Present Tema 4

Esperanza matemtica Varianza.
Desigualdad de Tchebychev Otras caractersticas de una variable aleatoria
Momentos de una distribucin
Octubre-noviembre 2010
Momentos de una distribucin 1 of 30
Esperanza matemtica Varianza. Desigualdad de Tchebychev Otras caractersticas de una variable aleatoria
Esperanza matemtica o media de una variable aleatoria: es un valor promedio representativo de la variable. Ejemplo: Sea Z el nmero de unos que se obtienen al tirar dos dados. Z es una variable aleatoria con rango RZ = {0, 1, 2}. Si queremos obtener un valor "medio"de la variable podramos calcular la media aritmtica de los valores que toma
1 3 (0
+ 1 + 2) = 1
pero en este clculo no tenemos en cuenta que algunos de esos valores son ms probables que otros. El valor 0 es mucho ms probable que el valor 2 as que la media de Z tendra que estar desplazada hacia el 0. Lo correcto es ponderar cada valor con la probabilidad asociada a l.
1 of 30
Funcin de probabilidad de Z : P [Z = 0] = 25/36, P [Z = 1] = 10/36, P [Z = 2] = 1/36

1 en lugar de 3 (0 + 1 + 2) = 25 36 1 3
0+
1 3
1+
1 3
2 calculamos
0+
10 36
1+
1 36
2 = 0,3333
En qu sentido es el valor 0,3333 un promedio de la variable? Si te proponen participar en este juego, con un premio de tantos euros como el nmero de unos que salgan, lo equitativo sera que pagaras 0,3333 euros por participar.
2 of 30
Sea X una variable aleatoria discreta. Si el rango de X es {x1 , x2 , x3 }, se dene la esperanza matemtica de X como el nmero E (X ) = x1 P [X = 1] + x2 P [X = 2] + x3 P [X = 3] + = xi P [X = xi ] Si el rango es nito, esta es una suma nita. Si el rango es innito, es la suma de una serie.
3 of 30
Si X es una variable aleatoria continua con rango RX , entonces la esperanza matemtica de X se dene como E (X ) = xfX (x ) dx = RX xfX (x ) (fuera del rango fX (x ) vale 0) que es el anlogo continuo de la frmula E (X ) = xi P [X = xi ]. Ejemplo: Variable H , hora de llegada del primero que llega en el experimento de las dos llegadas. Recordemos que
2 1.5
0 fH (h) = 2 2h 0
(h < 0) (0 < h < 1) (h > 1)
0.5
0 -0.5
0.5
1.5
Entonces E (H ) = horas
1 0 hfH (h) dh
1 0 h(2
2h) dh = 0,3333
4 of 30
Otro ejemplo: Velocidad (constante) V a la que un automvil recorre un trayecto de 40 km.

0.01 0.008
fV (v ) =
0
1 ve v /40 1600
(v < 0) (v 0)
0.006
y=fV(v)
0.004
0.002
0 -50
50
100
150
200
250
300
Calcular E (V ). E (V ) = 0 vfV (v ) dv = = = 80 km/h

0 v
1 v /40 dv 1600 ve
5 of 30
La esperanza matemtica E (X ) de X se conoce tambin como valor esperado de X o simplemente media de X y tambin se denota como mX No es el valor ms probable de la variable aleatoria X . Ni siquiera tiene que estar en el rango de X . Se mide en las mismas unidades que la variable aleatoria.
6 of 30
Si el clculo de la esperanza matemtica de X involucra la suma de una serie innita o bien una integral impropia, para que se pueda decir que existe E (X ) la serie o la integral han de ser no slo convergentes, sino absolutamente convergentes. Caso discreto: La esperanza de X es en principio xi P [X = xi ] pero si |xi |P [X = xi ] = la variable no tiene esperanza matemtica. Caso continuo: La esperanza de X es en principio RX xfX (x ) dx pero si RX |x |fX (x ) dx = , la variable no tiene esperanza matemtica.
7 of 30
Si (X , Y ) es un vector aleatorio, en muchos casos tiene sentido plantear la variable aleatoria suma de X e Y . Por ejemplo: Sea X el nmero de unos en la tirada de uno de los dados (RX = {0, 1}; P [X = 0] = 5/6, P [X = 1] = 1/6). Sea Y el nmero de unos en la tirada del otro dado (misma distribucin que X ).La variable aleatoria Z de antes es la suma de X e Y : Z = X + Y . Propiedades de la esperanza matemtica: (1) Esperanza de la suma de variables aleatorias: E (X + Y ) = E (X ) + E (Y ) En el ejemplo de los dados: E (X ) = E (Y ) = 0 1 1 Por tanto E (Z ) = E (X ) + E (Y ) = 1 6 + 6 = 3
5 6
+1
1 6
=1 6.
8 of 30
(2) Si X es una variable aleatoria y a, b son nmeros entonces E (aX + b) = aE (X ) + b. En particular: haciendo b = 0 deducimos E (aX ) = aE (X ). Haciendo a = 1 obtenemos E (X + b) = E (X ) + b. Haciendo a = 0 obtenemos E (b) = b Ejemplo: Z es el nmero de unos al tirar dos dados. Deno D como la variable aleatoria "nmero de resultados distintos de uno al tirar dos dados". Entonces D = 2 Z . En particular
1 E (2 Z ) = E ((1)Z + 2) = (1)E (Z ) + 2 = (1) 3 +2= 5 3 = 1,6667
9 of 30
E (aX + b) = aE (X ) + b es una "excepcin" en el siguiente sentido: Si g (X ) es una transformada de la variable X , en general no es cierto que E (g (X )) = g (E (X )). Por ejemplo: E (1/X ) = 1/E (X ), E (sen X ) = sen(E (X )), etc. (3) Esperanza de una funcin de una variable aleatoria. Sea X una variable aleatoria, continua o discreta, y g una funcin real de variable real tal que tiene sentido g (X ). Podemos calcular E (g (X )) sabiendo slo E (X )? En general no.
10 of 30
Ejemplo: Velocidad (constante) V a la que un automvil recorre un trayecto de 40 km. fV (v ) = 0

1 v /40 1600 ve
(v < 0) (v 0)
Recordar que E (V ) = 80 km/h. Sea T el tiempo que tarda en recorrer los 40 km a velocidad V. Calcular E (T ). Sabemos que T = 40/V pero no es cierto que E (T ) = 40/E (V ).
11 of 30
fV (v ) =
0
1 v /40 1600 ve
(v < 0) (v 0)
Calcular E (T ) siendo T = 40/V . Una opcin es calcular fT y aplicar la denicin: E (T ) = RT tfT (t ) dt : Aplicando la frmula del cambio de variable obtenemos 0 (t < 0) fT (t ) = 1 1/t e (t > 0) t3 Por tanto E (T ) = RT tfT (t ) dt = 1 1/t dt = 1 hora. 0 t2 e
1 1/t 0 t t3 e
dt =
12 of 30
Y = g (X ) E (Y ) =
RY
yfY (y ) dy
Este mtodo nos obliga a calcular la distribucin de Y . Pero se puede calcular E (g (X )) a partir de fX . La frmula es E (g (X )) = RX g (x )fX (x ) dx (comparar con E (X ) = RX xfX (x ) dx ) En este caso T = 40/V , fV (v ) = por tanto E (T ) = RV 40 v fV (v ) dv 1 v /40 dv = 1 hora 0 40 e 0 (v < 0) =
1 v /40 (v 0) 1600 ve 1 v /40 dv = 0 40 v 1600 ve
13 of 30
Si g (X ) es una transformada de la variable X si X es continua con densidad fX , E (g (X )) =

RX
g (x )fX (x ) dx
si X es discreta, E (g (X )) =
x RX
g (x )P [X = x ]
14 of 30
La varianza mide la dispersin de una variable con respecto a su media. Sea X una variable aleatoria. Se dene la varianza de X como VarX = E [(X E (X ))2 ], si esta esperanza existe. X E (X ) es la diferencia entre la variable y su esperanza.E (X E (X )) sera 0, ya que E (X E (X )) = E (X ) E (X ) = 0 [E (X ) es un nmero: esto es una expresin del tipo E (aX + b) = aE (X ) + b]. Para que las diferencias positivas y negativas no se anulen entre s, elevamos al cuadrado: (X E (X ))2 , y calculamos la esperanza de la variable positiva resultante.
15 of 30
Otra expresin (ms frecuente) para la varianza: VarX = E [(X E (X ))2 ] = E [(X 2 2E (X ) X + E (X )2 )] = E (X 2 ) 2E (X )E (X ) + E (X )2 = E (X 2 ) E (X )2 VarX = E (X 2 ) E (X )2
16 of 30
VarX = E (X 2 ) E (X )2 Ejemplo continuo: Calcular la varianza de la variable H , hora de la primera llegada en el problema de las dos llegadas. Sabemos que fH (h) =
0 2 2h 0 (h < 0) (0 < h < 1) , (h > 1)
y que E (H ) = 1/3.
VarH = E (H 2 ) E (H )2 = E (H 2 ) (1/3)2 H 2 es una variable transformada de la variable H y sabemos que su esperanza se puede calcular a partir de la funcin de densidad de H : si calculbamos E (H ) como calcularemos 2 RH h fH (h) dh = E (H 2 )
1 2 0 h RH
hfH (h) dh,

1 6
como (2 2h) dh =
1 6
por tanto VarH = E (H 2 ) E (H )2 =
1 2 3
1 18
17 of 30
VarX = E (X 2 ) E (X )2 Ejemplo discreto: Varianza de la variable Z , nmero de unos que se obtienen al tirar dos dados. P [Z = 0] = 25/36, P [Z = 1] = 10/36, P [Z = 2] = 1/36; E (Z ) = 1/3 VarZ = E (Z 2 ) E (Z )2 = E (Z 2 ) (1/3)2 Z 2 es una variable transformada de la variable Z y sabemos que su esperanza se puede calcular a partir de la funcin de probabilidad de Z : si calculbamos E (Z ) como 10 zP [Z = z ] = 0 25 36 + 1 36 + 2 calcularemos E (Z 2 ) como 2 z 2 P [Z = z ] = 02 25 36 + 1 por tanto VarZ = E (Z 2 )
1 36 ,
10 7 2 1 36 + 2 36 = 18 2 7 5 E (Z )2 = 18 1 = 18 3
Propiedades de la varianza: Si (X , Y ) es un vector aleatorio donde X e Y son independientes, entonces Var(X + Y ) =VarX +VarY . (Notar que para que se cumpla E (X + Y ) = E (X ) + E (Y ) no hace falta que X e Y sean independientes.) Si a, b son nmeros, Var(aX + b) = a2 VarX . En particular: Var(aX ) = a2 VarX , Var(X + b) =VarX .
19 of 30
Se dene la desviacin tpica X de una variable aleatoria X como la raz cuadrada positiva de su varianza: 2) X = + VarX (Muchas veces VarX se escribe X Ejemplos: H = 1/18 0,2357; Z = 5/18 0,5270 La desviacin tpica (o desviacin estndar) de X se puede considerar una medida de lo que tpicamente se desva la variable de su media. Se mide en las mismas unidades que la variable. Las dos funciones de densidad corresponden a variables de esperanza 0. La pintada en azul tiene desviacin tpica igual a 1. La pintada en rojo tiene desviacin tpica igual a 4.
(Desigualdad de Tchebychev) Centramos en E (X ) un intervalo de radio (E (X ) , E (X ) + ) y consideramos el suceso "X cae fuera de este intervalo", es decir, [X (E (X ) , E (X ) + )]
E(X)-
E(X)
E(X)+
que se puede escribir [|X E (X )| ]. Nos interesa la probabilidad de este suceso. Una variable aleatoria X con X grande tomar con mayor probabilidad valores lejos de su media.
21 of 30
Una variable aleatoria X con X grande tomar con mayor probabilidad valores lejos de su media. Probabilidades del suceso [|X E (X )| ] para dos distribuciones distintas:
0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0
0.4 0.35
"=1
0.3 0.25 0.2 0.15 0.1 0.05 0
"=4
E(X)-! E(X) E(X)+!
E(X)-! E(X) E(X)+!
Desigualdad de Tchebychev: P [|X E (X )| ]
2 X 2
22 of 30
2 X 2
es vlida para todas las distribuciones con varianza nita, y para cualquier > 0 da solamente una cota superior de la probabilidad de las colas de la distribucin, y en muchos casos es una cota poco 2 = 1, y informativa (demasiado grande). Por ejemplo, si X = 1, obtenemos P [|X E (X )| 1] 1 que no nos da informacin. muchas veces se hace que sea un mltiplo de la desviacin 2 1 tpica, por ejemplo: P [|X E (X )| 2X ] 4X 2 = 4
X
23 of 30
2 X 2
Ejemplo: de una variable aleatoria X slo se sabe que E (X ) = 30, VarX = 25. Qu se puede decir de P [|X 30| 20]? Y de P [10 < X < 50]? P [|X 30| 20]
25 202
1 16 ,
P [10 < X < 50] = P [|X 30| < 20] = 1 P [|X 30| 20] 15 16
24 of 30
Coeciente de variacin de X : es el cociente X /mX . Mide la dispersin por unidad de media. Una desviacin tpica de 1 para una media de 100 puede ser considerada pequea (coeciente de variacin 001). La misma desviacin para una media de 2 resulta grande (coeciente de variacin 05). El coeciente de variacin da una idea de lo que se desva una variable con relacin a las magnitudes de los valores que toma. Tambin sirve para comparar desviaciones de variables que vienen dadas en distintas unidades (es un coeciente adimensional). Slo tiene sentido utilizarlo para variables con rango positivo y media no demasiado cercana a 0.
25 of 30
X que Mediana de una variable aleatoria X : es un valor m divide el rango en dos conjuntos de igual probabilidad:
1/2 y=fX(x) 1/2 mediana
y=FX(x) 1/2
mediana
Si la variable X es continua, X ] = P [X m X ] = 1/2, es decir, FX (m X ) = 1/2. P [X m

La mediana de una variable no tiene por qu ser nica

1 0.8 0.6 0.4 0.2 0 1 y=FX(x) 0.5 0 0.5 1 1.5 2 2.5 3 y=fX(x)
0.5
1.5
2.5
En este ejemplo la mediana es cualquier valor entre 1 y 2.
27 of 30
Si la variable es discreta, puede que no exista ningn valor x para el que FX (x ) = 1/2.
1/2 1/4 1/4
1/2
X de forma que En ese caso se escoge m X ] 1/2, P [X m X ] 1/2 P [X m En el ejemplo: P [X 2] = 3/4 1/2, X = 2. m P [X 2] = 3/4 1/2 as que
28 of 30
Cuantiles de una variable: son una generalizacin de la mediana.
1/3 y=fX(x) 2/3 cuantil 1/3
y=FX(x)
1/3
cuantil 1/3
Cuantil p de una variable continua X : es un valor x para el que P [X x ] = p , es decir, FX (x ) = p . En una discreta se busca la mejor aproximacin: P [X x ] p , P [X x ] p . La mediana es el cuantil 1/2.
Moda de una variable aleatoria X : es el valor del rango donde se alcanza el mximo de la funcin de probabilidad (si X es discreta) o de la funcin de densidad (si X es continua).
fX(x)
moda
moda
No siempre est bien denida.
30 of 30

Present Tema 4

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Present Tema 4

Încărcat de

Drepturi de autor:

Formate disponibile

Esperanza matemtica Varianza.

Desigualdad de Tchebychev Otras caractersticas de una variable aleatoria

Momentos de una distribucin

Momentos de una distribucin

Funcin de probabilidad de Z : P [Z = 0] = 25/36, P [Z = 1] = 10/36, P [Z = 2] = 1/36

Momentos de una distribucin

Momentos de una distribucin

(h < 0) (0 < h < 1) (h > 1)

Momentos de una distribucin

Otro ejemplo: Velocidad (constante) V a la que un automvil recorre un trayecto de 40 km.

Calcular E (V ). E (V ) = 0 vfV (v ) dv = = = 80 km/h

Momentos de una distribucin

Momentos de una distribucin

Momentos de una distribucin

Momentos de una distribucin

Momentos de una distribucin

Momentos de una distribucin

Ejemplo: Velocidad (constante) V a la que un automvil recorre un trayecto de 40 km. fV (v ) = 0

Momentos de una distribucin

Momentos de una distribucin

Momentos de una distribucin

Si g (X ) es una transformada de la variable X si X es continua con densidad fX , E (g (X )) =

Momentos de una distribucin

Momentos de una distribucin

Momentos de una distribucin

hfH (h) dh,

por tanto VarH = E (H 2 ) E (H )2 =

Momentos de una distribucin

Momentos de una distribucin

Momentos de una distribucin

0.3 0.25 0.2 0.15 0.1 0.05 0

E(X)-! E(X) E(X)+!

E(X)-! E(X) E(X)+!

Desigualdad de Tchebychev: P [|X E (X )| ]

Momentos de una distribucin

Desigualdad de Tchebychev: P [|X E (X )| ]

Momentos de una distribucin

Desigualdad de Tchebychev: P [|X E (X )| ]

Momentos de una distribucin

Momentos de una distribucin

1/2 y=fX(x) 1/2 mediana

Si la variable X es continua, X ] = P [X m X ] = 1/2, es decir, FX (m X ) = 1/2. P [X m

La mediana de una variable no tiene por qu ser nica

En este ejemplo la mediana es cualquier valor entre 1 y 2.

Momentos de una distribucin

Momentos de una distribucin

Cuantiles de una variable: son una generalizacin de la mediana.

1/3 y=fX(x) 2/3 cuantil 1/3

No siempre est bien denida.

Momentos de una distribucin

S-ar putea să vă placă și