Clase 3 Probabilidad Estadistica

Capítulo 2
Variable Aleatoria y Funciones de Probabilidad

2.1 Fenómeno Aleatorio.
Son fenómenos cuyo estado final no se puede precisar a partir de su estado inicial.
Tienen la propiedad de que en una sola observación no es posible predecir con
exactitud el resultado, pero, en una sucesión larga de observaciones independientes,
la frecuencia relativa de cada uno de los resultados posibles muestra una estabilidad
tanto más grande cuanto más larga es la sucesión de observaciones.
Ejemplo, cuando se estudia el tiempo que demora una persona desde el instante que
sale de su casa hasta que llega a su destino. En este caso, aún suponiendo que la
persona recorre siempre la misma ruta a la misma hora del día, no podrá asegurar
cuanto tiempo exactamente tardará en llegar a su destino, sino que podrá hacer
afirmaciones del tipo “llegaré mas o menos en ... minutos”. El fenómeno aleatorio
tiene las siguientes características:
a) Se podría repetir indefinidamente las observaciones bajo condiciones
esencialmente invariables.
b) Se es capaz de describir todos los posibles resultados de una
observación, aún cuando no es posible establecer lo que será un resultado
particular.
c) Los resultados individuales de las observaciones repetidas pueden
ocurrir de manera accidental, pero cuando el número de observaciones es
grande aparece el patrón de regularidad estadística.
2.2 Variable Aleatoria.
Definición 1. Sea S espacio muestral sobre el que se encuentra definida
una función de probabilidad. Sea X una función de valor real definida
sobre S, de manera que transforme los resultados de S en puntos
sobre la recta de los reales. Se dice entonces que X es una variable
aleatoria.
Se dice que X es “aleatoria” porque involucra la probabilidad de los
resultados del espacio muestral, y X es una función definida sobre el
espacio muestral, de manera que transforma todos los posibles
resultados del espacio muestral en cantidades numéricas.
X: S  R
w X(w) = x
Ejemplo 1. Supongamos que cada vez que se tira una moneda se
gana una unidad si sale cara y se pierde una unidad si sale sello.
Cara  1, Sello  -1
Ejemplo 2. Considérese el lanzamiento de dos monedas. Se define

como variable aleatoria X a la suma de los valores de las dos caras
de los dados.
Solución
El espacio muestral es
El recorrido de la variable aleatoria X es
Donde
x=0 ,Significa que no se obtuvo ninguna cara al arrogar dos monedas una vez.
x=1, Significa que no se obtuvo ninguna cara al arrogar dos monedas una vez.
x=2, Significa que no se obtuvo ninguna cara al arrogar dos monedas una vez.
3) Un diagrama ilustrativo es
Definición 2.Se dice que una variable aleatoria X es discreta si el número de
valores que puede tomar es contable (ya sea finito o infinito), y si éstos pueden
arreglarse en una secuencia que corresponde con los enteros positivos.
 Ejemplo.
 X: Número de veces que se arroja un dado hasta obtener el seis.
  0,1,2,3,4,......... .......
Rx  0,1,2,3,....., k ,......
 Ejemplo. Sea X una variable aleatoria que considera como el beneficio de un

jugador, en un juego en el que se tira un dado y el jugador gana 100 soles, si
sale los números 1 o 3, no ganada ni pierde si sale 2 o 5, pierde 100 soles sale
4o6
 El espacio muestral es
 El recorrido de la variable aleatoria X es
Donde
X (1)  X (3)  100, X (2)  X (5)  0, X (4)  X (6)  100,

Definición 3. Se dice que una variable aleatoria X es continua si sus valores consisten en uno o
más intervalos de la recta real.
 Ejemplo.
 X: Tiempo de vida de un objeto electrónico.
 Ejemplo. Sea X una variable aleatoria que representa el número de kilogramos que pierde
una persona al seguir una dieta especifica durante cierto periodo.
 X: Peso en kg. de una persona.
Teoremas (propiedades)
Si X e Y son variables aleatorias definidas sobre el mismo campo de probabilidad, entonces.
1. X + Y es variable aleatoria
2. X Y es variable aleatoria
3. X / Y es variable aleatoria sí Y 0
4. kX es variable aleatoria, k R
5. X2 es variable aleatoria
6. Min (X, Y) es variable aleatoria.
7. Y=aX+b es variable aleatoria.
8.
Y   ai Xesi variable aleatoria, si Xi es variable aleatoria y ai está en los reales
 Ejemplo. Considérese el lanzamiento de dos dados. Se define como variable
aleatoria Z a la suma de los valores de las dos caras de los dados. Los 36
resultados con los valores correspondientes de la variable aleatoria Z.
Valor de la Variable
Resultado del experimento Aleatoria Z
(1,1) 2
(1,2), (2,1) 3
(1,3), (2,2), (3,1) 4
(1,4), (2,3), (3,2), (4,1) 5
(1,5), (2,4), (3,3), (4,2), (5,1) 6
(1,6), (2,5), (3,4), (4,3), (5,2), (6,1) 7
(2,6), (3,5), (4,4), (5,3), (6,2) 8
(3,6), (4,5), (5,4), (6,3) 9
(4,6), (5,5). (6,4) 10
(5,6), (6,5) 11
(6,6) 12
 X: resultado del primer dado

 Y: resultado del segundo dado
 Ejemplo. Considérese el lanzamiento de dos dados. Se define como variable
aleatoria Z al producto de los valores de las dos caras de los dados. Los 36
resultados con los valores correspondientes de la variable aleatoria Z.
Resultado del experimento Valor de la Variable Aleatoria

Z
(1,1) 1
(1,2), (2,1) 2
(1,3), (3,1) 3
(1,4), (4,1), (2,2) 4
(1,5), (5,1) 5
(1,6), (2,3), (3,2),(6,1) 6
(2,4),(4,2) 8
(3,3) 9
(5,2), (2,5) 10
(4,3),(3,4),(6,2), (2,6) 12
(3,5),(5,3) 15
(4,4) 16
(3,6),(6,3) 18
(4,5),(5,4) 20
(4,6), (6,4) 24
(5,5) 25
(5,6), (6,5) 30
(6,6) 36
 X: resultado del primer dado

 Y: resultado del segundo dado
2.3.Función probabilidad y función distribución de la variable
discreta
Definición. Sea X una variable aleatoria discreta. Se llamará p( x)  P( X  x)
1. p( x )  0, x  X
2. p( x)  1
x
También se le llama función de cuantía a p(x )
Definición. La función de distribución acumulativa de la variable

aleatoria X es la probabilidad de que X sea menor o igual a un valor
específico de x y está dada por:
F ( x )  P( X  x )   p( xi )
xi  x
 Ejemplo 1. En el experimento de lanzar 4 monedas.
 Sea X: N° de caras de las monedas. Hallar la función de probabilidad de X y la
función distribución o probabilidad acumulada.
 Solución.
 El espacio muestral es:
 Entonces X: 0, 1, 2, 3, 4
 La función de probabilidad de X es:
 p(x=0) = P(X=0) = 1/16
 p(x=1) = P(X=1) = 4/16
 p(x=2) = P(X=2) = 6/16
 p(x=3) = P(X=3) = 4/16
 p(x=4) = P(X=4) = 1/16
 0 en otro caso
Vemos que:
1. 0  p( x)  1, x  X
2.  x
p( x )  1
Resumiendo:
 0, si x0
 1 / 16, si 0  x 1

 5 / 16, si 1 x  2
F ( x)  
11 / 16, si 2 x3
15 / 16, si 3 x 4

 1, si 4 x
Ejemplo 2. En el experimento de lanzar dos dados donde X se define como la
suma de los valores de las dos caras de los dados. Hallar la función de
probabilidad de X.
Solución
El cuadro siguiente muestra los resultados
Ejemplo 2. En el experimento de lanzar dos dados donde X se define como la
suma de los valores de las dos caras de los dados. Hallar la función de
probabilidad de X.
Solución
Del cuadro Nº 01 vemos que
 1 / 36, si x2
 2 / 36, si x3

 3 / 36, si x4

 4 / 36, si x5
 5 / 36 si x6

 6 / 36, si x7
p( x)  
 5 / 36, si x8
 4 / 36, si x9

 3 / 36, si x  10
 2 / 36, si x  11

1 / 36, si x  12
 0,
 en otro caso
Vemos que:
1. 0  p( x)  1, x  X
2.  x
p( x )  1
Hallamos la función distribución
 0. si x2
 1 / 36, si 2 x3

 3 / 36, si 3 x 4

 6 / 36, si 4 x5
 10 / 36, si 5 x6

 15 / 36, si 6 x7
F ( x)  
 21 / 36, si 7 x8
 26 / 36, si 8 x9

 30 / 36, si 9  x  10
33 / 36, si 10  x  11

35 / 36, si 11  x  12
 1. si 12  x

Propiedades de la función distribución discreta.
Teoremas.
1. La función distribución es no decreciente.
2. Para toda función distribución se cumple.
a. xLim F ( x)  1

b. xLim F ( x)  0

3.Dado una variable aleatoria X con función distribución F(x)

entonces
a) Si es una función de probabilidad porque  p( x )  1
x
b) Hallamos la función acumulada
 0, si x  1
 4 / 10, si 1  x  2

F ( x )   7 / 10, si 2  x  3
9 / 10, si 3  x  4

 1, si 4  x
P2  X  4  F (4)  F (2  1)  F (4)  F (1)  1  

4 6
10 10
2.4 Esperanza matemática y varianza de una variable aleatoria
discreta
Definición. El valor esperado de una variable aleatoria X discreta
es el promedio o valor medio de X y está dado por:
E( X )  x xp( x) si X es discreta, en donde p(x ) es la función de
probabilidad.

Clase 3 Probabilidad Estadistica

Cargado por

Copyright:

Formatos disponibles

Clase 3 Probabilidad Estadistica

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase 3 Probabilidad Estadistica

Cargado por

Copyright:

Formatos disponibles

Capítulo 2

Variable Aleatoria y Funciones de Probabilidad

Ejemplo 2. Considérese el lanzamiento de dos monedas. Se define

 Ejemplo. Sea X una variable aleatoria que considera como el beneficio de un

X (1)  X (3)  100, X (2)  X (5)  0, X (4)  X (6)  100,

 X: resultado del primer dado

Resultado del experimento Valor de la Variable Aleatoria

 X: resultado del primer dado

También se le llama función de cuantía a p(x )

Definición. La función de distribución acumulativa de la variable

3.Dado una variable aleatoria X con función distribución F(x)

P2  X  4  F (4)  F (2  1)  F (4)  F (1)  1  

También podría gustarte