Escolar Documentos
Profissional Documentos
Cultura Documentos
𝑅𝑋 = 𝑋 𝑤 / 𝑤 ∈ Ω
Tipos de variable aleatoria
𝑋=𝑎 = 𝑤∈Ω / 𝑋 𝑤 =𝑎
Variable aleatoria discreta
𝑃 𝑋=𝑥
Variable aleatoria discreta
Ejemplo de variables aleatorias discretas:
Se cumple: = 𝑓𝑋 𝑢
0 ≤ 𝑓𝑋 (𝑥) ≤ 1 𝑥∈𝑅𝑋 / 𝑢≤𝑥
𝑓𝑋 𝑥 = 1
𝑥∈𝑅𝑋
Si 𝑥 ∉ 𝑅𝑋 : 𝑓𝑋 𝑥 = 0
Valor Esperado de una Variable aleatoria discreta
𝜇𝑋 = 𝐸 𝑋 = 𝑥 𝑓𝑋 𝑥
𝑥∈𝑅𝑋
Sea 𝑮(𝑿) una función que transforma una variable aleatoria discreta X
en una nueva variable aleatoria. El valor esperado de 𝑮(𝑿) es:
𝐸 𝐺(𝑋) = 𝐺(𝑥)𝑓𝑋 (𝑥)
𝑥𝜖𝑅𝑋
Si 𝐺(𝑥) = 𝑥 − 𝜇𝑋 2
Si 𝐺(𝑥) = 𝑥
𝐸𝐺 𝑋 = 𝐸 𝑋 − 𝜇𝑋 2
𝐸𝐺 𝑥 =𝐸 𝑋
= 𝑥 𝑓𝑋 (𝑥) = 𝑥 − 𝜇𝑋 2𝑓𝑋 𝑥 = 𝑉 𝑋
𝑥∈𝑅𝑋 𝑥∈𝑅𝑋
= 𝜇𝑋 = 𝐸 𝑋2 − 𝜇𝑋 2 = 𝜎𝑋2
Es la media ponderada de X, utilizada como un valor Es la Varianza de X, y su raíz es la desviación estándar de
representativo de la v.a. X X, ambas son medidas de dispersión
Ejemplo – Trabajadores faltantes
El número de trabajadores que faltan por día por razones de
salud en una empresa se modela con una variable aleatoria 𝑋
con función de distribución:
𝑋 = número de trabajadores que faltan por día
𝑥 0 1 2 3 4
Determine 𝒌, donde 𝒌 = 𝒇(𝟒)
𝑓𝑿 (𝑥) 0.08 0.12 0.40 0.25 𝑘
Como: f x 1 , entonces: k f 4
x 0 ,..., 4 1 f (0) f (1) f (2) f (3)
1 0.08 0,12 0,40 0.25
0.15
Ejemplo – Trabajadores faltantes
El número de trabajadores que faltan por día por razones de
salud en una empresa se modela con una variable aleatoria 𝑋
con función de distribución:
𝑋 = número de trabajadores que faltan por día
𝑥 0 1 2 3 4
Calcule el valor esperado de 𝑿
𝑓𝑿 (𝑥) 0.08 0.12 0.40 0.25 0.15
𝜇𝑋 = 𝐸 𝑋 = 𝑥 𝑓𝑋 𝑥
𝑥∈𝑅𝑋
= 0 × 0.08 + 1 × 0.12 + 2 × 0.40 + 3 × 0.25 + 4 × 0.15
= 2.27
Ejemplo – Trabajadores faltantes
El número de trabajadores que faltan por día por razones de
salud en una empresa se modela con una variable aleatoria 𝑋
con función de distribución:
𝑋 = número de trabajadores que faltan por día
𝑥 0 1 2 3 4 Calcule la varianza y desviación
𝒇𝑋 (𝑥) 0.08 0.12 0.40 0.25 0.15 estándar de 𝑿
𝜎𝑋2 = 𝐸 𝑋 2 − 𝜇𝑋2
𝐸 𝑋2 = 𝑥 2 𝑓𝑋 𝑥 = 6.37 − 2.272
𝑥∈𝑅𝑋
= 1.2171
= 02 × 0.08 + 12 × 0.12 + 22 × 0.40 + 32 × 0.25 + 42 × 0.15
𝜎𝑋 = 𝜎𝑋2
= 6.37
= 1.1032
Ejemplo – Juego de lanzar un dado
Interpretación:
En este juego, lo que se espera es ni ganar ni perder.
Ejercicio – Demanda de producto perecible
La demanda diaria de un producto perecible puede modelarse por una variable aleatoria discreta 𝑋 cuya
distribución de probabilidad está dada por la tabla:
𝑥 12 24 36 48 60
𝑓(𝑥) 0.15 0.25 0.30 0.20 0.10
𝐺(𝑥) 240 480 720 1056 1320
Se obtiene por cada unidad demandada de producto 20 nuevos soles de utilidad. Si la cantidad demandada en
un día es mayor a 36 unidades, se obtiene una utilidad adicional de dos nuevos soles por unidad demandada
de producto. Se tiene siempre más de 60 productos en su almacén al inicio del día.
Calcule la desviación estándar de la utilidad por la demanda diaria de productos.
Sea 𝑌 = 𝐺 𝑋 = la utilidad diaria de productos
𝜎𝑌2 = 𝐸 𝐺 𝑋 2 − μ2𝑌
𝜇𝑌 = 𝐸 𝐺 𝑋 = 𝐺 𝑥 𝑓𝑋 𝑥 = 619027.2 − 715.22
𝑥∈𝑅𝑋 = 107516.2
= 240 × 0.15 + 480 × 0.25 + 720 × 0.30 + 1056 × 0.20 + 1320 × 0.10 = 715.2
𝐸𝐺 𝑋 2
= 𝐺 𝑥 2
𝑓𝑋 𝑥 𝜎𝑌 = 𝜎𝑌2
𝑥∈𝑅𝑋 = 327.897
= 2402 × 0.15 + 4802 × 0.25 + 7202 × 0.30 + 10562 × 0.20 + 13202 × 0.10 = 619027.2
Tarea - Almacén
1 𝑥−1 𝑥−1 1 11 1
𝑃 𝑋 = 𝑥 = 𝑃 𝑋1 = 𝑥 𝑃(𝑋2 < 𝑥) + 𝑃 𝑋1 < 𝑥 𝑃(𝑋2 = 𝑥) + 𝑃 𝑋1 = 𝑥 𝑃(𝑋2 = 𝑥) = 6 + + 6 6 = 36 2𝑥 − 1
6 6 6
𝑋 − 𝜇𝑋
𝑍=
𝜎𝑋
Luego:
𝐸[𝑍] = 0
𝑉[𝑍] = 1
Ejemplo – Variables aleatorias independientes
Sean 𝑋, 𝑌, 𝑊 variables aleatorias independientes tales que:
𝐸 𝑋 = 10 y 𝑉 𝑋 = 4;
𝐸 𝑌 = 25 y 𝑉 𝑌 = 9;
𝐸 𝑊 = 50 y 𝑉 𝑊 = 16.
• 𝑉 = 5𝑋 + 𝑌– 2𝑊 𝐸[𝑉] = 5𝐸[𝑋] + 𝐸[𝑌] − 2𝐸[𝑊] = −25 𝑉[𝑉] = 52 𝑉[𝑋] + 12 𝑉[𝑌] + −2 2 𝑉[𝑊] = 173
Tarea – Construcción de puente
El tiempo necesario (en meses) para la construcción de un puente se considera una variable
aleatoria. Una empresa constructora ha determinado que dicha variable tiene la siguiente
distribución de probabilidades:
𝑥 5 6 7 8 9 10
𝑓(𝑋) 0.05 0.15 0.30 0.25 0.20 0.05
𝑓 𝑥 ⅆ𝑥 = 1 Á𝑟𝑒𝑎 = 1
𝑅𝑋
𝑃 𝑎≤𝑋≤𝑏 = 𝑓 𝑥 𝛿𝑥
𝑎
Se cumple que:
𝑃 𝑎≤𝑋≤𝑏 =𝑃 𝑎≤𝑋<𝑏 =𝑃 𝑎<𝑋≤𝑏 =𝑃 𝑎<𝑋<𝑏
𝑎
𝑃 𝑋=𝑎 = 𝑓 𝑥 𝛿𝑥 = 0
𝑎
Ejemplo
Una variable aleatoria continua tiene la siguiente función de
densidad de probabilidad:
𝑓(𝑥)
𝑎𝑥 ,0 ≤ 𝑥 ≤ 5 𝑎5
𝑓 𝑥 =
0 , 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑥
0 1 2 3 4 5
Determine el valor de 𝒂:
base×𝑎𝑙𝑡𝑢𝑟𝑎 5 × 𝑎 5 25
1 = Área azul = = = 𝑎 𝑎 = 2/25 = 0.08
2 2 2
Ejemplo
Una variable aleatoria continua tiene la siguiente función de
densidad de probabilidad:
𝑓(𝑥)
0.4
2
𝑓 𝑥 = 25 𝑥 ,0 ≤ 𝑥 ≤ 5
0 , 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑥
0 1 2 3 4 5
Calcule la probabilidad de 𝑷(𝑿 < 𝟑)
2
𝑏𝑎𝑠𝑒 × 𝑎𝑙𝑡𝑢𝑟𝑎 3× 3 9
25
𝑃 𝑋 < 3 = Área verde = = = = 0.36
2 2 25
Ejemplo
Una variable aleatoria continua tiene la siguiente función de
densidad de probabilidad:
𝑓(𝑥)
2 0.4
𝑓 𝑥 = 25 𝑥 ,0 ≤ 𝑥 ≤ 5
0 , 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑥
0 1 2 3 4 5
Calcule la probabilidad de 𝑷(𝟏. 𝟓 < 𝑿 < 𝟑. 𝟓)
𝑃 1.5 < 𝑋 < 3.5 = Á𝑟𝑒𝑎 𝑎𝑚𝑎𝑟𝑖𝑙𝑙𝑎
= 𝑃(𝑋 < 3.5) – 𝑃(𝑋 < 1.5)
2 2
3.5 × 3.5 1.5 × 1.5 10
= 25 – 25 = = 0.4
2 2 25
Distribución de probabilidad
NOTA:
Todas las definiciones y propiedades anteriormente dadas para la v.a.
discreta también para v.a. continua.
La única salvedad es que estos esperados se calculan ahora no a través de
sumas sino de integrales!
Función de distribución acumulada
𝐸𝑋 = 𝑥 𝑓𝑋 𝑥 𝛿𝑥 = 𝜇𝑋
𝑅𝑋
Si 𝐺(𝑥) = 𝑥 − 𝜇𝑋 2
Si 𝐺(𝑥) = 𝑥
𝐸 𝐺 𝑋 = 𝐸 𝑋 − 𝜇𝑋 2
𝐸 𝐺 𝑥 =𝐸 𝑋
= 𝑥 − 𝜇𝑋 2𝑓𝑋 𝑥 ⅆ𝑥 = 𝐸 𝑋2 − 𝜇𝑋 2
= 𝑥 𝑓𝑋 (𝑥)𝛿𝑥 𝑅𝑋
𝑅𝑋
= V 𝑋 = 𝜎𝑋2
= 𝜇𝑋
Es la media, utilizada como un valor Es la Varianza de X, y su raíz es la desviación estándar
representativo de la v.a. X de X, ambas son medidas de dispersión
Propiedades del Valor Esperado y de la Varianza de
Variables Aleatorias
Las siguientes son alguna de las propiedades del valor esperado
de la varianza. Aquí 𝑿 e 𝒀 son v.a's y 𝒂 y 𝒃 son constantes:
Variable Estandarizada
Sea X una variable aleatoria con media 𝝁𝒙 y desviación estándar
𝝈𝒙. Se define la variable aleatoria estandarizada:
𝑋 − 𝜇𝑋
𝑍=
𝜎𝑋