distribucion Binomial Negativa . . . . . . . . . . . . . . . . .
80
3.1.6. Distribucion Geometrica . . . . . . . . . . . . . . . . . . . . .
82
3.2. Distribuciones Continuas . . . . . . . . . . . . . . . . . . . . . . . . .
83
3.2.1. Distribucion Uniforme . . . . . . . . . . . . . . . . . . . . . .
83
3.2.2. Distribucion Gamma . . . . . . . . . . . . . . . . . . . . . . .
83
3.2.3. Distribucion Normal . . . . . . . . . . . . . . . . . . . . . . .
86
3.2.4. Distribucion Beta . . . . . . . . . . . . . . . . . . . . . . . . .
91
3.2.5. Distribucion Cauchy . . . . . . . . . . . . . . . . . . . . . . .
92
3.2.6. Distribucion Lognormal . . . . . . . . . . . . . . . . . . . . .
93
3.2.7. Distribucion Doble Exponencial . . . . . . . . . . . . . . . . .
93
3.3. Familias Exponenciales . . . . . . . . . . . . . . . . . . . . . . . . . .
94
4. Modelos Multivariados
97
4.1. Distribuciones conjuntas y marginales . . . . . . . . . . . . . . . . . .
iv
97
Prof.Mg. Osmar Vera
Captulo 1
Teora de Probabilidades
La teora de probabilidades determina la fundamentacion sobre la cual esta construida toda la estadstica, proveyendo de un medio para modelar poblaciones, experimentos, o al menos todo aquello que puede ser considerado fenomeno aleatorio.
A traves de esos modelos, los estadsticos son capaces de manejar inferencias acerca
de las poblaciones, inferencias basadas en general en una parte del todo.
La teora de probabilidades posee una larga y rica historia, sus comienzos datan
del siglo XVII cuando, a pedido de sus amigos, el Chevalier de Mere, Pascal y Fermat
desarrollaron una formulacion matematica de juegos basadas en desigualdades.
A lo largo de este captulo formulare algunas ideas basicas de probabilidad teorica

que son fundamentales para el estudio de la estadstica.
As como la estadstica se construye sobre la probabilidad teorica, esta comienza a

construirse sobre la teora de conjuntos, con ello comenzaremos nosotros.
1
1.1.
Teora de Conjuntos
Uno de los objetivos principales de un estadstico es el de manejar conclusiones

acerca de una poblacion de objetos, luego de tomar una muestra de ellos y realizar un
experimento. Un primer paso es identificar los posibles resultados o, en terminologa
estadstica, el espacio muestral.
Definici
on 1.1.1. El conjunto, S, de todos los posibles resultados de un experimento
particular se denomina espacio muestral para el experimento.
Si el experimento consiste en el lanzamiento de una moneda, el espacio muestral
contiene dos resultados, cara y ceca; as:
S = {C, S}
Otro experimento podra consistir en lanzar una tachuela al aire y observar si cae con
la punta hacia arriba o hacia abajo, el espacio muestral sera S = {U, D}, finalmente
otro de este estilo (o sea de experimentos de los mas sencillos que existen: dos resultados posibles) consistira en observar el sexo del siguiente ni
no nacido en el hospital
local, con S = {M, F }.
Supongamos ahora, en otro orden de ejemplos de espacios muestrales asociados a

experimentos, que este consiste en probar cada batera a medida que sale de una lnea
de ensamble hasta que observamos primero un exito (E) (donde el exito consiste en que
esta tiene un voltaje dentro de ciertos lmites pre-establecidos). A
un cuando puede ser
que no sea muy probable, un posible resultado de este experimento es que las primeras
10 (o 100, o 1000, etc.), sean F (falla). Esto es, tendremos que examinar n bateras
antes de ver la primera S. El espacio muestral es S = {E, F E, F F E, F F F E, }, el
cual contiene un n
umero infinito de posibles resultados. Finalmente en esta voragine
de ejemplos (ja ja!!), consideremos un experimento donde la observacion consiste en
el tiempo de reaccion a un cierto estmulo. Aqu, el espacio muestral consistira en
Prof.Mg. Osmar Vera
todos los posibles n
umeros reales positivos, es decir, S = (0, ).
Clasificaremos los espacios muestrales dentro de dos tipos, de acuerdo al n

umero de
elementos que contienen. Los espacios muestrales de acuerdo con nuestra clasificacion,
podran ser numerables y no-numerables, si sus elementos pueden ser puestos en correspondencia 1 1 con un subconjunto de los n
umeros enteros, el espacio muestral
sera numerable. Por supuesto, que si el espacio muestral contiene un n
umero finito de
elementos, este sera numerable. As, el lanzamiento de una moneda, la observacion
del sexo del siguiente ni
no a nacer en el hospital local, representan espacios muestrales numerables (en efecto, ademas finitos); pero el ejemplo de las bateras tambien
se representa mediante un espacio muestral contable (pero infinito), mientras que el
experimento del tiempo de reaccion forma un espacio muestral cuyos elementos no
se pueden poner en correspondencia 1 1 con los enteros, de donde este sera nonumerable.
Esta distincion de espacios muestrales es importante solamente al momento de la
asignacion de probabilidades, ademas el tratamiento matematico en cada caso es
diferente.
Una vez que el espacio muestral haya sido definido, estamos en posicion de generar
colecciones de posibles resultados de un experimento.
Definici
on 1.1.2. Un evento es una colecci
on de posibles resultados de un experimento, esto es, cualquier subconjunto de S (incluyendo el mismo S).
Sea A un evento, o sea un subconjunto de S. Nosotros diremos que el evento A
ocurre si al menos alg
un resultado del experimento esta en el conjunto A. Cuando
hablamos de probabilidades, generalmente nos referimos a la probabilidad de que
ocurra alg
un evento, en vez de una conjunto. Pero podemos usar los terminos indistintamente.
Primero necesitamos definir formalmente las siguiente dos relaciones, las cuales nos
Prof.Mg. Osmar Vera
permitiran ordenar e igualar conjuntos:
A B x A = x B
inclusion
A = B A B B A
igualdad
Dados dos eventos (o conjuntos) A y B, nosotros tenemos las siguientes operaciones

elementales entre ellos:
Uni
on La union de A y B, escrito A B, es el conjunto de los elementos
que pertenecen a A a B o a ambos:
A B = {x : x A x B}.
Intersecci
on La interseccion de A y B, escrito A B, es el conjunto de
los elementos que pertenecen a A y a B a la vez:
A B = {x : x A x B}.
Complemento El complemento de A, escrito Ac , es el conjunto de los
elementos que no estan en A:
Ac = {x : x
/ A}.
Ejemplo 1.1.1. Consideremos el experimento de la prueba en la batera, definimos
los siguientes conjuntos (eventos) A , B , C mediante:
A = {E, F E, F F E}
B = {E, F F E, F F F F E}
C = {F E, F F F E, F F F F F E, . . .}
entonces
A B = {E, F E, F F E, F F F F E}
A B = {S, F F S}
Ac = {F F F E, F F F F E, F F F F F E, . . .}
Prof.Mg. Osmar Vera
y
C c = {E, F F E, F F F F E, . . .} = {se examina un n
umero par de bateras}
Ademas, podra suceder que A B = (el evento ), y (A B)c = , donde
denota el conjunto vaco (el conjunto que no tiene elementos).
Las operaciones elementales entre conjuntos pueden ser combinadas. A veces se

pueden comparar con las combinaciones que se hacen entre la suma y la multiplicacion.
Con tal que seamos cuidadosos, nosotros podemos tratar a los conjuntos como si fuesen
n
umeros. Presento ahora, las siguientes propiedades de operaciones entre conjuntos
que son mas usadas.
Teorema 1.1.1. Para cualquier terna de eventos A , B y C definidos sobre un mismo
espacio muestral S, se tiene:
AB = BA
1. Conmutatividad
AB = BA
A (B C) = (A B) C
2. Asociatividad
A (B C) = (A B) C
3. Leyes Distributivas A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
4. Leyes de De Morgan
(A B)c = Ac B c
(A B)c = Ac B c
La demostracion de muchos de estos teoremas se dejaran como ejercicio, tambien

habra ejercicios que generalizaran el teorema. Para ilustrar la tecnica, probare la Ley
Distributiva.
A (B C) = (A B) (A C)
Prof.Mg. Osmar Vera
(podra serle familiar demostrarcon el uso de diagramas de Venn teoremas en teora
de conjuntos. Por un tema de precaucion diremos que los diagramas de Venn, en
algunos casos, sirven como ayuda para visualizar la situacion, pero con eso no se
da una demostracion formal). Para probar que dos conjuntos son iguales, como es
este el caso, debe ser demostrado que cada conjunto contiene al otro. Formalmente,
entonces
A (B C) = {x S : x A x (B C)};
(A B) (A C) = {x S : x (A B) x (A C)}.
Primero mostramos que A (B C) (A B) (A C). Sea x (A (B C)).
Por la definicion de interseccion, se debe cumplir que x (B C)), o sea, cada
x Bx C. Ya que x tambien debe estar en A, se tiene que cada x (AB)x
(A C); por lo tanto,
x ((A B) (A C)),
y la inclusion ha sido establecida.
Ahora asumimos que x ((A B) (A C)). Esto implica que x (A B) x
(A C). Si x (A B) entonces x esta tanto en A como en B. Como x B, x
(B C) y as, x (A (B C). Si por otro lado, x (A C), con argumento
similar, concluimos nuevamente que x (A (B C)). As, hemos establecido que
((A B) (A C)) (A (B C), mostrando la inclusion en la otra direccion, por
lo tanto, se tiene demostrada la Ley Distributiva.
Las operaciones de union e interseccion pueden ser extendidas a colecciones infinitas

de conjuntos. Si A1 , A2 , A3 , . . . es una coleccion de conjuntos, todos definidos sobre
un mismo espacio muestral S, entonces
[
i=1
Ai = {x S : x Ai , para alg
un i},
Ai = {x S : x Ai , para todos los valores de i}.
i=1
Prof.Mg. Osmar Vera
Por ejemplo, sea S = (0, 1] y definimos Ai = [(1/i), 1]. Entonces
Ai =
i=1
[(1/i), 1] = {x (0, 1] : x [(1/i), 1] para alg

un i}
i=1
Ai
= {x (0, 1]} = (0, 1];
\
=
[(1/i), 1] = {x (0, 1] : x [(1/i), 1] para todo i}
i=1
i=1
= {x (0, 1] : x [1, 1]}

= {1}
solo el valor 1
Funciones definidas sobre el espacio muestral, son con frecuencia mas importantes
que los eventos en s mismos. Ahora discutiremos la forma como un conjunto es
identificado con una funcion {0, 1}-valuada.
Definici
on 1.1.3. La funcion indicadora del conjunto A S, es la funcion sobre S
dada por
1 si A
IA () =
0 si
/ A.
As, vemos que la funcion IA () indica si el evento A ocurre. Operaciones algebraicas sobre funciones indicadoras, generalizan conjuntos de operaciones sobre
eventos:
IAB = max {IA , IB }
IAB = mn {IA , IB } = IA IB
IAc = 1 IA .
Tambien es posible definir uniones e intersecciones sobre colecciones no numerables
de conjuntos. Si es un conjunto de ndices (es decir, un conjunto de elementos a ser
usados como ndices) entonces
[
A = {x S : x A , para alg
un },
A = {x S : x A , para todo }.
Prof.Mg. Osmar Vera
Si, por ejemplo, tomamos como = {todos los reales positivos} y A = (0, a],
S
entonces A = (0, ) la cual es una union no-numerable. Mientras uniones e
intersecciones no- numerables no juegan un rol importante en estadstica, ellas a
veces proveen mecanismos muy usados para obtener algunas respuestas.
Finalmente discutiremos la idea de una particion de un espacio muestral.
Definici
on 1.1.4. Dos eventos A y B son disjuntos (o mutuamente excluyentes) si
A B = . Los eventos A1 , A2 , . . . son disjuntos tomados de a pares si Ai Aj =
para todo i 6= j.
Conjuntos disjuntos son aquellos que no tienen puntos en com
un. Si ocupamos un
diagrama de Venn para dos conjuntos disjuntos, estos no se solapan. La coleccion
Ai = [i, i + 1),
i = 0, 1, 2, . . .
consiste en una coleccion de conjuntos disjuntos tomados de a pares. Note ademas

S
que
i=1 Ai = [0, ).
Definici
on 1.1.5. Si A1 , A2 , . . . son disjuntos tomados de a pares y
S
i=1
Ai = S,
entonces los conjuntos A1 , A2 , . . . forman una partici

on de S
Los conjuntos Ai = [i, i + 1),
i = 0, 1, 2, . . . forman una particion del interva-
lo [0, ). En general, las particiones son muy usadas, permitiendonos subdividir el

espacio muestral en otros conjuntos mas peque
nos que no se solapan.
1.2.
Teora de Probabilidad
Cuando se efect
ua un experimento, la realizacion del mismo es un resultado en el espacio muestral. Si se efect
ua el experimento un n
umero de veces, diferentes resultados
pueden ocurrir o alg
un resultado puede repetirse. Esta frecuencia de ocurrenciade
un resultado puede ser pensado como una probabilidad. Es mas probable que ocurra
Prof.Mg. Osmar Vera
un resultado, si este se repite mas frecuentemente. La frecuencia de ocurrenciade
un evento es un ejemplo de una interpretacion particular de probabilidad, llamada
objetiva. Otra posible interpretacion es la subjetiva, donde en vez de pensar en la
probabilidad como una frecuencia, podemos pensarla como una creencia de la chance
que un evento ocurra. Es decir, por ejemplo dos sujetos diferentes ubicados en distintos sitios pueden asignar distinto valor a la creencia de la chance de un mismo evento1 .
Consideremos un experimento que se puede realizar repetidamente en forma identica e independiente, y sea A en evento formado por un conjunto de resultados del
experimento. Los ejemplos simples de tales experimentos repetibles incluyen aquellos
de lanzar una moneda al aire y dados. Si el experimento se realiza n veces, en alguna
de las repeticiones ocurrira el evento A (el resultado estara en el conjunto A), y en
otros, A no ocurrira. Denotemos por n(A) el n
umero de repeticiones en las que ocurre
A. Entonces la relacion n(A)/n recibe el nombre de frecuencia relativa de ocurrencia del evento A en la secuencia de n repeticiones. La evidencia emprica, basada en
los resultados de muchas de estas secuencias de experimentos repetibles, indica que a
medida que n crece, la frecuencia relativa n(A)/n se estabiliza alrededor de un valor,
como se ve en la Figura 1.12 . Esto es, a medida que n se hace arbitrariamente grande,
la frecuencia relativa se aproxima a un valor lmite que se conoce como frecuencia
relativa lmite del evento A. La interpretacion objetiva de probabilidad identifica esta
frecuencia relativa lmite con el n
umero P (A) (probabilidad del suceso A).
Si las probabilidades se asignan a eventos de acuerdo con sus frecuencias relativa

lmites, entonces podemos interpretar un enunciado como: la probabilidad que una
moneda al ser lanzada caiga de lado de la cara es 0.5esto quiere decir que en un
1
El libro de Robert Wilkler, Introduction to Bayesian Inference and Decision, contiene varias
interpretaciones subjetivas de probabilidad.

2
Ver en apendice como fue generado este grafico con S-PLUS
Prof.Mg. Osmar Vera
Figura 1.1: Estabilizacion de frecuencia relativa

gran n
umero de lanzamientos, aparecera una cara en aproximadamente la mitad de
los lanzamientos y una ceca en la otra mitad.
1.2.1.
Fundamento axiom
atico
Para cada evento A en el espacio muestral , podemos asociar con A un n

umero
entre cero y uno, el cual sera llamado la probabilidad de A, notado por P (A). Parecera natural definir el dominio de P (o sea, el conjunto donde los argumentos de la
funcion P () estan definidos) como todos los subconjuntos de ; esto es, para cada
A S nosotros definiramos el n
umero P (A) como la probabilidad de que A ocurra.
10
Prof.Mg. Osmar Vera
Desafortunadamente este tema no es tan sencillo. Hay algunas dificultades tecnicas
para ser superadas. No nos detendremos en tantos tecnicismos, aunque son de importancia, usualmente tienen mas interes para probabilistas que para estadsticos. Por
lo tanto, el objeto de comprender la estadstica requiere al menos que te familiarices
con los siguientes conceptos.
Definici
on 1.2.1. Una colecci
on de subconjuntos de S, o una familia de subconjuntos
de S se denomina Algebra
de Borel (o sigma
algebra), denotado por B, si esa
satisface las siguientes tres propiedades:
1. B
2. Si A B entonces Ac B (B es cerrado bajo complementaci
on)
3. Si A1 , A2 , . . . B entonces
S
i=1
Ai B (B es cerrado bajo uniones numerables).
El entorno matematico que ocupa la probabilidad necesita que nosotros trabajemos con -algebras, pero con rareza estas son dadas a priori. Lo mas com
un es elegir
una -algebra que contenga definido explcitamente algunas clases de eventos elementales. Afortunadamente, existe un mecanismo para lograrlo: dada cualquier clase de
subconjuntos de , siempre existe una familia minimal conteniendo aquella clase y
cerrada bajo los conjuntos de operaciones preestablecidas en definicion 1.2.1. La minimalidad es importante pues, a menos que sea numerable, el conjunto de partes de
es demasiado grande. Aqu la -algebra que nos interesara es la u
nica mas peque
na
que contiene todos los conjuntos abiertos de un espacio muestral S dado. Sabemos
que esta siempre existe por lo dicho en el parrafo u
ltimo anterior.
Ejemplo 1.2.1. Si tiene n elementos, este tiene 2n conjuntos en B. Si {1, 2, 3},
entonces B est
a representado por la siguiente colecci
on de 23 = 8 conjuntos:
{1}; {1, 2}; {1, 2, 3}; {2}; {1, 3}; {3}; {2, 3};
En general, si no es numerable, no es facil describir a B; entonces B se elige de
tal manera que contenga los conjuntos de interes y cumpla con su definicion.
11
Prof.Mg. Osmar Vera
Ejemplo 1.2.2. Sea S = (, ), la recta real. Entonces B se elige de tal manera
que contenga todos los conjuntos de la forma:
[a, b]
(a, b]
(a, b),
[a, b)
para todos los n

umeros reales a y b. Tambien de las propiedades de B se sigue que
esta contiene todos los conjuntos que pueden ser formados tomando (posiblemente
infinitos numerables) uniones e intersecciones de conjuntos de la forma dada arriba
en este ejemplo
Estamos ya en condiciones de definir una funcion de probabilidad.
Definici
on 1.2.2. Dado un espacio muestral S, y una -
algebra B asociada, una
funci
on de probabilidad es una funcion P con dominio en B que satisface las siguientes
propiedades,
1. P (A) 0
A B
2. P (S) = 1
S
P
3. Si A1 , A2 , . . . B son dos a dos disjuntos, entonces P (
i=1 Ai ) =
i=1 P (Ai ).
La terna (S , B , P) se denomina espacio de probabilidad. Tambien se suele anotar S
con la letra griega .
A partir de ahora todo sera estudiado en espacios de probabilidad, a pesar de mantenernos en un lenguaje de experimentos y eventos.
Las tres propiedades dadas en la definicion 1.2.2 usualmente se denominan Axiomas de Probabilidad (o Axiomas de Kolmogorov, uno de los padres de la teora
de probabilidad). Cualquier funcion P que satisfaga los Axiomas de Probabilidad es
llamada funcion de probabilidad. Esta definicion axiomatica no hace referencia a la
funcion elegida en particular P , solo se requiere que P satisfaga los axiomas. As,
para un mismo espacio muestral, muchas funciones P diferentes pueden ser definidas
12
Prof.Mg. Osmar Vera
sobre el. Debera ser observada, seguramente, el experimento particular para asignar
la funcion P adecuada.
Ejemplo 1.2.3. Consideremos el experimento simple que consiste en arrojar una
moneda, as = {C, S}. Entenderemos por moneda normal.a una tal balanceada, o
sea equilibrada de manera tal que pueda caer de cara o ceca no este relacionado con
la moneda, sino con el resultado aleatorio del experimento. Con lo cual,
P ({C}) = P ({S}).
(1.1)
Note que hemos dado una interpretacion simetrica de probabilidad (o hemos ocupado la intuicion) para imponer el requerimiento que tanto las caras como las secas sean
igualmente probables. Como = {C} {S}, se tiene del ax. 2, P ({C} {S}) = 1.
Tambien, los eventos {C} y {S} son disjuntos, as P ({C}{S}) = P ({C})+P ({S}) =
1y
P ({C}) + P ({S}) = 1.
(1.2)
Resolviendo simultaneamente (1.1) y (1.2) se muestra que P ({C}) = P ({S}) = 1/2.

Ya que (1.1) esta basada sobre nuestro conocimiento del experimento particular, no
en los axiomas, cualquier valor no negativo tanto para P ({C}) como para P ({S})
tal que satisfaga (1.2) define de manera legtima una funcion de probabilidad. Por
ejemplo, podramos elegir P ({C}) = 1/9 y P ({S}) = 8/9.
La realidad fsica del experimento podra determinar la asignacion de probabilidad,
lo veremos en el siguiente ejemplo. Por supuesto, tal asignacion debe satisfacer los
Axiomas de Kolmogorov.
Ejercicio 1.2.1.
1.2.2.
El c
alculo de probabilidad
Desde los axiomas de probabilidad podemos construir algunas propiedades de la

funcion de probabilidad, tales propiedades son de gran ayuda en el calculo de probaProbabilidad y Estadstica
13
Prof.Mg. Osmar Vera
bilidad mas complicado.
Comenzaremos con algunas (casi evidentes, otras no tanto) propiedades de la funcion
de probabilidad cuando la aplicamos a un evento simple,
Teorema 1.2.1. Sea (, B, P ) un espacio de probabilidad y A, B B, entonces se
cumple,
a. P () = 0, donde indica el conjunto vaco;
b. P (A) 1;
c. P (Ac ) = 1 P (A);
d. P (B Ac ) = P (B) P (A B);
e. P (A B) = P (A) + P (B) P (A B);
f. Si A B entonces P (A) P (B).
g. P (A B) P (A) + P (B) 1
Ejemplo 1.2.4. La u
ltima desigualdad del teorema u
ltimo anterior es muy usada
cuando es difcil (o casi imposible) calcular la probabilidad de la intersecci
on de dos
eventos, pero alguna de la medida de esa probabilidad se desea conocer. Supongase
que A y B son dos eventos, cada uno con probabilidad 0.95. Entonces la probabilidad
que ambos ocurrieran esta acotada inferiormente por
P (A B) P (A) + P (B) 1 = 0,95 + 0,95 1 = 0,90.
Cerramos esta seccion con un teorema que da algunos resultados u
tiles para tratar
con una coleccion de eventos.
Teorema 1.2.2. Sea (, B, P ) un espacio de probabilidad, entonces
a. P (A) =
b. P (
S
i=1
P
i=1
Ai )
P (A Ci ) para cualquier partici

on C1 , C2 , . . .;
P
i=1
P (Ai ) para conjuntos cualesquiera A1 , A2 , . . . (desigualdad de
Boole)
14
Prof.Mg. Osmar Vera
1.2.3.
T
ecnicas de conteo
A menudo los metodos de conteo son ocupados en orden para construir asignaciones de probabilidad sobre espacios muestrales finitos, aunque pueden ser usados
para responder tambien otras cuestiones.
Si se tira un dado de seis caras 5 veces sucesivamente, entonces cada posible resultado es un conjunto ordenado de cinco n
umeros tales como (1, 3, 1, 2, 4) o (6, 5, 2, 2, 2).
A un conjunto ordenado de k objetos le daremos el nombre de k upla. Cada resultado del experimento de lanzar el dado es entonces una 5 upla. Quisieramos responder
a la siguiente pregunta: cuantos son los resultados posibles totales del experimento?.
Sabemos que son muchos, no queremos enumerarlos uno a uno, sino, simplemente determinar cuantos son. El siguiente teorema es el primer paso para resolver tal proceso,
y muchas veces se lo conoce como Teorema Fundamental de Conteo.
Teorema 1.2.3. Supongamos que un conjunto esta formado por grupos ordenados de
k elementos (k upla) y que hay n1 posibles opciones para el primer elemento; por
cada opci
on del primer elemento hay n2 posibles opciones para el segundo elemento;
. . .; por cada posible opci
on de los primeros k 1 elementos hay nk opciones del
k-esimo elemento. Entonces hay n1 n2 . . . nk posibles k uplas.
Ejemplo 1.2.5. El propietario de una casa desea hacer una serie de remodelaciones
y requiere los servicios de un contratista plomero y de un contratista electricista.
Supongamos que este trabajo implica compar primero varios utensillos para la cocina.
Se comprar
an todos al mismo distribuidor. Hay cinco distribuidores en la zona; 12
contratistas plomeros y 9 contratistas electricistas. De cuantas maneras se pueden
seleccionar los distribuidores y los contratistas para hacer el trabajo?. Denotemos a
los distribuidores por d1 , d2 , . . . , d5 ; los plomeros por p1 , p2 , . . . , p12 y los electricistas
por e1 , e2 , . . . , e9 , entonces querremos contar el no de ternas de la forma (di , pj , ek ).
Con n1 = 5; n2 = 12; n3 = 9, el producto N = n1 n2 n3 = 5 12 9 = 540 formas
15
Prof.Mg. Osmar Vera
de seleccionar primero un distribuidor de aparatos domesticos, luego un contratista
plomero y, finalmente, un contratista electricista.
Ejemplo 1.2.6. Supongamos que una persona decide jugar al Quini seis. Entre los
n
umeros 1, 2, . . . , 36 una persona puede elegir 6 cualesquiera para completar su boleta.
El n
umero ganador entonces, se selecciona en forma aleatoria, tomando seis n
umeros
entre los 36. Para calcular la probabilidad de ganar, primero debemos contar cuantos
grupos diferentes de seis n
umeros pueden se elegidos de entre los 36.
Ejemplo 1.2.7. Aunque el T.F.C. (Teorema Fundamental de Conteo) es un lugar

razonable para resolver los problemas de los ejemplos dos u
ltimos anteriores, en la
aplicaciones usualmente hay muchos aspectos a considerar. Por ejemplo el en juego
del Quini, el primer n
umero puede ser elegido entre 36 posibles, y el segundo n
umero
en 35 posibilidades, produciendo un total de 36 35 = 1260 caminos distintos de elegir
el primero y el segundo n
umero. Sin embargo, una persona tambien podra considerar
la posibilidad de elegir las dos veces el mismo n
umero para le elecci
on del primero y
el segundo; de esta manera producira un total de 36 36 = 1296 caminos distintos de
elecci
on de los primeros dos n
umeros
La distincion hecha en el ejemplo esta entre contar con reemplazo y sin reemplazo.
Hay otro elemento crucial en todo problema de conteo, si es o no importante el orden
en que se eligen los elementos. Para ejemplificarlo, supongamos que el n
umero ganador
para el Quini es seleccionado con el siguiente orden: 12,36,35,9,13,22. Aquella persona
que selecciono: 9,12,13,22,35,36; se lo califica como un ganador?. En otras palabras
importa el orden en que se eligieron los n
umeros para conformar el carton?. Tomado
todas esas consideraciones dentro del conteo, es posible construir una tabla de 2 2
que incluya todas las posibilidades:
16
Prof.Mg. Osmar Vera
Posibles Metodos de conteo
Con reemplazo
Sin reemplazo
ordenado
sin orden
Antes de comenzar a contar, las siguientes definiciones nos daran algunas precisiones.
Definici
on 1.2.3. Para cualquier entero positivo n, n! (se lee n factorial) es el producto de todos los enteros positivos menores o iguales que n. Esto es,
n! = n (n 1) (n 2) 3 2 1.
Adem
as de define 0! = 1.
Consideremos ahora todos los posibles cartones de Quini bajo cada uno de los
cuatro casos dados en la tabla
1. Ordenados sin reemplazo Del T.F.C., el primer n
umero puede ser
seleccionado de 36 formas, el segundo de 35, etc. , entonces todos los
posibles son:
36 35 34 33 32 31 =
35!
= 1,402,410,240
30!
posibles cartones.
2. Ordenados con reemplazo Cada n
umero puede ser seleccionado en 36
formas diferentes (pues el n
umero elegido es reemplazado), entonces
hay,
36 36 36 36 36 36 = 366 = 2,176,782,336
posibles cartones.
3. Sin orden, sin reemplazo Nosotros conocemos el n
umero posible de
cartones para una consideracion de orden, ahora deberemos dividir
17
Prof.Mg. Osmar Vera
por el n
umero de ordenamientos redundantes. Nuevamente usando
el T.F.C., seis n
umeros pueden ser ordenados en 6 5 4 3 2 1
caminos, as el total de cartones distintos no ordenados es:
36 35 34 33 32 31
36!
=
= 1,947,792
654321
6!30!
Esta forma juega un rol central en muchos problemas de estadstica,
mas a
un, se ha ganado una notacion especial.
Definici
on 1.2.4. Para enteros no-negativos n y r, n r, definimos el smbolo

n!
n
=
.
r
r! (n r)!
En nuestro ejemplo de los cartones de Quini, el n
umero posible de estos (sin orden, sin
36
reemplazo) es 6 . Cuando nos referimos ese n
umero se lo suele denominar coeficiente
binomial, las razones seran explicadas mas adelante.
4. Sin orden, con reemplazo Este es el caso mas difcil de conteo. Para
contar en este caso resulta mas facil pensar en ubicar seis marcas
sobre los 36 n
umeros. En efecto, podemos pensar a los 36 n
umeros
definiendo celdas, en las cuales podemos ubicar seis marcas, M, como
se muestra en la figura siguiente
M
1
MM
33
34
35
36
El n
umero de posibles cartones en entonces igual al n
umero de caminos distintos
distintos en que podemos acomodar las seis marcas en las 36 celdas. Pero esto puede
ser reducido notando que todo lo que necesitamos para guardar la marca es un arreglo
con las marcas y de barras de las celdas. Note ademas que las dos barras externas
no juegan ning
un papel. As, nosotros tenemos para contar todos los arreglos de 35
barras (36 celdas se corresponden con 37 barras, pero quitamos las barras de sendos
extremos) y 6 marcas. Por lo tanto, tenemos 35+6=41 objetos, los cuales pueden ser
18
Prof.Mg. Osmar Vera
ordenados en 41! formas. Sin embargo, para eliminar los ordenamientos redundantes
debemos dividir por 6! y 35!, as el n
umero total de arreglos es:
41!
= 4,496,388.
6!35!
Aunque todas las derivaciones anteriores fueron hechas a partir de un ejemplo, es facil
ver que se mantienen en general, para completar, es posible resumir las situaciones a
traves de la siguiente tabla:
N
umero de posibles arreglos de medida r entre n objetos
sin reemplazo
con reemplazo
n!
(nr)!
nr
Ordenado
Sin orden
1.2.4.
n+r1
Resultados Igualmente probables
Las tecnicas de conteo vistas en la seccion u

ltima anterior son muy usadas cuando
el espacio muestral es un conjunto finito y todos los resultados en son igualmente probables. Entonces probabilidades de eventos pueden ser calculadas por simple conteo del n
umero de resultados en el evento. Para ver esto, supongamos que
= {1 , 2 , . . . , N } es un espacio muestral finito. Afirmar que todos los resultados
son igualmente probables, significa que P ({i }) = 1/N para cada resultado i . Entonces, usando (3) de la definicion de una funcion de probabilidad, se tiene para cada
evento A,
P (A) =
P ({i }) =
i A
X 1
n
umero de elementos en A
=
.
N
n
u
mero
de
elementos
en
A
i
Para muestras grandes, las tecnicas de conteo podran ser usadas para determinar
tanto el numerador como el denominador de esta expresion.
Ejemplo 1.2.8. Cuando dos dados ruedan separadamente, hay N = 36 resultados
posibles. Si ambos dados no estan cargados, los 36 resultados son igualmente probables, as que P (Ei ) =
1
,
36
siendo Ei cualquiera de los evento elementales del espacio

19
Prof.Mg. Osmar Vera
muestral. Entonces el evento A = {(x, y) : x + y = 7}, o sea la suma de los
n
umeros que aparecen en los dados es igual a siete, esta formado por los siguientes
seis resultados:
(1, 6); (2, 5); (3, 4); (4, 3); (5, 2); (6, 1);
as que, se tiene P (A) =
N (A)
N
6
36
= 16 .
1.3.
Probabilidad Condicional
1.3.1.
Probabilidades compuestas e independencia
Consideremos el siguiente problema:

Se lanzan simultaneamente dos dados, uno rojo y otro blanco, y se busca la probabilidad de que el rojo sea 2 y el blanco 5.
Sabemos que los casos posibles son 6 6 = 36, pues en el dado rojo puede salir
cualquier n
umero del 1 al 6 y, para el caso del blanco tambien. De entre estos 36 casos
posibles, u
nicamente hay un caso favorable, y por lo tanto la probabilidad buscada
en 1/36. Se tiene as que, mientras que en la probabilidad de que un dado rojo salga
2 es 1/6 y la que en el dado blanco salga 5 es tambien 1/6, la probabilidad de que
ocurran a la vez los dos sucesos es tambien el producto (1/6) (1/6).
Este hecho se
nalado en el ejemplo u
ltimo anterior es general. Supongamos que
para un suceso A hay m1 casos favorables entre un total de n1 posibles y para otro
suceso B hay m2 casos favorables entre un total de n2 posibles. Entonces se tiene
que P (A) = m1 /n1 y P (B) = m2 /n2 . Consideremos ahora el conjunto de pares de
casos posibles y favorables. Esta claro que habra n1 n2 casos posibles, y entre ellos,
m1 m2 casos favorables (en que tienen lugar A y B simultaneamente). Por lo tanto
P (A B) = m1 m2 /n1 n2 = P (A) P (B).
20
Prof.Mg. Osmar Vera
Podemos, por lo tanto, enunciar el siguiente principio de las probabilidades compuestas:
Si dos sucesos son independientes entre s, la probabilidad de que ocurran A y B a

la vez, es igual al producto de la probabilidad de A por la probabilidad de B, o sea,
P (A B) = P (A) P (B).
(1.3)
La condicion de que A y B sean independientes es fundamental, para que 1.3 sea

valida. Supongamos, por ejemplo, que se lanza un dado y se busca la probabilidad
de que el n
umero resultante sea par y menor que 4. Si A indica el suceso par B
2
el suceso menor que 4, resulta P (A) = 1/2 y P (B) = 3/6 = 1/2. El u

nico caso
favorable es el 2, y por lo tanto P (A B) = 1/6, mientras que P (A) P (B) = 1/4.
Esto nos informa que los sucesos par menor que 4no son independientes: si se
2
supiese de antemano que el resultado es par es menos probable que sea menor que 4
que si no se supiera.
En la mayora de los casos no es facil averiguar a priori si dos sucesos son o no

independientes. Por eso, veremos antes de finalizar este captulo que es mejor tomar
la condicion 1.3 como definicion de independencia de dos eventos, es decir dos sucesos
A y B son independientes si cumplen con la condicion 1.3. Veamos ahora como se
pueden tratar estas ideas dentro de la teora axiomatica.
1.3.2.
Probabilidad Condicional
Sea (, B, P ) un espacio de probabilidad. Sea A B, un suceso tal que P (A) 6= 0.

Definici
on 1.3.1. Se llama probabilidad condicional de un suceso B B, dado el
suceso A B, y se representa por P (B/A), al cociente
P (B/A) =
P (A B)
.
P (A)
21
(1.4)
Prof.Mg. Osmar Vera
Se debera probar que esta definicion de probabilidad condicional es admisible, es
decir, que la probabilidad condicional PA (B) = P (B/A), definida para todo B B,
una vez fijado A B, cumple con las tres partes de la definicion de probabilidad.
Se debe probar que (, B, PA ) es tambien un espacio de probabilidad. Esto se deja
como ejercicio. Un vez probado podremos afirmar que la u
ltima definicion anterior es
admisible. A partir de ella se puede escribir
P (A B) = P (A) P (B/A).
(1.5)
En forma analoga y fijando el suceso B, suponiendo que P (A) 6= 0, se tiene la probabilidad condicional
P (A/B) =
P (B A)
.
P (B)
(1.6)
Podremos enunciar as as ahora la siguiente definicion de sucesos independientes.

Definici
on 1.3.2. Se dice que dos sucesos son independientes si se verifica que
P (B/A) = P (B).
(1.7)
Observese que en este caso, seg

un (1.4), es
P (A B) = P (A) P (B)
A y B independientes
(1.8)
y por tanto comparando con (1.7), es tambien

P (A/B) = P (A).
(1.9)
Esto nos dice que la independencia es una propiedad simetrica, que puede definirse
por cualquiera de las igualdades (1.7) o (1.9).
Puesto que el hecho de que un elemento pertenezca a la interseccion A B significa

que a la vez pertenece a A .a B, la relacion (1.8) equivale a la (1.3) (principio de las
2
probabilidades compuestas).
22
Prof.Mg. Osmar Vera
La definicion de independencia se generaliza a mas de dos eventos de la siguiente
manera:
Definici
on 1.3.3. Se dice que n sucesos A1 , A2 , . . . , An son independientes
o (completamente independientes) si se verifica
P (Ai1 Ai2 . . . Aik ) = P (Ai1 ) P (Ai2 ) P (Aik )
(1.10)
para k = 2, 3, . . . , n, donde (i1 , i2 , . . . , ik ) es una combinaci

on cualquiera de los n
n
umeros 1, 2, . . . , n.
Por ejemplo, para que 3 eventos A, By C sean independientes, se debe cumplir:
P (A B) = P (A) P (B),
P (A C) = P (A) P (B),
P (B C) = P (B) P (C),
P (A B C) = P (A) P (B) P (C).
Observe que la u
ltima relacion no puede deducirse de las dos primeras, es decir las
cuatro condiciones son necesarias.
Naturalmente, y es de suma importancia, no confundir eventos independientes con

eventos disjuntos.
Ejemplo 1.3.1. Problema de las coincidencias Se tienen dos urnas con n bolillas cada una, numeradas de 1 a n. Se va sacando simultaneamente una bolilla de cada
urna, y se quiere hallar la probabilidad de que , al terminar la extracci
on de todas las
bolillas, se haya extrado, por lo menos una vez, el mismo n
umero de cada urna.
Solucion:
El espacio muestral puede ser visualizado como todas las matrices de la forma
i1 i2 . . . in
j1 j2 . . . jn
23
Prof.Mg. Osmar Vera
donde i1 , i2 , . . . , in son los n
umeros entre 1 y n que salen de la primera urna, y
j1 j2 . . . jn son los que salen de la segunda. El n
umero total de elementos del espacio
muestral es n! n! = (n!)2 (casos posibles) y la probabilidad de cada suceso elemental
es 1/(n!)2 .
Consideremos Ai , el conjunto de elementos de , en los cuales el i en la primera fila
coincide con el j = i en la segunda fila, independientemente del lugar en que ocurra
la coincidencia. Por ejemplo, A3 es el conjunto de las matrices de la forma
...3...
.
3
El problema final se trata de calcular P (A1 A2 . . . An ). Para ello es posible
aplicar la formula:
P (A1 A2 . . . An ) =
P
i
P (Ai )
P
i,j
P (Ai Aj ) +
P
i,j,k
P (Ai Aj Ak ) +
(1)n1 P (A1 A2 . . . An ), donde las sumas se extienden en cada caso a todas las
combinaciones posibles entre los diferentes ndices i, j, k, . . ., o sea que todo se reduce
al calculo de las probabilidades del segundo miembro. Buscaremos el valor de cada
sumando:
(a) Probabilidad P (Ai ). El n
umero de elementos del espacio muestral en que coinciden los n
umeros i, lo calculamos de la siguiente forma. Fijado el lugar en que
ocurre la coincidencia, los restantes n1 n
umeros de la primera y de la segunda
fila pueden ser cualesquiera, y por lo tanto se tienen ((n 1)!)2 casos. Como el
lugar de la coincidencia puede ser tambien cualquiera, se tienen en cada caso,
n posibilidades mas. De donde Ai esta compuesto de n ((n 1)!)2 elementos
del muestral, en consecuencia
1
n ((n 1)!)2
= ,
P (Ai ) =
2
(n!)
n
X
i
P (Ai ) =
n
= 1.
n
(b) Probabilidad P (Ai Aj ). Fijamos los lugares en que ocurren las coincidencias
de los lugares i y j, los restantes n 2 n
umeros de la primera y de la segunda
24
Prof.Mg. Osmar Vera
fila pueden ser cualesquiera, y por lo tanto se tienen ((n 2)!)2 casos. Como los
lugares de las coincidencias pueden ser tambien cualquiera de los n, se tienen
en cada caso, n(n 1) posibilidades mas. De donde Ai Aj esta compuesto de
n(n 1) ((n 2)!)2 elementos del muestral, en consecuencia
n(n 1) ((n 2)!)2
1
=
2
(n!)
n(n 1)

X
1
n
1
P (Ai Aj ) =
= .
2
2 n(n 1)
i,j
P (Ai Aj ) =
(c) Analogamente,
P (Ai Aj Ak ) =
1
n(n 1)(n 2) ((n 3)!)2
=
2
(n!)
n(n 1)(n 2)
y por lo tanto
X
i,j,k

n
1
1
P (Ai Aj Ak ) =
= .
3 n(n 1)(n 2)
3!
Se tiene as como resultado final (procediendo sucesivamente) que la probabilidad de por lo menos una coincidencia es:
P =1
1
1
1
1
+ + . . . + (1)n .
2 3! 4!
n!
(1.11)
Para n , P = 1 exp1 = 0,6321 . . .. Es curioso notar que para valores

relativamente peque
nos de n se obtienen valores ya muy proximos a esta valor
lmite. As, se tiene
P (1) = 1, P (2) = 0,5, P (3) = 0,66 . . . , P (4) = 0,625 . . . ; P (7) = 0,6321 . . .
y para valores mayores de 7, quedan invariables las cuatro primeras cifras decimales.
Ejemplo 1.3.2. Problema de los nacimientos En una reuni
on de r personas,
cual es la probabilidad de que, por lo menos dos de ellas, cumplan a
nos el mismo
da?
25
Prof.Mg. Osmar Vera
Vamos a prescindir de la posibilidad de que alguien haya nacido el 29 de febrero y
por tanto supondremos que el a
no tiene 365 das. el espacio muestral se compone de
todos los conjuntos posibles de r fechas. Un individuo, seleccionado al azar, podra
cumplir a
nos en cualquiera de los 365 das del a
no, de manera analoga un segundo
individuo podra cumplir a
nos en cualquiera de los 365 das, etc. Por lo tanto, el
espacio muestral esta constituido por 365r puntos, cada uno de los cuales tiene la
misma probabilidad. En vez del suceso cuya probabilidad se busca, consideremos su
complemento: el que ning
un para de personas cumpla a
nos el mismo da. El n
umero
de elementos de este suceso se calcula as: la primera persona tiene 365 posibilidades;
la segunda no habiendo nacido el mismo da que la primera, tiene 364 posibilidades;
la tercera persona tiene 363 posibilidades y as sucesivamente, la u
ltima persona tiene
365 (r 1) posibilidades. En total, el suceso complementario consta de 365 364
363 . . . (365 (r 1)) elementos. De donde su probabilidad es este n
umero dividido
por 365r , y la probabilidad del suceso objeto del problema sera (suponiendo r > 1)
Pr = 1
365 364 363 . . . (365 (r 1))

.
365r
Este n
umero no es facil de calcular directamente. Los siguientes valores dan una idea
de su comportamiento:
No de personas
10
20
23
30
40
60
Probabilidad
Pr 0.027 0.117 0.411 0.507 0.706 0.89 0.99
Se ha tenido en cuenta el n
umero r = 23, pues all la probabilidad es practicamente
1/2. Observe que si las personas son 60 o mas, la probabilidad es superior a 0.99, es
decir hay casi certeza de que por lo menos dos personas cumplan a
nos el mismo da,
lo cual es un resultado sorprendente a primera vista.
Modelos basados en probabilidades condicionales Para ver estos modelos

hace falta poder obtener la probabilidad de un evento, en funcion de sus probabilidades condicionales respecto de otros.
En el caso mas sencillo, sea B1 , B2 , . . . , Bn una particion de , y A cualquier evento.
26
Prof.Mg. Osmar Vera
Entonces
P (A) =
n
X
P (A/Bi )P (Bi ).
(1.12)
i=1
Esta se llama ley de la probabilidad total, para probarla basta con aplicar el Teorema
1.2.2 parte a) y (1.5).
En las mismas condiciones se cumple para todo k = 1, . . . , n:

P (A/Bk )P (Bk )
P (Bk /A) = Pn
.
i=1 P (A/Bi )P (Bi )
(1.13)
Este resultado se conoce como f

ormula de Bayes, se prueba usando (1.12) y la (1.5).
Ejemplo 1.3.3. En una fabrica dos maquinas trabajan simultaneamente produciendo un mismo artculo. Se sabe que la maquina A produce el doble de artculos que la
m
aquina B. El porcentaje de artculos defectuosos producidos por A es una 10 %, en
tanto que el porcentaje de artculos defectuosos que produce B es un 5 %. Que cantidad de artculos debe fabricar cada maquina, para tener aproximadamente 5500 artculos buenos en total?
Solucion:
Sea el suceso S= se fabrica un artculo sano. Se debera calcular la probabilidad

de este evento, es decir querremos encontrar P (S).
Es mas sencillo calcular la probabilidad de D= se fabrica un artculo defectuoso.
Como D = S c , tendremos P (S) = 1 P (D). Es claro que un artculo puede provenir
de la maquina A o la maquina B en forma excluyente. Si A y B son los sucesos el
artculo proviene de A y el artculo proviene de Brespectivamente, podemos poner
D = (D A) (D B)
27
Prof.Mg. Osmar Vera
, como ambos sucesos D A y D B son mutuamente excluyentes, resulta
P (D) = P [(D A) (D B)] = P (D A) + P (D B) = P (D/A)P (A) + P (D/B)P (D)
10 2
5 1
1
+
=
100 3 100 3
12
Esto nos dice que de cada 12 artculos fabricados 1 sera defectuoso y 11 seran buenos
(P (S) =
11
).
12
Entonces
11
5500
=
,
12
x
o sea
x = 6000 artculos
En consecuencia, como A produce el doble de artculos que B, deberan fabricar 4000

y 2000 artculos respectivamente.
Ejemplo 1.3.4. Consideremos una situacion que resulta relativamente corriente en
casos de controles masivos aplicados en prevenci
on medica y examenes de calidad de
productos.
En el control preventivo de una poblaci
on, en la que la proporci
on de enfermos
bacilares es p, se una un examen radiologico para detectar posibles enfermos. Se
sabe que la probabilidad de que el examen aplicado a un enfermo lo muestre como
tal es 0.90 y que la probabilidad de que el examen aplicado a una persona sana, la
se
nale como enferma es 0.01. Se quiere calcular la probabilidad de que una persona
sea realmente enferma si el examen radilol
ogico la mostro como tal.
Solucion:
Consideremos el experimento de elegir una persona al azar de la poblacion y los

sucesos,
E = la persona es enferma
R+ = el examen la detecta como enferma
Tenemos entonces la siguiente particion de la poblacion, donde S y R son los sucesos
complementarios de E y R+ respectivamente, es decir, S: la persona es sana y R : el
28
Prof.Mg. Osmar Vera
examen la detecta como sana.
En virtud de los datos sabemos que

P (E) = p,
P (R+ /E) = 0,90
y P (R+ /S) = 0,01
queremos hallar P (E/R+ ).

Aplicamos entonces la formula de Bayes,
P (E R+ )
P (R+ /E) P (E)
=
P (R+ )
P (R+ /E)P (E) + P (R+ /S)P (S)
0,90p
0,90p
=
=
0,90p + 0,01(1 p)
0,89p + 0,01
P (E/R+ ) =
En particular, si p = 1/500, resulta P (E/R+ ) ' 0,153. El significado de este resultado

debe considerarse detenidamente. Por una parte el examen radiologico es altamente
confiable (detecta la enfermedad en el 90 % de los casos en que esta exista). Por otra
parte, solo en el 15, 30 % de los casos en que la prueba da un resultado positivo se
tiene que la enfermedad realmente existe.
Analicemos P (E/R+ ) para algunos valores de p.
p
P (E/R+ )
1/1000
0.083
1/500
0.153
1/200
0.311
1/100
0.476
1/10
0.909
Observamos que si p (proporcion de enfermos en la poblacion) es peque

no, el
metodo de control masivo indicado es insuficiente dado que P (E/R+ ) esta lejos de
1. Este tipo de dificultades que ofrece el metodo requiere un analisis previo a su
aplicacion.
29
Prof.Mg. Osmar Vera
1.4.
EJERCICIOS
1.1 Para cada uno de los siguientes experimentos, describir el espacio muestral.
a. Arrojar una moneda cuatro veces
b. Contar el no de insectos da
ninos que viven sobre una planta.
c. Medir el tiempo de vida (en horas) de una marca particular de lamparitas
de luz.
d. Determinar el peso de ratas con 10 das de vida.
e. Observe la proporcion de defectos en un embarque de componentes electronicos.
1.2 Verifique las siguientes identidades.
a. A B = A (A B) = A B c
b. B = (B A) (B Ac )
c. B A = B Ac
d. A B = A (B Ac ).
1.3 Finalice la demostracion del Teorema 1.1.1.

1.4 Demuestre que para cualquier para de eventos A y B en , se cumple:
AB = Ac B c .3
1.5 Con la misma tecnica ocupada en clase, muestre que las siguientes igualdades se
cumplen: IAB = max {IA , IB }
, IAc = 1 IA
1.6 Pruebe la version general de las Leyes de De Morgan. Sea {A : } una

coleccion de conjuntos (posiblemente no-numerables). Demuestre que:
T
S
S
T
b. ( A )c = Ac .
a. ( A )c = Ac
1.7 Supongamos que B es una sigma algebra de subconjuntos de S, entonces
a. Probar que S B.
b. Probar que B es cerrado bajo intersecciones contables.
3
Recuerde que AB se define como: AB = (A B) (A B).
30
Prof.Mg. Osmar Vera
c. Probar que el conjunto formado por el vaco y S es una sigma algebra.
1.8 Si Ai se define como en la demostracion del Teorema 1.2.2 (b), demuestre que
Ak Al = ,
k 6= l
1.9 Demuestre que si B es una -algebra, entonces tambien es cerrada para la diferencia entre conjuntos.
1.7 Sea (, B, P ) un espacio de probabilidad, A, B B.
Demuestre que P (A B) P (A) + P (B) 1 (caso especial de la desigualdad
de Bonferroni)
1.10 Aplicar la desigualdad de Boole al evento Ac ; y usando que
Aci = (
Ai )c ,
P (Aci ) = 1 P (Ai ), pruebe la desigualdad

P(
n
\
i=1
Ai )
n
X
P (Ai ) (n 1),
i=1
la cual es la desigualdad mas general de la desigualdad de Bonferroni.

1.11 Consideremos una caja que contiene 9 lamparas de las cuales 4 estan quemadas.
Se extraen al azar tres lamparas sin reposicion y se cuenta la cantidad de quemadas. Cual es la probabilidad de obtener i) ninguna lampara quemada, ii)
exactamente una lampara quemada, iii) exactamente dos lamparas quemadas,
iv) tres lamparas quemadas. Resumir los cuatro resultados obtenidos en una
tabla de doble entrada. Cuanto da la suma de todas estas probabilidades?.
1.12 Consideremos la misma situacion del [1.11], pero ahora la muestra es con reposicion. Cuanto da la suma de todas estas probabilidades?.
1.13 Suponga ahora una caja que contiene N lamparas de las cuales n estan quemadas (n N ) . Se extraen al azar r lamparas y se cuenta la cantidad de
quemadas. Cual es la probabilidad de obtener exactamente k lamparas quemadas (k r) si la muestra que se toma es:
a) sin reposicion,
b) con reposicion.
31
Prof.Mg. Osmar Vera
1.14 Una firma de consultora de computadoras ha licitado en tres proyectos. Sea
Ai = {proyecto i otorgado} , para i = 1, 2, 3 y supongamos que P (A1 ) =
0,22, P (A2 ) = 0,25, P (A3 ) = 0,28, P (A1 A2 ) = 0,11, P (A1 A3 ) = 0,05, P (A2
A3 ) = 0,07, P (A1 A2 A3 ) = 0,01. Exprese verbalmente cada uno de los siguientes eventos y calcule su probabilidad
a) A1 A2
b) Ac1 Ac2
c) A1 A2 A3
d) Ac1 Ac2 Ac3
e) Ac1 Ac2 A3
f) (Ac1 Ac2 ) A3
1.15 Aplique la formula demostrada en clase para determinar la probabilidad de la

union de dos eventos a fin de,
a) Encontrar una formula para calcular la probabilidad de la union de tres
eventos
b) Generalice la formula hallada en a), por induccion para determinar la probabilidad de la union de n eventos.
1.16 Una tienda de video vende dos marcas diferentes de videograbadoras (VCR),
cada una de las cuales viene con dos o cuatro cabezas. La tabla siguiente indica
los porcentajes de compradores recientes de cada tipo de VCR:
N
umero de Cabezas
Marca
25 %
16 %
32 %
27 %
Supongamos que se selecciona al azar un comprador reciente y que se determinan

tanto la marca como el n
umero de cabezas.
a) Cuales son los cuatro eventos simples?
b) Cual es la probabilidad de que el comprador seleccionado haya comprado
la marca Q, con dos cabezas?
32
Prof.Mg. Osmar Vera
c) Cual es la probabilidad de que el comprador seleccionado haya comprado
la marca M?
1.16 Pruebe que la terna (, B, PA ) representa un espacio de probabilidad, siendo
PA (B) = P (B/A) =
P (AB)
.
P (A)
1.17 Pruebe que si dos eventos A y B son independientes, entonces tambien lo son
A y B c ; Ac y B; Ac y B c ; A y ; A y .
1.18 Demuestre formalmente la ley de probabilidad total.
1.19 Demuestre formalmente el Teorema de Bayes.
1.20 1
33
Prof.Mg. Osmar Vera
34
Prof.Mg. Osmar Vera
Captulo 2
Variables aleatorias
2.1.
Introducci
on
En muchos experimentos resulta mas facil manejarse con una variable resumen que
con la estructura de probabilidad original. Por ejemplo, en una encuesta de opinion,
podramos decidir entrevistar a 50 personas y preguntarles si les agrada o no cierta
cosa. Si usaramos un 1 para el que contesta me agrada un o para el que contesta
2
me desagrada, el espacio muestral para este experimento tiene 250 elementos. Cada
uno de estos elementos es un arreglo de dimension 50, donde cada componente es un 1
o es un 0, debemos ser capaces de reducir esta medida enorme del espacio muestral de
alguna manera razonable. Esto podra hacerse si, por ejemplo, nos interesa solamente
el n
umero de personas a quienes les agrada (o equivalentemente, les desagrada) de
entre los 50 entrevistados. Nos podra interesar calcular, por ejemplo, la probabilidad
de que les agrade a la mitad, o a la tercera parte; y as definir la cantidad X =
n
umeros de 1s encontrados entre los 50, de esta manera tendramos capturada la
esencia del problema.
Ahora el espacio muestral que recorre X es el conjunto {0, 1, 2, . . . , 50}, el cual es

35
mucho mas facil de manejar que el original. Para definir esta cantidad X es necesario
definir una funcion del espacio muestral original, , a un nuevo espacio, usualmente
el conjunto de los n
umeros reales. En general se tiene la siguiente
Definici
on 2.1.1. Una variable aleatoria es una funcion del espacio muestral en
los n
umeros reales.
Ejemplo 2.1.1. En muchos experimentos, variables aleatorias son usadas implcitamente. Veamos algunos ejemplos en la siguiente tabla:
Experimentos
Variable Aleatoria
Arrojar dos dados
X = suma de los n
umeros obtenidos
Arrojar una moneda 25 veces
X = n
umero de caras obtenidas en los 50 tiros
Aplicar diferentes tipos de fertilizantes

a grupos de plantas
X = rendimiento por acre
En la definicion de v.a. tenemos definido un nuevo espacio muestral (el rango o recorrido
de la va). Ahora se debe chequear formalmente que nuestra funcion de probabilidad, la cual
esta definida sobre el espacio muestral original, puede ser usada para la v.a.
Supongamos que se tiene el siguiente espacio muestral:
= {1 , 2 , . . . , n }
con una funcion de probabilidad P , y definimos una v.a. X con un rango en X = {x1 , x2 , . . . , xn }.
Definiremos una funcion de probabilidad PX sobre X del siguiente modo:
PX (X = xi ) = P ({j / X(j ) = xi })
(2.1)
Note que la funcion PX a la izquierda del igual en (2.1) es una funcion de probabilidad
inducida por X , definida en terminos de la probabilidad original P . La igualdad (2.1) formalmente define una funcion de probabilidad, PX , para la v.a. X. Por supuesto que se
debera verificar que PX satisface los axiomas de Kolmogorov, lo cual se deja como ejercicio. Como son equivalentes, simplemente (2.1) se escribira como P (X = xi ) en lugar de
PX (X = xi )
36
Prof.Mg. Osmar Vera
Notaci
on Variables aleatorias siempre seran denotadas por letras imprenta mayusculas
tales como, X, Y , Z, X1 , X2, Y1 , etc; y los valores de su realizacion (o su rango) con su
correspondiente letra min
uscula. As, la v.a. X diremos que puede tomar el valor x.
Ejemplo 2.1.2. Consideremos el experimento de arrojar una moneda tres veces. Definimos
la v.a. X = no de caras obtenidas en los tres tiros. Podemos realizar el siguiente cuadro:
X()
CCC
CCS
CSC
SCC
CSS
SCS
SSC
SSS
El rango de valores de la v.a. X es X = {0, 1, 2, 3}. Asumiendo equiprobabilidad, se

tiene P ({}) = 1/8
x
PX (X = x)
1/8
3/8
3/8
1/8
. De este modo podremos confeccionar la siguiente tabla:
Por ejemplo PX (X = 1) = P ({CSS, SSC, SCS}) = 38 .

Ejemplo 2.1.3. Sea formado por los 250 arreglos de tama
no 50 formado por 1s y 0s.
Definimos X = cantidad de 1s obtenidos. Se tiene entonces que X = {0, 1, 2, . . . , 50}.
Supongamos que los 250 arreglos son igualmente probables. La P (X = 27) puede ser obtenida contando todas las cadenas que contienen exactamente 27 1s en el espacio muestral
original. Como cada cadena es igualmente probable, tenemos que
50
Nro. de cadenas con 27 1s
P (X = 27) =
= 27
.
Nro. total de cadenas
250
37
Prof.Mg. Osmar Vera
En general
50
PX (X = i) =
250
Estos ejemplos anteriores tienen un y un X finito. Tambien X podra ser numerable.

Si X no es numerable, tambien es posible definir la funcion de probabilidad inducida PX de
forma similar a la anterior:
Para A X ,
PX (X A) = P ({ / X() A}).
Esta tambien define legtimamente una funcion de probabilidad que cumple con los
axiomas de Kolmogorov.
2.2.
Funciones de Distribuci
on
Con toda v.a. X, tenemos asociada una funcion llamada funci

on de distribuci
on
acumulativa de X, dicha tambien f.d.a.
Definici
on 2.2.1. La f.d.a. de una v.a. X, denotada por FX (x), se define por:
FX (x) = PX (X x) x R
Ejemplo 2.2.1. Consideremos el caso de la moneda que se arroja tres veces y se observa
la cantidad de caras obtenidas. Determinemos FX (x)
x<0
FX (x) = PX (X x) = 0
0x<1
FX (x) = PX (X x) = P (X = 0) = 1/8
1x<2
FX (x) = PX (X x) = P (X = 0) + P (X = 1) = 1/2
2x<3
FX (x) = PX (X x) = P (X = 0) + P (X = 1) + P (X = 2) = 7/8
x3
= FX (x) = 1
Finalmente, la funcion de distribucion asociada a X es,
0 si x < 0
1/8 si 0 x < 1
FX (x) =
1/2 si 1 x < 2
7/8 si 2 x < 3
1 si x 3
38
Prof.Mg. Osmar Vera
Le proponga al lector que grafique esta funcion, obtendra un grafico en R2 con las siguientes
caractersticas:
(a) FX (x) esta definida x, no solamente en X . Por ejemplo: FX (2,5) = 7/8
(b) Presenta saltos en los valores xi X , y la media de los saltos en xi es P (X = xi ).
(c) Es nula para todos los valores de x < 0; y vale 1 para todos los x 3.
(d) A pesar de presentar saltos en los puntos mencionados en (b), o sea discontinuidades, la
funcion alcanza siempre su valor en lo alto del salto, esto se conoce como continuidad
a la derecha. Simbolicamente se tiene:
lm FX (x) = FX (xi )
si xi X
xx+
i
Todas las f.d.a. cumplen ciertas propiedades, algunas de las cuales son obvias, cuando se
piensa que estan definidas en terminos de probabilidad.
Teorema 2.2.1. La funci
on F(x) es una f.d.a. s y s
olo s las siguientes tres condiciones
se cumplen:
(a)
lm
F (x) = 0
lm F (x) = 1
(b) F (x) es no decreciente como funci

on de x.
(c) F (x) es continua a la derecha, esto es:
lm F (x) = F (x0 )
xx+
0
x0 .
Prueba:
Para probar la condicion necesaria, basta escribir F (x) en terminos de la funcion de probabilidad. Para la suficiencia o sea, que si una funcion F satisface las tres condiciones del
teorema entonces es una f.d.a. para una v.a., en mucho mas complicado (no lo haremos),
deberamos establecer que existe un espacio muestral , una funcion de probabilidad P
sobre , y una v.a. X definida sobre , tal que F es la f.d.a. de X.
39
Prof.Mg. Osmar Vera
Ejemplo 2.2.2. Supongamos el experimento que consiste en arrojar una moneda tantas
veces como sea necesario hasta que salga la primera cara. Sea p= probabilidad de obtener
cara en cualquier lanzamiento.
Consideremos X= nro. de lanzamientos hasta que salga la primera cara. Determinar su
f.d.a.
X = {1, 2, 3, . . .}, entonces para x = 1, 2, . . . ,
P (X = x) = (1 p)x1 p ,
ya que debemos encontrar x 1 fallas hasta obtener la siguiente cara, ademas los eventos
ocurren de manera independiente. Para cualquier entero positivo x se tiene,
FX (x) = P (X x) =
x
X
P (X = i) =
x
X
i=1
(1 p)i1 p , x = 1, 2, . . .
i=1
recordar que la suma parcial de una serie geometrica es

n
X
tk1 =
k=1
1 tn
,
1t
t 6= 1
(2.2)
Este resultado se puede probar por induccion matematica. Aplicando (2.2) a nuestra probabilidad, encontramos que la f.d.a. de nuestra v.a. X es
FX (x) = P (X x)
=
1 (1 p)x
p
1 (1 p))
= 1 (1 p)x ,
x = 1, 2, . . .
La f.d.a. es una tal que presenta segmentos horizontales entre los enteros no negativos se
sugiere dibujar esta funcion, por ejemplo para p = 0,3.
Es facil mostrar que 0 < p < 1 para que FX (x) satisfaga las condiciones del teorema (2.2.1).
lm
FX (x) = 0,
ya que FX (x) = 0 x < 0
lm FX (x) = lm [1 (1 p)x ] = 1.
40
Prof.Mg. Osmar Vera
Ejemplo 2.2.3. Un ejemplo de una f.d.a. continua es la funci
on
1
,
1 + expx
FX (x) =
la cual satisface las condiciones de teorema (2.2.1).

Por ejemplo,
lm
FX (x) = 0,
ya que
lm FX (x) = 1,
ya que
lm
expx =
y
x
lm expx = 0
Si derivamos FX (x) una vez, tenemos

d
expx
>0,
FX (x) =
dx
(1 + expx )2
mostrando que FX es creciente como funcion de x. FX no solamente es continua a la derecha.
Sino tambien continua. Este es un caso especial de la llamada distribuci
on logstica.
Si una f.d.a. es continua o presenta saltos se corresponde con la asociacion de una v.a.
que sea continua o no. En efecto, la asociacion nos conduce a la siguiente definicion,
Definici
on 2.2.2. Una v.a. X es continua se FX (x) es una funci
on continua de x. Una
v.a. X es discreta de FX (x) es una funci
on dada a trozos con respecto a x.
Necesitamos definir la nocion de cuando dos v.a. son identicamente distribuidas.
Definici
on 2.2.3. Se dice que dos v.a. X e Y est
an identicamente distribuidas si para
cualquier conjunto A, P (X A) = P (Y B)
Note que dos v.a. que estan identicamente distribuidas no necesariamente son iguales.
Esto es, la definicion u
ltima anterior no dice que X = Y .
Ejemplo 2.2.4. Consideremos el experimento que consiste en arrojar una moneda tres
veces. Definimos las v.a. X e Y como sigue,
X = n
umero de caras obtenidas
Y
= n
umero de cecas obtenidas
41
Prof.Mg. Osmar Vera
La distribucion de X esta dada en el ejemplo (2.1.2), y se verifica facilmente que
la distribucion de Y es exactamente la misma; esto significa que para valores de k =
0, 1, 2, 3 P (X = k) = P (Y = k). As, X e Y estan identicamente distribuidas, sin embargo, no para los mismos puntos se cumple X() = Y (). X 6= Y .
Igual distribucion de v.a., no implica igualdad en las v.a.

Teorema 2.2.2. Las siguientes afirmaciones son equivalentes:
(a) Las v.a. X e Y est
an identicamente distribuidas
(b) FX (x) = FY (x) para cada x.
Prueba:
Para mostrar la equivalencia, debemos demostrar que cada afirmacion implica la otra.
Veamos que (a) = (b).
Ya que X e Y estan identicamente distribuidas, tenemos, para cualquier conjunto A,
P (X A) = P (Y B).
En particular, para el conjunto (, x] se tiene
P (X (, x]) = P (Y (, x])
x.
Pero esta u
ltima igualdad es equivalente a:
P (X x) = P (Y x)
x,
o que FX (x) = FY (x) para cada x.

La implicacion inversa, (b) = (a) es mucho mas difcil de probar. Para mostrarla se requiere
usar una batera pesada de - algebras de Borel. No entraremos aqu en mas detalles. Es
suficiente saber (de acuerdo con el nivel de estas notas) que eso es necesario para probar
que las dos funciones de probabilidad coincidan sobre todos los intervalos (Por ejemplo para
mas detalles ver Chung,1977).
42
Prof.Mg. Osmar Vera
2.2.1.
Densidad y Funciones de masa
Asociada con una v.a.X y su f.d.a. FX (x) existe otra funcion, llamada seg
un corresponda:
funcion de densidad de probabilidad (f.d.p.) o funcion de masa de probabilidad (f.m.p.).
Los terminos (f.d.p.) y (f.m.p.) se refieren, respectivamente, a los casos continua y discreto.
Ambas funciones esta relacionadas con probabilidades puntuales de v.a.
Definici
on 2.2.4. Una funci
on de masa de probabilidad, f.m.p., de una v.a. discreta est
a dada por:
fX (x) = P (X = x) ,
x.
Ejemplo 2.2.5. Para la distribuci

on geometrica del ejemplo (2.2.2) tenemos la f.m.p.,
(1 p)x1 p si x = 1, 2, . . .
fX (x) = P (X = x) =
0
en otro caso
Recordar que fX (x) o equivalentemente P (X = x) es la medida del salto de la f.d.a. en
x. Se puede usar la f.m.p. en un punto para calcular probabilidades; necesitamos solamente
sumar sobre todos los puntos de un evento en forma apropiada.
Por lo tanto, para enteros positivos a y b, con a b, nosotros tenemos,
P (a X b) =
b
X
fX (k) =
b
X
(1 p)k1 p.
k=a
k=a
As, se puede conseguir con esto un caso especial
P (X b) =
b
X
fX (k) = FX (b).
k=1
Una convencion ampliamente aceptada, la cual tambien nosotros adoptaremos, es la de

anotar con letras imprentas may
usculas las f.d.a.s; y con la correspondiente min
uscula la
f.m.p. o la f.d.p. respectiva.
Debemos tener un poco mas de cuidado en nuestra definicion de f.d.p. en el caso continuo.
Si ingenuamente tratamos de probar calcular P (X = x) para v.a. continuas, conseguiremos
lo siguiente: ya que {X = x} {x < X x} para cualquier > 0, nosotros tendremos
a partir del teorema (1.2.1) parte f. que,
P (X = x) P (x < X x) = FX (x) FX (x ),
43
Prof.Mg. Osmar Vera
para cualquier > 0. Por lo tanto,
0 P (X = x) lm [FX (x) FX (x )] = 0,
x+
por la continuidad de FX . Sin embargo, si nosotros comprendemos el proposito de la f.d.p.,

su definicion sera clara.
Definici
on 2.2.5. La funcion de densidad de probabilidad
o f.d.p., fX (x), de una v.a.
continua X es la funci
on que satisface:
Z
FX (x) =
fX (x) dt
para todo x.
(2.3)
Una nota sobre notaci

on: La expresion X tiene una distribucion dada por FX (x)se
abrevia simbolicamente por X FX (x), donde leemos el smbolo como esta distribuido como. Tambien podremos en forma similar escribir X fX (x) o, si X e Y tienen la
misma distribucion, X Y .
En el caso de v.a. continuas no necesitamos ser cuidadosos en la especificacion de incluir

o no los extremos de los intervalos para el calculo de probabilidades. Como P (X = x) = 0
si X es una v.a. continua,
P (a < X < b) = P (a < X b) = P (a X < b) = P (a X b).

En este punto, ya debe estar claro que la f.d.p. (o p.m.f.) contienen la misma informacion
que la f.d.a. Seg
un sea el caso se puede ocupar una u otra para resolver problemas, de
acuerdo si facilita o no su resolucion.
Ejemplo 2.2.6. Para la distribuci
on logstica dada en el ejemplo anterior. Se pide, determinar su f.d.p. y determinar una metodologa para calcular la P (a < X < b)
Deberemos derivar la f.d.a con respecto a X para determinar la f.d.p., en efecto
fx (x) =
d
expx
FX (x) =
.
dx
(1 + expx )2
El area bajo la curva fx (x) dado un intervalo de probabilidad (ver Figura 2.1) es:
44
Prof.Mg. Osmar Vera
Figura 2.1: Area bajo la curva logistica
Z
P (X [a, b]) = FX (b) FX (a) =
fX (x) dx
fX (x) dx =
fX (x) dx.
Solamente existen dos requerimientos para una f.d.p. (o f.m.p.), los cuales son inmediatas
consecuencias de la definicion.
Teorema 2.2.3. Una funci
on fX (x) es una f.d.p. (
o una f.m.p.) de una variable aleatoria
X si y s
olo s
(a) fX (x) 0
(b)
P
x
x.
fX (x) = 1 (f.m.p.)
R +
fX (x) dx = 1 (f.d.p.).
Prueba:
Si fX (x) es una f.d.p. (o una f.m.p.), las dos propiedades son inmediatas de las definiciones.
En particular, usando (2.4) y el Teorema 2.2.1, se tiene que ,
Z
1 = lm FX (x) =
x
45
fX (t) dt.
Prof.Mg. Osmar Vera
La implicacion inversa, es tambien muy facil de probar. Una vez que se tiene fX (x) podemos
definir FX (x) y recurrir al Teorema 2.2.1.
Ejemplo 2.2.7. Se lanzan dos dados de manera independiente. Sea X1 y X2 el puntaje obtenido en el lanzamiento del primer dado y segundo respectivamente. Sea X =
max{X1 , X2 }. Determinar la f.m.p y la f.d.a. de la v.a. X
X x max{X1 , X2 } x X1 x X2 x.
La u
ltima igualdad se deduce de la definicion de maximo!.
{X x} es equivalente a,
{X1 x} {X2 x}.
Al estar suponiendo que los dados se lanzan de manera independiente, resulta que
P (X x) = P [{X1 x} {X2 x}]
= P (X1 x) P (X2 x).
Si suponemos que los dados son equilibrados , se tiene que
P (X1 = l) = P (X2 = l) =
Luego,
P (Xi x) =
x
X
P (Xi = l) =
l=1
x
6
1
6
con l = 1, . . . , 6.
x = 1, 2, . . . , 6,
i = 1, 2.
Finalmente,
P (X x) =
x2
,
36
x = 1, . . . , 6.
Siendo esta su f.d.a.. Pero

P (X = x) = P (X x) P (X x 1
=
x2 (x 1)2
2x 1
=
,
36
36
6
46
x = 1, . . . , 6.
Prof.Mg. Osmar Vera
Siendo esta su f.m.p
Que ocurre si lanzamos ahora infinitamente el dado en forma independiente?
Si razonamos como en la parte u

ltima anterior del ejemplo, sea Si el puntaje obtenido
en el i-esimo lanzamiento, i=1,. . . ,k.
Nos interesa la v.a. Y = el puntaje maximo obtenido:

Y = max {S1 , S2 , . . . ,k }.
Por definicion del maximo, {Y y} es equivalente a,
{S1 y} {S2 y} . . . {Sk y}.
Luego, usando la independencia de los lanzamientos, se obtiene que
P (Y y) =
k
Y
P (Si y) =
i=1
y k
6
y = 1, . . . , 6.
Finalmente, para y = 1, 2, . . . , 6,
P (Y = y) = P (Y y) P (Y y 1) =
1 k
[y (y 1)k ].
6k
Calcular la probabilidad de que el maximo valor ledo sea un valor y en infinitos lanzamientos, corresponde a tomar
lm P (Y = y).
Para calcular este lmite, debe notar que la f.m.p. de Y se puede escribir de manera equivalente como
P (Y = y) =
Al tomar lmite se obtiene:
y 1 k i
yk h
1
.
y
6k
0 si y < 6
lm P (Y y) =
1 si y = 6
k
Esto significa que en un n

umero infinito de lanzamientos, la probabilidad de obtener un
puntaje maximo entre 1 y 5 es cero, mientras que la probabilidad de obtener un puntaje
igual a 6 es uno!!!.
47
Prof.Mg. Osmar Vera
Ejemplo 2.2.8. Probar que la funci
on dada por
1
2
fX (x) = expx /2 .
2
(2.4)
es una funci
on de densidad de probabilidad
En efecto, obviamente fX (x) > 0. Para verificar que es una densidad, falta comprobar
R
que fX (x) dx = 1.
Sea a =
ex /2 dx. Deberemos probar que a2 = 2. Para lo cual, notar que

Z
Z
Z Z
2
2
2
x2 /2
y 2 /2
a =
e
dx
e
dy =
e(x +y )/2 dx dy;
y tomando, en la integral doble, coordenadas polares (r, ) queda

Z 2
Z
2
2
a =
d
er /2 r dr = 2.
0
Esta densidad se define como la densidad normal tpica (o est

andar), y se la anota con la
letra griega , de donde en adelante siempre que veamos (x), nos estamos refiriendo a la
densidad de una v.a. con distribucion Normal estandar, definida por (2.4).
Ejemplo 2.2.9. Sup
ongase que la v.a. X es continua, y se tiene la funci
on dada por
kx si 0 < x < 1
f (x) =
0 en otro caso
Se pide: a)Hallar k para que sea una f.d.p. para la v.a. X; b)Determine la f.d.a.
Nota fX (x) no representa la probabilidad de nada!. Hemos observado que, por ejemplo
P (X = 0,5) = 0, y por lo tanto fX (0,5) no la representa. Solo cuando la funcion se integra
entre dos lmites produce una probabilidad. Sin embargo, es posible dar una interpretaci
on
de 4x fX (x) del siguiente modo. Del teorema del valor medio del calculo integral se deduce
que
Z
P (x X x + 4x) =
x
x+4x
fX (s) ds = 4x fX () ,
x x + 4x.
Si 4x es peque
no, 4x fX (x) es aproximadamente igual a P (x X x + 4x). Si fX es
continuo por la derecha, esta llega a ser mas segura cuando 4x 0.
48
Prof.Mg. Osmar Vera
2.3.
Transformaciones y Esperanzas
A menudo, si nosotros somos capaces de modelar un fenomeno en terminos de la va X

con una FX (x), tambien tendremos la relacion con la conducta de funciones de X. En esta
seccion estudiaremos tecnicas que nos permitiran ganar informacion acerca de funciones de
X que podran ser de interes, que puede ir desde ser completa (las distribuciones de esas
funciones) a muy vaga (la conducta del promedio).
2.3.1.
Distribuciones de funciones de una Variable Aleatoria
Si X es una v.a. con fda FX (x), entonces cualquier funcion de X, digamos g(X), es
tambien una v.a.. A menudo g(X) es de interes en s misma y escribiremos Y = g(X) para
denotar nuestra v.a. g(X). Ya que Y es una funcion de X, nosotros podemos describir su
conducta probabilstica, en terminos de la de X. Esto es, para cualquier conjunto A,
P (Y A) = P (g(X) A) ,
esto muestra que la distribucion de Y depende de las funciones FX y g. Dependiendo de
la eleccion de g, es algunas veces posible obtener una expresion tratable para el calculo de
esta probabilidad.
Formalmente, si nosotros escribimos y = g(x), la funcion g(x) define una mapeo del espacio
muestral de X, X , a un nuevo espacio muestral, Y, el espacio muestral de la v.a. Y . Esto
es,
g(x) : X Y.
Es posible asociar con g un mapeo inverso, denotado por g 1 , el cual es un mapeo proveniente de subconjuntos de Y a subconjuntos de X , y esta definido por
g 1 (A) = {x X : g(x) A}.
Note que el mapeo g 1 esta definido de conjuntos en conjuntos, esto es, g 1 (A) es el conjunto
de los puntos en X tal que g(x) va a parar dentro de A. Es posible que A sea un conjunto
49
Prof.Mg. Osmar Vera
formado por un solo punto, digamos A = {y}. Entonces
g 1 ({y}) = {x X : g(x) = y}.
En este caso casi siempre se escribe g 1 (y) en lugar de g 1 ({y}). Sin embargo, la cantidad
g 1 (y) puede a
un ser un conjunto, si hay mas de un x para el cual g(x) = y. Si hay
solamente un valor de x para el cual g(x) = y, entonces g 1 (y) en el conjunto unitario {x},
y escribiremos g 1 (y) = x.
Si la v.a. Y esta definida por Y = g(X), es posible escribir para cualquier conjunto A Y,
P (Y A) = P (g(X) A)
= = P ({x X : g(x) A})
(2.5)
= P (X g 1 (A)).
Esta define la distribucion de probabilidades de Y . Sera justo mostrar que esta distribucion
de probabilidad satisface los Axiomas de Kolmogorov.
Si X es una v.a. discreta, entonces X es numerable. El espacio muestral para Y = g(X) es
Y = {y : y = g(x), x X }, el cual tambien es un conjunto numerable; con lo cual Y es una
v.a discreta. Usando (2.5), la fmp de Y es
fY (y) = P (Y = y) =
P (X = x) =
xg 1 (y)
fX (x),
para y Y ,
xg 1 (y)
y fY (y) = 0 para y
/ Y. En este caso para encontrar la fmp de Y s
olo es necesario identificar
g 1 (y), para cada y Y y sumar apropiadamente las probabilidades.
Ejemplo 2.3.1. Una va. discreta X tiene una distribucion binomial si su fmp es de la
forma

n x
fX (x) = P (X = x) =
p (1 p)nx ,
x
x = 0, 1, . . . , n ,
donde n es un entero positivo y 0 p 1. Encontrar la fmp de Y = g(X), siendo g(x) =

nx
Valores como n y p que al tomar diferentes valores producen diferentes funciones de
probabilidad, se llaman par
ametros de la distribucion. Consideremos la va. Y = g(X),
donde g(x) = n x. Esto es Y = n X. Aqu X = {0, 1, 2, , n} y Y = {y : y = g(x), x
50
Prof.Mg. Osmar Vera
X } = {0, 1, 2, , n}. Para cualquier y Y, n x = g(x) = y s y solo si x = n y. As,
g 1 (y) es entonces simplemente el punto x = n y,
X
fY (y) =
fX (x)
xg 1 (y)
= fX (n y)
n
=
pny (1 p)n(ny)
ny

n
=
(1 p)y pny
y
Vemos que tambien Y es una va. con distribucion binomial, pero con parametros n y
(1 p).
Si tanto X como Y son va. continuas, es posible en muchos casos encontrar formulas
simples para la fda de Y en terminos de la fda de X y la funcion g. Consideremos algunos
de estos casos.
La fda de Y = g(X) es
FY (y) = P (Y y)
= P (g(X) y)
(2.6)
= P ({x X : g(x) y})

Z
=
fX (x) dx.
{xX : g(x)y}
Muchas veces resulta difcil identificar {x X : g(x) y} y resolver la integral de fX (x)

bajo esa region.
Cuando hacemos transformaciones, es importante mantener presente los espacios muestrales donde se mueven las va.; en otro caso pueden presentarse muchas confusiones. Cuando
hacemos una transformacion de X a Y = g(X), lo mas conveniente es usar,
X = {x : fX (x) > 0}
Y = {y : y = g(x) para alg

un x X }.
(2.7)
La fdp de la va. X es positiva solamente sobre el conjunto X y cero en otro caso. Tal conjunto es llamado el conjunto soporte de una distribucion, mas informalmente el soporte de
51
Prof.Mg. Osmar Vera
la distribucion. Este terminologa puede tambien aplicarse para una fmp o, en general, para
una funcion no negativa.
Es mucho mas facil tratar con aquellas g(x) que son mon
otonas, esto es aquellas que
satisfacen
a. u > v = g(u) > g(v) (crecientes) o
b. u < v = g(u) > g(v) (decrecientes)
Si la transformacion x g(x) es monotona, entonces esta es (1-1) de X Y. Tambien
para Y definida como en (2.7), para cada y Y, existe un x X tal que g(x) = y. As la
transformacion g unvocamente manda xs en ys. Si g es monotona, g 1 es univaluada,
esto es g 1 (y) = x s y solo s y = g(x). Si g es creciente, esto implica que
{x X : g(x) y} = {x X : g 1 (g(x)) g 1 (y)}
= {x X : x g 1 (y)}.
Mientras que si g es decreciente, esto implica que
{x X : g(x) y} = {x X : g 1 (g(x)) g 1 (y)}
= {x X : x g 1 (y)}.
Si g(x) es una funcion creciente, entonces usando (2.6), podemos escribir
Z
FY (y) =
{xX : xg 1 (y)}
fX (x) dx
g 1 (y)
fX (x) dx
= FX (g 1 (y)).
Si g(x) es decreciente, se tiene,
Z
FY (y) =
g 1 (y)
fX (x) dx
= 1 FX (g 1 (y)). (aqu fue usada la continuidad de X)

Resumimos estos resultados en el siguiente teorema
52
Prof.Mg. Osmar Vera
Teorema 2.3.1. Supongamos que X tiene una fda FX (x), sea Y = g(X), X e Y definidos
como en (2.7).
a. Si g es una funci
on creciente sobre X , FY (y) = FX (g 1 (y)) para y Y.
b. Si g es una funci
on decreciente sobre X y X es una v.a. continua,
FY (y) = 1 FX (g 1 (y)) para y Y.
Ejemplo 2.3.2. Sea X fX (x) = 1.I(0 < x < 1), de donde se tiene X U (0, 1). Esto u
ltimo se lee X con distribuci
on uniforme en el intervalo (0,1). Se pide determinar
FX (x), FY (y), fY (y) si Y = g(X) = logX.
Se aconseja siempre verificar que, en este caso la fX es una densidad.
Determinacion de FX :
Rx
FX (x) = fX (t) dt para todo x R, por definicion,
i. Si x < 0 = fX (x) = 0 = FX (x) =
Rx
ii. Si 0 < x < 1 = fX (x) = 1 = FX (x) =

iii Si x 1 = fX (x) = 0 = FX (x) =
De donde se tiene,
0 dt = 0.
R0
R0
0 dt +
0 dt +
R1
0
Rx
0
1 dt = 0 + t
1 dt +
Rx
1
ix
0
= x.
0 dt = 0 + t
i1
0
+ 0 = 1.
0 si x < 0
FX (x) =
x si 0 < x < 1
1 si x 1
Determinacion de FY :
Veamos si g(x) es monotona en el soporte de X, X .
d
1
g(x) = < 0 ,
dx
x
para x (0, 1) = X ,
de donde g(x) resulta ser una funcion decreciente. Veamos cual es el soporte de Y . Y definido
como en (2.7), resulta ser Y = (0, ). Queda calcular la g 1 (y) para y Y = (0, ); la
cual resulta de y = g(x) = logx = y = logx = x = ey = g 1 (y).
Finalmente, aplicando el teorema 2.3.1 parte b), resulta
FY (y) = 1 FX (g 1 (y)) = 1 FX (ey ) = 1 ey , y Y = (0, )
53
Prof.Mg. Osmar Vera
Para determinar fY (y) queda diferenciar la fda de Y , as
fY (y) =
d
FY (y) = ey
dy
(y > 0)
La fdp y la fda de Y respectivamente son:
fY (y) = ey I(0, )
FY (y) =
si y 0
1 ey si y > 0
Este resultado afirma que si: X U (0, 1) = Y = logX Exp(1).
Si la fdp de Y es continua, puede ser obtenida derivando su fda. La expresion resultante

esta dada por el siguiente teorema
Teorema 2.3.2. Supongamos X v.a. con una fdp fX (x). Sea Y = g(X), donde g es
mon
otona una transformaci
on de X; X e Y son respectivamente sus soportes. Suponga
adem
as que fX (x) es continua sobre X , y que g 1 (y) tiene una derivada continua sobre Y.
Entonces la fdp de Y est
a dada por:
fX (g 1 (y)) |
fY (y) =
d 1
dy g (y))
| si y Y
(2.8)
e.o.c.
ltimo la regla de la cadena, se tiene

Demostracion: Aplicando al teorema u
fY (y) =
fY (y) =
d
FY (y) =
dy
d
FY (y) =
dy
d
d
FX (g 1 (y)) = fX (g 1 (y)) g 1 (y)
g creciente
dy
dy
d
d
(1 FX (g 1 (y)) = fX (g 1 (y)) g 1 (y) g decreciente
dy
dy
La cual puede ser expresada en forma consisa como en (2.8).

Ejemplo 2.3.3. Ses fX (x) la fdp de una va. gamma, entonces esta tiene la forma,
fX (x) =
1
xn1 ex/ I(0, )
(n 1)! n
representa una constante positiva, n entero positivo. Se quiere encontrar la fdp de Y =

g(X) = 1/X .
54
Prof.Mg. Osmar Vera
En muchas aplicaciones resulta que la g no es ni creciente ni decreciente, de donde el
resultado u
ltimo no puede ser aplicado. Sin embargo, se da a menudo el caso en que g es
monotona sobre ciertos intervalos.
Ejemplo 2.3.4. Supongamos X va. continua. Determinar fda y fdp para Y = X 2 .
En este ejemplo resultara que fdp de Y esta expresada como la suma de dos terminos,
donde cada uno de ellos representa el intervalo donde g(x) = x2 es monotona. En general
este sera el caso, dado en el siguiente problema.
Teorema 2.3.3. Supongamos X tiene una fdp fX (x), Y = g(X), y se define el soporte de X, X . Supongamos que existe una partici
on A0 , A1 , . . . , Ak de X , tal que P (X
A0 ) = 0 y fX (x) es continua sobre cada Ai . Adem
as, sup
ongase que existen funciones
g1 (x), g2 (x), . . . , gk (x), definidas sobre A1 , . . . , Ak respectivamente, satisfaciendo:
(a) g(x) = gi (x) , para x Ai
(b) gi (x) es mon
otona sobre Ai
(c) El conjunto Y = {y : y = gi (x) , para alg
un x Ai } es el mismo para cada i = 1, . . . , k y
(d) g 1 (y) tiene derivada continua en Y, para cada i = 1, . . . , k, entonces
P
k
fY (y) =
i=0
fX (g 1 (y)) |
d 1
dy g (y))
| si y Y
e.o.c.
El punto mas importante en este teorema es que X puede ser divididos en conjuntos
A1 , . . . , Ak , tal que g(x) sea monotona sobre cada Ai . Es posible ignorar el conjunto excepcional A0 , ya que P (X A0 ) = 0. Esta es una tecnica que puede ser usada para manejar
los extremos de intervalo. Es importante notar que cada gi (x) es una transformacion 1 1
de Ai en Y.
Ejemplo 2.3.5. Sea X una va. con la distribuci
on Normal est
andar, entonces
1
2
fX (x) = expx /2 I(, )
2
Sea Y = X 2 . Halle fY (y)
55
Prof.Mg. Osmar Vera
La fdp de Y la encontraremos a menudo, y se denomina va. chi cuadrado con un grado
de libertad. Cerramos esta seccion con una especial y muy conocida transformacion, la
transformaci
on de probabilidad integral.
Teorema 2.3.4. Consideremos X va. continua con fda FX (x) y se define la va. Y = FX (x).
Entonces Y U (0, 1), tal que P (Y y) = y; 0 < y < 1.
Antes de demostrarlo, daremos una mirada a FX1 , la inversa de la fda con alg
un detalle.
Si FX es estrictamente creciente, entonces FX1 esta bien definida como
FX1 (y) = x FX (x) = y
(2.9)
Sin embargo, si la fda llega a ser constante en alg

un intervalo, entonces su inversa no esta bien definida por (2.10).
Cualquier x [x1 , x2 ], por ejemplo (intervalo donde la FX (x) es constante), satisface

FX (x) = y. Este problema se soluciona, definiendo FX1 (y), para 0 < y < 1, del siguiente
modo,
FX1 (y) = inf{x : FX (x) y},
(2.10)
esta definicion coincide con de FX1 (y) cuando FX (x) = y no es constante, pero provee una
FX1 siempre univariada
Dem. del teorema:
Para Y = FX (X) = g(X); Y = (0, 1).
P (Y y) = P (FX (X) y)
= P (FX1 (FX (X)) FX1 (y))
(FX1 creciente)
= P (X FX1 (y))
= FX (FX1 (y))
(definicion de FX )
= y
(continuidad de FX )
En los puntos extremos se tiene P (Y y) = 1 para y 1, y P (Y y) = 0 para y 1,

mostrando as que Y U (0, 1)
56
Prof.Mg. Osmar Vera
Como se razono detras de la igualdad
P (FX1 (FX (X)) FX1 (y)) = P (X FX1 (y))?

esta requiere una particular atencion. Si FX es estrictamente creciente, entonces es verdad que FX1 (FX (X)) = X. Sin embargo, si FX presenta alg
un escalon, puede suceder que
FX1 (FX (X)) 6= X, pero eso se salva ocupando la definicion para FX1 con en (2.10).
Una aplicacion de este teorema esta en la generacion de muestras aleatorias provenientes

de una distribucion particular. Si se quiere generar una observaci
on x proveniente de una
poblacion con fda FX , necesitamos generar solamente el n
umero aleatorio uniforme u entre
0 y 1, y resolver para x la ecuacion FX (x) = u.
2.4.
Valores Esperados
El valor esperado o esperanza de una v.a. X es, su valor promedio. Aqu hablamos de
valor promedio como de tal pensado de acuerdo con la distribucion de probabilidad.
El valor esperado de una distribucion, tambien puede ser pensado como una medida de
centralizacion, del mismo modo como se piensan los promedios estando en el medio de todos
los valores. Cuando nos referimos a los valores de la la va. de acuerdo con la distribucion
de probabilidad, queremos obtener un n
umero que resuma un valor tpico o esperado de las
observaciones de la v.a.
Examinemos el siguiente ejemplo,
Considere seleccionar al azar a un estudiante que esta entre 15000 registrados para el
perodo academico de una Universidad. Sea X = cantidad de cursos en los que el estudiante
seleccionado se inscribe; supongamos que X tiene la siguiente fmp,
x
fX (x)
0.01
0.03
0.13
0.25
0.39
0.17
0.02
57
Prof.Mg. Osmar Vera
Podemos considerar a la poblacion como aquella formada por 15000 personas, cada
una con su propio valor de X (seg
un la cantidad de materias en las que inscribio en ese
a
no academico); la proporcion con cada valor X esta dada por fX (x) de la tabla. Por
ejemplo podramos interpretar el valor fX (1) = P (X = 1) = 0,01, como que 1 de cada 100
estudiantes se inscribio en una sola materia; o sea que 150 del total de 15000 se inscribieron
en una sola materia. Analogamente, fX (2) = P (X = 2) = 0,03, como que 3 de cada 100
estudiantes se inscribio en dos materias; o sea que 450 del total de 15000 se inscribieron en
dos materias; y as siguiendo, se genera la tabla (2.4)
x
fX (x)
0.01
0.03
0.13
0.25
0.39
0.17
0.02
No registrado
150
450
1950
3750
5850
2550
300
Finalmente, puede ser posible olvidarse de los estudiantes y considerar a la poblacion misma
como formada por los valores X.
Una vez que tengamos un modelo matematico para una poblacion, el objetivo sera utilizarlo para calcular valores caractersticos de esa poblacion (como por ejemplo la media )
y hacer inferencias a partir de tales caractersticas.
Si se quisiera determinar el n
umero promedio de cursos por estudiante, o el valor promedio de X de la poblacion, debemos calcular el n
umero total de cursos y dividir entre el
n
umero total de estudiantes. El valor promedio de X de la poblacion es entonces,
1(150) + 2(450) + 3(1950) + + 7(300)
= 4,57,
15000
como
150
15000
(2.11)
450
= 0,01 = fX (1); 15000
= 0,03 = fX (2); . . . , etc., otra expresion para el cociente
(2.11) es:
1 fX (1) + 2 fX (2) + 3 fX (3) + + 7 fX (7)
(2.12)
Esta expresion (2.13) muestra que para calcular el valor promedio de X de la poblacion,
solo necesitamos sus valores posibles junto con sus probabilidades (pesos= proporciones).
58
Prof.Mg. Osmar Vera
El valor promedio, o la media de X es entonces un promedio ponderado de los posibles
valores 1, 2, . . . , 7, donde los pesos son la probabilidades de esos valores.
La expresion (2.13), nos conduce la siguiente definicion de valor esperado o media de una
poblacion.
Definici
on 2.4.1. El valor esperado
o media de una va. g(X), denotado por E g(X), es
R
g(x) fX (x) dx
si X es continua
E g(X) =
P
P
xX g(x) fX (x) =
xX g(x) P (X = x)) si X es discreta
Suponiendo que la integral
o suma existen. Si E | g(X) |= diremos que E g(X) no
existe.
Ejemplo 2.4.1. Supongamos que X tiene una distribuci
on exponencial , es decir su fdp
es,
fX (x) =
1 x/
e
I(0 x < )
>0
Se pide encontrar E X
Rta. E X =
Ejemplo 2.4.2. Si X tiene una distribuci
on binomial con par
ametros n y p, entonces su
fmp es,

n x
P (X = x) =
p (1 p)nx ,
x
x = 0, 1, . . . , n
donde n es un entero positivo, 0 p 1, y para cada par de valores fijos n y p, la fmp

suma 1. Determine el valor esperado de X.
Rta.: E X = np
Ejemplo 2.4.3. Un ejemplo cl
asico de una variable aleatoria cuyo valor esperado no existe
es la variable aleatoria Cauchy, cuya fdp es,
fX (x) =
1
1
,
1 + x2
x .
Mostrar, entonces que E | g(X) |= .

59
Prof.Mg. Osmar Vera
El proceso de tomar esperanza es una operacion lineal, lo cual significa que la esperanza
es una funcion lineal de X, la cual entonces puede ser facilmente evaluada, notando que
para cualquier par de valores a y b,
E (aX + b) = aE X + b.
El operador esperanza, en efecto, tiene muchas propiedades que pueden ser de ayuda para
calcularla. La mayora de tales propiedades se derivan de las propiedades de la integral o la
suma, y son resumidas en el siguiente teorema:
Teorema 2.4.1. Consideremos X una va.; a, b, c constantes. Entonces para cualquier g1 (X), g2 (X),
funciones de la va. X, cuyas esperanzas existen, se cumple:
(a) E (ag1 (X) + bg2 (X) + c) = aE (g1 (X)) + bE (g2 (X)) + c.
(b) Si g1 (x) 0,
x = E (g1 (X)) 0.
(c) Si g1 (x) g2 (x),
x = E (g1 (X)) E (g2 (X)).
(d) Si a g1 (x) b,
x = a E (g1 (X)) b.
Ejemplo 2.4.4. Tambien es posible interpretar el valor esperado de una va., pes
andola con
relaci
on a considerarla como un buen aciertopara el valor de X.
Supongamos que medimos la distancia entre una va. X y una constante b mediante la
forma (X b)2 , o sea buscamos el valor de b mas cercano a X. Podemos as, determinar el
valor de b que minimiza E(X b)2 y, por lo tanto esto podra interpretarse en terminos
estadsticos como la b
usqueda de un buen predictor de X. (Note que no es bueno mirar un
valor de b que minimice (X b)2 , ya que la respuesta podra depender de X, siendo as un
predictor in
util de X).
Podramos proceder a minimizar E(X b)2 ocupando las herramientas que nos provee el
calculo, pero hay un metodo mas simple, usando la creencia que existe algo especial en
relacion con este problema y la E X, as escribimos
E(X b)2 = E(X E X + E X b)2
= E((X E X) + (E X b))2
= E(X E X)2 + (E X b)2 + 2E((X E X)(E X b)),
60
Prof.Mg. Osmar Vera
en esta u
ltima igualdad hemos expandido el cuadrado. Ahora note que
E((X E X)(E X b)) = (E X b)E(X E X) = 0
ya que (E X b) es constante sale fuera de la expresion, y E(X E X) = E X E X = 0.
Esto significa que
E(X b)2 = E(X E X)2 + (E X b)2 .
(2.13)
No tenemos control sobre el primer termino del lado derecho en la igualdad (2.13) y el
segundo termino, es siempre positivo, o a lo sumo 0, puede hacerse 0 eligiendo b = E X.
Por lo tanto,
mn E(X b)2 = E(X E X)2
b
(2.14)
Existe un resultado similar para la mediana.

Cada vez que evaluemos la esperanza de una funcion no lineal de X, podemos proceder de
dos maneras diferentes. De la definicion de E g(X), sera posible calcular directamente
Z
E g(X) =
g(x)fX (x) dx.
(2.15)
Pero tambien podramos primero encontrar la fdp fY (y) para la va. Y = g(X), y luego
calcular
E g(X) = E Y =
y fY (y) dy.
(2.16)
Ejemplo 2.4.5. Sea X U (0, 1), Y = g(X) = log X. Mostraremos que la E Y calculada
de las formas mencionadas en (2.15) y (2.16) da el mismo resultado.
2.5.
Momentos y Funciones Generadoras de Momentos
Los distintos momentos de una distribucion son una importante clase de esperanzas.
Definici
on 2.5.1. Para cada entero n, el n-esimo momento de X (
o de FX (x)), notado
0n , es
0n = E X n .
61
Prof.Mg. Osmar Vera
El n-esimo momento central de X, es
n = E (X )n ,
donde = 0 = E X
Ademas de la media, E X, de una va., quiza el momento mas importante es el central
de segundo orden, mas com
unmente conocido como la varianza.
Definici
on 2.5.2. La varianza de una va. X es el segundo momento central de X, V ar X =
E(X E X)2 . La raz cuadrada positiva de la V ar X se denomina desviaci
on estandar de
X.
La varianza de una medida del grado de diseminacion de una distribucion alrededor de
la media. Vimos en el Ejemplo 2.4.4 que la cantidad E(X b)2 es minimizada eligiendo b =
E X. Consideremos ahora la medida absoluta de este mnimo. La interpretaci
on agregada
a la varianza es que valores grandes de la misma, significan que X es muy variable. En
el extremo, si V ar X = E(X E X)2 = 0, entonces X = E X con probabilidad 1, y no
existe variacion en X. La desviacion estandar tiene la misma interpretaci
on cualitativa:
peque
nos valores de la misma significan que X est
a probablemente muy cerca de E X, y
grandes valores significa que X es muy variable. La desviacion estandar es mas facil para
interpretar, pues su unidad de medida es la misma que la de los datos originales en la va.
X.
Ejemplo 2.5.1. Supongamos X Exp(). Hemos calculado ya E X = . Se propone
ahora calcular V ar X.
Rta.: V ar X = 2
Vemos que la varianza de una distribucion exponencial esta directamente relacionada

con el parametro . Es posible dibujar distintas distribuciones exponenciales, cambiando
los valores de . De esta manera sera posible notar como la distribucion esta mas concentrada
alrededor de su media para valores peque
nos de . El comportamiento de la varianza de
una va. exponencial, como una funcion de , es una caso especial del comportamiento de la
varianza resumido en el siguiente teorema,
62
Prof.Mg. Osmar Vera
Teorema 2.5.1. Si X es una va. con varianza finita, entonces para cualquier par de constantes a, b se cumple,
V ar(aX + b) = a2 V ar X.
En muchos casos es mas facil usar una formula alternativa para la varianza, dada por,
V ar X = E X 2 (E X)2 ,
(2.17)
la cual es muy facil de demostrar.

Ejemplo 2.5.2. Supongamos que X Bib(n, p). Hemos probado que E X = np. Se pide
ahora calcular V ar X.
Rta.: V ar X = np(1 p)
Para calcular momentos de orden mas alto se procede de manera analoga. En aplicaciones, momentos de orden 3 o 4 algunas veces resultan de interes, pero usualmente existen
razones estadsticas para examinar momentos de orden mas algo que 2.
Ahora introduciremos una nueva funcion, la cual esta asociada con distribuciones de
probabilidad, la funci
on generadora de momentos (fgm). Como su nombre lo sugiere, la fgm
puede ser usada para generar momentos. En la practica es mas facil en muchos casos calcular
momentos directamente en vez de usar fgm. Sin embargo, el principal uso de la fgm no es el
de generar momentos, sino ayudar para caracterizar una distribucion. Esta propiedad nos
puede llevar a resultado extremadamente poderosos, cuando es usada adecuadamente.
Definici
on 2.5.3. Sea X una va. con fda. FX . La funci
on generadora de momentos (fgm)
de X (o FX ) , denotada por MX (t) ,es
MX (t) = E et X ,
suponiendo que la esperanza exista para valores de t en alg
un entorno del 0. Esto es, existe
un h > 0 tal que, para todo t (h, h) E et X existe. Si tal esperanza no existe en un
entorno del 0, nosotros diremos que la fgm no existe.
63
Prof.Mg. Osmar Vera
Mas explcitamente, podemos escribir la fgm de X como
MX (t) =
MX (t) =
et x fX (x) dx
Si X es continua
et x fX (x)
Si X es discreta
xX
Es muy facil ver de que manera una fgm genera momentos. Se resume el siguiente teorema,
Teorema 2.5.2. Si X tiene fgm MX (t), entonces
(n)
E X n = MX (0),
donde se define
(n)
MX (0) =
dn
MX (t)|t=0 .
dtn
Es decir el n-esimo momento de la va. X es igual a la n-esima derivada de la fgm de X

evaluada en t = 0
Del teorema u
ltimo anterior es facil mostrar que,
d
MX (t)|t=0 = E X et X |t=0 = E X.
dt
Ejemplo 2.5.3. En el Ejemplo 2.3.3 vimos un caso especial de la fdp de la gamma. El caso
general es,
fX (x) =
1
x1 ex/ ,
()
0 < x < ,
> 0,
> 0,
donde () representa la funci

on gamma. Determinar la MX (t) para esta va.
Rta.: MX (t) =
1
1t
si t < 1 .
Ejemplo 2.5.4. Para otra ilustraci

on sobre el c
alculo de la fgm, consideremos una distribuci
on discreta, la distribuci
on binomial. Si X Bin(n, p), determina la fgm de X
Rta.: MX (t) = [pet + (1 p)]n .
Podra ocurrir que existan dos va. con distintas fdp, pero que generen los mismos momentos, e.d.,
X1 f1
X2 f2
64
con
f1 6= f2 ,
Prof.Mg. Osmar Vera
pero tal que E X1r = E X2r
r = 0, 1, . . ..
Querramos tener condiciones para poder caracterizar las distribuciones con iguales momentos. El siguiente teorema muestra como puede ser caracterizada una distribucion usando su
fgm.
Teorema 2.5.3. Sean FX (x), FY (y) dos fda tales que sus momentos existen
(a) Si FX y FY tienen soporte acotado, entonces FX (u) = FY (u) s y s
olo s
E Xr = E Y r
r = 0, 1, . . ..
(b) Si las fgm existen y se cumple MX (t) = MY (t) para todo t en alg
un entorno del 0,
entonces FX (u) = FY (u)
u.
La demostracion de este teorema recae en las teora de las transformaciones de Laplace(ver

Widder 1946, Feller 1971) razones por lo cual su tratamiento escapa al nivel de estas notas.
Teorema 2.5.4. Para cualquier para de constantes a, b, la fgm de la va. Y=aX+b est
a dada
por
MY (t) = MaX+b (t) = eb t MX (at).
65
Prof.Mg. Osmar Vera
2.6.
Ejercicios
2.1 De un lote que contiene 25 artculos, 5 de los cuales son defectuosos, se eligen 4 al azar.
Sea X el n
umero de defectuosos encontrados. Obtener la distribucion de probabilidades de X si,
(a) los artculos se escogen con sustitucion
(b) los artculos se escogen sin sustitucion.
2.2 Supongase que la v.a. X tiene valores posibles 1, 2, 3, . . . , y P (X = j) = 1/2j , j =
1, 2, . . .
(a) Calcular P (Xsea par ).
(b) Calcular P (X 5).
(c) Calcular P (Xes divisible por 3)
2.3 Considerese una v.a. X con resultados posibles: 0, 1, 2, . . .. Supongamos que P (X =
j) = (1 a) aj , j = 0, 1, . . .
(a) Para que valores a es significativo el modelo anterior?
(b) Verificar que la anterior representa una legtima f.m.p.
(c) Demostrar que para dos enteros positivos cualesquiera s y t,
P (X < s + t | X > s) = P (X t).
2.4 Considere la v.a. X que mide la duracion de un tubo electronico, y supongamos que X
se puede representar como una v.a. continua con f.d.p. fX (x) = bebx I (x 0). Sea
pj = P (j X < j + 1). Demostrar que pj es de la forma (1 a) aj y determine a.
2.5 La v.a. continua X tiene f.d.p. fX (x) = 3x2 I(1 x 0). Si b es un n
umero que
satisface 1 < b < 0, calcular P (X > b | X < b/2).
2.6 El porcentaje de alcohol (100X) en cierto compuesto se puede considerar como una v.a.,
en donde X, 0 < X < 1, tiene la siguiente fdp: fX (x) = 20x3 (1 x)I(0 < x < 1).
66
Prof.Mg. Osmar Vera
(a) Obtener una expresion para fda, FX y dibujar su grafico.
(b) Calcular la P (X 23 ).
(c) Supongase que el precio de venta del compuesto depende del contenido alcoholico.
Especficamente, si
1
3
<X <
2
3,
el compuesto se vende por C1 d

olares/gal
on.
Encontrar la distribucion de probabilidades de la utilidad neta por galon.

2.7 Supongase que X esta distribuida uniformemente en [, ], en donde > 0. Cada
vez que sea posible determinar de modo que se satisfaga lo siguiente:
(a) P (X > 1) =
1
3
(d) P (X > 21 ) = 0,3
(b) P (X > 1) =
1
2
(c) P (X > 12 ) = 0,7
(e) P (| X |< 1) = P (| X |> 1).
2.8 En cada uno de los siguientes casos encuentre fY . Muestre que la fdp integra 1.
(a) fX (x) = 42x5 (1 x), 0 < x < 1; Y = X 3 .
(b) fX (x) = 7e7x , 0 < x < ; Y = 4X + 3.
2.9 Si X tiene fdp
fX (x) =
1 (x/2 )/2
xe
I(0, ),
2
2 es una constante positiva
Determine la fdp de Y = eX .
2.10 Suponga que X tiene una distribucion geometrica con fmp dada por fX (x) = 13 ( 32 )x , x =
0, 1, 2, . . .. Determine la distribucion de probabilidades de Y = X/X + 1. Note que
tanto X como Y son v.a. discretas. Para especificar la distribucion de probabilidad
de Y , especifique su fmp.
2.11 En cada uno de los siguientes casos encuentre fY . Muestre que la fdp integra 1.
(a) fX (x) =
1
2
e|x| , < x < ; Y =| X |3 .
(b) fX (x) = 38 (x + 1)2 , 1 < x < 1; Y = 1 X 2 .

(c) fX (x) = 38 (x + 1)2 , 1 < x < 1; Y = 1 X 2 si X 0 e Y = 1 X si X > 0.
67
Prof.Mg. Osmar Vera
2.12 Suponga que X es una va. con la siguiente funcion de densidad
1
fX (x) = (1 + x) I(1, 1).
2
(a) Encuentre la fdp. de Y = X 2
(b) Encuentre la E X y la V arX
2.12 Una mediana de una distribucion es un valor m tal que P (X m) = P (X m) = 12 .

Rm
R
(Si X es continua, m satisface fX (x)dx = m fX (x)dx = 12 .). Encuentre la
mediana de las siguientes distribuciones
(a) fX (x) = 3x2 I(0, 1)
(b) fX (x) =
1
(1+x2 )
2.13 Calcule E X y V arX para cada una de las siguientes funciones de probabilidad
(a) fX (x) = axa1
(b) fX (x) =
1
n
0 < x < 1, a > 0

x = 1, 2, . . . , n; n > 0 entero
(c) fX (x) = 32 (x 1)2 ,
0<x<2
2.14 Sea n el n-esimo momento central de la va. X. Dos cantidades de interes, agregadas
a la media y la varianza son,
3 =
3
(2 )3/2
4 =
4
.
(2 )2
El valor 3 es llamado coeficiente de asimetra, y el 4 es llamado de curtosis. La

medida de asimetra se refiere a cuanto se aparta la forma de la distribucion simetrica
la fdp. La curtosis, aunque mucho mas difcil de interpretar que la asimetra, mide
cuanta forma de punta o chata tiene la fdp.
(a) Muestre que si la fdp es simetrica alrededor de un punto a, entonces 3 = 0.
(b) Calcule 3 para f (x) = ex , x 0, una fdp que tiene asimetra a la derecha.
(c) Calcule 4 para cada una de las siguientes fdp.
(i) f (x) =
(ii) f (x) =
1
2
1
2
ex
2 /2
< x <
I(1, 1)
(iii) f (x) = 12 e|x| , < x <

68
Prof.Mg. Osmar Vera
2.15 Sea MX (t) la fgm de una va. X, y se define S(t) = log(MX (t)). Muestre que,
d2
S(t)|t=0 = V ar X.
dt2
d
S(t)|t=0 = E X
dt
2.16 En cada uno de los siguientes casos verifique que la expresion dada para la fgm, y en
cada caso use la fgm para determinar la E X y la V arX.
(a) P (X = x) =
e x
x! ,
t 1)
MX (t) = e(e
(b) P (X = x) = p(1 p)x ,

(c) f (x) =
/(2
e(x)
2)
MX (t) =
, MX (t) = et+
, x = 0, 1, 2, . . . ;
p
1(1p)et
2 t2 /2
>0
, x = 0, 1, 2, . . . ; 0 < p < 1
, < x < , < < , > 0
2.17 Determinar E X 4 para X N (0, 1) [use que 0 (x) = x(x)].

2.18 Teorema: [Convergencia de fgm]: Suponga que {Xi , i = 1, 2, . . .} es una secuencia
de va., cada una con fgm MXi (t). Ademas suponga que
lm MXi (t) = MX (t)
para todo t en un entorno de 0,
y MX (t) es una fgm. Entonces existe una u

nica fda FX , cuyos momentos son determinados por MX (t)y, para todo x donde FX (x) es continua, se tiene
lm FXi (x) = FX (x).
Esto significa, convergencia t, | t |< h, de fgms a fgm implica convergencia de fda

respectiva.1
Una aproximacion muy u
til es la de la distribucion Binomial a la distribucion de
Poisson. La distribucion binomial esta caracterizada por dos cantidades, n y p. La
aproximacion de Poisson es valida cuando n es grande y np peque
no.
La fmp de una va. con distribucion de Poisson esta dada por
P (X = x) =
e x
,
x!
x = 0, 1, . . . , > 0.
La aproximacion afirma que si X Bin(n, p) e Y P o(), con = np, entonces

P (X = x) P (Y = x)
para n grande y np peque
no.
1
La demostracion de este teorema tambien recae sobre la teora de transformadas de Laplace
69
Prof.Mg. Osmar Vera
Se te pide demostrar esta afirmacion siguiendo los siguientes pasos:
(a) Encontrar MX (t), MY (t)
(b) Reemplazar p =
en MX (t)
(c) Calcular el lmn MX (t), observando que su resultado es justamente MY (t)

la fgm de la Poisson.
(d) Ocupando Excel grafique en un mismo sistema de ejes coordenados la fmp de
una Bin(15, 0,3) y de una P o(4,5); observe el resultado del teorema.
70
Prof.Mg. Osmar Vera
Captulo 3
Distribuciones de Familias comunes
Distribuciones estadsticas son usadas para modelar poblaciones. Nosotros usualmente
trataremos con familias de distribuciones, en vez de con una simple distribucion. Esas familias son indexadas por uno o mas parametros, lo cual nos permite variar ciertas caractersticas
de la distribucion. Por ejemplo, podemos especificar que la distribucion Normal es una eleccion de un modelo razonable para una poblacion particular, pero no podemos especificar
precisamente la media; entonces trataremos con una familia parametrica, la normal con
media , donde este es un parametro no especificado < < .
En este captulo seran catalogadas algunas de las muchas distribuciones estadsticas,

algunas de las cuales ya hemos tratado previamente. Para cada una de las distribuciones
que describamos, daremos su media y su varianza, y algunas otras descripciones adicionales
o medidas que pudieran agregar comprension. Tambien se indicara alguna aplicacion tpica
de esas distribuciones, e interrelaciones adicionales.
3.1.
Distribuciones discretas
Una va. X se dice tiene una distribucion discreta, si su rango; e.d. el espacio muestral es
numerable. En la mayora de las situaciones, la va. es entero-positiva valuada.
71
3.1.1.
Distribuci
on uniforme discreta
Una va. X tiene distribucion uniforme discreta (1, N ), si

P (X = x | N ) =
1
,
N
x = 1, 2, . . . , N
(3.1)
donde N es un entero especificado. Esta distribucion pone igual masa sobre cada uno de los
resultados 1, 2, . . . , N .
Una cuesti
on de Notaci
on Cuando estamos tratando con distribuciones parametricas, como sera en la mayora de los casos, la distribucion depende de los parametros. Con
la idea de enfatizar este hecho, y de mantener visibles los parametros, los escribiremos
en la fmp precedido por un |(dado). Esta misma convenci
on tambien sera usada con la
fdp, la fda, la esperanza, y otros casos donde pudiera ser necesario. Cuando no haya posibilidad de confusion, los parametros pueden ser omitidos para no desordenar tanto la notacion.
Calculemos ahora la media y la varianza de X. Entonces

EX =
N
X
xP (X = x | N ) =
x=1
N
X
x=1
1
1 N (N + 1)
N +1
=
=
N
N
2
2
y
2
EX =
N
X
x P (X = x | N ) =
x=1
N
X
x=1
x2
1
1 N (N + 1)(2N + 1)
(N + 1)(2N + 1)
=
=
N
N
2
2
y as,
V ar X = E X 2 (E X)2
=
=
(N + 1)(2N + 1) N + 1 2
2
2
(N + 1)(N 1)
.
2
Esta distribucion puede ser generalizada, a un espacio muestral en cualquier rango de enteros, N0 , N0 + 1, . . . , N1 , con fmp P (X = x | N0 , N1 ) = 1/(N1 N0 + 1).
3.1.2.
Distribuci
on Hipergeom
etrica
La distribucion hipergeometrica tiene muchas aplicaciones en muestreo de poblaciones

finitas. Es mejor para su comprension pensarla en el ejemplo clasico de un modelo de urna.
72
Prof.Mg. Osmar Vera
Supongamos tenemos una urna con N bolillas iguales, salvo por el color, es decir, hay M
rojas y N M verdes. K de tales bolillas son seleccionadas aleatoriamente (se toman una
a una de la urna, sin regresarla a la misma; se trata de un caso de muestreo sin reemplazo).
Cual es la probabilidad que exactamente x de las bolillas sean rojas?.
El n
umero total de muestras de medida K que pueden ser seleccionadas de un total de
N
. Se requiere que x de tales bolillas sean rojas, lo cual puede ser realizado de
N es K
M
M N
formas,
dejando
,
x
Kx caminos para elegir las K x restantes que no son rojas. As
denotaremos por X la va. que mide el n
umero rojas en la muestra de tama
no K, entonces
X tiene distribuci
on hipergeometrica dada por
M N M
x
P (X = x | N, N, K) =
,
NKx
x = 0, 1, . . . , K.
(3.2)
Note que hay implcita en (3.2), un supuesto adicional sobre el rango de X. Los coeficientes

binomiales de la forma nr , han sido definidos solamente si n r, y as el rango de x
esta adicionalemente restringido por el siguiente par de inecuaciones
M x
N M K x,
las cuales pueden ser combinadas como

M (N K) x M.
En muchos casos K es peque
no comparado con N y M , as el rango 0 x K estara contenido en el rango u
ltimo anterior dado para x, y por lo tanto sera apropiado. La formula
para la funcion de probabilidad hipergeometrica es difcil de tratar. En efecto no es trivial
verificar que
K
X
P (X = x) =
x=0
K
X
M N M
x=0
NKx
= 1.
El caso de la distribucion hipergeometrica, ilustra la dificultad estadstica de tratar con

poblaciones finitas (finito N ).
La media de la distribucion hipergeometrica esta dada por
EX =
K
X
x=0
M N M
x
NKx
73
K
X
M N M
x=1
.
NKx
Prof.Mg. Osmar Vera
(el sumando es 0 en x = 0). Para evaluar estas expresiones, usamos las siguientes identidades,

M
M 1
x
= M
,
x
x1

N
N N 1
=
,
K
K K 1
y obtener
EX =
K
X
M
x=1
M 1N M
x1
Kx
N N 1
K K1
K
KM X
=
N
x=1
M 1N M
x1
N 1Kx
K1
Es posible reconocer la segunda suma anterior como la suma de las probabilidades de otra
distribucion hipergeometrica basada en valores de parametros N 1, M 1, y K 1. Luego
esa suma vale 1. Finalmente se tiene que
EX =
KM
.
N
En forma similar, pero con mas labor, es posible establecer que
V ar X =
KM (N M )(N K)
.
N
N (N 1)
Ejemplo 3.1.1. La biblioteca de una escuela de estudiantes no graduados tiene 20 ejemplares de cierto tipo de texto de introducci
on a la economa, de los cuales 8 son primeras
impresiones y 12 son segundas impresiones (que contienen correcciones de algunos peque
nos
errores que aparecieron en la primera edici
on). El instructor del curso ha solicitado que 5
ejemplares sean puestos en reserva de 2 horas. Si los ejemplares se seleccionan en una
forma por completa al azar, de modo que cada subconjunto de tama
no 5 tenga la misma
probabilidad de ser seleccionado, cu
al es la probabilidad de que x (x = 0, 1, 2, 3, 4
o 5) de los
seleccionados sean segundas impresiones?
Ejemplo 3.1.2. Cinco ejemplares de una poblaci
on animal considerados en va de extinci
on
en cierta regi
on han sido atrapados, marcados y puestos en libertad para que se mezclen en la
poblaci
on. Despues de tener la oportunidad de mezclarse, se seleccion
o una muestra aleatoria
de 10 de estos animales. Sea X = n
umero de animales marcados de la segunda muestra .
Si hay en realidad 25 animales de este tipo en la regi
on. Cu
al es la probabilidad de que
(a) halla dos marcados en la muestra?
74
Prof.Mg. Osmar Vera
(b) halla a lo sumo dos marcados en la muestra?
(c) Determine la media y la varianza de X.
3.1.3.
Distribuci
on Binomial
La distribucion binomial, una de las distribuciones discretas mas usadas, esta basada
sobre la idea de una ensayo de Bernoulli. Un ensayo de Bernoulli es un experimento con
dos, y solamente dos, resultados posibles. Una va. tiene una distribucion Bernoulli(p) si
1
con probabilidad p
X=
0 p 1.
(3.3)
0 con probabilidad 1 p
El valor X = 1 es a menudo tomado como un exito p se refiere a la probabilidad de que
2
ocurra el exito. El valor X = 0 es tomado como una falla.

Tambien es posible realizar la siguiente interpretacion de un ensayo de Bernoulli, si consideremos un evento A con probabilidad p, X = IA es una variable discreta con
P (X = 1) = p, P (X = 0) = 1 p. Calculemos con estas dos interpretaciones la media y la
varianza de esta va.
E X = E(IA ) = 1p + 0(1 p) = p,
V ar X = (1 p)2 p + (0 p)2 (1 p) = p(1 p).
Muchos experimentos pueden ser modelados por una secuencia de ensayos de Bernoulli,
tales como el lanzamiento de monedas, eleccion de candidatos polticos, incidencia de una
enfermedad, etc.
Si con n indicamos la cantidad de ensayos de Bernoulli que son realizados, definimos los
eventos
Ai = {X = 1 en el i-esimo ensayo},
i = 1, 2, . . . , n.
Si asumimos que los eventos A1 , A2 , . . . , An representan una coleccion de eventos independientes (como es el caso del lanzamiento de una moneda), es facil encontrar la distribucion
del n
umero total de exitos en n ensayos. Definamos la va. Y por
Y = n
umero total de exitos en n ensayos.
75
Prof.Mg. Osmar Vera
El evento {Y = y} ocurrira solamente si, exactamente y de los eventos A1 , A2 , . . . , An
ocurren, y n y de ellos no ocurren. Un resultado particular de n ensayos (un particular
ordenamiento de ocurrencias y no-ocurrencias) de los n ensayos de Bernoulli podra ser
A1 A2 Ac3 . . . Acn1 An . Este tiene probabilidad de ocurrrencia
P (A1 A2 Ac3 . . . Acn1 An ) = pp(1 p) . . . . . . p(1 P )
= py (1 p)ny ,
donde nosotros hemos usado la independencia de los Ai s en este calculo. Note que el calculo
no depende sobre cuales de los Ai s ocurre, solamente que alg
un conjunto de y de ellos
ocurra. Poniendo todo esto junto, vemos que una secuencia particular de n ensayos con

exactamente y exitos tiene probabilidad py (1 p)ny de ocurrencia; ya que hay ny de tales
secuencias (el n
umero de ordenamientos de y unos y de (n y) ceros), se tiene
P (Y = y | n, p) =

n
y
e Y es llamada una variable aleatoria Bin(n,p). Y puede ser definida en forma equivalente del
siguiente modo: como una secuencia de n identicas, e independientes ensayos de Bernoulli,
cada una con exito p y fracaso 1 p, definiendo las variables X1 , X2 , . . . , Xn por
1
con probabilidad p
Xi =
0 con probabilidad 1 p
0 p 1.
Entonces la va.
Y =
n
X
Xi
i=1
tiene distribucion Bin(n, p). Analogamente, usando funciones indicadoras, Y podra escribirse como
Y =
n
X
IAi ,
i=1
y por lo tanto toda va. binomial se puede escribir como una suma de indicadoras.
Hemos ya obtenido tanto la esperanza, la varianza y la fgm para una va. binomial. Para
completar, afirmemos entonces que si X Bin(n, p) se tiene
76
Prof.Mg. Osmar Vera
E X = np ,
V ar X = np(1 p) ,
y su fgm es
MX (t) = [pey + (1 p)]n .
Ejemplo 3.1.3. A cada una de seis personas que toman refresco cola, seleccionadas al azar,
se les da un vaso que contiene refresco de cola S y uno que contiene refresco de cola F. Los
vasos son identicos en apariencia excepto por un c
odigo que se encuentra en el fondo para
identificar la marca. Supongamos que en realidad no hay preferencia entre las personas que
beben refresco de cola para preferir entre una marca u otra.
(a) Determine la probabilidad de que exactamente tres prefieran la marca de cola S
(b) Determine la probabilidad de que por lo menos tres personas prefieran la marca de cola
S.
(c) Calcule la probabilidad de que a lo suma 1 prefiera la marca de cola S
(d) Calcule la E X, V ar X, X .
Ejemplo 3.1.4. Suponga que el 20 % de todos los ejemplares de un texto en particular fallan
en una prueba de resistencia a la encuadernaci
on. Si X es el n
umero entre 15 ejemplares
seleccionados al azar que fallan a la prueba.
(a) Que distribuci
on sigue X?
(b) Determine la probabilidad de que a lo sumo 8 fallen a la prueba
(c) Cu
al es la probabilidad de que exactamente 8 fallen a la prueba?, y la probabilidad
de que por lo menos 8 fallen a la prueba?
(d) Halle la probabilidad de que entre 4 y 7 fallen a la prueba.
(e) Determine la media y la varianza de X.
Ejemplo 3.1.5. Un fabricante de equipos electr
onicos argumenta que a los sumo el 10 % de
sus unidades de fuentes de alimentaci
on necesitan reparaci
on durante el perodo de garanta.
77
Prof.Mg. Osmar Vera
Para investigar esto, tecnicos de un laboratorio de pruebas compran 20 unidades y las someten a pruebas aceleradas para simular su uso durante el perodo de garanta. Denotemos por
p la probabilidad de que una fuente de alimentaci
on necesita reparaci
on durante el perodo
(la proporci
on de todas las unidades que necesitan reparaci
on). Los tecnicos de laboratorio deben determinar si los datos resultantes del experimento apoyan el argumento de que
p 0,10.
3.1.4.
Distribuci
on de Poisson
La distribucion de Poisson es una distribucion discreta ampliamente aplicada, y puede

servir como un modelo de un n
umero diferente de experimentos. Por ejemplo, si estamos
modelando un fenomeno en el cual estamos esperando alguna ocurrencia (tales como esperando un omnibus, esperando que lleguen clientes a la ventanilla de un banco), el no
de ocurrencias en un intervalo de tiempo dado puede ser muchas veces modelado por la
distribucion de Poisson. Uno de los supuestos basicos sobre los cuales esta distribucion
se construye, es que, para peque
nos intervalos de tiempo, la probabilidad de un arribo es
proporcional a la medida del tiempo esperado. Esto lo hace un modelo razonable para situaciones como las que indicamos mas arriba. Por ejemplo, esto hace razonable asumir que en
un largo tiempo de espera, es mas probable que un cliente entre al banco.
Otro area de aplicacion es en distribuciones espaciales, donde, por ejemplo, la Poisson

puede ser empleada para modelar la distribucion del estallido de una bomba en un area, o
la distribucion de peces en un lago.
La distribucion de Poisson tiene solo un parametro, , algunas veces llamado parametro de
intensidad. Una va. X que toma valores enteros no negativos, tiene una distribuci
on Po()
si
P (X = x | ) =
Para ver que
x=0
e x
,
x!
x = 0, 1, . . . . . .
(3.4)
P (X = x | ) = 1, debemos ocupar la expansion en serie de Taylor de
ey ,
ey =
X
yi
.
y!
i=0
78
Prof.Mg. Osmar Vera
As
P (X = x | ) = e
x=0
X
x
= e e = 1
x!
x=0
La media de X se puede ver facilmente, haciendo

EX =
e x
x!
e x
x!
x=0
X
x=1
= e
= e
X
x=1
X
y=0
x1
(x 1)!
y
y!
sustituyendo y = x 1
= .
Calculos similares mostraran que
V ar X = ,
As el parametro es el mismo tanto para la media como para la varianza de la distribucion
Poisson.
Tambien puede ser obtenida la fgm usando argumentos de calculos analogos, siendo
MX (t) = e(e
t 1)
Ejemplo 3.1.6. Si X es el n
umero de la fallas en la superficie de un calentador de cierto
tipo seleccionado al azar. Suponga que X tiene una distribuci
on de Poisson con = 5.
Determine:
(a) La probabilidad de que tenga exactamente dos fallas
(b) La probabilidad de que un calentador contenga un m
aximo de dos fallas
Ejemplo 3.1.7. Supongamos que llegan pulsos al contador con una tasa promedio de seis
por minuto, supongamos = 6. Para hallar la probabilidad de que en un intervalo de 0.5
min se reciba por lo menos un pulso, observe que el nro. de pulsos en tal intervalo tiene
una distribuci
on de Poisson con par
ametro = t = 6(0,5). Si X representa el n
umero de
pulsos recibidos en el intervalo de 30 segundos. Determine la probabilidad de que reciba m
as
de una llamada.
79
Prof.Mg. Osmar Vera
3.1.5.
Distribuci
on Binomial Negativa
La distribucion Binomial cuenta el n

umero de exitos en un n
umero prefijado de ensayos
de Bernoulli. Supongamos que, en cambio, contamos el n
umero de ensayos de Bernoulli
requeridos para conseguir un n
umero prefijado de exitos. Esta u
ltima formulaci
on nos anticipa la distribucion binomial negativa.
En una secuencia de ensayos independientes de Bernoulli(p), sea la va. X, que denota el

ensayo para el cual el r-esimo exito ocurre, donde r es un entero prefijado. Entonces
x1 r
P (X = r | r, p) =
p (1 p)xr ,
r1
x = r, r + 1, . . .
(3.5)
y diremos que X tiene una distribuci

on binomial negativa (r,p).
La obtencion de (3.5) se sigue rapidamente de la distribucion binomial. El evento {X = x}
puede ocurrir solamente si hay exactamente r 1 exitos en los primeros x 1 ensayos, y
un exito en el ensayo x. La probabilidad de r 1 exitos en x 1 ensayos es la probabilidad
r1
binomial x1
(1 p)xr y con probabilidad p hay un exito en el ensayo x. Multiplir1 p
cando esas probabilidades se llega a la igualdad (3.5).
La distribucion binomial negativa es muchas veces definida en terminos de la va. Y =

n
umero de fracasos antes del r-esimo exito. Esta formulaci
on es estadsticamente equivalente a la dada antes en terminos de X = ensayos en los cuales el r-esimo exito ocurre,
en consecuencia Y = X r. Usando la relacion entre y y X, la forma alternativa para la
distribucion binomial negativa es
r+y+1 r
P (Y = y) =
p (1 p)y ,
y
y = 0, 1, . . . . . .
(3.6)
A menos que sea notado, cuando nos hagamos referencia a la distribucion binomial negativa(r, p)
usaremos la fmp (3.6).
La distribucion binomial negativa, tiene ese nombre de la relacion

r+y+1
(r)(r 1)(r 2) . . . (r y + 1)
y r
= (1)
= (1)y
,
y
y
y(y 1)(y 2) . . . 2,1
80
Prof.Mg. Osmar Vera
la cual es, en efecto, la definicion para un coeficiente binomial con enteros negativos (ver
Feller (1968) para un tratamiento con mayor profundidad). Sustituyendo en (3.6), se obiene

y r
P (Y = y) = (1)
pr (1 p)y ,
y = 0, 1, . . . . . .
y
la cual muestra un parecido muy llamativo con la distribucion binomial.
P
El hecho que
acil de verificar, pero proviene de una extension
y=0 P (Y = y) = 1 no es f
del Teorema del Binomio, extension que incluye exponentes negativos. No expondre esto
aqu. Una excelente exposicion de este hecho lo puede encontrar en Feller (1968).
La media y la varianza de Y puede ser calculada usando tecnicas similares a las usadas para
la distribucion binomial:
EY
X
r+y+1 r
=
y
p (1 p)y
y
y=0
(r + y 1)!
pr (1 p)y
(y 1)!(r 1)!
y=1
X
r+y+1 r
=
r
p (1 p)y .
y1
=
y=1
Ahora escribimos z = y 1, y la suma se transforma en
X
r+z r
EY =
r
p (1 p)z+1
z
z=0

(1 p) X (r + 1) + z 1 r+1
p (1 p)z ,
= r
p
z
z=0
este u
ltimo sumando se corresponde con la fmp de una binomial negativa, de donde
EY =r
(1 p)
p
Un calculo similar mostrara que

V ar Y = r
(1 p)
.
p2
La familia de la distribucion binomial negativa incluye a la Poisson como un caso lmite. Si

r y p 1 tal que r(1 p) , 0 < < , entonces
EY
V ar Y
(1 p)
,
p
(1 p)
= r
,
p2
= r
lo cual se corresponde con la media y la varianza de la Poisson.

81
Prof.Mg. Osmar Vera
Ejemplo 3.1.8. Un pediatra desea conseguir 5 parejas, cada una de las cuales espera
a su primer hijo, para que participen en un regimen de nacimiento natural. Sea p =
P (una pareja seleccionada al azar acceda a participar). Si p = 0,2, cu
al es la probabilidad de que se le pida a 15 parejas que participen antes de encontrar 5 que accedan?. Esto
es, si S={accede a participar}, cu
al es la probabilidad de que ocurran 10 fallas antes del
quinto exito?.
3.1.6.
Distribuci
on Geom
etrica
La distribucion geometrica es la mas simple de las distribuciones, y es un caso especial

de la distribucion binomial negativa. Si se hace r = 1 en (3.5) tenemos
P (X = x | p) = p(1 p)x1 ,
x = 1, 2, . . .
la cual define la fmp de una variable aleatoria X geometrica con probabilidad de exito p.
X puede ser interpretada como el ensayo para el cual el primer exito ocurre. As, diremos
P
esperando el primer exito. El hecho que
x=1 P (X = x) = 1 se sigue de la propiedad de
series geometricas. Para cualquier a tal que | a |< 1,
ax1 =
x=1
1
,
1a
la cual ya ha sido probada anteriormente.

La media y la varianza de X puede ser calculada usando las formulas de la binomial negativa
y escribiendo X = Y + 1 para obtener
E X = EY + 1 =
1
p
V ar X =
1p
.
p2
La distribucion geometrica tiene una propiedad interesante conocida como perdida de

memoria. Para enteros s > t, esto significa que
P (X > s | X > t) = P (X > s t);
(3.7)
Esto significa que la distribucion geometrica olvida lo que ha ocurrido.

82
Prof.Mg. Osmar Vera
3.2.
Distribuciones Continuas
En esta seccion discutiremos algunas de las familias de distribuciones continuas mas comunes, aquellas que tienen nombres bien conocidos. Las distribuciones mencionadas aqu no
constituyen todas las distribuciones usadas en estadstica; pues ademas como vimos en secciones anteriores, cualquier funcion nonegativa, e integragrable puede ser transformada en
una fdp.
3.2.1.
Distribuci
on Uniforme
La distribucion uniforme continua esta definida de manera tal que se extiende masa
uniformemente sobre un intervalo [a, b]. Su fdp esta dada por
f (x | a, b) =
Es facil demostrar que
Rb
a
si x [a, b]
(3.8)
en otro caso
f (x) dx = 1. Tambien se tiene

Z
x
a+b
dx =
ba
2
a+b 2
(x 2 )
(b a)2
dx =
.
ba
12
EX =
a
V ar X =
a
3.2.2.
1
ba
Distribuci
on Gamma
La familia de distribuciones gamma es una familia flexible de distribuciones sobre [0, ].

Esta familia puede ser derivada por la siguiente construccion.
Sea una constante positiva, la integral

Z
t1 et dt
es finita. Si es un entero positivo la integral puede ser expresada en forma cerrada, en

otro caso no es posible. En cualquier caso, su valor define la funci
on gamma,
Z
() =
t1 et dt.
(3.9)
0
83
Prof.Mg. Osmar Vera
La funcion gamma satisface muchas relaciones muy usadas, en particular
( + 1) = () ,
> 0,
(3.10)
la cual puede ser verificada utilizando integraci

on por partes. Combinando (3.9) y (3.10)
verificando el hecho que (1) = 1, se tiene para cualquier entero n > 0,
(n) = (n 1)!.
(Otro caso especial muy usado, que veremos en breve es: ( 12 ) =
(3.11)
.)
Las expresiones (3.10) y (3.11) dan relaciones recursivas para la funcion gamma, que
hacen mas facil su calculo.
Ya que la integral en (3.9) es positiva, inmediatamente se sigue que

f (t) =
t1 et
,
()
0<t<
(3.12)
es una fdp. La familia gamma completa, sin embargo, tiene dos parametros, y puede ser
derivada por cambio de variables para conseguir la fdp de la va. X = T en (3.12), donde
es una constante positiva. Al hacer esto, conseguimos la familia gamma(, ),
f (x) =
1
x1 ex/ , 0 < x < , > 0 , > 0.
()
(3.13)
El parametro es conocido como el parametro de forma, ya que es el que mas influencia

tiene en el pico de la distribucion, mientras que es llamado el parametro de escala, ya que
su influencia esta sobre la cuan abierta o cerrada es la distribucion.
Hemos ya probado que la media de la distribucion es
1
EX =
()
x, x1 ex/ dx.
(3.14)
Para evaluar (3.14), note que el integrando es el n

ucleo de una fdp gamma( + 1, ). De la
(3.13) sabemos que para , > 0,
Z
x1 ex/ dx = () ,
(3.15)
0
84
Prof.Mg. Osmar Vera
as tenemos
EX =
=
1
()
()
()
x, x1 ex/ dx =
1
( + 1) +1
()
= .
Note que para evaluar la E X hemos usado la tecnica de reconocimiento de la integral como
el n
ucleo de una fdp. Este hecho ya fue utilizado en m
ultiples oportunidades.
La varianza de la distribucion gamma(, ) se calcula de manera analoga. En particular,

en el calculo de E X 2 nos manejamos con el n
ucleo de una distribucion gamma( + 2, ).
El resultado es
V ar X = 2
. En un ejemplo anterior hemos calculado la fgm de una distribucion gamma(, ). Esta

esta dada por
MX (t) =
1
.
1 t
Ejemplo 3.2.1. Existe una interesante relaci

on entre las distribuciones gamma y la Poisson. Si va. X es una gamma(, ), donde es un entero, entonces para cualquier x,
P (X x) = P (Y ),
(3.16)
donde Y Poisson(x/). La ecuaci

on (3.16) puede ser establecida por sucesivas integraciones por partes. Ya que es un entero, podemos escribir () = ( 1)! para conseguir
Z x
1
P (X x) =
t1 et/ dt
( + 1) 0
hh
ix Z x
i
1
(1)
/t
2
t/
=
t
+
(
1)t
e
dt
,
( + 1)
0
0
hemos usado la integraci
on por partes, sustituyendo u = t1 , dv = et/ dt. Continuando
con la evaluaci
on de la probabilidad, tenemos
P (X x) =
=
Z x
1
1
1 x/
x
e
+
t2 et/ dt
( 1)! 1
( 2)! 1 0
Z x
1
t2 et/ dt P (Y = 1),
( 2)! 1 0
donde Y Poisson(x/). Continuando de esta manera, es posible establecer (3.16).

85
Prof.Mg. Osmar Vera
Hay dos importantes casos especiales de distribucion gamma. Si hacemos = p/2, donde
p es un entero, y = 2, entonces la fdp de la gamma resulta
f (x) =
1
x(p/2)1 ex/2 , 0 < x < ,
(p/2)2p/2
(3.17)
la cual es la fdp de la chi cuadrado con p grados de libertad. La media, la varianza, y la

fgm de la distribucion chi cuadrado pueden todas se calculadas usando las formulas gamma
derivadas previamente.
La distribucion chi cuadrado juega una papel importante en inferencia estadstica, especialmente cuando se muestrea de una distribucion normal. Esto sera estudiado con detalle mas
adelante.
Otro caso especial importante proveniente de la distribucion gamma se obtiene cuando

se reemplaza = 1. Ahora resulta,
f (x | ) =
1 x/
e
,
0 < x < ,
(3.18)
la fdp exponencial con parametro de escala . Su media y su varianza fueron calculadas en

ejemplos anteriores.
La distribucion exponencial puede ser usada para modelar tiempos de vida, analogo al uso
de la distribucion geometrica en el caso discreto.
Otra distribucion relacionada con la exponencial y con la familia gamma es la distribuci

on
Weibull. Si X Exp(), entonces Y = X 1/ tiene una distribucion Weibull(, ).
fY (y | , ) =
1 y /
y
e
,
0 < y < , > 0 , > 0.
(3.19)
La distribucion Weibull juega un rol extremadamente importante en el analisis de tiempo de

fracaso (ver Kalbfleidch and Prentice (1980)para un tratamiento de este topico). La Weibull
en particular es muy usada para modelar funciones de riesgo.
3.2.3.
Distribuci
on Normal
La distribucion Normal (muchas veces llamada Distribuci

on gaussiana juega un rol central a lo largo de toda la estadstica. Existen tres grandes razones para ello. Primero, la
86
Prof.Mg. Osmar Vera
distribucion Normal y las distribuciones asociadas con ella, son muy tratables analticamente (aunque no lo parezca con una primera mirada). Segundo, la distribucion normal
tiene una forma de campana familiar, cuya simetra la hace elegible para modelar un sin
fin de poblaciones. Aunque hay muchas otras distribuciones que tienen forma de campana,
pero no poseen la tratabiliad analtica de la normal. Tercero, existe el Teorema Central del
Lmite (mas adelante se vera con detalle) el cual muestra que bajo algunas condiciones, la
distribucion normal puede ser usada para aproximar una gran variedad de distribuciones
en grandes muestras.
La distribucion normal tiene dos parametros, usualmente anotados por y 2 , las cuales
son su media y su varianza. La fdp de la distribuci
on Normal con media y varianza 2
(usualmente anotada N (; 2 )) esta dada por,
1
2
2
e(x) /(2 ) , < x < .
f (x | , 2 ) =
2
(3.20)
Si X N (; 2 ), entonces la va. Z = (X )/ tiene distribucion N (0, 1), tambien conocida

como Normal est
andar. Esto se establece facilmente escribiendo
P (Z z) = P X )/ z
= P (X z + )
Z z+
1
2
2
=
e(x) /(2 ) dx
2
Z z
x
1
2
et /2 dt,
(sustituyendo t =
=
)
2
mostrando que P (Z z) es la fda de la normal estandar.
Lo u
ltimo anterior muestra que todas las probabilidades normales puedes ser calculadas
en terminos de la normal estandar. Ademas, el calculo de la media puede ser simplificado,
calculandolo para la N (0, 1), y luego transformando para el caso de N (, 2 ). Por ejemplo,
si Z N (0, 1),
1
EZ =
2
zez
2 /2
1
2
dz = ez /2 |
= 0
2
y as, si X N (, 2 ), se sigue que

E X = E( + z) = + E Z = .
87
Prof.Mg. Osmar Vera
En forma analoga, se tiene que V ar Z = 1, y se prueba que V ar X = 2 .
Ya hemos probado que (3.20) integra 1 sobre la recta real, o sea vimos, via integral doble
que
1
ez
2 /2
dz = 1.
Note que esta integral es simetrica alrededor del 0, lo cual implica que la integral sobre
(, 0) es igual a la integral sobre (0, ). As el problema se reduca a probar
Z
Dijimos que la funcion ez
2 /2
z 2 /2
r
2
dz =
=
.
2
2
(3.21)
no tiene una antiderivada que puede ser escrita explcitamente
en terminos de funciones elementales (esto es, en forma cerrada), por ello, no podemos
resolver la integral en forma directa. Se resuelve va una integral doble
La integral (3.21) esta relacionada con la funcion gamma; en efecto haciendo la sustitucion
w = 21 z 2 en (3.21) nosotros vemos que esta integral es ( 12 ). Si se es cuidadoso al conseguir
las constantes correctas ,nosotros vemos que la sustitucion propuesta implica
1 Z
=
w1/2 ew dw = .
2
0
(3.22)
La distribucion normal es un poco especial en el sentido, que sus dos parametros, (la
media) y 2 (la varianza), nos proveen una completa informacion exacta acerca de la forma
y la ubicacion de la distribucion. Esta propiedad que tiene la distribucion normal, no es solo
para esta fdp, pero esta formada por una familia de fdps llamadas familias de localizacion
y escala.
Basta con resolver un elemental problema de calculo para mostrar que la fdp normal (3.20)
tiene un maximo en x = y puntos de inflexion (donde la curva cambia de concava a
convexa) en x = . Ademas la probabilidad contenida entre 1,2 o 3 desviaciones estandar
de la media es
P (| X | ) = P (| Z | 1) = 0,6826
P (| X | 2) = P (| Z | 2) = 0,9544
P (| X | 3) = P (| Z | 3) = 0,9947
88
Prof.Mg. Osmar Vera
Donde X N (, 2 ), Z N (0, 1) , y los valores numericos provienen de una tabla de distribucion normal. A menudo valores de dos dgitos son reportados, aunque no representan
valores redondeados, se ocupan frecuentemente.
Entre los muchos usos de la distribucion Normal, uno de gran importancia es su uso como
aproximacion de otras distribuciones (los cuales son justificados por el Teorema central del
Lmite). Por ejemplo, si X Bin(n, p), entonces E X = np y V ar X = np(1 p), y bajo
condiciones convenientes, la distribucion de X puede ser aproximada con una va. normal
con media = np y varianza 2 = np(1 p). Las condiciones convenientesson que n debe
ser grande y p no debe ser un valor extremo (ni estar cerca del 0, ni cerca del 1). Como es el
caso de todas las aproximaciones no hay reglas absolutas, y para cada aplicacion debe ser
chequeada para decidir si la aproximaci
on es buena para ese caso. Una regla conservativa
que se sigue es que la aproximaci
on sera buena si min(np, n(1 p)) 5.
Ejemplo 3.2.2. Sea X Bin(25, 0,6). Aproximar X con una va. Y normal, y calcule la
probabilidad de que X tome valores menores
o iguales que 13, y compare con el valor exacto.
La aproximacion puede ser grandemente mejorada, por una correcci
on por continuidad.
Se describira un metodo estandar para mejorar la calidad de la aproximaci
on que se obtiene
cuando se aproxima una probabilidad basada en una distribucion discreta por una basada
en una distribucion continua.
Supongase, que la va. X tiene una distribucion discreta con fmp f (x) y se desea aproximar
esta distribucion por una distribucion continua con fdp g(x). Consideremos por simplicidad
solamente una distribucion discreta para la que todos los valores posibles de X sean enteros.
Si la fdp g(x) proporciona una buena aproximaci
on a la distribucion de X, entonces para
cualquier par de enteros a, b se puede aproximar simplemente la probabilidad
P (a X b) =
b
X
f (x)
(3.23)
x=a
por la integral
g(x) dx.
(3.24)
a
89
Prof.Mg. Osmar Vera
Esta sencilla aproximacion tiene el siguiente inconveniente: aunque P (X a) y P (X > a)
en general tendran valores distintos para la distribucion discreta, estas probabilidades seran
siempre iguales para la distribucion continua. Otra forma de expresar este inconveniente es
la siguiente: aunque P (X = x) > 0 para cualquier x entero que es un valor posible de X,
esta probabilidad es necesariamente 0 con la fdp aproximada.
La fmp de X se puede representar por un histograma,
o diagrama de barras. Para cada
entero x, la probabilidad de que x se representa por el area de un rectangulo cuya base se
extiende desde x
1
2
hasta x +
1
2
y cuya altura es f (x). Entonces, el area del rectangulo
cuya base esta centrada en el entero x es simplemente f (x).

Desde este punto de vista se puede observar que P (a X b), como se especifica en
la ecuacion (3.23), es la suma de la areas de los rectangulos formados por las barras que
representan la distribucion discreta que estan centrados en a, a + 1, . . . , b. La suma de estas
areas se aproxima con la integral
Z
b+ 21
a 12
g(x) dx.
(3.25)
el ajuste la integral (3.24) a la integral (3.25) se llama correcci

on por continuidad.
Si se utiliza la correccion por continuidad se determina que la probabilidad f (a) del entero
a se puede aproximar como sigue,
1
1
P (X = a) = P a X a +
2
2
Z a+ 1
2
g(x) dx.
a 12
(3.26)
(3.27)
Analogamente,
1
P (X > a) = P (X a + 1) = P X a +
2
Z
g(x) dx.
a+ 12
Ejemplo 3.2.3. Continuaci

on ejemplo u
ltimo anterior Determinar usando la correcci
on por continuidad P (X 13) y comparar todas las aproximaciones hechas sobre esta
probabilidad.
90
Prof.Mg. Osmar Vera
3.2.4.
Distribuci
on Beta
La familia de distribuciones beta es una familia continua sobre (0, 1) indexada por dos
parametros. La fdp de la beta(, ) es
f (x | , ) =
1
x1 (1 x)1 , 0 < x < 1 > 0 > 0,
B(, )
(3.28)
donde B(, ) denota la funcion beta,

Z
B(, ) =
x1 (1 x)1 dx.
La funcion beta esta relacionada con la funcion gamma a traves de la siguientes identidad:
B(, ) =
()()
.
( + )
(3.29)
La (3.29) es muy usada al ocupar la funcion Beta, permitiendonos ciertas ventajas tomadas
de la funcio Gamma. En efecto, nunca trataremos directamente con la Beta, sino con (3.29)
para todas las evaluaciones que hagamos.
La distribucun Beta, es una de las pocas distribuciones, entre las mas conocidas que dan
probabilidad 1 sobre un intervalo finito, aqu el intervalo es el (0, 1). De esta manera, la
Beta es muy usada para modelas proporciones, las cuales, naturalmente caen entre 0 y 1.
Seran ilustradas algunas de estas situaciones en el captulo 4.
Calculemos los momentos para esta distribucion. Resolverlo es facil por la forma de la fdp.
Para n > se tiene
EX
=
=
Z 1
1
xn x1 (1 x)1 dx
B(, ) 0
Z 1
1
x(+n)1 (1 x)1 dx.
B(, ) 0
Reconocemos la integral como el n

ucleo de una densidad beta( + n, ), de donde
E Xn =
B( + n, )
( + n)( + )
=
.
B(, )
( + + n)()
(3.30)
Usando (3.10) y (3.30) con n = 1 y n = 2, podemos calcular la media y la varianza de la

distribucion beta(, ) como sigue
EX =
V ar X =
91
( +
)2 (
+ + 1)
.
Prof.Mg. Osmar Vera
Como los valores de y varan, la distribucion beta toma diversas formas, estrictamente
decrece ( = 1, > 1), forma de U ( < 1, < 1) o es unimodal ( > 1, > 1). El
caso = la fdp es simetrica alrededor de 1/2 y varianza (4(2 + 1)1 ). La fdp se vuelve
mas concentrada cuando crece, pero sigue siendo simetrica. Finalmente, si = = 1,
la distribucion se reduce a una uniforme en (0,1), mostrando que la uniforme puede ser
considerada un miembro de la familia beta. La beta esta tambies relacionada, a traves de una
transformacion, con la distribucion F , una distribucion que juega un papel extremadamente
importante en analisis estadstico.
3.2.5.
Distribuci
on Cauchy
La distribuci
on Cauchy, es una distribucion simetrica y con forma de campana sobre
(, ) con fdp
f (x | ) =
1
1
, < x < , < < .
(x )2
(3.31)
A los ojos, en principio, no parece tener grandes diferencias con la normal. Sin embargo
existe una gran diferencia entre ambas. Ya hemos vista que la media de esta distribucion
no existe, o sea hemos probado que E | X |= . Es facil probar que la (3.31) es una fdp
para todo .
Ya que la E | X |= , se sigue que esta no existen momentos para la distribucion
Cauchy, o sea que el valor absoluto de todos los momentos es . En particular la fgm
no existe.E | X |= .
El parametro en no mide (3.31) el centro de la distribucion; sino que representa la mediana. De donde, se sique que si una va. X tiene distribucion Cauchy con parametro ,
entonces P (X ) = 21 , mostrando que es la mediana de la distribucion.
La distribucion Cauchy juega un rol especial en estadstica teorica. Ella representa, mas
bien un caso extremo contra conjeturas que pueden ser probadas; es decir en otras palabras
propiedades que todas las distribuciones cumplen en general no de dan para la Cauchy!!.
Diriamos que es un caso patologico. Por ejemplo es com
un en la practica calcular cocientes
de observaciones, esto es cocientes de va.. Una sorpresa es el hecho que el cociente de dos
92
Prof.Mg. Osmar Vera
normales estandar tiene distribucion Cauchy; de donde el hecho de tomar cocientes nos
puede llevar a distribucines enfermas!!.
3.2.6.
Distribuci
on Lognormal
Si X es una va. cuyo logaritmo esta normalmente distribudo (esto es, logX N (, 2 ),
entonces se dice que X tiene una distribucion lognormal. La fdp de X puede ser obtenida por
una transformacion de la fdp Normal usando el teorema de las transformacines, obteniendose
1 1 (logx)2 /(22 )
f (x | , 2 ) =
e
, 0 < x < , < < , > 0
2 x
(3.32)
para la fdp de la lognormal. Los momentos de X pueden ser calculados directamete, usando
(3.32), o explotando su relacion con la normal.
E X = E elog X
Y = log X N (; 2 ))
= EY
= e+(
2 /2)
La u
ltima igualdad se obtiene reorganizando la fgm de la distribucion normal (tomar t = 1).
Es posible usar una tecnica similar para calcular E X 2 , y conseguir asi
2
V ar X = e2(+ ) e2+ .
La distribucion lognormal, es en apariencia similar a la distribucion gamma. Esta distribucion es muy com
un cuando se aplican modelos, donde interesa la asimetra a la derecha.
3.2.7.
Distribuci
on Doble Exponencial
La distribucion doble exponencial se forma reflejando la distribucion exponencial alrededor de su media. La fdp esta dada por
f (x | , ) =
1 |x|/
e
, < x < , < < , > 0.
2
93
(3.33)
Prof.Mg. Osmar Vera
La doble exponencial provee una distribucion simetrica con colas pesadas (mucho mas pesadas que la Normal), pero tiene todos sus momentos. La esperanza y la varianza son muy
faciles de calcular, ellas son
EX =
V ar X = 2 2 .
La doble exponencial no tiene forma de campana. En efecto, tiene un pico (dicho de

manera mas formal, un punto de no diferenciabilidad) en x = . Es muy importante recordarlo al tratar con esta distribucion en forma analtica.
Existen muchas otras distribuciones continuas que tienen uso en diferentes aplicaciones
estadsticas, muchas de las cuales quizas apareceran a lo largo de estas notas. El material
bibliografico referente para las distribuciones usadas en estadstica, puede ser el trabajo de
Johnson y Kotz (1969,1970a,1970b).
3.3.
Familias Exponenciales
Una familia de fdp o de fmp se denomina familia exponencial, si puede ser expresada
como
f (x | ) = h(x)c() exp
k
X
wi ()ti (x) .
(3.34)
i=1
Aqu h(x) 0 y t1 (x), t2 (x), . . . , tk (x) son funciones real valoradas de las observaciones x
(o sea, ellas no pueden depender de ), c() > 0 y w1 (), w2 (), . . . , wk () son todas funciones
real valoradas positivas del parametro vector valuado (ellas no pueden depender de x).
Muchas de las familias introducidas en las secciones previas son familias exponenciales.
Ellas incluyen las familias continuas (normal, gamma, beta, etc.) y las familias discretas
(binomial, Poisson, binomial negativa, etc.)
La forma especfica (3.34) implica que las familias exponenciales tienen muchas propiedades
interesantes desde el punto de vista matematico. Pero a
un mas importante para un modelo
estadstico, esta forma (3.34) implica muchas propiedades estadsticas interesantes y de facil
deduccion a partir de la misma.
Para verificar que una familia de fpds o fmps es una familia exponencial, nosotros debemos
94
Prof.Mg. Osmar Vera
identificar las funciones h(x), c(), wi (), ti (x) y mostrar que la familia tiene la forma (3.34).
Esto se ilustra en los siguientes dos ejemplos
Ejemplo 3.3.1. Mostrar que la familia bin(n,p), con n entero positivo, 0 < p < 1, es una
familia exponencial.
Ejemplo 3.3.2. Sea f (x | , 2 ) la familia de densidades N (, 2 ), donde = (, )
< x <
> 0. Mostrar que esta es una familia exponencial.
95
Prof.Mg. Osmar Vera
96
Prof.Mg. Osmar Vera
Captulo 4
Modelos Multivariados
4.1.
Distribuciones conjuntas y marginales
En captulos previos hemos discutido modelos de probabilidad y calculos de probabilidades sobre eventos que involucran solamente una variable aleatoria. Estos se llaman modelos univariados. En este captulos discutiremos modelos de probabilidad que involucran
mas de una v.a., llamados naturalmente modelos multivariados.
En situaciones experimentales, no es usual observar solamente el valor de una v.a.. Esto

es, no representa un experimento usual aquel para el cual el total de los datos obtenidos
provienen solo de un valor numerico. Lo comun es tener mas de una variable para ser observada en una situacion experimental. Por ello, necesitamos conocer la manera de describir y
utilizar modelos de probabilidad que manejen mas de una v.a. al mismo tiempo.
Para la primera seccion, abordaremos modelos bivariados, es decir modelos que involucran
dos variables aleatorias.
Definici
on 4.1.1. Un n-dimensional vector aleatorio es una funci
on de un espacio muestral
en Rn (espacio eucldeo n-dimensional)
Supongamos que con cada punto en un espacio muestral asociamos un para ordenado
97
de n
umeros, esto es, un punto (x, y) R2 , donde R2 es el plano coordenado. Entonces,
as tenemos definido un vector aleatorio 2-dimensional (o bivariado) (X, Y ).
Ejemplo 4.1.1. Consideremos el experimento que consiste en arrojar dos dados honestos.
El espacio muestral para este experimento tiene 36 elementos igualmente probables. Por
ejemplo el punto muestral (3, 3) denota el resultado para el cual ambos dados muestran un
3; el punto muestral (4, 1) denota el resultado para el cual el primer dado mostro un cuatro
y el segundo dado un 1; etc. Ahora, con cada uno de los 36 puntos del muestral asociamos
dos n
umeros, X e Y . Sean
X = Suma de los dos dados
Y =| Diferencia de los dados | .
As, para el punto muestral (3, 3), X = 3 + 3 e Y =| 3 3 |= 0. Para (4, 1), X = 5 e Y = 3.

Estos tambien son los valores de X e Y para el punto muestral (1, 4). Para cada uno de
los 36 puntos muestrales podramos calcular el valor de X e Y . De esta manera tenemos
definido un vector aleatorio vivariado (X, Y ).
Habiendo definido un vector aleatorio (X, Y ), podremos discutir probabilidades de eventos

definidos en termino del vector (X, Y ). Que es P (X = 5 e Y = 3)?, sera posible verificar
que los u
nicos puntos muestrales que hacen que X = 5 e Y = 3 son (4, 1) y (1, 4). As el
evento X = 5 e Y = 3.ocurrir
a s y s
olo s el evento {(4, 1); (1, 4)} ocurre. Ya que cada uno
de los 36 puntos muestrales es igualmente probable, se tiene
P ({(4, 1); (1, 4)}) =
2
1
= .
36
18
As,
P (X = 5 e Y = 3) =
1
.
18
De aqu en adelante, escribiremos P (X = 5, Y = 3) por P (X = 5 e Y = 3). Leer la coma

como una . En forma an
aloga, P (X = 6, Y = 0) =
1
36
por que el u
nico punto muestral
hace que X = 6, Y = 0 es el (3, 3). Para eventos m

as complicados, la tecnica es la misma.
Por ejemplo, P (X = 7, Y 4) =
4
36
1
9
por que solamente para cuatros puntos muestrales
se cumple que X = 7, Y 4, ellos son {(4, 3); (3, 4); (5, 2); (2, 5)}.
98
Prof.Mg. Osmar Vera

Notas Proba11 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Notas Proba11 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

PROBABILIDAD Y ESTADISTICA

Universidad Nacional de Quilmes

Notas escritas por:

Buenos Aires, 2005

Agradezco muy especialmente a las nuevas autoridades de la Universidad Nacional

Prof.Mg. Osmar Vera

La Teora de Probabilidad es una rama de la Matematica que permite estudiar

Los errores de medicion hacen que las formulas matematicas no se verifiquen de

Prof.Mg. Osmar Vera

1.1. Teora de Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2. Teora de Probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.1. Fundamento axiomatico . . . . . . . . . . . . . . . . . . . . .

1.2.2. El calculo de probabilidad . . . . . . . . . . . . . . . . . . . .

1.2.3. Tecnicas de conteo . . . . . . . . . . . . . . . . . . . . . . . .

1.2.4. Resultados Igualmente probables . . . . . . . . . . . . . . . .

1.3. Probabilidad Condicional . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.1. Probabilidades compuestas e independencia . . . . . . . . . .

1.3.2. Probabilidad Condicional . . . . . . . . . . . . . . . . . . . . .

2.2. Funciones de Distribucion . . . . . . . . . . . . . . . . . . . . . . . .

2.2.1. Densidad y Funciones de masa . . . . . . . . . . . . . . . . . .

2.3. Transformaciones y Esperanzas . . . . . . . . . . . . . . . . . . . . .

2.3.1. Distribuciones de funciones de una Variable Aleatoria . . . . .

2.4. Valores Esperados . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3. Distribuciones de Familias comunes

3.1. Distribuciones discretas . . . . . . . . . . . . . . . . . . . . . . . . . .

3.1.1. Distribucion uniforme discreta . . . . . . . . . . . . . . . . . .

3.1.2. Distribucion Hipergeometrica . . . . . . . . . . . . . . . . . .

3.1.3. Distribucion Binomial . . . . . . . . . . . . . . . . . . . . . .

3.1.4. Distribucion de Poisson . . . . . . . . . . . . . . . . . . . . . .

3.1.5. Distribucion Binomial Negativa . . . . . . . . . . . . . . . . .

3.1.6. Distribucion Geometrica . . . . . . . . . . . . . . . . . . . . .

3.2. Distribuciones Continuas . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.1. Distribucion Uniforme . . . . . . . . . . . . . . . . . . . . . .

3.2.2. Distribucion Gamma . . . . . . . . . . . . . . . . . . . . . . .

3.2.3. Distribucion Normal . . . . . . . . . . . . . . . . . . . . . . .

3.2.4. Distribucion Beta . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.5. Distribucion Cauchy . . . . . . . . . . . . . . . . . . . . . . .

3.2.6. Distribucion Lognormal . . . . . . . . . . . . . . . . . . . . .

3.2.7. Distribucion Doble Exponencial . . . . . . . . . . . . . . . . .

3.3. Familias Exponenciales . . . . . . . . . . . . . . . . . . . . . . . . . .

4.1. Distribuciones conjuntas y marginales . . . . . . . . . . . . . . . . . .

Prof.Mg. Osmar Vera

A lo largo de este captulo formulare algunas ideas basicas de probabilidad teorica

As como la estadstica se construye sobre la probabilidad teorica, esta comienza a

Uno de los objetivos principales de un estadstico es el de manejar conclusiones

Supongamos ahora, en otro orden de ejemplos de espacios muestrales asociados a

Prof.Mg. Osmar Vera

Clasificaremos los espacios muestrales dentro de dos tipos, de acuerdo al n

Prof.Mg. Osmar Vera

Dados dos eventos (o conjuntos) A y B, nosotros tenemos las siguientes operaciones

Prof.Mg. Osmar Vera

Las operaciones elementales entre conjuntos pueden ser combinadas. A veces se

La demostracion de muchos de estos teoremas se dejaran como ejercicio, tambien

Prof.Mg. Osmar Vera

Las operaciones de union e interseccion pueden ser extendidas a colecciones infinitas

Prof.Mg. Osmar Vera

[(1/i), 1] = {x (0, 1] : x [(1/i), 1] para alg

= {x (0, 1]} = (0, 1];

= {x (0, 1] : x [1, 1]}

Prof.Mg. Osmar Vera

consiste en una coleccion de conjuntos disjuntos tomados de a pares. Note ademas

entonces los conjuntos A1 , A2 , . . . forman una partici

i = 0, 1, 2, . . . forman una particion del interva-