3.

Variables Aleatorias

Vamos ( , F , P ) es un modelo de probabilidad para un

experimento, y X una funcin que asigna cada en
un nico punto el conjunto de nmeros reales.
Puesto que el resultado no es cierto, tambin lo es el
valor as si B es un subconjunto de R , puede
que queramos para determinar la probabilidad de "
". Para determinar esta probabilidad, podemos mirar el
conjunto que contiene todos los
U
mapas en B bajo la funcin x . n

B
1
Fig. 3.1. PILLAI
Obviamente, si el conjunto pertenece tambin al
campo asociado F , entonces es un acontecimiento y la
probabilidad de una bien definida; en ese caso podemos
decir
(3-1)

Sin embargo, puede que no siempre pertenecen a F

para todos B , creando dificultades. El concepto de la
variable aleatoria (r.v) asegura que la correlacin inversa
supone siempre un suceso de manera que podamos
determinar la probabilidad para cualquier
Variable aleatoria (r.v) : un nico valor finito funcin que
asigna el conjunto de todos los resultados experimentales
en el conjunto de los nmeros reales R, se dice que es una
r.v, si el juego es un evento 2 cada x en
para PILLAI
donde B representa intervalos semi-definitiva del
formulario y todos los dems juegos que pueden
ser construidas a partir de estos se establece mediante la
realizacin de las operaciones de conjunto de la Unin, la
interseccin y la negacin de cualquier nmero de veces.
La coleccin Borel B de tales subconjuntos de R es la
menor -campo de subconjuntos de R que incluye todos
los intervalos semi-infinito del formulario anterior. Por lo
tanto, si X es un r.v, entonces
(3-2)

Es un evento para cada x . Qu

eventos son tambin ? De hecho desde entonces
y eventos, es un
acontecimiento y, por ende,
3
es tambin un acontecimiento. PILLAI
Por lo tanto, es un evento para cada n . Por
consiguiente
(3-3)

Tambin es un evento. Todos los eventos tienen bien

definido su probabilidad. Por lo tanto la probabilidad del
evento debe depender de x . Denotan
(3-4)

El papel del subndice en X (3-4) slo es para identificar

la verdadera R.V. Se dice que la funcin de
distribucin de probabilidad (pdf) asociados con el r.v X .

4
PILLAI
Funcin de distribucin : tenga en cuenta que una funcin
de distribucin g ( x ) es nondecreasing, derecho y satisface
continua
(3-
5).
Es decir, si g ( x ) es una funcin de distribucin, entonces
(i)
(ii) si luego (3-6)
Y
(iii) para todos los x .
Tenemos que demostrar que la definida en (3-4)
satisface todas las propiedades (3-6). De hecho, para
cualquier r.v X ,
5
PILLAI
(i) (3-7)
Y
(3-8)
(ii) Si el subconjunto en
consecuencia el caso ya
que implica como consecuencia
(3-9)
Dando a entender que la funcin de distribucin de
probabilidad no es negativa y monotono nondecreasing.
(iii) y permiten considerar el
caso
(3-10)
Desde
(3-11)
6
PILLAI
Utilizando mutuamente exclusiva propiedad de eventos
conseguimos (3-12)

Pero y ah (3-13)

Por lo tanto

Pero el lmite derecho de x , y por lo tanto(3-14)

Es decir, la derecha es continuo, justificando todas las

propiedades de una funcin de distribucin. 7 PILLAI
Propiedades adicionales de un PDF
(iv) Si por algo y luego (3-15)

Esto sigue, ya que implica

es el conjunto nulo, y para cualquier ser
un subconjunto del conjunto nulo.
(v) (3-16)

Y hemos puesto que los dos

eventos son mutuamente excluyentes (16) siguiente.
(vi) (3-17)

Los eventos y son mutuamente

excluyentes y su sindicato representa el evento
8
PILLAI
(vii) (3-18)

Let y de (3-17)
(3-19)

O
(3-20)

Segn (3-14), el lmite a partir de la

derecha siempre existe y es igual pero el valor lmite
izquierdo necesidad no son iguales , por lo
tanto, no necesita ser continuo desde la izquierda. En
un punto de discontinuidad de la distribucin, los lmites
izquierdo y derecho son diferentes, y de (3-20)
(3-21)
9
PILLAI
Slo as las discontinuidades de una funcin de distribucin
son del tipo de salto, y se producen en puntos donde
(3-21) est satisfecho. Estos puntos pueden ser siempre
enumerada como una secuencia, y adems son ms
cuantificables en nmero.
Ejemplo 3.1: X es un r.v tales que
encontrar solucin: Para que
y por lo que (Fig.3.2)

Fig. 3.2

Ejemplo 3.2: lanzar una moneda. Supongamos

que el r.v X es tal que encontrar
10
PILLAI
Solucin: para que

Fig.3.3
X se dice que es un continuo de tipo r.v si su funcin de
distribucin es continua. En ese caso
para todos x , y de (3-21) obtenemos
Si es constante, excepto por un nmero finito de
discontinuidades de salto(pieza-wise constante; paso-tipo)
y, a continuacin, X se dice que es un tipo discreto R.V. Si
es un punto de discontinuidad, entonces de (3-21)
11 (3-22)
PILLAI
A partir de la Fig.3.2, en un punto de discontinuidad
obtenemos

Y a partir de la Fig.3.3,

Ejemplo:3.3 Una feria moneda es lanzada dos veces y deje

que el r.v X representan el nmero de cabezas. Encontrar la
solucin: En este caso,
y

12
PILLAI
A partir de la Fig.3.4,

Fig. 3.4

Funcin de densidad de probabilidad (p.d.f)

La derivada de la funcin de distribucin se llama la
funcin de densidad de probabilidad de la r.v X . Por
lo tanto
(3-23)

Desde (3-24)

13
Desde el tono monocorde-nondecreasing naturaleza de PILLAI
De ello se deduce que para todos x . Ser
una funcin continua, si X es un tipo continuo R.V. Sin
embargo, si X es un tipo discreto r.v como en (3-22),
entonces su p.d.f tiene la forma general (Fig. 3.5)
(3-25)
Fig. 3.5
Donde representan los puntos de discontinuidad de
salto en Fig. 3.5 muestra representa una
coleccin de masas, discreto positivo y es conocida como
la funcin de masa de probabilidad (p.m.f ) en el caso
discreto. A partir de (3-23), tambin podemos obtener
mediante integracin
(3-26)

Dado que los rendimientos (3-26) (3-27)

14
PILLAI
Lo que justifica su nombre como la funcin de densidad.
Adems, a partir de (3-26), tambin recibimos (Fig. 3,6 mil
millones)
(3-28)

As, el rea debajo del intervalo representa la

probabilidad de (3-28).

(a) (b)
Fig. 3.6

A menudo, r.vs son referidos por sus funciones de densidad

especfica, tanto en continuo como en discreto casos -y en
15 en cada
lo que sigue vamos a enumerar una serie de ellas PILLAI
Las variables aleatorias de tipo continuo
1. Normal (Gausiana): X se dice que es normal o gaussiana
r.v, si
(3-29)

Esta es una curva en forma de campana, simtrico

alrededor del parmetro y su funcin de distribucin es
dada por (3-30)

Donde a menudo se tabularon. Desde

depende de dos parmetros y la notacin
ser utilizado para representar (3-29).

Fig. 3.7 16
PILLAI
2. Uniforme: si (Fig. 3.8)
(3,31)

3. Si : exponencial (Fig. 3.9)

(3-32)

Fig. 3.8 Fig. 3.9

17
PILLAI
4. Gamma: si (Fig. 3.10)

(3-33)
Fig. 3.10
Si un entero
5. Beta: si (Fig. 3.11)
Fig. 3.11

(3-34)

Cuando la funcin se define como beta

(3-35)

18
PILLAI
6. Chi-quadrado: si (Fig. 3.12)

(3-36)
Fig. 3.12

Tenga en cuenta que es la misma que la gamma

7. Si Rayleigh: (Fig. 3.13)

(3-37)
Fig. 3.13

8. Nakagami - m distribucin:

(3-38)
19
PILLAI
. Cauchy: si (Fig. 3.14)
(3-39)
Fig. 3.14

0. Laplace: (Fig. 3.15)

(3-40)
1. -la distribucin t de Student con n grados de libertad (Fig. 3.16

(3-41)

Fig. 3.15. Fig. 3.16 20

PILLAI
12. La distribucin F de Fisher

(3-42)

21
PILLAI
Las variables aleatorias de tipo discreto
1. Bernoulli: X toma los valores (0,1), y
(3-43)

2. Binomio si (Fig. 3.17)

(3-44)

3. Poisson: si (Fig. 3.18)

(3-45)

Fig. 3.17 Fig. 3.18 22

PILLAI
4. Hipergeomtricas:

(3-46)

5. Si geomtrico:
(3-47)

6. Binomial negativa: ~ si
(3-48)

7. Discrete-Uniform:
(3-49)

Concluimos esta charla con una distribucin general debido

23
PILLAI
Polya que incluye tanto como hipergeomtrica y binomial
s especiales.

ibucin de Polya: Una caja contiene bolas blancas y b negro

olas. Se extrae una bola al azar, y es reemplazado junto con
as del mismo color. Si X representa el nmero de blanco
olas sorteadas en n Tales sorteos, encontrar el
n de masa de probabilidad de x .
cin: Considere la secuencia especfica de dibuja donde k
blancas se dibuja por primera vez, seguido por el n - k negro bol
abilidad de dibujar k sucesivas bolas blancas es dada por
(3-50)

24
PILLAI
ido de n - k es dada por las bolas negras

(3-51)

osamente, p k en (3-51) tambin representa la probabilidad de

jo k bolas blancas y n - k ) ( bolas negras en cualquier otro
n especfico ( es decir , el mismo conjunto de numerador y
rminos del denominador (3-51) contribuir a todas las otras secue
pero hay claras mutuamente exclusivos
encias y sumando a lo largo de todos ellos, obtendremos el Polya
ibucin (probabilidad de obtener k bolas blancas en n dibuja)
ser
25(3-52)
PILLAI
Tanto la distribucin binomial hipergeomtrica, as como la
Son casos especiales de distribucin (3-52).

Por ejemplo, si dibuja se realizan con reemplazo, entonces c = 0

Y (3-52) se reduce a la distribucin binomial
(3-53)
Donde

De igual manera, si la llama se realizan sin sustitucin,

A continuacin, c = -1 (3-52), y da

26
PILLAI
 (3-54)
representa la distribucin hipergeomtrica. Finalmente
+1 da (sustituciones se duplicaron)

(3-55)

referiremos a (3-55) como Polya's +1 la distribucin general.

ibucin de Polya (3-52) ha sido utilizada para estudiar la propaga
emia de enfermedades contagiosas (modelacin). 27
PILLAI