Académique Documents
Professionnel Documents
Culture Documents
http://www1.up.edu.pe/portada/webcast/
Dominio de X Rango de X
OBSERVACIONES
• Si el Rango de X es un conjunto contable (finito
o numerable), se dice que la variable aleatoria es
discreta.
• Si el Rango de X es continuo, se dice que la
variable aleatoria X es continua, entonces x el
valor de la variable aleatoria X, puede tomar
cualquier valor de cierto intervalo o colección de
intervalos sobre la recta real.
Clasificación de las variables aleatorias
8
X(1,1) = 2; NOTACION:
X(1,2) = X(2,1) = 3;
X(1,3) = X(3,1) = X(2,2) = 4;
X indica la función variable
………………………………..…… aleatoria,
X(5,6) = X(6,5) = 11; x representa el valor específico
X(6,6) = 12
que toma la variable aleatoria al
ser evaluada en Ω
13
Función de Cuantía
Sea x el valor de una variable aleatoria X discreta. Una
función real valorada “ f ” definida en el rango de la
v.a. X, será una función de cuantía o una función de
probabilidad, si satisface las siguientes condiciones:
(i) f ( x) 0 x
(Suma sobre todos los posibles valores
(ii) f ( x) 1 que puede tomar la variable aleatoria).
x
Luego Rx ={ 0, 1, 2, 3}
6-5
EJEMPLO 1 continuación
Ley de
correspondencia
Nº reales
(# de caras) 0 1 2 3 caras
Establecer una variable aleatoria
X :E
para un experimento aleatorio no
es más que una manera de asignar
de "manera natural" números a los
eventos. w X ( w) 16
6-6
Distribuciones probabilísticas
• Presentación tabular para el EJEMPLO 1,
Nº caras Probabilidad
x f(x)
0 1/8 = 0.125
1 3/8 = 0.375
2 3/8 = 0.375
3 1/8 = 0.1125
Total 8/8
MAHS
Distribuciones probabilísticas
Gráfico de la función de cuantía f(x)
0.3
0.25
0.2
0.05
0 1 2 3
Número de caras
MAHS
Distribuciones probabilísticas
Gráfico de la función de cuantía f(x)
0.4
0.375 0.375
P (X=2) = f(2)
0.35
0.3
0.25
0.2
0.15
0.125 0.125
0.1
0.05
0 1 2 3
Número de caras
6-7
6/36
P
5/36 5/36
4/36 4/36
3/36 3/36
2/36 2/36
1/36 1/36
2 3 4 5 6 7 8 9 10 11 12 X
Observa que cumple las dos condiciones: es siempre positiva y está normalizada.
23
Función de distribución
Dada una variable aleatoria discreta X se llama
función de distribución a la función F definida
como:
F : [0,1]
x F ( x) P( X x)
F
1,0
0,5
0,028
2 3 4 5 6 7 8 9 10 11 12 x
25
Ejemplo: Dibuja la función de probabilidad f(x) y la función de
distribución F(x) de una variable discreta definida como:
X = Número en la cara de un dado.
X tiene como posibles valores x = 1, 2, 3, 4, 5, 6 cada
uno con probabilidad 1/6
1 1
6
F(x)
f(x)
0.5
0 1 6 x 0 1 6 x
P( x1 X x2 ) F ( x2 ) F ( x1 )
F es monótona creciente.
Variable aleatoria
• La media:
▫ indica la ubicación central de los datos.
▫ es el promedio, a la larga, del valor de la variable
aleatoria.
▫ también se conoce como el valor esperado, E(x),
en una distribución de probabilidad.
▫ es un promedio ponderado.
31
Esperanza matemática o media
de una distribución discreta
E X xi P( X xi ) xi f ( xi )
i i
x f(x) x f(x)
-1 .1 -.1
0 .2 .0
1 .4 .4
2 .2 .4
3 .1 .3
1.0
32
12
E ( X ) f ( xi ) x
i 2
1 2 6 1
2 3 ... 7 ... 12 7
36 36 36 36
Propiedades de la función esperanza
• 1) E(a) = a con a ∈ R
• dem:
• E( a) = ∑ a * f( x ) = a ∑ f ( x ) = a , recordando que ∑ f( x ) = 1
k k
E [ g i ( x )] E [ g ( x)]i
i 1 i 1
34
Var ( X ) M 2 E ( X )
2 2
(x )
i
i
2
P( X xi )
X ( X ) ( X ) P( X )
2 2
X P(X)
-1 .1 -2 4 .4
0 .2 -1 1 .2
1 .4 0 0 .0
2 .2 1 1 .2
3 .1 2 4 .4
1.2
2 ( xi ) 2 P( xi ) 1,2
i
Var( X ) 1.10
36
1 2 1
(2 7) (3 7) ... (12 7) 2 5,83
2 2
36 36 36
Var ( X ) ( xi ) f ( xi )
2 2
(x
i
i
2
2 xi ) f ( xi )
2
x
i
i
2
f ( xi ) f ( xi ) 2 xi f ( xi )
2
E ( X ) 2 E ( X ) ( E ( X ))
2 2 2 2 2
E ( X ) ( E ( X ))
2 2 2
6-14
EJEMPLO 2
• Dan Desch, # de casas Semanas
propietario de College pintadas
Painters, estudió sus 10 5
registros de las 11 6
últimas 20 semanas y
obtuvo los siguientes 12 7
números de casas 13 2
pintadas por semana:
determine su función
de probabilidad y
grafíquela.
6-15
EJEMPLO 2 continuación
• Distribución probabilística:
Número de casas Probabilidad, f(x)
pintadas, X
10 .25
11 .30
12 .35
13 .10
Total 1
6-16
EJEMPLO 2 continuación
EJEMPLO 2 continuación
2 [( x ) 2 f ( x )]
.4225 .0270 .1715 .2890
.91
Propiedades de la varianza
• 1) V(a)=0 con a ∈ R
• dem:
• V( a ) = E [a − E( a )]2 = E( a − a )2 = E(0 ) = 0
• utilizando prop 1 de esperanza
• 2) V(aX) = a2 V(X)
• 3) V(aX+b) = a2 V(X)
EJEMPLO 3
Consideremos el lanzamiento de una moneda tres veces y definimos:
X(w) = Nc – Ns.
Hallar la distribución de probabilidad en forma tabular y gráfica.
Solución:
El Espacio Muestral es:
Ω = [ ccc, ccs, csc, scc ,css, scs, ssc, sss]
X -3 -1 1 3
1/8
-3 -1 0 1 3
Variable aleatoria