Instituto universitario politcnico

Santiago Mario
Escuela: 47 seccin: A

ESTADI
STICA
II
Profesora:
Rita Martnez

Fecha: junio de 2015

Alumna:

Variables aleatorias.
Definicin de variable aleatoria.
Es una regla que asigna un valor numrico a cada resultado en el espacio
mestrual de un experimento.
Se utilizan letras maysculas X, Y, ... para designar variables aleatorias, y las
respectivas minsculas (x, y, ...) para designar valores concretos de las mismas.
Funcin de distribucin acumulada
La funcin distribucin acumulada

f (X )

de la variable aleatoria discreta X

, cuya distribucin de probabilidad es P( X ) , es la probabilidad de que la

variable

sea menor o igual al valor

Esto es,

F ( X ) =P ( X X ) = P( Xi)
Xi X

Variable aleatoria contina

Una variable aleatoria continua es aquella que puede tomar todos los valores
posibles dentro de un cierto intervalo de la recta real.
Ejemplo: La altura de los alumnos de una clase, las horas de duracin de una
pila.
Variable aleatoria discreta
Una variable aleatoria discreta es aquella que slo puede tomar valores enteros.
Ejemplo: El nmero de hijos de una familia, la puntuacin obtenida al lanzar un
dado.
Esperanza matemtica
Esperanza matemtica de las funciones de probabilidad continua y discretas:
En estadstica la esperanza matemtica (tambin llamada esperanza, valor
esperado, media poblacional o media) de una variable aleatoria X, es el nmero
E(x) que formaliza la idea de valor medio de un fenmeno aleatorio.
Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la
probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho
suceso. Por lo tanto, representa la cantidad media que se "espera" como
resultado de un experimento aleatorio cuando la probabilidad de cada suceso se
mantiene constante y el experimento se repite un elevado nmero de veces.
Cabe decir que el valor que toma la esperanza matemtica en algunos casos
puede no ser "esperado" en el sentido ms general de la palabra - el valor de la

esperanza

puede

ser

improbable

incluso

imposible.

Funcin Generadora de momentos:

En probabilidad y estadstica, la funcin generadora de momentos o funcin
generatriz
de
momentos
de
una
variable
aleatoria
X
es
Siempre
que
esta
esperanza
exista.
La funcin generadora de momentos se llama asporque, si existe en un entorno
de t = 0, permite generar los momentos de la distribucin de probabilidad:
Si la funcin generadora de momentos est definida en tal intervalo, entonces
determina unvocamente a la distribucin de probabilidad. Un problema clave
con las funciones generadoras de momentos es que esos momentos y la propia
funcin generadora podran no existir, en virtud de que las integrales no fuesen
convergentes. Por el contrario, la funcin caracterstica siempre existe (porque la
integral es una funcin limitada en un espacio de medida finita) y, de este modo,
puede usarse en su lugar. De forma general, donde X = (X1,,X2) es un vector
aleatorio n-dimensional, se usa t.X = t X en lugar de tX.
Mediana
En una variable se define como el punto para el cual la funcin de distribucin
alcance el valor 0.5; en una muestra la mediana es el valor central.
Para calcularla se ordenan las observaciones de menor a mayor. Si n es impar,
la mediana es la observacin central

Si n es par, la mediana se define como la media de las dos observaciones

centrales

En resumen, podramos decir que la mediana es el valor que es mayor o igual

que el 50% de las observaciones de la muestra y menor o igual que el otro 50%.
No tiene por qu ser igual a una de las observaciones de la muestra.
Es ms fcil de calcular que la media aritmtica y apenas se afecta por
observaciones extremas; sin embargo tiene mayor varianza que X y slo toma
en cuenta la informacin de los valores centrales de la muestra.

Moda.
Es el valor ms frecuente.
Su clculo es el ms simple de los tres correspondientes a estadsticos de
centralidad pero la moda es el estadstico de mayor varianza.
La moda puede no existir y cuando existe no es necesariamente nica. No tiene
sentido en muestras pequeas en las que la aparicin de coincidencias en los
valores es con gran frecuencia ms producto del azar que de otra cosa.
El segundo cuartil es la mediana.
El tercer cuartil es mayor o igual que el 75% de las observaciones de la muestra
y menor o igual que el 25%.
Si una distribucin de probabilidad tiene dos modas se le llama bimodal y si tiene
ms de dos, se llama multimodal. Puede suceder que la moda no exista. Los
percentiles se asemejan mucho a la mediana porque tambin subdividen una
distribucin de mediciones de acuerdo con la proporcin de frecuencias
observadas. Mientras la mediana divide una distribucin en dos partes iguales,
los cuartiles la dividen en cuatro cuartos, los deciles la dividen en diez dcimos y
los percentiles la dividen en cien partes. Para los datos agrupados antes de usar
la formula se debe determinar primero la clase apropiada que contenga el punto
de inters luego se hace la interpolacin:
Cuartil w = CL + {(wN/4 -fi-1)/fi}I
Decil w = CL + {(wN/10-fi-1)/fi}I
Percentil w = CL + {(wN/100-fi-1)/fi}I
Donde w es el nmero de cuartil ( 0 < w < 4 ), decil (0 < w < 10) o percentil
(0 < w <100) que se quiere calcular el resto de los smbolos tienen el mismo
significado que en la frmula de la mediana.
Distribucin conjunta de dos o ms variables aleatorias.

Cuando tenemos dos variables aleatorias X e Y, si queremos estudiarlas

conjuntamente debemos establecer una relacin que ligue los valores de una
con los de la otra. Esta relacin podr ser lgica o no, til o no, en cualquier
caso, dadas dos variables cualesquiera y una relacin que las ligue se puede
pensar en realizar un estudio estadstico conjunto, es decir, aun cuando en la
prctica slo se utilicen variables unidas por nexos lgicos, desde un punto de
vista puramente terico, toda relacin imaginable puede ser estudiada.
As pues, en una situacin como esta, para variables discretas, se puede
establecer una funcin de probabilidad para las posibles parejas de valores de
ambas variables; a esta funcin se le llama funcin de probabilidad conjunta,
f(x,y).

Una funcin de probabilidad conjunta de las variables X e Y es una funcin de

las dos variables tal que, al sustituir la x por un valor de la variable X y la y por un
valor de la variable Y, el valor de la funcin nos da la probabilidad de que X e Y
tomen simultneamente esa pareja de valores anteriormente citados.
Las propiedades que debe cumplir la funcin de probabilidad conjunta son:
1.
Como
consecuencia
del
primer
axioma.
2. Como consecuencia del segundo axioma.
Distribucin condicional de dos o ms variables aleatorias.

Queremos conocer cmo se distribuye una de las variables cuando se imponen

condiciones a la otra variable. En el tema anterior definamos. Ahora
consideramos la v.a. bidimensional (X,Y), con su correspondiente distribucin de
probabilidad. Se define la probabilidad condicionada de la v.a. discreta X dado
Y=yj En este caso yj es fijo y xi vara sobre todos los posibles valores de la v.a.
X, obteniendo as la distribucin de probabilidad de la v.a. discreta X bajo la
condicin Y=yj. Anlogamente la distribucin de probabilidad condicionada de la
v.a. discreta Y dado X=xi sera: En este caso xi es fijo e yj vara sobre todos los
posibles
valores
de
la
variable
aleatoria
Y.
3. Por definicin.
Variables aleatorias dependiente e independientes.
Variables independientes:
Dadas X e Y, variables aleatorias con funciones de densidad de probabilidad fx y
fy , respectivamente, se dice que son independientes si
Donde f designa a la funcin de densidad conjunta de la variable bivariante (X,Y)
.
Otra forma de exponer este concepto, pasa por considerar los sucesos A y B,
de la experiencia aleatoria, determinados por dos conjuntos de valores
numricos de X e Y, respectivamente. La independencia de X e Y se traduce en
la independencia entre A y B, es decir, la probabilidad de que tengan lugar los
sucesos A y B simultneamente debe coincidir con el producto de la probabilidad
de realizacin de A por la de B :
Esta definicin puede extenderse a k variables aleatorias Y1 , Y2 , ... , Yk , donde
la independencia entre ellas est asegurada si
donde f y fi designan las funciones de densidad conjunta de (Y1,Y2 ,...,Yk) y de
Yi , respectivamente.

Variables Dependientes:
Una variable aleatoria es dependiente cuando su valor depende de otra variable
que puede, a su vez ser aleatoria o no.

Ejemplo, el modelo Y = a + bX + e
a y b constantes, X variable no aleatoria y e un error aleatorio de media cero y
varianza constante (ruido blanco)
En este modelo Y es una variable aleatoria porque una parte de su valor
depende de una variable aleatoria, en este caso, e. En cambio e, es una variable
aleatoria independiente, no depende de ninguna otra, y su valor es estrictamente
aleatorio o al azar. La variable X, puede tambin ser aleatoria.