Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Variables Aleatorias Discretas y Continuas

INGE 1418 Probabilidades para Ingenierı́a

Alba Martı́nez-Ruiz

Facultad de Ingenierı́a y Tecnologı́a

Universidad San Sebastián, Chile

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Contenido

Variables aleatorias

Variables aleatorias discretas

Variables aleatorias continuas

Distribuciones conjuntas

Medidas Caracterı́sticas de una Variable Aleatoria

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Variables aleatorias

Variable 7→ magnitud que asume distintos valores. En particular,

varı́a en un rango de valores conocidos.
Aleatorio 7→ se define como aleatoria la selección de elementos en
la que cada uno de éstos tiene una probabilidad conocida y
distinto de 0 de ser seleccionado.
Variable aleatoria 7→ está definida por un conjunto de valores y,
además, por una función de probabilidad que expresa para cada
valor la probabilidad de ocurrencia.
Diremos que se ha definido una variable aleatoria o que se ha
construido un modelo de distribución de probabilidad cuando
se especifican los posibles valores de la variable con sus
probabilidades respectivas.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Variables aleatorias discretas

Una variable aleatoria es discreta cuando toma un número de

valores finito, o infinito numerable.

número de veces que ha ocurrido un suceso

número de hijos de una familia
número de personas que llegan al banco
número de empleados que trabajan en una industria
número de productos vendidos cada mes en un sitio web
número de clientes que compran en un supermercado.

La distribución de la variable suele definirse mediante la función

de probabilidad o la función de distribución.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Función de probabilidad
Se define una variable aleatoria discreta cuando se indican sus
valores posibles y sus probabilidades respectivas.
Se llamará función de probabilidad o función masa de
probabilidad, p(x), a la función que indica las probabilidades de
cada posible valor,

p(xi ) = P (X = xi )

Si S es el espacio muestral,
X
p(xi ) = 1
i∈S

Ejemplo de variable aleatoria discreta 7→ uniforme con espacio

muestral (1, 2, ..., N ), y probabilidad p(xi ) = 1/N .

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Función de distribución

Una forma equivalente de caracterizar la distribución de una

variable 7→ función de distribución, F (x), definida en cada punto
x0 como la probabilidad de que la variable aleatoria x tome un
valor menor o igual que x0 .
P
F (x0 ) = P (X ≤ x0 ) = x≤x0 p(x)

La función de distribución también se llama función acumulativa o

función de distribución acumulativa (FDA) de la variable aleatoria
x.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Función de distribución

La funciones de distribución tienen las siguientes propiedades,

0 ≤ F (x) ≤ 1, −∞ < x < ∞
limx→∞ F (x) = 1
limx→−∞ F (x) = 0
La función es no decreciente. Si x1 < x2 , entonces
F (x1 ) ≤ F (x2 )
La función es continua desde la derecha.
Si b ≥ a, tenemos que P (a < x ≤ b) = F (b) − F (a)

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Variables aleatorias continuas

Una variable aleatoria es continua cuando puede tomar

cualquier valor en un intervalo.

el peso de una persona

el tiempo de duración de un suceso
el precio de un producto
la velocidad de un avión

No es posible conocer el valor exacto de una variable continua,

medir su valor 7→ clasificarlo dentro de un intervalo. Si medimos
una longitud, 23mm, afirmamos longitud real (no observable) está
en el intervalo 22.5 mm a 23.5 mm.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Función de densidad

Las variables aleatorias pueden caracterizarse mediante la

función de densidad o la función de distribución.

Cuando medimos una variable continua

de forma reiterada su histograma
tenderá a una curva suave que
describirá el comportamiento de largo
plazo de la variable.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Función de densidad

Se llamará función de densidad a una función continua que

verifica las condiciones,

f (x) ≥ 0
R∞
−∞ f (x)d(x) =1

interpretación: curva limite que

obtendrı́amos en el histograma de una
población disminuyendo indefinidamente
las anchuras de cada clase.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Función de densidad

La probabilidad de que la variable aleatoria X sea menor que x0 ,

área bajo la función de densidad hasta el punto x0 ,

R x0
P (X ≤ x0 ) = −∞ f (x)dx

La probabilidad de que la variable X

tome un valor entre x0 y x1 ,
R x1
P (x0 < X ≤ x1 ) = x0 f (x)dx

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Función de densidad

La probabilidad de observar un valor

cualquiera depende de la precisión con
la que se ha medido.
La probabilidad al medir una longitud
de observar 6 cm es la probabilidad de
que el valor verdadero esté entre 55 mm
y 65 mm.

La probabilidad que un modelo de variable continua asigna a la

observación de un valor exacto cualquiera es cero, 6,123456789...

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Función de densidad

La probabilidad de cualquier intervalo, por pequeño que sea, viene

dado por el área que f (x) encierra en ese intervalo.
Si la base ∆x, es suficientemente pequeña, dicha área se aproxima
por el área de un rectángulo de altura f (x0 ), siendo x0 el centro
del intervalo de longitud ∆x,

P (x0 − ∆x/2 < X ≤ x0 + ∆x/2) ' f (x0 )∆x

Por lo que para variables continuas,

P (a < X < b) = P (a ≤ X < b) = P (a < X ≤ b) = P (a ≤ X ≤

b)

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Función de distribución
La función de distribución para una variable aleatoria continua se
define como,

R x0
F (x0 ) = P (X ≤ x0 ) = −∞ f (x)dx

F (x0 + ∆x) − F (x0 ) = P (x0 < X ≤

x0 + ∆x) ' f (x0 )∆x

Por lo tanto,
dF (x)
f (x) =
dx

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Función de distribución

En un punto x0 , la función de distribución indica la probabilidad de

que la variable sea menor o igual que x0 , que es el área rayada en
la función de densidad.

La ordenada f (x0 ) en ese punto no es una probabilidad, aunque si

la multiplicamos por la longitud de un intervalo pequeño, ∆x,
obtenemos la probabilidad de que la variable se encuentre en dicho
intervalo.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Función de distribución

F (x) será una función continua que verifica,

R −∞
1 F (−∞) = 0, ya que −∞ f (x)dx = 0
R∞
2 F (+∞) = 1, ya que −∞ f (x)dx =1
3 Es no decreciente,
si x1 < x2 , F (x1 ) < F (x2 )

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Distribuciones conjuntas

Variables discretas. Generalización a dos o más variables

aleatorias.

Si X e Y son dos variables aleatorias discretas, la función de

probabilidad conjunta de X e Y ,
p(xi , yj ) = P (X = xi , Y = yj )
donde,
(a) p(xi , yj ) ≥ 0
XX
(b) p(xi , yj ) = 1
x y

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Distribuciones conjuntas
La función de probabilidad conjunta puede representarse por una
tabla de probabilidad conjunta.

n
X
p(X = xi ) → suma entradas fila i, P (X = xi ) = p(xi , yj )
j=1
m
X
p(Y = yj ) → suma entradas columna j, P (Y = yj ) = p(xi , yj )
i=1
Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a
Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Distribuciones marginales

P (X = xi ) y p(Y = yj ) se conocen como funciones de

probabilidad marginal de X e Y , respectivamente.
Pm
i=1 P (X = xi ) = 1
Pn
j=1 P (Y = yj ) = 1
Pm Pn
i=1 j=1 p(xi , yj ) = 1

La función de distribución conjunta de X e Y ,

P P
F (x, y) = P (X ≤ a, Y ≤ b) = x≤a y≤b p(x, y)
suma de todas las entradas para las que xi ≤ x y yj ≤ y.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Distribuciones conjuntas

Variables continuas. Generalización a dos o más variables

aleatorias.
Si X e Y son dos variables aleatorias continuas, la función
f (x, y) es la función de densidad conjunta de X e Y si,
(a) f (x, y) ≥ 0 para todo (x, y)
R∞ R∞
(b) −∞ −∞ f (x, y)dxdy = 1
R b2 R b1
P (a1 ≤ X ≤ b1 , a2 ≤ Y ≤ b2 ) = a2 a1 f (x, y)dxdy

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Distribuciones conjuntas

La función z = f (x, y) representa una superficie llamada

superficie de probabilidad. El volumen total limitado por
esta superficie y el plano xy es igual a 1.

La probabilidad de que X este entre a1 y b1 y de que Y esté entre

a2 y b2 está dada gráficamente por el volumen sombreado.
R b2 R b1
P (a1 ≤ X ≤ b1 , a2 ≤ Y ≤ b2 ) = y=a 2 x=a1
f (x, y)dxdy

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Distribuciones conjuntas

La función de distribución conjunta de X e Y ,

Ra Rb
F (x, y) = P (X ≤ a, Y ≤ b) = x=−∞ y=−∞ f (x, y)dxdy

Funciones de distribución marginal o funciones de

distribución de X e Y ,
Ra R∞
P (X ≤ a) = F1 (x) = x=−∞ y=−∞ f (x, y)dxdy
R∞ Rb
P (Y ≤ b) = F2 (y) = x=−∞ y=−∞ f (x, y)dxdy

Funciones de densidad marginal o funsiones de densidad

de X e Y (las derivadas de las funciones anteriores),
R∞ R∞
f1 (x) = y=−∞ f (x, y)dy f2 (y) = x=−∞ f (x, y)dx

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Independencia

X e Y variales aleatorias discretas son variables aleatorias

independienes si,

P (X = x, Y = y) = P (X = x)P (Y = y) = p(x)p(y)

X e Y variables aleatorias continuas son variables aleatroias

independientes si,

P (X ≤ x, Y ≤ y) = P (X ≤ x)P (Y ≤ y) = F (x)F (y)

donde F (x) y F (y) son las funciones de probabilidad marginal de

X e Y , respectivamente.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Distribuciones condicionales
X e Y variales aleatorias discretas, la función de densidad
condicional de Y dada X es,
P (Y =y,X=x)
P (Y = y|X = x) = P (X=x)

donde X es la función de probabilidad conjunta de X e Y , y

P (X = x) es la función de probabilidad discreta de X.
X e Y variables aleatorias continuas, la función de densidad
condicional de Y dada X es,
f (x,y)
f (y|x) = f (x)

donde f (x, y) es la función de densidad conjunta de X, Y , y f (x)

es la función de densidad marginal de X. También,
Rd
P (c < Y < d|x < X < x + dx) = c f (y|x)dy

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Medidas Caracterı́sticas de una Variable Aleatoria

Medidas caracterı́sticas de la distribución de una variable aleatoria
7→ medidas teóricas 7→ letras griegas.

Medidas de centralización
X Media, mediana, moda

Medidas de dispersión asociadas a la media,

X Desviación tı́pica, varianza
X Percentiles, cuartiles

Medidas de dispersión asociadas a la mediana 7→ Meda

Otras medidas caracterı́sticas
X Coeficiente de simetrı́a
X Coeficiente de apuntamiento (curtosis)
X Coeficiente de variación

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Medidas de centralización

Media µ o esperanza matemática, E(x) de la variable 7→ se

obtiene promediando cada valor posible por su probabilidad.

Caso discreto,
P
µ = E(x) = xi p(xi )

Caso continuo,
R∞
µ = E(x) = −∞ xf (x)dx

Esta medida brinda una indicación de la tendencia central en la

variable aleatoria.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Medidas de centralización

Mediana 7→ aquel valor que divide la probabilidad total en dos

partes iguales.

Caso discreto, será el menor valor de la variable que satisface,

F (x) ≥ 0.5

Caso continuo, la mediana será un valor m definido por,

F (m) = 0.5 = P (x < m)

Moda 7→ valor más probable.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Propiedades de la esperanza

1 Si c es cualquier constante, entonces

E(cX) = cE(X)

2 Si X, Y son variables aleatorias, entonces,

E(X + Y ) = E(X) + E(Y )

3 Si X, Y son variables aleatorias independientes, entonces,

E(XY ) = E(X)E(Y )

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Medidas de dispersión

Medidas de dispersión de la probabilidad asociada a los valores que

toma la variable aleatoria, desviación tı́pica y varianza,

Caso discreto,

V ar(x) = σ 2 = E[(X µ)2 )] = (xi − µ)2 p(xi ) =

P
P −
x2i p(xi ) − µ2

Caso continuo,
R∞
V ar(x) = σ 2 = E[(X − µ)2 )] = −∞ (x − µ)2 f (x)dx =
R∞ 2 2
−∞ x f (x)dx − µ

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Medidas de dispersión

Teoremas sobre la varianza.

1 σ 2 = E[(X − µ)2 ] = E(X 2 ) − µ2 = E(X 2 ) − [E(X)]2 , donde
µ = E(X).
2 Si c es una constante,
V ar(cX) = c2 V ar(X)
3 La cantidad E[(X − a)2 ] es mı́nima cuando a = µ = E(X).
4 Si X, Y son variables aleatorias independientes,
V ar(X + Y ) = V ar(X) + V ar(Y )
V ar(X − Y ) = V ar(X) + V ar(Y )

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Medidas de dispersión

Percentil p de una variable aleatoria x es el valor xp que verifica,

p(x < xp ) ≤ p

p(x ≤ xp ) ≥ p

Para variables continuas, las codiciones equivalen a F (xp ) = p.

Por ejemplo, el percentil 10 es el valor bajo el cual se encuentra el
10% de las observaciones (datos ordenados de menor a mayor).

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Medidas de dispersión

Cuartiles 7→ dividen la distribución en cuatro partes iguales.

La mediana coincide con el segundo cuartil y con el percentil 0.5.
Rango intercuartı́lico 7→ diferencia entre el tercer y primer cuartil
(Q3 − Q1 ) y representa la zona central donde se encuentra el 50%
de la probabilidad.
Para distribuciones simétricas Q2 − Q1 = Q3 − Q2 7→ el rango
intercuartı́lico es el doble de la distancia entre la mediana y los
cuartiles.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Medidas de dispersión
Representación gráfica mediante un diagrama de cajas.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Medidas de dispersión

Meda 7→ es la mediana de las distancias en valor absoluto entre la

variable y la mediana,

M eda = mediana(|x − M ed(x)|)

Para distribuciones simétricas,

el 50% de las desviaciones son menores que (Q3 − M ed) =

(M ed − Q1 ) y el 50% mayores.

La meda será la mitad del rango intercuartı́lico.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Variables aleatorias normalizadas

Sea X una variable aleatoria normalizada con media µ y desviación

tı́pica σ (σ > 0), entonces se define una variable aleatoria
normalizada como,
X−µ
X∗ = σ

X ∗ es una cantidad adimensional, con media cero y varianza igual

a 1,

E(X ∗ ) = 0 V ar(X ∗ ) = 1

Las variables normalizadas son útiles para comparar diferentes

distribuciones.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Otras medidas caracterı́sticas

Se define momento de orden k respecto al origen, mk , de una

variable aleatoria continua como,

xk f (x)dx
R
mk =

Se define momento de orden k respecto a la media,

µk = (x − µ)k f (x)dx
R

Los momentos de una variable aleatoria x son los valores esperados

de ciertas funciones de x.
P
La media es el primer momento en torno al origen (µ = xi p(xi ),
R ∞
µ= −∞
xf (x)dx).

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Otras medidas caracterı́sticas

La varianza es el segundo momento alrededor de la media

(segundo momento en torno al origen menos el cuadrado de la
R∞
media, σ 2 = (xi − µ)2 p(xi ), σ 2 = −∞ (x − µ)2 f (x)dx).
P

µ3
Coeficiente de asimetrı́a de Fisher, CA =
σ3
µ3 es el tercer momento en torno a la media y σ es la desviación
tı́pica.
µ4
Coeficiente de apuntamiento (curtosis), CAp = 4
σ
µ4 es el cuarto momento en torno a la media y σ es la desviación
tı́pica.
σ
Coeficiente de variación, CV =
|µ|

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Desigualdad de Tchebychev

Dado µ y σ 7→ se puede calcular la proporción de la distribución

que está situada entre µ ± kσ, siendo k una constante positiva,

1
P (µ − kσ ≤ x ≤ µ + kσ) ≥ 1 − k2

para cualquier valor de k.

Esto indica que, para cualquier variable aleatoria, el intervalo
µ ± 3σ (k = 3) contiene al menos el 89% de la distribución y el
µ ± 4σ (k = 4) el 94%.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Covarianza
Sean X e Y dos variables aleatorias continuas con medias µX y
µY y con función de densidad conjunta f (x, y), se define la
covarianza entre las variables como,

σXY = Cov(X, Y ) = E[(X − µX )(Y − µY )]

R∞ R∞
σXY = −∞ −∞ (x − µX )(y − µY )f (x, y)dxdy

σXY = E(XY ) − E(X)E(Y ) = E(XY ) − µX µY

Si X e Y variables aleatorias independientes,
σXY = Cov(X, Y ) = 0
V ar(X ± Y ) = V ar(X) + V ar(Y ) ± 2Cov(X, Y )
|σXY | ≤ σX σY

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

Correlación
Sean X e Y dos variables aleatorias con covarianza σXY y
desviaciones estándar σX y σY , respectivamente. Se define el
coeficiente de correlación como,
σXY
ρ=
σX σY

−1 ≤ ρ ≤ 1
ρ es una cantidad adimensional
Es una medida de la dependencia de las variables X e Y
Si ρ = 0 decimos que las variables X e Y no estan
relacionadas, y las variables pueden ser independientes o no.
Cuando hay una dependencia lineal exacta entre las variables,
Y ≡ a + bX, entonces ρ = 1 si b > 0 y ρ = −1 si b < 0.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a

Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d

The R-project for Statistical Computing (online) www.r-project.org.

Mendenhall, W., Sincich, T. (1997) Probabilidad y Estadı́stica para
Ingenierı́a y Ciencias. Pearson, México.
Montgomery, D., Runger, G. (2007) Probabilidad y Estadı́stica
Aplicadas a la Ingenierı́a. McGraw-Hill, México.
Velasco, G. (2001) Probabilidad y Estadı́stica para Ingenierı́a y
Ciencias. Thomson, México.
Walpole, R., Myers, R., Myers, S., Ye, K. (2012) Probabilidad y
Estadı́stica para Ingenierı́a y Ciencias. Pearson, México.

Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a