Documente Academic
Documente Profesional
Documente Cultură
De…nición: Una variable aleatoria es una función que a cada elemento del espacio
muestral , le hace corresponder un número.
Ejemplos: 1) Se tira un dado dos veces y se observa X = ”el número de veces que sale as”.
2) Se tira un dado dos veces y se observa Y = ”el máximo de los dos valores”.
3) Se tira una moneda hasta que sale cara y se de…ne Z = ”el número de tiradas necesarias”
4) Se administra un nuevo tratamiento a tres personas que padecen una enfermedad, interesa
conocer la e…cacia de ese tratamiento para lograr la recuperación en una semana (esto también
puede considerarse un experimento aleatorio), se observa V= “el número de pacientes, entre los
tres tratados, que se recupera en una semana”
5) Se elige una persona al azar en una población y se determina su peso. W= “peso de la
persona elegida”
6) Se enciende una lámpara y se observa T = ”el tiempo hasta que se quema”
Todas estas son variables aleatorias, si consideramos el conjunto de valores que puede tomar
cada una de estas variables vemos que:
vX = f0; 1; 2g
vY = f1; 2; 3; 4; 5; 6g
vZ = f1; 2; 3; :::g
vV = f0; 1; 2; 3g
vW = (0; 1)
vT = (0; 1)
Los conjuntos de valores: vX , vY y vV son …nitos, en el tercero vZ es in…nito numerable
(donde hay un primer elemento, un segundo elemento, etc.), por otra parte vW yvT son in…nitos
no numerables.
Cuando el conjunto de valores que toma una variable aleatoria vX es …nito o numerable, la
variable se denomina discreta.
(X = a) = f! 2 ; X(!) = ag
(X a) = f! 2 ; X(!) ag
8 9
>
> (2; 2); (2; 3); :::; (2; 6); >
>
< =
(3; 2); (3; 3); :::; (3; 6);
(X = 0) =
>
> ::: >
>
: ;
(6; 2); (6; 3); :::; (6; 6)
(1; 2); (1; 3); (1; 4); (1; 5); (1; 6);
(X = 1) =
(2; 1); (3; 1); (4; 1); (5; 1); (6; 1)
(X = 2) = f(1; 1)g
21
Si el espacio es equiprobale, es fácil ver que:
P (X = 0) = 25=36
P (X = 1) = 10=36
P (X = 2) = 1=36
En el segundo ejemplo:
(Y = 1) = f(1; 1)g
(Y = 2) = f(1; 2); (2; 1); (2; 2)g
(Y = 3) = f(1; 3); (3; 1); (2; 3); (3; 2); (3; 3)g
(Y = 4) = f(1; 4); (4; 1); (2; 4); (4; 2); (3; 4); (4; 3); (4; 4)g
(Y = 5) = f(1; 5); (5; 1); (2; 5); (5; 2); (3; 5); (5; 3); (4; 5); (5; 4); (5; 5)g
(Y = 6) = f(1; 6); (6; 1); (2; 6); (6; 1); (3; 6); (6; 3); (4; 6); (6; 4); (5; 6); (6; 5); (6; 6)g
Del mismo modo se pueden calcular las probabilidades P (Y = y), para valores de y = 1; 2; 3; 4; 5; 6
P (Y = 1) = 1=36
P (Y = 2) = 3=36
P (Y = 3) = 5=36
P (Y = 4) = 7=36
P (Y = 5) = 9=36
P (Y = 6) = 11=36
x 0 1 2
f (x) 25=36 10=36 1=36
22
La función de frecuencia de la Y del ejemplo 2 se muestra en la siguiente tabla:
y 1 2 3 4 5 6
f (y) 1=36 3=36 5=36 7=36 9=36 11=36
El signi…cado intuitivo del valor medio es el siguiente: imaginemos que el experimento se repite
un gran número N de veces, y se toma el promedio de los valores de X observados; entonces E (X)
es el límite de esos promedios cuando N ! 1:
Si X es una variable aleatoria con función de frecuencia f y h es una función cualquiera, h(X)
es una variable aleatoria cuya media se calcula como:
X
E (h(X)) = h(x)f (x)
x2vX
Una consecuencia inmediata es que el valor medio tiene la propiedad de linealidad: si a; b son
constantes:
E(aX + b) = aE (X) + b:
La demostración de esta propiedad es simple considerando h(x) = ax + b:
X X X
E(aX + b) = (ax + b)f (x) = a xf (x) + b f (x) = aE (X) + b
x2vX x2vX x2vX
23
De…nición: La varianza de una variable aleatoria da un idea de la dispersión de la
distribución de la variable alrededor de su valor medio. Para cualquier variable aleatoria
X con E (X) …nita, se de…ne la varianza de X como
var(X) = E X 2 (EX)2
X X
2 2
var(X) = E(X X) = (x X ) f (x) = (x2 2x X + 2
X )f (x) =
x2vX x2vX
X X X
= x2 f (x) 2 X xf (x) + 2
X f (x) =
x2vX x2vX x2vX
2 2 2 2 2
= E X 2 X + X =E X X
var(aX + b) = a2 var(X)
Si X es constante: X c; entonces
E (X) = c y dt(X) = 0:
24
Ensayos de Bernoulli, son experimentos aleatorios que veri…can:
a) el experimento tiene dos resultados "E" y "F " ("éxito" y "fracaso")
b) la P (E) es la misma cada vez que se repite el experimento
c) cada repetición del experimento es independiente
La v.a. X ="número de éxitos en n ensayos de Bernoulli" tiene distribución binomial con
parámetros n (no de repeticiones) y p (probabilidad de éxito p = P (E))
Distribución de Poisson
Una variable aleatoria que toma los valores 0; 1; 2; : : : se dice que tiene distribución de Poisson con
parámetro > 0, (X s P ( )) si su función de frecuencia está dada por:
k
f (k) = P (X = k) = e (k = 0; 1; 2; : : :)
k!
Si X s P ( ); entonces E (X) = y V(X) =
25
Aproximación de Poisson a la binomial: En muchas aplicaciones tratamos con una variable
aleatoria con distribución binomial donde n es grande y p es pequeña, en esos casos el cálculo de
los números combinatorios es sumamente engorroso, y es útil tener alguna aproximación al valor
de la probabilidad. Puede demostrarse que en ese caso:
k
n k
f (k) = p (1 p)n k
'e ; donde = np
k k!
26
Algunos ejemplos resueltos
1. El departamento de planeación de un condado requiere que un contratista presente uno, dos,
tres, cuatro o cinco formas (según la naturaleza del proyecto) para solicitar un permiso de
construcción. Sea Y número de formas requeridas del siguiente solicitante. Se sabe que
la probabilidad de que se requieran y formas es proporcional a y, es decir, p(y) = ky con
y = 1; :::; 5.
2. Un contratista está interesado en conocer el costo total de un proyecto sobre el cual intenta
hacer una oferta. La duración de ese proyecto, que puede durar entre 10 y 14 días, no se
puede determinar con exactitud. Se de…ne la variable aleatoria X ="número de días para
completar la ejecución del proyecto" y se estima que su función de probabilidad puntual está
dada por:
No de días 10 11 12 13 14
Probabilidad 0; 1 0; 3 0; 3 0; 2 0; 1
27
(b) El contratista estima que los materiales necesarios para ejecutar el proyecto costarán
$25000, y que el costo diario, por salarios, que deberá afrontar es de $900. Explicite el
costo total del proyecto como función de la v.a. X
(c) Calcule el costo total esperado del proyecto y su desviación estándar
Resolución:
(a) La duración esperada es
E(X) = 10 0; 1 + 11 0; 3 + 12 0; 3 + 13 0; 2 + 14 0; 1 = 11; 9
recordar que V (X) = E(X 2 ) E(X)2
E(X 2 ) = 102 0; 1 + 112 0; 3 + 122 0; 3 + 132 0; 2 + 142 0; 1 = 142; 9
V (X) = 142; 9 11; 92 = 1; 29
p p
dt(X) = V (X) = 1; 29 = 1; 14
(b) De…nimos Y="costo total del proyecto", este costo está compuesto de un monto …jo
$25000, más $900 por cada día que dure, entonces:
Y = 25000 + 900 X
(c) Aplicando las propiedades de esperanza y varianza de una función lineal, tenemos:
3. En un estudio sobre transporte público realizado en una ciudad se encontró que 5% de las
personas necesitan más de una hora para ir de su casa al trabajo.
20
a)P (X = 0) = 0; 050 (1 0; 05)20 = 0; 9520 = 0:3585
0
28
que tardan más de una hora para ir a su trabajo", esta Y s B(300; 0; 05), recordamos
la esperanza y varianza de una distribución binomial.
E(Y ) = 300 0; 05 = 15
V (Y ) = 300 0; 05 0; 95 = 14; 25
p
dt(Y ) = V (Y ) = 3; 77
(a) ¿Cuál es la probabilidad de que exactamente seis aeronaves pequeñas aterricen durante
un intervalo de una hora? ¿Por lo menos seis? ¿Por lo menos 10?
(b) ¿Cuáles son el valor esperado y la desviación estándar del número de aeronaves pequeñas
que aterrizan durante un lapso de 90 min?
(c) ¿Cuál es la probabilidad de que por lo menos 20 aeronaves pequeñas aterricen durante
un lapso de 2 horas y media? ¿De que a lo sumo aterricen 10 durante este período?
Resolución:
a) De…nimos la v.a. X1 ="no de aviones que aterrizan en 1 hora" tenemos X1 s P (8 1),
entonces:
P (X = 6) = e 8 86 =6! = 0; 1221
P (X 6) = 1 P (X < 6) = 1 P (X 5) = 1 F (5) = 1 0; 191 buscando en la
tabla de distribución acumulada para = 8
P (X 10) = 1 P (X < 10) = 1 P (X 9) = 1 F (9) = 1 0; 717
b) Ahora nos interesa el no de aviones que aterrizan en un período de 90 minutos, eso
expresado en horas es 1; 5 horas, entonces debemos de…nir otra v.a. X1;5 ="no de aviones
que aterrizan en 1 hora y media" X1;5 s P (8 1; 5)
p p
E(X1;5 ) = 12 y dt(X1;5 ) = V (X1;5 ) = 12 = 3; 64
c) De…nimos X2;5 ="no de aviones que aterrizan en 2 horas y media" X2;5 s P (8 2; 5)
P (X2;5 10) = F (10) = 0; 011 buscando en la tabla de distribución acumulada para
= 8 2; 5 = 20
5. Suponga que sólo 0; 10% de todas las computadoras de cierto tipo experimentan fallas del
CPU durante el periodo de garantía. Considere una muestra de 10000 computadoras.
(a) ¿Cuáles son el valor esperado y la desviación estándar del número de computadoras en
la muestra que tienen el defecto?
(b) ¿Cuál es la probabilidad (aproximada) de que más de 8 computadoras muestreadas
tengan el defecto?
Resolución:
De…nimos la v.a. X ="no de computadores que tienen ese defecto en la muestra de
10000". esta va X s B(10000; 0; 001)
p p
a) E(X) = 10000 0; 001 = 10 dt(X) = 10000 0; 001 0; 999 = 9; 99 = 3; 16
b) Para calcular la probabilidad, recordemos que si X s B(n; p) y p es muy pequeña y
n es grande, la probabilidad P (X = k) ' e np (np )k =k!
en este caso P (X > 8) = 1 P (X 8) ' 1 F (8) = 0,333 buscando en la tabla de una
Poisson con = 10000 0; 001 = 10
29