Documente Academic
Documente Profesional
Documente Cultură
Variables Aleatorias
Unidimensionales
Definición 1: Sea E un experimento, y sea S un espacio muestral
asociado a E. Entonces una función X, que a cada elemento del
espacio muestral, le asocia un número real, recibe el nombre de
variable aleatoria.
X : S R
si X(si)= xi
1
Prof. David Becerra Rojas
Variables Aleatorias
Unidimensionales
Definición 2: Sea X una v.a. Entonces llamaremos recorrido
de la v.a. X, y lo denotaremos por Rx, al conjunto de todos los
valores que toma la v.a. X. Rx = {xi R / X(si) = xi , si S }
S R
X Rx
s1 x1
s2 x2
:
: X(si)=xi
si :
:
:
:
2
Prof. David Becerra Rojas
Variables Aleatorias
Unidimensionales
Definición 3: Sea X una v.a. Entonces si el recorrido
de la v.a. X, ( Rx), es un conjunto finito o infinito numerable,
entonces diremos que X, es una v.a. Discreta.
i. p( xi ) o i 1, 2 ,....
ii. p( x ) 1
i 1
i
3
Prof. David Becerra Rojas
1
25-05-2016
Definición 5:
S Rx
A s1 B
x1
s2
x2
si
xr
sk
4
Prof. David Becerra Rojas
Ejemplo:
Sea el experimento E: se lanza una moneda dos veces y se registra
el signo que aparece en la cara superior. Luego el espacio muestral
S = {cc, cs, sc, ss }. Sea la v.a. X : número de sellos que aparecen.
cc X(cc) = x1=0
cs
sc
X(cs) =
X(sc) =
} x2=1
ss X(ss) = x3=2
5
Prof. David Becerra Rojas
Luego:
De la definición 5 tenemos:
Si A={cc, cs, sc} y si B={0, 1} P(A) = P(B) = ¾
6
Prof. David Becerra Rojas
2
25-05-2016
Luego,
S Rx
A cc B
0
cs
1
sc
2
ss
7
Prof. David Becerra Rojas
Ejercicio
8
Prof. David Becerra Rojas
Ejercicio:
Sea la variable aleatoria X: mes en que un computador
tiene problemas.
4k x
p( x) P( X x) , x = 1,2,3,4,5,6
7
Determine:
1.- el valor de k
2.- p( 5 ) = P( X = 5 )
3.- P( X 2 ) =
Recordar: i) p( xi ) o i 1, 2 ,....
ii )
i 1
p ( xi ) 1
9
Prof. David Becerra Rojas
3
25-05-2016
6 6 6
4kxi 4k 6 4k
p( x ) 1 1 P( X x )
i 1
i
i 1
i
i 1 7
xi 7 21 12k
7 i 1
1
Luego k
12
Esto quiere decir que:
4x x
p ( x) P( X x)
7 *12 21
10
Prof. David Becerra Rojas
k 5
b.- p(5) P( X 5)
21 21
20
21
11
Prof. David Becerra Rojas
Proposición:
xi 12
Prof. David Becerra Rojas
4
25-05-2016
Ejercicio:
Supongamos que la probabilidad de que un barco de trasporte
Seaa destino
llegue A : El es
barco llega
de 0.57 a destino
( es _
decir en el 57% de
los ycasos).
sea Supongamos
B : El barco no llega aque
además destino. B =enviar
es posible A una gran
cantidad de barcos. El envío continua hasta que llega el primer
barco a destino.
Previo Determine:
a.- Espacio muestral S = { A, BA, BBA, BBBA,.....}
X : Nº de envíos necesarias para que llegue el primer
b.- La variable aleatoria X barcos a destino.
0.57
A
A
0.57 A
0.43 B
0.57 A
0.57
0.43
B
0.43 B
0.43
Luego; B ..............................
p(1) = P(X=1) = P(A) = (0.57)
p(2) = P(X=2) = P(BA) = (0.43)(0.57)
p(3) = P(X=3) = P(BBA) = (0.43) 2 (0.57)
p(4) = P(X=4) = P(BBBA) = (0.43) 3(0.57)
Por consiguiente tenemos que:
p(k) = P(X=k) = (0.43)k-1(0.57) ; k = 1,2,3......
14
Prof. David Becerra Rojas
i 0 r
1
1 k 1 i 0
r
0.43 * (0.57) 1 * (0.57) 1
i
i 0
1 0.43
15
Prof. David Becerra Rojas
5
25-05-2016
Ejercicio
Sea X v.a.d. talque:
1
p ( k ) P( X k ) ; k 1,2,3,.......
2k
16
Prof. David Becerra Rojas
Ejercicio
En el ejemplo de los barcos, supongamos que se envían independientemente,
tres barcos. Determine la probabilidad de que lleguen a destino:
Exactamente k barcos.
( recordemos que: A : El barco llega a destino sin problemas y B : El barco no llega a
destino y P(A) = 0.57 y P(B) = 0.43)
Previo Determine:
a.- Espacio muestral S = { AAA, AAB, ABA, BAA, ABB, BAB, BBA, BBB}
17
Prof. David Becerra Rojas
Luego;
18
Prof. David Becerra Rojas
6
25-05-2016
Distribución Binomial
Def.: Sea E un experimento y sea A un suceso asociado a E. Supongamos que
P(A) = p, luego P(A) = 1 – p. Consideremos n repeticiones independientes del
experimento E. Por lo tanto el espacio muestral del experimento total, estará
Dado por todas las sucesiones posibles tal que ocurra A o A .
Si la v.a. X se define como: Número de veces que ocurre el suceso A, diremos que
X tiene una distribución binomial con parámetros n y p, y la denotaremos:
X ~ b(n , p )
Su función de probabilidad está dada por:
19
Prof. David Becerra Rojas
Ejercicio
Supongamos que en un estadio lleno, el 40% de los
asistentes son mujeres. Una empresa comercial, para
promocionar un nuevo producto, toma una muestra
aleatoria de tamaño 20. Determine la probabilidad que
la muestra contenga:
1.- exactamente 11 mujeres.
2.- a lo más 8 mujeres.
3.- al menos 5 mujeres.
4.- exactamente 9 hombres.
20
Prof. David Becerra Rojas
Previo: Determine
• el experimento E : Se elije al azar una persona
1.- P(X = 11) = P(X 11) – P(X 10) por tabla = 0.071
2.- P(X 8) = 0.5956 directo por tabla
3.- P(X 5) = 1 – P(X 4) = 1 – 0. 0510 = 0.949
4.- P(Y =9 ) = P(Y 9) – P(Y 8) = 0.071 Y: Nº de hombres
21
Prof. David Becerra Rojas
7
25-05-2016
Distribución de Bernoulli
Si el experimento se realiza una sola vez, la
variable X tomará los valores 0 y 1, y se dice que
tiene una distribución de Bernoulli con parámetros
1 y p.
X ~ B(1 , p )
P(k ) P( X k ) p k (1 p)1k
Con k = 0,1
22
Prof. David Becerra Rojas
Distribución de Poissón
e * k
P( k ) P( X k ) con k 0,1,2,3, , , , , , , ,
k !
Ejercicio
Supongamos que el cajero de un banco, es capaz
de atender en promedio 8 personas en 20 minutos.
Determina la probabilidad de que el cajero atienda
en 20 minutos:
a.- exactamente 10 personas. 0,099
b.- a lo más 7 personas. 0,453
c.- al menos 4 personas. 0,958
d.- no más de 10, ni menos de 5 0,716
e.- exactamente 20 personas en 40 minutos. 0,056
24
Prof. David Becerra Rojas
8
25-05-2016
Observaciones
1.- f(x) no es una probabilidad, como en el
caso discreto, donde p(x) = P(X = x ).
2.- Las siguientes probabilidades, son
equivalentes:
P(a x b) = P(a < x < b)
Esto implica que P(X = x ) = 0
26
Prof. David Becerra Rojas
Observaciones
b
3. P(a x b) f ( x)dx
f(x) a
a b x
27
Prof. David Becerra Rojas
9
25-05-2016
Ejemplo
Sea X una variable aleatoria continua (vac), con función
de densidad de probabilidad “f”(f.d.p.). Talque:
kx 0 x 1
f(x) = { 0 en otros casos
1.- Determine el valor de k
2.- Grafique la función f
3.- Calcule P( x 1/2 )
4.- Calcule P( x 1/2 / 1/3 x 2/3)
Recordar : i. f ( x) 0 x Rx
ii.
f ( x)dx 1
28
Prof. David Becerra Rojas
Función de Distribución
Acumulativa
p(k ) Si X v.a.d.
F(x) = P( X ≤ x ) = { x
k
f ( x)dx
Si X v.a.c.
29
Prof. David Becerra Rojas
x p( x )i i
Si X v.a.d.
E(x) =
{ i 1
xf ( x)dx
Si X v.a.c.
30
Prof. David Becerra Rojas
10
25-05-2016
Propiedades
La esperanza es un operador lineal, ya que:
, ,
Combinando estas propiedades, podemos ver
Que, donde X e Y son variables aleatorias y a
y b dos constantes cualesquiera.
,
x
2
f ( x)dx Si X v.a.c.
32
Prof. David Becerra Rojas
Tarea Nº ___
1. Propiedades de la Esperanza
2. Propiedades de la Varianza
3. Si X ~ b(n,p), determine la E(X) y V(X)
4. Demostrar que : E( x - E(x) )2 = E ( x2 ) – ( E (x) )2
33
Prof. David Becerra Rojas
11
25-05-2016
Ejemplo:
1.- Sea X v.a.d. con función de probabilidad dada por::
X: años de servicios de los trabajadores de una empresa.:
xi 1 2 3 4 5 Total
p(xi) 0.2 0.25 0.32 0.08 0.15 1.00
F(xi) 0.2 0.45 0.77 0.85 1.00 ////
xip(xi) 0.2 0.50 0.96 0.32 0.75 2.73 E(X)
x2ip(xi) 0.2 1.00 2.88 1.28 3.75 9.11 E(X2)
Determine : a.- Función de Distribución Acumulativa
b.- Esperanza de X ( E(X) ) = 2.73
c.- Varianza de X ( V(X) ) = E ( x2 ) – ( E (x) )2 = 9.11 – (2.73)2 = 1.657
d.- Grafique F(X)
35
Prof. David Becerra Rojas
0 x 1
Gráfica de F(x)
F(x)
F(x) = { 0.20
0.45
0.77
0.85
1.00
1 x 2
2 x3
3 x 4
4 x5
x5
1.00
0.80
0.60
0.40
0.20
1 2 3 4 5 x
36
Prof. David Becerra Rojas
12
25-05-2016
2 x 0 x 1
f ( x)
0 en otros casos
37
Prof. David Becerra Rojas
0 x 1 0 x0
2 x
f ( x)
0 en otros casos F ( x) x 2 0 x 1
1 x 1
f(x) F(x)
2
1
0 1 0 1
38
Prof. David Becerra Rojas
Distribución Normal
Sea X una v.a.c. si su fdp está dada por:
1 ( x ) 2
f ( x) * e 2 x
2
2 2
X ~ N( , 2 )
39
Prof. David Becerra Rojas
13
25-05-2016
Características
• Tiene forma de campana ( por su descubridor
es también llamada campana de GAUSS)
• Es simétrica con respecto a su media ()
• Es asintótica al eje horizontal.
• A +/- tres desv. típicas de la media, se
encuentra prácticamente el 99.8% de su área
( +/- 3 )
-3 +3
40
Prof. David Becerra Rojas
1 z
2
f ( z) *e 2 z
X 2
( X )
α Z
x0 X
α
0 z0 Z
Z: Distribución Normal Típica
41
Prof. David Becerra Rojas
Ejercicio
Supongamos que el peso de los contenedores almacenados en un recinto
portuario, tienen una distribución aproximadamente normal, con una media
= 78.6 tn , y una varianza 2 = 156.25 tn2. Determine;
42
Prof. David Becerra Rojas
14
25-05-2016
Ejercicio
Para el ingreso a una determinada empresa, los postulantes deben rendir un
examen. La experiencia dice que los puntaje, se distribuyen aproximadamente
Normal con una media de 487, y una desv. Típica de 58.9. Determine:
Aproximación de la distribución de
Poissón a la distribución Binomial
Si X se distribuye como una binomial con
parámetros n y p, donde n es grande y p
extremo, entonces podemos decir que
aproximadamente X se distribuye como una
Poissón con parámetro np.
Aproximación de la distribución
Normal a la Binomial
Si X se distribuye como una binomial con
parámetros n y p, donde n es grande y p
cercano a 0.5, entonces podemos decir que X
se aproxima a una normal con media np, y
varianza np(1-p). Luego;
( X np )
Z ~ N(0 , 1 )
np (1 p)
15
25-05-2016
Ejercicio
Supongamos que el 42% de los trabajadores de
una empresa, tienen no más de 40 años.
Se selecciona un muestra de 250 trabajadores.
Determine la probabilidad de que el número de
trabajadores con no más de 40 años, sea:
a.- a lo más 120.
b.- entre 100, y 150
c.- exactamente 110
Ejercicio
Ejercicio
Las remuneraciones de los 1500 trabajadores de una determinada
empresa, tienen una distribución aproximadamente normal con
media $358.200, y una desv. Típica de $48.597. Determine
16
25-05-2016
A
A
A
B A
B
B
B ..............................
Luego ;
49
Prof. David Becerra Rojas
A
Según Diagrama del Árbol
Sea A: El barco llega A
B: El barco no llega B
A
A
B
B
A
A B
B A
B
B
S = {AAA ,AAB, ABA, BAA, ABB, BAB, BBA, BBB}
Distribuciones Discretas
Bernoulli:
Notaciòn : X B(1 , p)
Funciòn de probabilid ad : (o de Cuantía )
p( x) p x (1 p)1 x ; x 0,1
E ( x) p
V ( x) p(1 p)
17
25-05-2016
Distribuciones Discretas
Binomial:
Notaciòn : X B(n , p)
Funciòn de probabilid ad : (o de Cuantía )
n
p( x) p x (1 p) n x ; x 0,1,........, n
x
E ( x) np
V ( x) np(1 p)
Distribuciones Discretas
Binomial Negativa:
Notaciòn : X BN (n , p)
Funciòn de probabilid ad : (o de Cuantía )
n x 1 n
p( x) p (1 p)
x
; x 0,1,........, n
x
n(1 p)
E ( x)
p
n(1 p)
V ( x)
p2
Distribuciones Discretas
Poissón:
Notaciòn : X P( )
Funciòn de probabilid ad : (o de Cuantía )
e x
p( x) ; x 0,1,2,3........
x!
E ( x)
V ( x)
18
25-05-2016
Distribuciones Discretas
Geométrica:
Notaciòn : X G ( p)
Funciòn de probabilid ad : (o de Cuantía )
p( x) ; x 0,1,2,3........
E ( x)
V ( x)
Distribuciones Discretas
Hipergeométrica:
Notaciòn : X H ()
Funciòn de probabilid ad : (o de Cuantía )
p( x) ; x 0,1,2,3........
E ( x)
V ( x)
Distribuciones Discretas
Uniforme Discreta:
Notaciòn : X U ()
Funciòn de probabilid ad : (o de Cuantía )
1
p( x) ; x a, a 1, a 2,...b
b a 1
E ( x)
V ( x)
19
25-05-2016
Distribuciones Discretas
Hipergeométrica:
Notaciòn : X H ()
Funciòn de probabilid ad : (o de Cuantía )
p( x) ; x 0,1,2,3........
E ( x)
V ( x)
Distribuciones Discretas
Hipergeométrica:
Notaciòn : X H ()
Funciòn de probabilid ad : (o de Cuantía )
p( x) ; x 0,1,2,3........
E ( x)
V ( x)
Distribuciones Continuas
Uniforme:
Notaciòn : X U ( a, b)
Funciòn de Densidad de probabilid ad :
1
f ( x) ; x ( a, b)
ba
Función de Distribuci ón :
xa
F ( x)
ba
ab (b a ) 2
E ( x) , V ( x)
2 12
20
25-05-2016
Distribuciones Continuas
Exponencial:
Notaciòn : X Exp ( )
Funciòn de Densidad de probabilid ad :
f ( x) e x ;x0
Función de Distribuci ón :
F ( x) 1 e x
1 1
E ( x) , V ( x)
2
Distribuciones Continuas
Normal:
Notaciòn : X N ( , 2 )
Funciòn de Densidad de probabilid ad :
( x )2
1
f ( x) e 2 2
; x
2 2
E ( x) , V ( x) 2
Distribuciones Continuas
Triangular:
Notaciòn : X
Funciòn de Densidad de probabilid ad :
f ( x)
Función de Distribuci ón :
F ( x)
E ( x) , V ( x)
21