Procesos Estocásticos

Departamento de Eléctrica y Electrónica

Dr. Marco J. Flores C.

Abril 2018-Septiembre 2018

 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Variables aleatorias
Definición
Una variable aleatoria (v .a.) es una función que asigna valores reales a
los eventos de un espacio muestral S; así:

P(X ∈ A) = P(X −1 (A)) (1)

X −1 (A) es el evento que consta de todos los puntos de s ∈ S tal que

X (s) ∈ A ⊂ <.
Es decir, los posibles valores de una v.a. pueden representar los posibles
resultados de un experimento aún no realizado, o los posibles valores de
una cantidad cuyo valor actualmente existente es incierto.
X : S −→ <
s −→ X (s)
Nota:
{X ∈ A} := {s ∈ S : X (s) ∈ A}
P(X ∈ A) := P({X ∈ A}) = P({s ∈ S : X (s) ∈ A})
Dr. Marco J. Flores C. Procesos Estocásticos
 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Ejemplos de variables aleatorias

Gráficamente se tiene la siguiente representación de v.a para el

lanzamiento de un dado [?].

Dr. Marco J. Flores C. Procesos Estocásticos

 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Ejemplos de variables aleatorias

El siguiente cuadro muestra algunos ejemplos de v.a.

Nota 1: En la definición de v.a. también se define un nuevo espacio

muestral, el rango de la v.a..
Nota 2: Denotaremos a este nuevo espacio como SX .

Dr. Marco J. Flores C. Procesos Estocásticos

 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Ejemplo de variable aleatoria

Lanzamiento de una moneda
Considere el experimento de lanzar una moneda 3 veces. Definir la v.a.
X como el número de caras obtenidas en los tres lanzamientos.

s HHH HHT HTH THH TTH THT HTT TTT

X (s) 3 2 2 2 1 1 1 0

El rango de la variable X es SX =
{0, 1, 2, 3}. Por tanto, la probabili-
dad inducida es:

x 0 1 2 3
PX (X = x) 1/8 3/8 3/8 1/8

Por ejemplo, PX (X = 1) =
Figure: Lanzamiento de una
P({HTT , THT , TTH}) = 83 .
moneda 3 veces
Dr. Marco J. Flores C. Procesos Estocásticos
 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Distribución de una variable aleatoria

CDF
La función de distribución acumulada (cdf), FX (x), de una v.a. X se
define para cualquier número real como:

FX (x) = P(X 6 x) = P(X ∈ (−∞, x]) (2)

para toda x. Otra notación ampliamente usada es:

CDF
FX (x) = P({s ∈ S : X (s) 6 x}). (3)

Dr. Marco J. Flores C. Procesos Estocásticos

 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Distribución de una variable aleatoria

Dr. Marco J. Flores C. Procesos Estocásticos

 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Clasificación de variables aleatorias

Discretas
Una v.a. se dice discreta si existe un conjunto finito o un conjunto
contable (aplicación 1 − 1 con los números enteros) de valoresP distintos,
x1 , x2 , ..., tal que pi = P(X = xi ) > 0, para i = 1, 2... y i pi = 1. En
este caso la cdf es:
X
FX (x) = P(X = y ) (4)
y 6x

Continuas
Una v.a. se dice continua si existe una funcion fX (x), denominada
función de densidad de probabilidad (pdf), tal que, para cada conjunto A:
Z
P(X esta en A) = fX (x)dx (5)
A

Mixtas
Una v.a. mixta es aquella para la que algunos valores son discretos y
algunos son continuos.
Dr. Marco J. Flores C. Procesos Estocásticos
 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Clasificación de variables aleatorias

Relación entre CDF y pdf discretas
De la definición de v.a. discreta, FX (x), tiene forma escalonada. La
amplitud de un escalón será igual a la probabilidad de que se produzca el
valor de X correspondiente al punto donde esta definido el escalón:

X
+∞
Fx (x) = P(X = xi )u(x − xi ) (6)
i=1

donde u es la función escalón unitario.

Dr. Marco J. Flores C. Procesos Estocásticos

 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Clasificación de variables aleatorias

Relación entre CDF y pdf continuas

Rx
A partir de la definición de v.a. continua, FX (x) = −∞ fX (t)dt, se
tienen las relaciones:

d
fx (x) = FX (x) (7)
dx
Z x2
Fx (x2 ) − Fx (x1 ) = fX (t)dt (8)
x1

Definición alternativa de v.a. continua

Si P(X = x) = 0, para cada valor de x, entonces la v.a. es continua.

Dr. Marco J. Flores C. Procesos Estocásticos

 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Propiedades de la cdf

Teorema
La función FX (x) es una cdf si y solamente si cumple las siguientes
condiciones:
limx→−∞ FX (x) = 0 y limx→+∞ FX (x) = 1
d
FX (x) es una función no decreciente de x, es decir, dx FX (x) >0
FX (x) es continua a derecha, esto es, para cada x0 ,
limx↓x0 FX (x) = FX (x0 )

Clasificación de v.a. (opcional)

Una v.a. X es continua si FX (x) es una función continua de x
Una v.a. X es discreta si FX (x) es una función a trozos de x

Dr. Marco J. Flores C. Procesos Estocásticos

 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Ejercicios de cdf

Ejemplo 1
Una llamada telefónica ocurre al azar en el intervalo (0, 1). En este
experimento, los sucesos son las distancias de tiempo entre 0 y 1 y, la
probabilidad que t se encuentre entre t1 y t2 está dada por
P(t1 6 t 6 t2 ) = t2 − t1 . Se define la v.a. X (t) = t para 0 6 t 6 1.
Representar su cdf y pdf.

Ejemplo 2
Considere las funciones dadas por:

1
FX (x) = para − ∞ < x < ∞
1 + e −x

FX (x) = 1 − e −λx para x > 0

Verificar que son cdf.

Dr. Marco J. Flores C. Procesos Estocásticos

 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Ejercicios de cdf

Ejemplo 3

Figure: CDF de lanzar 3 veces una moneda

Verificar que es una cdf.

Dr. Marco J. Flores C. Procesos Estocásticos

 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Funciones de masa y de densidad (pdf)

Definición
La función de masa de probabilidad (pmf) de una variable aleatoria
discreta X está dada por:

fX (x) = P(X = x) = p(x) para toda x (9)

Definición
La función de densidad de probabilidad (pdf), fX (x), de una variable
aleatoria continua X es la función que satisface:
Zx
FX (x) = fX (t)dt para toda x (10)
−∞

En ambos casos se utilizará la abreviatura pdf

Dr. Marco J. Flores C. Procesos Estocásticos

 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Funciones de masa y de densidad (pdf)

Teorema: Propiedades de la pdf

Una función fX (x) es una pdf de una v.a. X (discreta o continua) si y
solamente si:
fX (x) > 0 para toda x
P R∞
x fX (x) = 1 (discreto) o −∞ fX (x)dx = 1 (continuo)

Matemáticamente, cualquier función no negativa que tenga integral

finita y positiva puede ser una pdf.

Sea h(x) una función positiva

R con integral finita y positiva sobre el
conjunto A, y sea K = A h(x)dx, entonces la pdf asociada es:

1
fX (x) = h(x)
K

Dr. Marco J. Flores C. Procesos Estocásticos

 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Ejercicios variables aleatorias

Ejemplo 1
Sea X una v.a. definida por la siguiente cdf:


 0 si x < −2

0.4 si − 2 6 x < 0.5
FX (x) =

 0.8 si 0.5 6 x < 3


1 si x > 3
Representar F (x) y calcular la pdf de esta variable

Ejemplo 2
Sea X una v.a. definida por la pdf:
3 1
P(X = r ) = para r = 0, 1, 2, 3, 4
2 r !(4 − r )!

Hallar P(X = 3), P(1 6 X 6 2.5) y P(X 6 2.5).

Dr. Marco J. Flores C. Procesos Estocásticos
 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Ejercicios variables aleatorias

Ejemplo 3
Sea g (x) la función definida por la siguiente ecuación:

x si 0 < x < 5
g (x) =
0 caso contario

¿Es g (x) una pdf?

Si no lo es, ¿qué transformación debe sufrir para que lo sea?

Ejemplo 4
Sea X una v.a. dada por:

1
4 si |x| < 1
fX (x) = 1
4x 2 si |x| > 1

Verificar que se trata de una pdf y obtener la CDF

Dr. Marco J. Flores C. Procesos Estocásticos
 Probabilidad Condicional Ejercicios: Espacio muestral, probabilidad condicional e independen

Tarea para reforzar el conocimiento

Video
Revisar el siguiente video, para complementar el tema de v.a.
https://www.youtube.com/watch?v=yDYCRKeC6bw

Tarea
Desarrollar los ejercicios correspondientes a este tema.

Dr. Marco J. Flores C. Procesos Estocásticos