Variables Aleatorias 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 si R 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 Rx X 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. Definicin 4: Sea X una v.a.discreta. Entonces a cada valor que toma la variable (xi Rx), le asociaremos un nmero p(xi) = P(X=xi), y que cumple con las siguientes condiciones:

i.  ii . 
Prof. David Becerra Rojas

p( xi ) u o

i

! 1 , 2 ,....

i !1

p ( xi ) ! 1

Definicin 5:
Sea E un experimento, sea S un espacio muestral asociado a E, sea Rx, el recorrido de la variable aleatoria X y sea B Rx. Entonces Si definimos A = { s S / X(s) = x B }, entonces, diremos que A y B son equivalentes, A $ B y P(A) = P(B)

S
A s1
B

Rx x1 x2

s2 si xr sk
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. En este caso el recorrido de la v.a. Ser Rx = {0, 1, 2} S X Rx

cc cs sc ss

X(cc) = X(cs) = X(sc) = X(ss) =

x1=0

x2=1 x3=2
5

Prof. David Becerra Rojas

Luego: p(x1) = P(X = x1) = p(0) p(x2)= P(X = x2) = p(1) p(x3) = P(X = x3) = p(2) Por lo tanto: 7p(xi) = p(0) + p(1) + p(2) = 1/4 + 1/2 +1/4 = 1 De la definicin 5 tenemos: Si A={cc, cs, sc} y si B={0, 1}

= P(X=0) = P(cc) = 1/4 = P(X=1) = P(cs,sc) = P(cs) + P(sc) = 1/2 = P(X=2) = P(ss) = 1/4

P(A) = P(B) =
6

Prof. David Becerra Rojas

Luego,

S
A cc
B

Rx 0 1 2
7

cs sc ss
Prof. David Becerra Rojas

Ejercicio
De un curso de 15 personas (5 hombres y 10 mujeres) se Seleccionan al azar dos, una despus de otra, y se clasifican segn el sexo. Determine: a.b.c.d.el espacio muestral la probabilidad de que ambas sean mujeres que el nmero de mujeres seleccionadas sea 2 Previo: Definir; la variable aleatoria X el recorrido de X (Rx) que el nmero de mujeres sea al menos una

Respuesta:

8 Prof. David Becerra Rojas

Ejercicio:
Sea la variable aleatoria X: mes en que un computador tiene problemas.

4k x p( x) ! P ( X ! x) ! 7
Determine: 1.2.3.Recordar: el valor de k p( 5 ) = P( X = 5 ) P( X u 2 ) =
i) ii )
Prof. David Becerra Rojas

, x = 1,2,3,4,5,6

p( xi ) u o

i

! 1 , 2 ,....

i !1

p ( xi ) ! 1
9

1.6

De la condicin ii.- tenemos :

p( x ) ! 1
i i !1

4k  8k  12k  16k  20k  24k !1 7

Luego

84 k !1 7
p( x) !

7 1 k ! ! 84 12
4x x ! x) ! ! 7 * 12 21
10

Esto quiere decir que:

Prof. David Becerra Rojas

b.-

k 5 p (5) ! P ( X ! 5) ! ! 21 21
P ( X u 2) ! p (2)  p (3)  p ( 4)  p (5)  p (6) 1 ! 1  P ( x 2) ! 1  21

c.-

20 ! 21
11 Prof. David Becerra Rojas

Proposicin:
i.ii.La Funcin P, se denomina Funcin de Probabilidad El par ( xi , p(xi) ): se denomina Distribucin de Probabilidad

En realidad, la Distribucin de Probabilidad, es la grfica de la Funcin de Probabilidad. p(xi)

xi
Prof. David Becerra Rojas

12

Ejercicio:
Supongamos que la probabilidad de que un barco de trasporte llegue a destino sin problemas destino sin problemas el 57% de_ Sea A : El barco llega a es de 0.57 ( es decir en los y sea Supongamos adems a destino sin problemas . gran A casos). B : El barco no llega que es posible enviar una B = cantidad de barcos. El envo continua hasta que llega el primer barco a destino sin problemas. Determine la probabilidad de que el nmero de envos necesario para que llegue el primer barco sin problemas, sea k (k = 1,2,3...) Previo Determine: a.Espacio muestral b.c.La variable aleatoria X Recorrido de la v.a. X. S = { A, BA, BBA, BBBA,.....}
X : N de envos necesarias para que llegue el primer barco a destino sin problemas.

Rx = {1, 2, 3, 4, ......}
13

Prof. David Becerra Rojas

Recordando;

S = { A, BA, BBA, BBBA,.....} Rx = { 1 , 2 , 3 , 4 , .........} Segn el diagrama del rbol tenemos:

0.57

A
0.57

A
0.57 0.43

0.43

A
0.57

B
0.43

0.43 Luego; 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(4) = 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...... 14 Prof. David Becerra Rojas

Debemos demostrar que : p(k) = P(X=k) = (0.43)k-1(0.57) ; k = 1,2,3......

es efectivamente una funcin de probabilidad, es decir, que debe cumplir con: i) p(k ) u o  k ! 1 , 2 ,....
ii )
(
proresin geomtrica

k !1

p (k ) ! 1
g g

)
i

Como

i! 0

1 r

1 1 1  r

"""

0 . 43 k  1 ! 0 . 43 i
k !1 i!0

0 . 43 i * ( 0 . 57 )
i!0
Prof. David Becerra Rojas

1 * ( 0 . 57 ) ! 1 1  0 . 43
15

Ejercicio
Sea X v.a.d. talque:
p (k ) ! P ( X ! k ) ! 1 2k ; k ! 1,2,3,.......

Determine la probabilidad de que: 1.- k sea un nmero par = 1/3 2.- k sea divisible por 3 = 1/7 3.- k > 3 = 1/8
16 Prof. David Becerra Rojas

Ejercicio
En el ejemplo de los barcos, supongamos que se envan independientemente, tres barcos. Determine la probabilidad de que lleguen a destino sin problemas: Exactamente k barcos. ( recordemos que: A : El barco llega a destino sin problemas y B : El barco no llega a destino sin problemas y P(A) = 0.57 y P(B) = 0.43)

Previo Determine: a.b.c.Espacio muestral La variable aleatoria X Recorrido de la v.a. X.

S = { AAA, AAB, ABA, BAA, ABB, BAB, BBA, BBB}
X : N de barcos que llegan a destino sin problemas.

Rx = { 0, 1, 2, 3 }

17 Prof. David Becerra Rojas

Luego;

p(0) = P(X=0) = P(BBB) = (0.43) 3 p(1) = P(X=1) = P(BBA, BAB, ABB) = 3(0.57) (0.43) 2 p(2) = P(X=2) = P(BAA, ABA, AAB) = 3 (0.57) 2(0.43) p(3) = P(X=3) = P(AAA) = (0.57) 3 Por consiguiente tenemos que:

P(k ) ! P( X ! k ) !

 0.57) (0.43) (
3 k k

3k

k ! 0,1,2,3

18 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 . Si la v.a. X se define como: Nmero de veces que ocurre el suceso A, diremos que X tiene una distribucin binomial con parmetros n y p, y la denotaremos:

X ~ b(n , p )
19 Prof. David Becerra Rojas

Distribucin Bino ial

y su funcin de probabilidad est dada por:

P(k ) ! P( X ! k ) !

 p
n k

(1  p )

nk

Con k = 0,1,2,3,.n

20 Prof. David Becerra Rojas

Ejercicio
Supongamos que en un estadio lleno, el 40% de los asistentes son mujeres. Una empresa comercial, para promocionar un nuevo producto, toma una muestra aleatoria de tamao 20. Determine la probabilidad que la muestra contenga: 1.2.3.4.exactamente 11 mujeres. a lo ms 8 mujeres. al menos 5 mujeres. exactamente 9 hombres.

21 Prof. David Becerra Rojas

Previo: Determine
: Se elije al azar una persona el experimento E n = 20 repeticiones del exp. E : : la persona es mujer el suceso de inters A: ={A,B } el espacio muestral s: p = P(A) = 0.40 la probabilidad de A el espacio muestral (Exp Total )S: ={A...A,A...B,..,BB} N de mujeres seleccionadas la variable aleatoria X: el recorrido Rx : = {0, 1 , 2,., 20}
Por lo tanto Luego: 1.P(X = 11) = 2.P(X e 8) = 3.P(X u 5) = 4.P(Y =9 ) = Prof. David Becerra Rojas X ~ b(20 , 0.40 )

P(Xe 11) P(X e10) por tabla = 0.071 0.596 directo por tabla 1 P(X e 4) = 1 0. 0510 = 0.949 P(Ye 9) P(Y e8) = 0.071 Y: N de hombres
22

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 (1  p )
k
Prof. David Becerra Rojas

1 k

Con k = 0,1
23

Distribucin de Poissn
Sea X una v.a.d., si su funcin de probabilidad est dada por:

(k ) ! (

e  P * Pk ! k) ! k !

con k ! 0,1,2,3, , , , , , , ,

Entonces diremos que X tiene una distribucin de Poissn con parmetro P. Se anota: ( media P y varianza P

X ~ P(P)
24 Prof. David Becerra Rojas

Ejercicio
Supongamos que el cajero de un banco, es capaz de atender en promedio 8 personas en 20 minutos. Determina la probabilidad de que el cajero atienda en 20 minutos: a.exactamente 10 personas. b.- a lo ms 7 personas. c.al menos 4 personas. d.- no ms de 10, ni menos de 5 e.exactamente 20 personas en 40 minutos.
25 Prof. David Becerra Rojas

Variables Aleatorias Continuas (vac)

Supongamos que X es una v.a. cuyo recorrido Rx, son todos los nmeros reales.
Si definimos una funcin

f :R R p

y si cumple con las siguientes condiciones:

i.  ii.  f ( x) u 0
g

x Rx

f ( x)dx ! 1
g

Entonces diremos que X es una v.a.c. con funcin de densidad de Probabilidad (f.d.p.)
Prof. David Becerra Rojas

f
26

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 e x e b) = P(a < x e b) = P(a e x < b) = P(a < x < b) Esto implica que P(X = k ) = 0
27 Prof. David Becerra Rojas

Observaciones
b

3.  (a e x e b) ! f ( x)dx
a

28 Prof. David Becerra Rojas

Ejemplo
Sea X una variable aleatoria continua (vac), con funcin de densidad de probabilidad f(f.d.p.). Talque:

f(x)
1.2.3.4.-

kx 0 e x e 1 0 en otros casos

Determine el valor de k Grafique la funcin f Calcule P( x e 1/2 ) Calcule P( x e 1/2 1/3 e x e 2/3)
29

Prof. David Becerra Rojas

Funcin de Distribucin Acu ulativa

Def. : Sea X una variable aleatoria se define funcin de distribucin acumulativa o funcin de distribucin como:
x

F(x) = P( X x ) =

p(k )
k x

Si X v.a.d.

g

f ( x )dx

Si X v.a.c.
30

Prof. David Becerra Rojas

Valor Esperado de una Variable Aleatoria

Def. : Sea X una variable aleatoria. Se define Valor esperado o Esperanza de X como:

E(x) =

xi p( xi )
i !1
g

Si X v.a.d.

xf ( x)dx
g

Si X v.a.c.
31

Prof. David Becerra Rojas

Propiedades La esperanza es un operador lineal, ya que: , , Combinando estas propiedades, podemos ver Que, donde X e Y son variables aleatorias y a y b dos constantes cualesquiera. ,

Varianza de una Variable Aleatoria

Def. : Sea X una variable aleatoria. Se define Varianza de X como: V(x) = E( x - E(x) )2 = E ( x2 ) ( E (x) )2 Donde :

E(

x2

)=

x
i !1 g g

2 i

p ( xi )

Si X v.a.d. Si X v.a.c.
33

x 2 f ( x)dx

Prof. David Becerra Rojas

Tarea N ___
1. 2. 3. 4. 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

34 Prof. David Becerra Rojas

Propiedades
La esperanza es un operador lineal, ya que:

Combinando estas propiedades, podemos ver que -

Donde X e Y son variables aleatorias, a, b son constantes cualesquiera.

En teora de probabilidad y estadstica la varianza es una medida de la dispersin de una variable aleatoria respecto a su esperanza . Se define como la esperanza de la transformacin , esto es,

Est relacionada con la desviacin estndar o desviacin tpica, que se suele denotar por la letra griega

y que es la raz cuadrada de la varianza,

o bien

Propiedades de la varianza [editar] Algunas propiedades de la varianza son:

, propiedad que permite que la definicin de desviacin tpica sea consistente.

siendo a y b constantes cuales Varianza muestral [editar] Dentro de la estadstica descriptiva, la varianza muestral se utiliza como medida de dispersin, cuya definicin es:

Ejemplo: 1.Sea X v.a.d. con funcin de probabilidad dada por:

xi p(xi)
F(xi) xip(xi) x2ip(xi)

1 0.2

2 0.25

3 0.32

4 0.08

5 0.15

Total 1.00

0.2 0.2 0.2

0.45 0.77 0.85 1.00 //// 0.50 0.96 0.32 0.75 2.73 1.00 2.88 1.28 3.75
Funcin de Distribucin Acumulativa Esperanza de X ( E(X) ) = 2.73 Varianza de X ( V(X) ) = E ( x2 ) ( E (x) )2 Grafique F(X)

E(X) E(X2)

9.11

Determine : a.b.c.d.Prof. David Becerra Rojas

= 9.11 (2.73)2 = 1.657

38

F(x) =
F(x)

0 . 45 0 . 77 0 . 85 1 . 00

2e x 3e x 4e x x u5

1.00 0.80 0.60 0.40 0.20 1

Prof. David Becerra Rojas

Grfica de F(x)

0 0 . 20

x 1 1e x

2 3 4 5

x
39

2.-

Sea X v.a.c. con funcin de densidad de probabilidad dada por .

2 x f ( x) ! 0
Determine : a.b.c.-

0 e x e1 en otros casos

Funcin de Distribucin Acumulativa F(x) Esperanza de X E(x) Varianza de X V(x)

40 Prof. David Becerra Rojas

La funcin f(x) y F(x), estn dadas por:

f ( x) ! 0 2x 0 e x e 1 en otros casos

0 2 F ( x) ! x 1

0 1

0 e x x u1

f(x) 2

F(x)

1
41

Prof. David Becerra Rojas

Distribucin Normal
Sea X una v.a.c. si su fdp est dada por:
( x Q )2 2W 2

1 *e f ( x) ! 2 2TW

g e x e g

Entonces, diremos que X tiene una distribucin Normal con media Q y varianza W2. Se denota: X ~ N(Q , W2 )
Prof. David Becerra Rojas 42

Caractersticas
Tiene forma de campana ( por su descubridor es tambin llamada campana de GAUSS) Es simtrica con respecto a su media (Q) Es asinttica al eje horizontal. A +/- tres desv. tpicas de la media, se encuentra prcticamente el 99.8% de su rea (Q +/- 3 W )

Q-3W

Q+3W

43

Prof. David Becerra Rojas

Teore a entral del Li ite

Sea X ~ N(Q , W2 ) entonces,
Z! (X Q) W

~ N(0 , 1 )

X
( X  Q) W

Z
Q

x0

X
0

z0

Z: Distribucin Normal Tpica

44 Prof. David Becerra Rojas

Ejercicio
Supongamos que el peso de los contenedores almacenados en un recinto portuario, tienen una distribucin aproximadamente normal, con una media Q = 78.6 tn , y una varianza W2 = 156.25 tn2. Determine; a.- La probabilidad de que un contenedor seleccionado al azar, tenga un peso no superior a 60 tn. R: .0681 b.- Que porcentaje de contenedores, tiene un peso de al menos 80 tn. 45.62% c.- Si el recinto cuenta con 870 contenedores, cuntos tienen un peso entre 68, y 96 tn.? R: 626 d.- Si se deben controlar el 33% de los contenedores ms pesados, cul es el peso R: 84.1 mnimo de estos contenedores. e.- Si se toma una muestra aleatoria independiente de 12 contenedores, cul es la probabilidad de que exactamente 8 tengan un peso no superior a 75 tn.? R: 0.0346

45 Prof. David Becerra Rojas

Ejercicio
Para el ingreso a una determinada empresa, los postulantes deben rendir un examen. La experiencia dice que los puntaje, se distribuyen aproximadamente Normal con una media de 487, y una desv. Tpica de 58.9. Determine: 1.2.3.4.5.La probabilidad de que un postulante seleccionado al azar, tenga puntaje no superior a 400. Si los postulantes son 1270, cuntos app tendrn puntaje de al menos 500 puntos? Si de los 1270 postulantes, deben ser aceptados 150. cul ser el puntaje mnimo de aceptacin? Si se toma una muestra independiente de 12 postulantes Cul es la probabilidad de que exactamente 8 tengan puntaje no superior a 487? Si los puntaje de la prueba fsica de los mismos postulantes tienen una distribucin normal con media 67.8, y varianza 144, qu puntaje en el examen debera tener un postulante que en la prueba fsica obtuvo 70 puntos?

Aproximacin de la distribucin de Poissn a la distribucin Binomial

Si X se distribuye como una binomial con parmetros n y p, donde n es grande y p extremo, entonces podemos decir que aproximadamente X se distribuye como una Poissn con parmetro np.

Aproximacin de la distribucin Normal a la Binomial

Si X se distribuye como una binomial con parmetros n y p, donde n es grande y p cercano a 0.5, entonces podemos decir que X se aproxima a una normal con media np, y varianza np(1-p). Luego;
Z ! ( X  np ) np (1  p )

~ N(0 , 1 )

Ejercicio
Supongamos que el 42% de los trabajadores de una empresa, tienen no ms de 40 aos. Se selecciona un muestra de 250 trabajadores. Determine la probabilidad de que el nmero de trabajadores con no ms de 40 aos, sea: a.a lo ms 120. b.- entre 100, y 150 c.exactamente 110

Ejercicio Sea X vad con distribucin binomial, con n=125, y p = 0.42. Determine por binomia y Normal 1.2.3.P (X < 60) P(X = 58) P( 49 < X < 71)

Ejercicio
Las remuneraciones de los 1500 trabajadores de una determinada empresa, tienen una distribucin aproximadamente normal con media $358.200, y una desv. Tpica de $48.597. Determine a.b.c.Cul es la probabilidad de que un trabajador seleccionado al azar, tenga remuneracin igual o superior a $370.000? Cuntos trabajadores app. Tienen remuneracin entre $340.000 y $360.000? Si la empresa decide dar un beneficio a los 400 trabajadores que ganan menos. Cual es la remuneracin mxima para optar al beneficio? Se toma una muestra aleatoria de 120 trabajadores. Cual es la probabilidad de que al menos 4 tengan una remuneracin no superior a $250.000?

d.-

Segn el diagrama del rbol tenemos:

A
B

B ..............................
Luego ; S = { A, BA, BBA, BBBA,.....}

52 Prof. David Becerra Rojas

Segn Diagrama del rbol

Sea A: El barco llega B: El barco no llega

A A B A

B A

B A

B
B S = {AAA ,AAB, ABA, BAA, ABB, BAB, BBA, BBB}

Distribuciones Discretas
Bernoulli:
Notacin : X } (1 , p ) Funcin de probabilidad : (o de Cuanta ) p ( x ) ! p x (1  p )1 x ( x) ! p V ( x) ! p (1  p ) ; x ! 0,1

Distribuciones Discretas
Binomial:
Notacin : X } (n , p ) Funcin de probabilidad : (o de Cuanta ) n x p ( x) ! p (1  p ) n  x x ( x) ! np V ( x) ! np (1  p ) ; x ! 0,1,........, n

Distribuciones Discretas
Binomial Negativa:
Notacin : X } N ( n , p ) Funcin de probabilidad : (o de Cuanta ) n  x 1 n x p ( x) ! p (1  p) x n(1  p ) ( x) ! p n(1  p ) V ( x) ! p2 ; x ! 0,1,........, n

Distribuciones Discretas
Poissn:
Notacin : X } (P ) Funcin de probabilidad : (o de Cuanta ) e P Px p( x) ! x! ( x) ! P V ( x) ! P ; x ! 0,1,2,3........

Distribuciones Discretas
Geomtrica:
Notacin : X } G ( p ) Funcin de probabilidad : (o de Cuanta ) p( x) ! ( x) ! V ( x) ! ; x ! 0,1,2,3........

Distribuciones Discretas
Hipergeomtrica:
Notacin : X } H () Funcin de probabilidad : (o de Cuanta ) p( x) ! ( x) ! V ( x) ! ; x ! 0,1,2,3........

Distribuciones Discretas
Uniforme Discreta:
Notacin : X } U () Funcin de probabilid ad : (o de uanta ) p( x) ! E ( x) ! V ( x) ! 1 ; x ! a, a  1, a  2,...b b  a 1

Distribuciones Discretas
Hipergeomtrica:
Notacin : X } H () Funcin de probabilidad : (o de Cuanta ) p( x) ! ( x) ! V ( x) ! ; x ! 0,1,2,3........

Distribuciones Discretas
Hipergeomtrica:
Notacin : X } H () Funcin de probabilidad : (o de Cuanta ) p( x) ! ( x) ! V ( x) ! ; x ! 0,1,2,3........

Distribuciones Continuas
Uniforme:
Notacin Funcin f (x) ! Funcin : X } (a, b) de probabilid ad : de Densidad

1 ; x (a , b ) b  a de Distribuci n :

x  a F (x) ! b  a a  b (x) ! 2

(b  a ) 2 , V (x) ! 12

Distribuciones Continuas
Exponencial:
Notacin : X } xp(E ) Funcin de Densidad de probabilidad : f ( x) ! E e E x F ( x) ! 1  e E x 1 ( x) ! E 1 , V ( x) ! 2 E ;x"0 Funcin de Distribucin :

Distribuciones Continuas
Normal:

Notacin : X } N ( Q , W )
2

Funcin de Densidad de probabilid ad : f ( x) ! 1 2TW

2


( xQ )2 2W 2

; g

( x) ! Q , V ( x) ! W

Distribuciones Continuas
Triangular:

Notacin : X } Funcin de Densidad de probabilid ad : f ( x) ! Funcin de Distribuci n : F ( x) ! ( x) ! , V ( x) !