VARIABLES ALEATORIAS DISCRETAS Y SUS DISTRIBUCIONES DE PROBABILIDAD Una variable estadstica es una caracterstica (cualitativa o cuantitativa) que se mide

u observa en una poblacin. Si la poblacin es aleatoria y la caracterstica es cuantitativa la variable estadstica es denominada variable aleatoria. Variable Aleatoria.- Es un variable estadstica cuantitativa definida en un espacio muestral. () Una variable aleatoria X es una funcin definida en un () tal que a cada elemento w se le

asocie el numero real x = X(w).

El dominio de la variable aleatoria X es el y el rango es un subconjunto de los nmeros

reales que denotaremos por Rx, siendo: Rx = {x R / x = X(w), w }

Ejemplo: Sea que se obtiene al lanzar al aire una moneda 3 veces consecutivas como,

={SSS, SSC, SCS, CSS, SCC, CSC,CCS, CCC} Si X se define en un como el nmero de caras obtenidas, entonces, X es una variables aleatoria cuyo rango es el conjunto: Rx = {0, 1, 2, 3} tal que k = 0, 1, 2, 3.
X = 0, corresponde al evento elemental SSS X = 1, corresponde al evento elemental SSS, SCS, CSS X = 2, corresponde al evento elemental SCC, CSC,CCS X = 3, corresponde al evento elemental CCC

VARIABLES ALEATORIAS DISCRETAS Es aquella cuyo rango es un conjunto finito o infinito numerable de valores como el ejemplo anterior. Si la variable aleatoria X es discreta, su rango se expresar generalmente de la siguiente manera:

Rx = {x1, x2, xn }
En general las variables aleatorias discretas representan datos que provienen del conteo del nmero de elementos, mientras que, las variable aleatorias continuas representan mediciones, como, tiempo, peso, longitud, etc. DISTRIBUCIN DE PROBABILIDAD PARA UNA VARIABLE ALEATORIA DISCRETA PROBABILIDAD EN EL RANGO Rx

Una variable aleatoria discreta asume cada uno de sus valores con cierta probabilidad que denotaremos por Px (probabilidad inducida por X). En efecto, si el rango de la variable aleatoria x es el conjunto finito de nmeros Rx = {1, 2, xn} y si B = {xi} es un evento en Rx, entonces. Px ({xi}) = P({w / X(w) = xi}). o Px ({xi}) = P(A), donde, A = {w / X(w) = B} con frecuencia, se utiliza la expresin P(X = xi ) para denotar la probabilidad Px ({xi}), como P(X = x ) = P({w / X(w) = xi}). FUNCION DE PROBABILIDAD Sea X una variable aleatoria discreta. Se denomina funcin (distribucin o modelo o ley) de probabilidad de X a la funcin f(x) definida por f(x) = P(X = x) para todo x nmero real y que satisface las siguientes condiciones: 1. f(x) 0 para todo x R, y 2. f(xi) = 1 La condicin 2 1. Es: f(xi) = 1, si Rx = {x1, x2, xn } es finito. 2. Es: f(xi) = 1, si Rx = {x1, x2, xn } es infinito.

NOTA: 1. Si A c Rx, entonces, la probabilidad de A es el nmero: P(A) = P(X = xi) =f(xi) La funcin de probabilidad de una variable aleatoria X se puede expresar: por una ecuacin: f(x) = P(X = x) = expresin de x, o por el conjunto de pares {(xi, pi) / pi = f(x), x Rx} o por una tabla, como:

Ejemplo: Sea X la variable aleatoria definida como el nmero de caras que ocurren al lanzar una moneda 4 veces. a) Determinar la distribucin de probabilidad de X. graficarla b) Calcular la probabilidad P*0<X2+ c) Determinar la distribucin de probabilidades de X si la moneda se lanza n veces (n2). Solucin a) El rango de la variable aleatoria X, es el conjunto Rx = {0, 1, 2, 3, 4}. Suponiendo que los 16 sucesos elementales del son equiprobables, la funcin de probabilidad, es descrita por: f(0) = P(X = 0) = P(SSSS) = 1/16 f(1) = P(X = 1) = P(SSSC o SSCS o SCSS o CSSS ) = 4/16 f(2) = P(X = 2) = P(SSCC o SCSC o SCCS o CSSC o CSCS o CSSS) = 6/16 f(3) = P(X = 3) = P(SCCC o CCSC o CSCC o CCCS) = 4/16 f(4) = P(X = 4) = P(CCCC) = 1/16 Observe que si k Rx entonces, X = k, si y solo si, en las 4 tiradas de la moneda aparecen k caras y 4 k sellos. Esto ocurre de formas. Cada una de esas formas tiene probabilidad: (1/2)k (1/2)4-k = (1/2)4 = 1/16

Siendo k = 0, 1, 2, 3, 4. Luego la funcin de probabilidad del numero de caras se puede describir como la tabla o como la ecuacin: F(k) = , k = 0, 1, 2, 3, 4.

x 0 1 2 3 4

f(x) 1/16 4/16 6/16 4/16 1/16

b) Si P*0 < X 2+ = c) F(x = (1/2)x (1/2)n-x =

= f (1) + f(2) = , x = 0, 1, 2, ., n

FUNCION DE DISTRIBUCIN ACUMULADA DE LA VARIABLE ALEATORIA DISCRETA La funcin de distribucin acumulada de probabilidad o simplemente funcin de distribucin, F(x), de la variable aleatoria discreta X, cuya funcin de probabilidad es f(x), se define por: F(x) = P(X x) = Ejemplo Sea X la variable aleatoria definida como el nmero de caras que resultan al lanzar una moneda 4 veces. a) Hallar la distribucin de probabilidad de F(x) de la variable aleatoria X. graficarla b) Usando F(x), calcular P*0<X2+ Solucin a) La funcin de probabilidad f(x) de la variable aleatoria X esta descrita en el ejemplo anterior por: = , para - < x < .

f(0) =1/16, f(1) = 4/16, f(2) = 6/16, f(3) = 4/16, f(4) = 1/16 Entonces, F(0) = f(0) =1/16 F(1) = f(0) + f(1) = 1/16 + 4/16 = 5/16 F(2) = f(0) + f(1) + f(2) = 1/16 + 4/16 + 6/16 = 11/16 F(3) = f(0) + f(1) + f(2) + f(3) = 1/16 + 4/16 + 6/16 + 4/16 = 15/16 F(4) = f(0) + f(1) + f(2) + f(3) + f(4) = 1/16 + 4/16 + 6/16 + 4/16 + 1/16 = 1 Por lo tanto,

Y la grafica es

Observen que F(x) da SALTOS en los valores de x = 0, 1, 2, 3, 4. Por ejemplo F(2) = 11/16 = F(2.99), F(3) = 15/16 = F(3.99), etc. b) Si P[0 < X 2] = P[X 2] - P[ X < 0] = F(2) - F(0) =

NOTA: En general si X tiene rango finito Rx = {x1, x2, xn }, y la funcin de probabilidad f(xi ), entonces la funcin de distribucin acumulada de X es:

VALOR ESPERADO DE UNA VARIABLE ALEATORIA O UNA FUNCIN DE UNA VARIABLE ALEATORIA LA MEDIA DE UNA VARIABLE ALEATORIA La media deuna v. a. X o media de la distribucion de probabilidad X es un numero real que se denotan ux o por u. la media es denominada tambin como esperanza matematica o valor esperado de X, y se denota tambin por E(X). Definicion 1. La media de una v. a. discreta X con funcion de probabilidad f(x) es la expresin:

Si el rango de X es el conjunto finito Rx = {x1, x2, xn }, entonces:

Si el rango de X es el conjunto infinito numerable Rx = {x1, x2, xn.. }, entonces:

En este caso, si la suma indicada no es igual a un nmero real, se dice que la esperanza de X no existe. Ejemplo Calcular la media de la distribucin de probabilidad de la v. a. X que se define como el numero de caras cuando se lanza 4 monedas. Solucin La distribucin de probabilidad de x se da en la siguiente tabla
x 0 1 2 3 4 f(x) 1/16 4/16 6/16 4/16 1/16

La media de X es el nmero = 0(1/16) + 1(4/16) + 2(6/16) + 3(4/16) + 4(1/16) = 2

Esto dignifica que si una persona lanza 4 monedas, muchas veces, en promedio obtendr 2 caras por lanzamiento. Interpretacin de la esperanza: Para el ejemplo anterior, supongamos que repetimos n veces el lanzamiento de las 4 monedas y que se obtiene las frecuencias absolutas n0, n1, n2, n3 y n4 de las veces que ocurren; 0, 1, 2, 3 y 4 caras respectivamente. Lo que resulta es una distribucin de frecuencias cuyo promedio de caras por lanzamiento es igual a: =

= 0*

+1

+2

+3

+4

En el calculo de E(X) se usan probabilidades o proporciones tericas, mientras que en el calculo de se usan frecuencias relativas o proporciones empricas obtenidas a partir de un muestra de tamaos n. a medida que n vaya creciendo es de esperar que las frecuencias relativas empricas , , , y , se vayan aproximando a las correspondientes (1/16), (4/16), (6/16), (4/16), y 4(1/16). Por lo tanto, es de esperar que se vaya aproximando a E(X) a medida que n crece indefinidamente. Entonces, E(X) es la

media que se obtiene a LARGO PLAZO, en otras palabras es la media que se espera obtener. NOTA LA MEDIANA. De una v. a. X es el nmero Me tal que: F(Me) = P*X Me+ = 0.5 o Por ejemplo, acumulando las probabilidades del ejemplo anterior, resulta, F(x) = 5/16, para 1 x < 2, y F(x) = 11/16, para 2 x < 3. Luego si x = 2 puede ocurrir cualquier valor entre 5/16 y 11/16. En particular F(2)= 0.5. por lo tanto, la median es igual a 2. LA MODA. De una v. a. X es el valor de la variable con mayor probabilidad para el caso discreto. Es decir, la moda es igual a 2. LA MEDIA DE UNA FUNCIN DE UNA VARIABLE ALEATORIA Sea X una v. a. discreta con rango Rx y funcin de probabilidad f(x) = P[X = x]. entonces, la funcin Y = H(X), es una variable aleatoria con rango Ry = {y / H(y = y)}, y con funcin de probabilidad g(y) dada por:

Por ejemplo, si X es una variable aleatoria cuya distribucin de probabilidad esta dad por la tabla siguiente y si Y = H(X) = 2X 3, entonces:
x f(x) 0 1/8 1 3/8 2 3/8 3 1/8

Adems Y es una variable aleatoria, cuya distribucin de probabilidades esta dad por la siguiente tabla, donde g(y) = P[Y = H(X)] = P[X = x] = f(x)
H(x) = 2x - 3 g(x) = f(x) -3 1/8 -1 3/8 1 3/8 3 1/8

El valor esperado de H(x) es

DEFINICION. Si X es una variable aleatoria con distribucin de probabilidad f(x), la media o valor esperado de la v. a. H(X) esta dada por la expresin.

Ejemplo Suponga que un juego consiste en lanzar un dado y que si se obtiene al menos 5 puntos se gana S/. 2, en caso contrario se pierde el nmero obtenido en soles: a) Defina la funcin utilidad en el juego b) Calcular la utilidad esperada en el juego Solucin Sea X la variable aleatoria definida como el puntaje obtenido al lanzar el dado, entonces X toma los valores 1,2,3,4,5,6. La distribucin de probabilidad de X esta dada por la siguiente tabla,
k f(k) 1 1/6 2 1/6 3 1/6 4 1/6 5 1/6 6 1/6

a) La funcin de utilidad del juego , esta definida por:

b)la esperanza de la funcin de utilidad es igual a:

en consecuencia, si el juego se repite indefinidamente, puede esperarse que el jugador pierda en promedio S/. 1

VARIANZA DE UNA VARIABLE ALEATORIA La varianza de una v. a. X se denota por cualquiera de las formas: , , Var (X), V(X).

DEFINICIN. Sea una variable aleatoria con distribucin de probabilidad f(x) y con media igual a u. la varianza de X es la expresin:

DEFINICION. L desviacin estndar de la v. a. X es la raz positiva de su varianza. Esto es, . Ejemplo Calcular la varianza y la desviacin estndar de la distribucin de probabilidad de la variable aleatoria X que se define como el numero de caras al lanzar 4 monedas. Solucin La distribucin de probabilidad de X es la siguiente tabla:
x f(x) 0 1/16 1 4/16 2 6/16 3 4/16 4 1/16

En el ejemplo anterior se ha calculado la E(X) = 2. Adems,

PROPIEDADES DE LA MEDIA Y VARIANZA

BERNOULLI DISTRIBUTION Una variable aleatoria bernoulli toma solo dos valores: 0 y 1, con probabilidades 1-p y p, respectivamente. Su funcin de frecuencia is entonces: p(1) = p p(0) = 1 - p p(x) = 0, si x 0 y x 1 una alternativa y a veces para la representacin de estas funciones es:

Si A es un evento, entonces el INDICADOR DE LA VARIABLE ALEATORIA, IA toma el valor 1 si A ocurre y el valor 0 si A no acurre:

Donde representa cada elemento del evento. IA es una variable aleatoria bernoulli. En aplicaciones, la variable aleatoria bernouilli frecuentemente ocurre como un indicador. Una variable aleatoria bernoulli podra tomar el valor 1 o 0 de acuerdo a que si suponemos fuera xito o fracaso. TEOREMA Si X tiene distribucin de bernoulli de parmetro p, entonces: a) E(X) = p b) Var (X) = p(1 p) BINOMIAL DISTRIBUTION Supongamos que n experimentos independientes, o ensayos, son realizadas, donde n es un numero fijo, y que cada resultado del experimento es un xito con probabilidad p y un fracaso con probabilidad 1 p. el numero total de xitos, X, es una variable binomial con parmetros n y p. por ejemplo, una moneda es lanzada 10 veces y el numero total de caras son contadas (caras es identificado como xitos).

La probabilidad que X = k, o p(k), puede ser encontrada de la siguiente manera: cualquier secuencia particular de k xitos ocurre con probabilidad pk (1 - p)n k, por el principio de multiplicacin. El nmero total de cada secuencia es , ya que existen maneras para asignar, k xitos para n ensayos. P(X=k) is por lo tanto la probabilidad de cualquier secuencia particular el nmero de momentos de cada secuencia es:

Dos funciones de frecuencia binomial son mostradas en la siguiente figura, note que la figura varia como una funcin de p.

THE GEOMETRIC AND NEGATIVE BINOMIAL DISTRIBUTIONS La distribucin geomtrica es tambin construida por experimento o ensayo independientes bernoulli, pero para una secuencia infinita. En cada ensayo, un xito ocurre con probabilidad p, y X es el numero total de caras hasta obtener el primer xito. En el orden que X = k, que debe haber k 1 fracasos seguido por un xito. Para la independencia del ensayo, este ocurre con probabilidad:

Note que esta probabilidad suma 1:

LA DISTRIBUCION BINOMIAL NEGATIVA surge como una generalizacin de la distribucin geomtrica. Supongamos que una secuencia de un ensayo independiente cada uno con probabilidad de xito p es realizada hasta que haya r xitos en todos; sea X denota el numero total de ensayos. Para encontrar P(X=k), podemos argumentar en la siguiente manera: cualquier secuencia tan particular tiene una probabilidad pr (1 p)k r, para el supuesto independiente. El ultimo ensayo es un xito, y los restantes r 1 xitos pueden ser asignados para el resto k 1 ensayos en manera, por lo tanto:

Esto es a veces es til en el anlisis de propiedades de la distribucin negativa binomial para notar que una variable aleatoria binomial negativa puede ser expresada como la suma de r variables aleatoria geomtricas independientes: el numero de caras hasta obtener el primer xito mas el numero de caras despus de el primer xito hasta obtener el segundo xito, mas el numero de caras para el (r - 1)st xitos hasta obtener el rth xito. THE HYPERGEOMETRIC DISTRIBUTION Supongamos que un Urn contiene n baolas, de el cual r son negros y n r son blancos. Sea X denota el numero de bolas negras establecidos entonces tomando m bolas sin reemplazo. Tenemos:

X es un variable aleatoria hipergeometrica con parmetros r, n y m

THE POISSON DISTRIBUTION La funcin de frecuencia de poisson con parmetros ( > 0) is P(X=x) = -, k = 0, 1, 2, se sigue que la funcin de frecuencia suma n 1. La figura siguiente

Donde - =

muestra 4 funciones de frecuencia de poisson. Note que la figura varia como una funcin . La distribucin de posison puede ser derivada como el limite de una distribucin binomial como el numero de ensayos, n, tiende al infinito y la probabilidad de xitos en cada ensayo, p, tiende a cero de tal manera que np = . La funcin de frecuencia binomial es:

Establecido np = esta expresin se convierte:

El cual es la funcin de frecuencia de poisson. Funcin de frecuencia de poisson, (a) =0. 1, (b) = 1, (c) = = 5, (d) = 10