Professional Documents
Culture Documents
Unidimensionales
Definicin 1: Sea E un experimento, y sea S un espacio muestral
asociado a E. Entonces una funcin X, que a cada elemento del
espacio muestral, le asocia un nmero real, recibe el nombre de
variable aleatoria.
X : S R
si X(si)= xi
1
Prof. David Becerra Rojas
Variables Aleatorias
Unidimensionales
Definicin 2: Sea X una v.a. Entonces llamaremos recorrido
de la v.a. X, y lo denotaremos por Rx, al conjunto de todos los
valores que toma la v.a. X. Rx = {xi R / X(si) = xi , si S }
S R
X Rx
s1 x1
s2 x2
:
: X(si)=xi
si :
:
:
:
2
Prof. David Becerra Rojas
Variables Aleatorias
Unidimensionales
Definicin 3: Sea X una v.a. Entonces si el recorrido
de la v.a. X, ( Rx), es un conjunto finito o infinito numerable,
entonces diremos que X, es una v.a. Discreta.
i. p ( x i ) o i = 1 , 2 ,....
ii . p ( xi ) = 1
3
i=1
Prof. David Becerra Rojas
1
Definicin 5:
S Rx
A cc B
0
cs
1
sc
2
ss
4
Prof. David Becerra Rojas
Ejemplo:
Sea el experimento E: se lanza una moneda dos veces y se registra
el signo que aparece en la cara superior. Luego el espacio muestral
S = {cc, cs, sc, ss }. Sea la v.a. X : nmero de sellos que aparecen.
cc X(cc) = x1=0
cs
sc
X(cs) =
X(sc) =
} x2=1
ss X(ss) = x3=2
5
Prof. David Becerra Rojas
Luego:
De la definicin 5 tenemos:
Si A={cc, cs, sc} y si B={0, 1} P(A) = P(B) =
6
Prof. David Becerra Rojas
2
Ejercicio
7
Prof. David Becerra Rojas
Ejercicio:
Sea la variable aleatoria X: mes en que un computador
tiene problemas.
(4C )k , k = 1,2,3,4,5,6
p (k ) = P ( X = k ) =
7
Determine:
1.- el valor de C
2.- p( 5 ) = P( X = 5 )
3.- P( X 2 ) =
i. p ( x i ) o i = 1 , 2 ,....
Recordar:
ii . p ( xi ) = 1
i =1
8
Prof. David Becerra Rojas
6
4 C + 8C + 12 C + 16 C + 20 C + 24 C
p(k i ) = 1 =1
i =1
7
Luego 84 C 7 1
=1 C = =
7 84 12
Esto quiere decir que:
4k k
p (k ) = P ( X = k ) = =
7 * 12 21
9
Prof. David Becerra Rojas
3
k 5
b.- p (5) = P ( X = 5) = =
21 21
20
=
21
10
Prof. David Becerra Rojas
Proposicin:
xi 11
Prof. David Becerra Rojas
Ejercicio:
Supongamos que la probabilidad de que un camin de trasporte
llegue a destino sin problemas es de 0.57 ( es decir en el 57% de
los casos). Supongamos adems que es posible enviar una gran
cantidad de camiones. El envo continua hasta que llega el primer
camin a destino sin problemas.
Previo Determine:
a.- Espacio muestral S = { A, BA, BBA, BBBA,.....}
4
Recordando; S = { A, BA, BBA, BBBA,.....}
Rx = { 1 , 2 , 3 , 4 , .........} Segn el diagrama del rbol tenemos:
A
0.57
A
0.57 A
0.43 B
0.57 A
0.57
0.43
B
0.43 B
Luego; 0.43
B ..............................
p(1) = P(X=1) = P(A) = (0.57)
p(2) = P(X=2) = P(BA) = (0.43)(0.57)
p(3) = P(X=3) = P(BBA) = (0.43)2 (0.57)
p(3) = P(X=4) = P(BBBA) = (0.43)3(0.57)
Por consiguiente tenemos que:
p(k) = P(X=k) = (0.43)k-1(0.57) ; k = 1,2,3......
13
Prof. David Becerra Rojas
ii . p (k ) = 1
k =1
i
1 1
Como =
1
(0 . 43 )k 1 = (0 . 43 )i
i=0
r 1 k =1 i= 0
r
(0 . 43 )i * ( 0 . 57 ) = 1
1 0 . 43
* ( 0 . 57 ) = 1
i=0
14
Prof. David Becerra Rojas
Distribucin Binomial
Def.: Sea E un experimento y sea A un suceso asociado
a E. Supongamos que P(A) = p, luego P(A) = 1 p.
Consideremos n repeticiones independientes del experimento E.
Por lo tanto el espacio muestral del experimento total, estar
Dado por todas las sucesiones posibles tal que ocurra A o A .
X ~ b(n , p )
15
Prof. David Becerra Rojas
5
Distribucin Binomial
P (k ) = P ( X = k ) = ( )p
n
k
k
(1 p ) n k
Con k = 0,1,2,3,.n
16
Prof. David Becerra Rojas
Distribucin de Bernoulli
Si el experimento se realiza una sola vez, la
variable X tomar los valores 0 y 1, y se dice que
tiene una distribucin de Bernoulli con parmetros
1 y p.
X ~ B(1 , p )
P (k ) = P ( X = k ) = p k (1 p )1 k
Con k = 0,1
17
Prof. David Becerra Rojas
Distribucin de Poissn
e * k
P (k ) = P ( X = k ) = con k = 0,1,2,3, , , , , , , ,
k !
6
Variables Aleatorias Continuas (vac)
Supongamos que X es una v.a. cuyo recorrido Rx,
son todos los nmeros reales.
Observaciones
1.- f(x) no es una probabilidad, como en el
caso discreto, donde p(x) = P(X = x ).
2.- Las siguientes probabilidades, son
equivalentes:
P(a x b) = P(a < x b) = P(a x < b)
= P(a < x < b)
Esto implica que P(X = k ) = 0
20
Prof. David Becerra Rojas
Observaciones
b
3. P ( a x b) = f ( x ) d ( x )
a
a b
21
Prof. David Becerra Rojas
7
Ejemplo
Sea X una variable aleatoria continua (vac), con funcin
de densidad de probabilidad f(fdp). Talque:
f(x) = { kx 0 x 1
0 en otros casos
Funcin de Distribucin
Acumulativa
Def. : Sea X una variable aleatoria se define funcin
de distribucin acumulativa o funcin de distribucin como:
{
p(k ) Si X v.a.d.
k
F(x) = P( X x)= x
f ( x) d ( x) Si X v.a.c.
23
Prof. David Becerra Rojas
xi p ( xi ) Si X v.a.d.
E(x) =
{ i =1
xf ( x) d ( x) Si X v.a.c.
24
Prof. David Becerra Rojas
8
Varianza de una Variable Aleatoria
Def. : Sea X una variable aleatoria. Se define
Varianza de X como:
25
Prof. David Becerra Rojas
Tarea N ___
Propiedades de la Esperanza
Propiedades de la Varianza
Si X ~ b(n,p), determine la E(X) y V(X)
Demostrar que : E( x - E(x) )2 = E ( x2 ) ( E (x) )2
26
Prof. David Becerra Rojas
Ejemplo:
1.- Sea X v.a.d. con funcin de probabilidad dada por:
xi 1 2 3 4 5 Total
p(xi) 0.2 0.25 0.32 0.08 0.15 1.00
F(xi) 0.2 0.45 0.77 0.85 1.00 ////
xip(xi) 0.2 0.50 0.96 0.32 0.75 2.73 E(X)
x2ip(xi) 0.2 1.00 2.88 1.28 3.75 9.11 E(X2)
9
{
Grfica de F(x) 0
0 . 20
x<1
1 x < 2
0 . 45 2 x <3
F(x) = 0 . 77 3 x< 4
0 . 85 4 x <5
F(x) 1 . 00 x 5
1.00
0.80
0.60
0.40
0.20
1 2 3 4 5 x
28
Prof. David Becerra Rojas
2x 0 x 1
f ( x) =
0 en otros casos
29
Prof. David Becerra Rojas
2x 0 x 1 0 x<0
f ( x) =
0 en otros casos F ( x) = x 2 0 x < 1
1 x 1
f(x) F(x)
2
1
0 1 0 1
30
Prof. David Becerra Rojas
10
Distribucin Normal
Sea X una v.a.c. si su fdp est dada por:
( x )2
1
f ( x) = *e 2 2
x
2 2
, 2 )
X ~ N( 31
Prof. David Becerra Rojas
Caractersticas
Tiene forma de campana ( por su descubridor
es tambin llamada campana de GAUSS)
Es simtrica con respecto a su media ( )
Es asinttica al eje horizontal.
A +/- tres desv. tpicas de la media, se
encuentra prcticamente el 99.8% de su rea
+/- 3 )
(
-3 +3
32
Prof. David Becerra Rojas
X
( X )
33
Prof. David Becerra Rojas
11
Ejercicio
Supongamos que en un estadio lleno, el 40% de los
asistentes son mujeres. Una empresa comercial, realiza
para promocionar un nuevo producto, toma una
muestra de tamao 20. Determine la probabilidad quer
la muestra contenga:
1.- exactamente 11 mujeres.
2.- a lo ms 8 mujeres.
3.- al menos 5 mujeres.
4.- exactamente 9 hombres.
34
Prof. David Becerra Rojas
Previo: Determine
12