REPBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITCNICA DE LA FUERZA ARMADA

EXTENSION LA FLORESTA ASIGNATURA: PROB. Y ESTADISTICA

PROFESORA: MARIA MEDINA INTEGRANTES:

DUQUE ANGELICA C.I 18.461.904 YESSIKA CARRERO C.I 20.095.914

SECCION 04 CARACAS, OCTUBRE DE 2009

INTRODUCCION En el presente trabajo se hablara sobre las variables aleatorias, que no es ms que los posibles valores que pueden tomar en un experimento determinado, y existen dos tipo de variables aleatorias que son las continuas y las discontinuas o mejor conocidas como discretas. Las variables aleatorias continuas y discretas se diferencian en que las continuas toman valores infinitos y las discretas sus valoren estn definidos, es decir, tienen un numero finito de valores. Debido a esa diferencia sus ecuaciones, funciones, esperanza matemtica, varianza y desviacin estndar son distintos en ambas variables aleatorias. La esperanza matemtica en las variables aleatorias es un valor esperado, es decir, el valor que ms se espera del experimento realizado y su varianza es la variacin de la variable aleatoria alrededor de la esperanza matemtica. Tambin se hablara de le momento y la funcin generatriz de momentos de un variable aleatoria.

VARIABLE ALEATORIA Dado un experimento aleatorio cualquiera cuyos sucesos elementales posibles pueden identificarse fcilmente mediante un nmero real, se denomina Variable Aleatoria, X, al conjunto de estos nmeros. Tambin se le llama variable de azar o variable estocstica, y significa cantidad que puede tomar varios valores imprevistos. EJM: Consideremos el experimento que consiste en lanzar tres monedas al aire. Llamaremos C a Cara y X a Cruz, el espacio muestral ser: CCC CCX CXC XCC CXX XCX XXC XXX Definimos la variable aleatoria (v.a.) X como el nmero de caras, estamos asociando a cada suceso un nmero, as: X (CCC)=3 X (CCX)=2 X (XXC)=1 X (XXX)=0 VARIABLE ALEATORIA DISCONTINUA O DISCRETA. Se dice que una Variable aleatoria Discreta o Discontinua X, tiene un conjunto definido de valores posibles x1,x2,x3,..xn con probabilidades respectivas p1,p2,p3,..pn., Es decir que slo puede tomar ciertos valores dentro de un campo de variacin dado. Como X ha de tomar uno de los valores de este conjunto, entonces p1 + p2 ++ pn=1. En general, una variable aleatoria discreta X representa los resultados de un espacio muestral en forma tal que por P(X = x)se entender la probabilidad de que X tome el valor de x. De esta forma, al considerar los valores de una variable aleatoria es posible desarrollar una

funcin matemtica que asigne una probabilidad a cada realizacin x de la variable aleatoria X. Esta funcin recibe el nombre de funcin de la probabilidad.
Funcin de Probabilidad f(x)

Consideremos una v.a. discreta X, que toma los valores x1, x2,..., xn. Supongamos que conocemos la probabilidad de que la variable X tome dichos valores, es decir, se conoce que p(X=x1) = p1 , p(X=x2) = p2, p(X=x3) = p3, ..., p(X=x1) = pn , en general p(X=xi) = pi La funcin de probabilidad f(x) de la v.a. X es la funcin que asigna a cada valor xi de la variable su correspondiente probabilidad pi.

La representacin grfica ms usual de la funcin de probabilidad es un diagrama de barras no acumulativo.

VARIABLE ALEATORIA CONTINUA.Si X es una Variable aleatoria continua, puede tomar cualquier valor de un intervalo continuo o dentro de un campo de variacin dado. Las probabilidades de que ocurra un valor dado x estn dadas por una funcin de densidad de probabilidad de que X quede entre a y b. El rea total bajo la curva es 1. Funcin de densidad Segn la definicin, una v.a. continua puede tomar un nmero infinito no numerable de puntos, la probabilidad que hemos de asignarle a cada valor de la variable estar en [0,1] con la condicin de que la suma de todas las probabilidades es 1, como hay un nmero infinito no numerable de valores con masa, sta es desplecible por lo que se dice que no tienen masa. P[X = x] = 0. Definimos

una funcin que verifica:

A esta funcin asociada a una v.a. continua se le llama funcin de densidad. DISTRIBUCIN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS Sea X una v.a. discreta que toma un nmero finito de valores, r en total, x1, x2, ..., xi, ..., xr. La probabilidad de que la v.a. X tome un valor particular xi se representar por: . Definicin La distribucin de probabilidad o funcin de probabilidad de una variable aleatoria X, P(x), es una funcin que asigna las probabilidades con que la v.a. toma los posibles valores, de forma que las probabilidades verifiquen:

Si X es una v.a. discreta, para determinar la siendo , tan slo hay que sumar las probabilidades correspondientes a valores de X comprendidos entre a y b, es decir: Definicin Sea una v.a. X de tipo discreto que toma un n finito o infinito numerable de valores x1, x2, ..., xr y cuya distribucin de probabilidad es P(x). Se define la funcin de distribucin acumulativa de la v.a. X, F(x), como la probabilidad de que la v.a. X tome valores menores o iguales que x, es decir: Representando la suma de las probabilidades puntuales hasta el valor x inclusive de la v.a. X. La funcin de distribucin de una v.a. discreta es una funcin que verifica: Se puede decir por tanto que una v.a. X discreta, est caracterizada por su funcin de probabilidad o distribucin de probabilidad P(x) y tambin por su funcin de distribucin F(x). DISTRIBUCIN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS La v.a. de tipo continuo se tratar de forma diferente a como se ha visto en el caso de v.a. discreta, ya que en el caso continuo no es posible asignar una probabilidad a cada uno de los infinitos posibles valores de la v.a. y que estas probabilidades sumen uno (como en el caso discreto), teniendo por tanto que utilizar una aproximacin diferente para llegar a obtener la distribucin de probabilidad de una v.a. continua. Definicin Sea X una v.a. continua. Si existe una funcin f(x) tal que verifica: Diremos que f(x) es la funcin de densidad de la v.a. continua X. En el caso continuo la suma de las densidad o el rea bajo la curva f(x) debe ser igual a la unidad, y como consecuencia la probabilidad de que la v.a. continua X tome valores en el intervalo [a,b] ser igual al rea bajo la curva f(x) acotada entre a y b, es decir: Si la v.a. X es discreta, existen las probabilidades puntuales P(X=xi). En el caso continuo, si xi es un punto interior al intervalo de definicin de la v.a. contina X, entonces Definicin Sea X una v.a. de tipo continuo que toma un nmero infinito de valores sobre la recta real y con funcin de densidad f(x). Se define la funcin de distribucin acumulativa de la

v.a. X, F(x), como la probabilidad de que la v.a. continua X tome valores menores o iguales a x, es decir: y representa el rea limitada por la curva f(x), a la izquierda de la recta X=x. Consideramos una masa unidad distribuida sobre el intervalo ( ), y la funcin de distribucin F(x) para cada valor x de la v.a. nos da la cantidad de masa que hay en el intervalo, es decir, la masa que hay en el punto x y a la izquierda de x, aunque nos dar igual considerar el intervalo ( ), de forma que: La funcin de distribucin de una v.a. continua es una funcin que verifica: Como la representa grficamente el rea encerrada bajo la curva f(x) y los valores a y b del eje de abscisas, entonces a la probabilidad se le puede dar la misma interpretacin. ESPERANZA O MEDIA (V.A. DISCRETA) Consideremos una v.a discreta X que toma los valores x1,x2,...,xi,...,xn con probabilidades p1,p2,...,pi,...,pn. Llamaremos media o esperanza de X a

Propiedades:
1. Dada una variable aleatoria que toma siempre el mismo valor C, es decir, la

variable

es

constante.

Su

esperanza

es

esa

misma

constante.

2. Si se multiplica una variable aleatoria por una constante, su esperanza se ve multiplicada por esa constante.

3. 4.

, vemoslo:

5. Sean X e Y dos variables aleatorias, E[X+Y]=E[X]+E[Y] 6. En general, E[aX+b]=aE[X]+b

ESPERANZA O MEDIA (V.A. CONTINUA) Consideremos una v.a continua X. Llamaremos media o esperanza de X a

Donde x son los valores que toma la variable y f(x) es la funcin de densidad Propiedades:
1. Dada una variable aleatoria continua que toma siempre el mismo valor C, es decir, la

variable

es

constante.

Su

esperanza ya que

es

esa

misma

constante.

2. Si se multiplica una variable aleatoria por una constante, su esperanza se ve

multiplicada por esa constante.

3.

, vemoslo:

4. Sean X e Y dos variables aleatorias, E[X+Y]=E[X]+E[Y] 5. En general, E[aX+b]=aE[X]+b VARIANZA La varianza de una variable aleatoria es la esperanza del cuadrado de la desviacin de dicha variable respecto a su media. Se trata de una medida de la dispersin de dicha variable aleatoria. Est medida en unidades distintas de las de la variable. Por ejemplo, si la variable mide una distancia en metros, la varianza se expresa en metros al cuadrado. La desviacin

estndar, la raz cuadrada de la varianza, est sin embargo expresada en las mismas unidades. Tanto la varianza como la desviacin estndar miden la variabilidad de la variable aleatoria.

Caso continuo
Si la variable aleatoria X es continua con funcin de densidad p(x), entonces

Donde

= LA ESPERANZA O MEDIA

Y las integrales estn definidas sobre el rango de X.

Caso discreto
Si la variable aleatoria X es discreta con pesos x1 p1, ..., xn pn, entonces

Donde

MOMENTOS El momento de r de una variable aleatoria X alrededor de la media , tambin conocido como el momento central r, se define como r = E (X- )r] Donde r = 1,2,. Se deduce que 0 = 1, 1 = 0 y 2 = 02, es decir el segundo momento alrededor de la media es la varianza. Tenemos

r =
(23)

(xj - )r f(xj) = (x - )r f(x) (variables discretas)

r =
(24)

(x - )r f(x) dx (variables continuas)

El momento r de X alrededor del origen se define como

r = E (X) Donde r = 0, 1,2, y en este caso hay formulas anlogas a (23) y (24) en las cuales = 0. La relacin entre estos momentos se expresa por r = r (r1) r - 1 ++ (-1)j (rj) r - jj + + (-1)r 0 r. Como casos especiales tenemos, utilizando 1 = y 0 = 1, 2 = 2 - 2 3= 3 - 3 2 + 2 3 4= 4 - 4 3 + 6 2 2 3 4 FUNCION GENERATRIZ DE MOMENTO La funcin generatriz de momento se define como Mx(t) = E(etx) Es decir

Mx (t) =

etxj f(xj) = etxf(x) (variables discretas)

Mx(t) =

etxf(x) dx (variables continuas)

Podemos demostrar que la expansion en seri tylor es

Mx (t) = 1 + t + 2 t2/2! + + r tr/r! + Puesto que los coeficientes en esta expansin nos permiten hallar los momentos, la justificacin del nombre funcin generatriz de momentos es lgica.

ALGUNOS TEOREMAS SOBRE LA FUNCION GENERATRIZ Teorema 3-8: si Mx (t) es la funcin generatriz de momentos de la variable aleatoria X y a y b (b 0) son constantes, entonces la funcin generatriz de momentos de (X + a) / b es M(X + a) / b (t) = eat/b Mx (t/b) Teorema 3-9: si X, Y son variables aleatorias con funciones generatrices de momentos Mx (t) y My (t) respectivamente entonces Mx+y (t) = Mx (t) My (t) Generalizaciones del teorema 3-9 a ms de dos variables aleatorias independientes se hacen fcilmente. En palabras, la funcin generatriz de la suma de variables aleatorias independientes es igual al producto de sus funciones generatrices de momentos. Teorema 3-10 (teorema de la unicidad): supngase que X, Y son variables aleatorias con funciones generatrices de momentos Mx (t) y My (t) respectivamente. Entonces X, Y tienen la misma distribucin de probabilidad solo si Mx (t) = My (t) idnticamente.

CONCLUSION

Las variables aleatorias son usadas con mucha frecuencia en todo los mbitos de la vida cotidiana ya que esos valores que pueden tomar las variables sirven para tomar decisiones de lo que sera ms beneficioso o menos. La que ms se utiliza es la variable aleatoria discreta ya que en casi todos los experimentos las variables son finitas debido. Las variables aleatorias discretas son representadas con una funcin de probabilidad, en cambio las continuas se representan con una funcin de densidad. Sus distribuciones se relacionan directamente con sus funciones de probabilidad y densidad respectivamente. La esperanza matemtica con respecto a la variable aleatoria continua es la integral del producto de las variables que puede tomar por la funcin de densidad, y sus limitantes van desde menos infinito hasta infinito positivo, sin embargo en la variable aleatoria discreta es muy distinta ya que para conocer la esperanza solo se necesita sumar todas la variables posibles multiplicada por su funcin de probabilidad. Pasa lo mismo con la varianza debido a que en las variables aleatorias discretas se suma todos los posibles valores restado por la esperanza elevado al cuadrado y multiplicado por su funcin de probabilidad y en las variables aleatorias continuas es la misma ecuacin anterior pero en este caso se integra y sus limitantes vendrn definidas pro los valores de X que en este caso serian los infinitos positivos o negativos. Los momentos son conseguidos mediante la derivada de sus funciones que los caracterizan es como la inversa y son caracterizan las funciones de probabilidad. La funcin generatriz de momentos es la funcin que se relaciona con la funcin caracterstica, si bien esta funcin es ms sencilla, no siempre existe, dado que la esperanza matemtica que la define puede no existir, dependiendo de la distribucin de la variable aleatoria y del valor de la constante.