Académique Documents
Professionnel Documents
Culture Documents
DISTRIBUCIN DE PROBABILIDAD
DE VARIABLES ALEATORIAS
NOTAS COMPLEMENTARIAS
ESTADSTICA I
1. Introduccin
2. Variable aleatoria.
Sea S el espacio muestral generado por un experimento aleatorio. Una variable
aleatoria X es una funcin definida en S que toma valores en los nmeros reales, tal que
la pre-imagen de cualquier intervalo de los reales es un evento de S.
Ejemplo 1: Sea un experimento aleatorio en el que se lanzan dos monedas al aire y
se observa la cara que aparece en cada caso. Definimos a la variable aleatoria X como
el nmero de caras que aparecen. El diagrama de la Figura 1 muestra la manera en
que la variable aleatoria X asigna un nmero real a cada uno de los posibles resultados
del experimento aleatorio.
Figura 1
Sea ahora Y la ganancia del juego si, por cada cara que aparece, el jugador recibe
$10 y adems, debe apostar $11 para poder jugar. La Tabla 1 muestra los posibles
valores de X e Y .
Tabla 1
x: nmero de caras 0 1 2
y: ganancia -11 -1 9
3. Distribucin de Probabilidad
Una distribucin de probabilidad es una expresin matemtica, tabla o diagrama
que permite asociar una probabilidad a un valor, o intervalo de valores, de una variable
aleatoria.
Figura 2
Grficamente:
Figura 4.
f x dx 1
(5)
(6)
1
si 0 x 12
f x 12 (7)
0 en otro caso
P (6 X 9) 1 .
4
F ( x) P X x (8)
0 F x 1
Si a b entonces F ( a ) F (b) . Esta propiedad implica que F x es no
decreciente y que P ( a X b) F (b) F ( a )
F P X 1 y F P X 0
Grficamente:
F ( x) P X x f (t )dt (10)
Si 0 x 12
0 x
1 1 x x
F x 0dt dt t
0
12 12 0 12
Si 12 x
0 12 12
1 1 12
F x 0dt dt 0dt t 1
12 0
12 0
12
12
P (6 X 9) 1 .
4
4. Indicadores
Al igual que una distribucin emprica, la distribucin de una variable aleatoria
puede describirse en trminos de su tendencia central, dispersin, asimetra y curtosis. A
continuacin nos referiremos a la tendencia central y a la dispersin.
E( X ) xf x dx (15)
4.4. Varianza
La esperanza matemtica de la variable aleatoria X es til para proporcionar el
resultado medio a largo plazo, es decir cuando se replica un experimento aleatorio una y
otra vez. Sin embargo, en forma anloga a lo que ocurre en las distribuciones empricas,
no brinda informacin respecto a la dispersin de los resultados individuales que
pueden observarse.
La medida ms importante de dispersin o variabilidad es la varianza. Puede
definirse como la media aritmtica de los desvos cuadrticos de X respecto a la E ( X ) ,
para infinitas reiteraciones del experimento aleatorio. Se acostumbra simbolizarla con
V ( X ) o con 2 . Por lo expresado,
2
V X E X E X (16)
X
Z (22)
Con esta transformacin los valores de la variable aleatoria se expresan como
desvos respecto al valor esperado en unidades de desviacin estndar. La esperanza de
una variable aleatoria estandarizada es siempre cero, y su varianza es igual a uno.
Sugerencia: Aplicar las propiedades de la esperanza matemtica para demostrar
que E Z 0 y V Z 1
cualquier constante k 0 ,
1
P X k 1 (23)
k2
En otras palabras, siempre que se cumplan las condiciones enunciadas, cualquiera
sea la distribucin de X, podemos establecer la probabilidad mnima de ocurrencia de
valores de la variable aleatoria, dentro de un intervalo simtrico respecto al valor
esperado y proporcional al desvo estndar de la misma.
Notemos que, dado que la probabilidad de cualquier evento vara entre cero y uno,
esta desigualdad tiene aplicacin prctica si k 1 .
Sugerencia 1: Empleando k 1, 25 , comprobar esta desigualdad para la variable
discreta definida en el Ejemplo 1.
Sugerencia 1: Empleando k 2 , comprobar esta desigualdad para la variable
continua definida en el Ejemplo 2.
Y
X Total
2 3 4 5 6 7 8 9 10 11 12
por fila
1 1/36 1/36 1/36 1/36 1/36 1/36 0 0 0 0 0 1/6
2 0 1/36 1/36 1/36 1/36 1/36 1/36 0 0 0 0 1/6
3 0 0 1/36 1/36 1/36 1/36 1/36 1/36 0 0 0 1/6
4 0 0 0 1/36 1/36 1/36 1/36 1/36 1/36 0 0 1/6
5 0 0 0 0 1/36 1/36 1/36 1/36 1/36 1/36 0 1/6
6 0 0 0 0 0 1/36 1/36 1/36 1/36 1/36 1/36 1/6
Total por
1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 36/36
columna
Grficamente:
Se cumple que:
p xi , y j 0 , y adems (25)
I J
p x , y 1
i 1 j 1
i j (26)
xi 1 2 3 4 5 6 Total
yj 2 3 4 5 6 7 8 9 10 11 12 Total
vy j 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 36/36
donde J, en este caso, es igual a 11 por tomar la variable Y once valores diferentes.
Anlogamente, la distribucin marginal de Y, se calcula como
I
v( y j ) p xi , y j , (28)
i 1
xi 1 2 3 4 5 6 Total
p xi , y j
v y j / xi , con u xi 0 (30)
u xi
Sin embargo, el hecho de que se cumpla esta igualdad no nos asegura que las
variables sean independientes, como se desprende del ejemplo a continuacin.
Ejemplo 4. Sea la siguiente distribucin de probabilidad conjunta de las variables X
e Y.
Y X -2 -1 1 2 vY
1 0 1/4 0
4 1/4 0 0 1/4
es negativa.
podremos evaluar ms adelante hasta qu punto puede una de ellas ser empleada
para predecir la otra.
De (38) y (40) se desprende que, si las variables X e Y son independientes
siempre se cumple que la Cov X , Y 0 .
V X Y V X V Y 2Cov X , Y (43)
Generalizando este ltimo resultado para el caso de la diferencia de dos variables
aleatorias obtenemos lo siguiente:
V X Y V X V Y 2 Cov X , Y (44)
5.9 Aplicacin
Un distribuidor de automviles ofrece tres paquetes de equipo adicional para un
modelo en particular. El paquete de transmisin automtica (T) reporta al distribuidor
una ganancia de $200, el de aire acondicionado (A), una ganancia de $ 150 y, el de
tapizado en cuero (C), una ganancia de $ 100.
En funcin de su experiencia, elabor la siguiente tabla respecto a la posibilidad de
demanda de los paquetes por parte de sus clientes:
Bibliografa
Anlisis Estadstico. Ya Lun Chou. Nueva Editorial Interamericana. Mxico 1977.
2da. Ed.
Estadstica Aplicada a la Administracin y a la Economa. David K. Hildebrand y
R. Lyman Ott. Editorial Addison Wesley Longman. Mxico 1988. 3ra. Ed.