Académique Documents
Professionnel Documents
Culture Documents
3- Variables aleatorias
Definición
¿Qué simbolizamos con ? Es el conjunto “imagen inversa” (no confundir con función
inversa, aún cuando ésta no exista, es posible definir este conjunto). El conjunto imagen
inversa es siempre un subconjunto del conjunto de partida.
Los conjuntos Imagen Inversa satisfacen ciertas propiedades que no son siempre ciertas para
los conjuntos de las Imágenes.
p.1)
p.2)
p.3)
p.4)
13
Probabilidades II 3- Variables aleatorias
Teorema de equivalencia:
es variable aleatoria
Demostración:
a)
b)
2°) Definimos una clase de subconjuntos de reales (muy particulares) y probamos que es -
álgebra.
¿ es -álgebra?
a) ya que
b) Sea por propiedad de los elementos de
Y por propiedad de -álgebra, si un conjunto pertenece,
14
Probabilidades II 3- Variables aleatorias
c ean con
Una vez definida una variable aleatoria en un espacio de probabilidad, el espacio aleatorio
podrá ser expresado haciendo corresponder:
Ω →
P → ¿? Debería ser una función P que asigne robabilidades a los eventos “traducidos” en
De este modo, queda definida una nueva terna: , que constituye un nuevo espacio
de probabilidad.
15
Probabilidades II 3- Variables aleatorias
El problema para trabajar con es que sus argumentos son subconjuntos de números reales
y no reales.
¿Es posible definir alguna función de reales en reales que contenga la misma
información que ?
La Función de distribución es una ex resión “cómoda” (es una función de reales en reales
para calcular probabilidades y es válida para cualquier tipo de variables aleatorias. Sin
embargo, para ciertos casos particulares, existen otras funciones, también de reales en reales,
que ueden utilizarse con igual “comodidad” ara el cálculo de las probabilidades. Estas
expresiones han sido presentadas en cursos anteriores e incluso pertenecen a leyes muy
conocidas, como la Binomial, Poisson, Hipergeométrica, Geométrica, Normal, Exponencial,
Gamma, Uniforme, etc. etc. De ellas, seguramente recuerdan la expresión funcional de la ley,
pero esta no corresponde a la Función de Distribución, sino a las llamadas: Función de
Probabilidad o Función de Densidad. Estas funciones existen para casos particulares de
variables aleatorias: las discretas y las continuas. Juntas no son suficientes para cubrir todo el
espectro de variables aleatorias posibles.
Propiedades: una así definida satisface (realizar la demostración formal de cada propiedad)
Si
16
Probabilidades II 3- Variables aleatorias
A partir de F(x) puede calcularse la probabilidad de cualquier tipo de intervalo (borelianos más
simples):
=
=
También:
En lo que sigue de este capítulo, definiremos otras funciones de probabilidad con información
equivalente a la Función de Distribución, pero que existen sólo para casos particulares de
variables aleatorias.
17
Probabilidades II 3- Variables aleatorias
Sea una variable aleatoria en se dice que es una variable aleatoria discreta si y sólo
si finito o infinito numerable tal que:
Función de probabilidad
) , para todo Є
0 en otro caso
Ejemplo:
Sea el experimento aleatorio: tirar un dado equilibrado al aire.
18
Probabilidades II 3- Variables aleatorias
Propiedades de :
1) y
2)
Prueba:
1) por definición.
2)
Prueba:
19
Probabilidades II 3- Variables aleatorias
Sea una variable aleatoria en se dice que es una variable aleatoria continua si y
sólo si tal que
En particular, si es continua en un
Demostración:
Ejemplo:
Experimento aleatorio: Elegir un número al azar del (0,1).
si x Є [0,1]
0 en otro caso
Propiedades de :
1)
1
(5) ¿qué teorema sostiene ésta igualdad?:
20
Probabilidades II 3- Variables aleatorias
Se puede demostrar que es -álgebra que contiene a los intervalos (ejercicio). Como
son la menor -álgebra que contiene a los intervalos, y todo boreliano satisface la
condición .
Existen variables aleatorias que no corresponden a ninguna de las dos definiciones dadas. Por
ejemplo, una con dada por:
21
Probabilidades II 3- Variables aleatorias
Entonces,
es variable aleatoria.
Demostración:
cualquiera sea
Ejemplo: En el caso de la variable aleatoria: Número de la cara superior del dado, sea
. Usando , calcular la
__________________________________________________________________________
22
Probabilidades II 3- Variables aleatorias
Cambio de Variable
si ara algun
Ejemplo
23
Probabilidades II 3- Variables aleatorias
Ejercicios
X ( w) si w A
Z ( w) es una variable aleatoria.
Y ( w) si w A
24
Probabilidades II 3- Variables aleatorias
3.6) Sea X n nN una sucesión de variables aleatorias definidas sobre el mismo espacio de
probabilidad (, A, P ) .
a) Pruebe que Y : R donde Y () su pX n (), n N es una variable aleatoria
b) Pruebe que Y : R donde Y () in f X n (), n N es una variable aleatoria
3.7) Suponga 4 cartas idénticas rotuladas de la siguiente manera: aaa, abb, bab, bba. Las
mismas son puestas en una caja y mezcladas durante un cierto tiempo. Se extrae una carta
aleatoriamente. Sea la función X ( ) número de letras a en una extracción. ¿Es variable
aleatoria? Justifique.
3.8) Se eligen aleatoriamente 3 bolillas de una urna que contiene 3 blancas, 3 rojas y 5 negras.
Suponga que se gana $1 por cada bolilla blanca seleccionada y se pierde $1 por cada bolilla
roja seleccionada. Sea X ( ) una variable aleatoria que representa el resultado del
experimento en $ (notar que el resultado puede indicar una ganancia o una pérdida de
dinero). ¿Cuál es la probabilidad de ganar dinero al realizar el experimento?
25