Variables aleatorias

Parámetros de distribuciones

Variables aleatorias
 Función de distribución Medidas de
acumulada disperción
Variables aleatorias
discretas

fx(x) Fx(x) , 2

Medidas de
Función de probabilidad tendencia central
 Nos referimos al valor promedio como la media de la variable
Variables aleatorias

aleatoria “X” o la media de la distribución de probabilidad de “X”.

discretas

El valor esperado de cualquier variable aleatoria discreta, se

puede obtener multiplicando cada uno de sus valores x1, x2,..., xn
de la variable aleatoria “X” por su probabilidad correspondiente
f(x1), f(x2), ...,f(xn) y sumando todos sus productos.
 Sea una variable aleatoria con distribución de probabilidad
fx(x). La media o valor esperado de “X” es:
Variables aleatorias

μ = E(X) = x.fx (x)

x
discretas

Sea una variable aleatoria con distribución de densidad de

probabilidad fx(x). La media o valor esperado de “X” es:

μ = E(X) = x.fx (x) dx

-
 Propiedades:
Variables aleatorias

La media o valor esperado cumple con las siguientes propiedades:

continuas

a) E(X+b) = E(X) + b
b) E(X+Y) = E(X) + E(Y)
c) E(aX) = a E(X)

Donde: “X” y “Y” son V.A.

a,b son constantes
 La media nos permite determinar el lugar donde se centra la
Variables aleatorias

distribución de probabilidad, sin embargo, no ofrece una

discretas

descripción adecuada de la forma de la distribución. Para

caracterizar la variabilidad o la dispersión de las observaciones
de la distribución se utiliza la varianza σ 2.
 Variables aleatorias
discretas

1
2
a)

μ=2
3
x
0
1
2
b)

μ=2
3
4
x
 Sea una variable aleatoria con distribución de probabilidad
fx(x). La varianza de “X” es:
2 2
σ2 = E[(X - μ) ] f(x) = (X - μ) f(x)
x
2 2
Variables aleatorias

σ2 = E(X )- [E(X)]
Sea una variable aleatoria con distribución de densidad de
discretas

probabilidad fx(x). La varianza de “X” es:

2 2
σ2 = E[(X - μ) ] f(x) = (X - μ) fx (x) dx
-
La raíz cuadrada positiva de la varianza, σ, se llama desviación
típica de “X”
 Propiedades:

La varianza cumple con las siguientes propiedades:

Variables aleatorias

a) Var(X) ≥ 0 d) Var(aX + b) = a2*Var(X)

discretas

b) Var(aX) = a2*Var(X) e) Var(X+Y) = Var(X) + Var(Y)

c) Var(b) = 0

Donde: “X” y “Y” son V.A. a,b son constantes

 Sea una variable aleatoria con distribución de probabilidad
fx(x). El coeciente de variación de “X” es:
C.V.= σ/μx
Variables aleatorias

Indica qué tan grande es la desviación estándar en relación a la media. Se

utiliza para comparar la variabilidad que existe entre dos conjuntos de datos,
discretas

siempre que ambos tengan la misma distribución.

Si el coeciente de variación es pequeño (cercano a 0), entonces los valores
presentan poca dispersión respecto a la media aritmética, es decir, que la
media es muy representativa.

Indica el número de veces que el numerador (la desviación) contiene al

denominador (la media) y se expresa en porcentajes. La mayor dispersión
corresponderá al valor del coeciente de variación mayor.
 Sea una variable aleatoria con distribución de probabilidad
fx(x). La mediana de “X” Me x es:
La mediana nos indica el valor que separa los datos en dos fracciones iguales
con el cincuenta porciento de los datos cada una.
Variables aleatorias

La mediana nos indica el valor que separa los datos en dos fracciones iguales
con el cincuenta porciento de los datos cada una. Mex es un valor tal que
discretas

F(Mex) = 1/2.
a) b)
y 0 1 2 x 0 1 2 3 4
P(Y≤y) 1/4 3/4 4/4 P(X≤x) 1/16 5/16 11/16 15/16 16/16

Observando la función de distribución acumulada la mediana Me x será el

primer valor que iguala o deja por debajo a 1/2
 Sea una variable aleatoria con distribución de probabilidad
fx(x). La moda de “X” Md es:

Aquella que nos indica el valor que más veces se repite dentro de los datos.
Variables aleatorias

a) b)
y 0 1 2 x 0 1 2 3 4
discretas

P(Y=y) 1/4 2/4 1/4 P(X=x) 1/16 4/16 6/16 4/16 1/16

c)
y 0 1 2
P(Y=y) 10/28 15/28 3/28
 Sea una variable aleatoria con distribución de probabilidad
fx(x). La moda de “X” Md x es:
Variables aleatorias

La moda de “X” o de su distribución es aquel número x*, si existe, tal que la

función fx(x*) toma su valor máximo.
discretas

Esta denición se aplica tanto en el caso continuo como en el caso discreto,

pero en este último caso, la moda siempre existe y representa el punto de
máxima probabilidad de la distribución.
 Sea una variable aleatoria con distribución de probabilidad
fx(x). La moda de “X” Md x es:
Variables aleatorias

Una variable aleatoria puede tener dos valores con igual probabilidad de
ocurrir, siendo ésta la máxima, razón por la cual se llama Bimodal, si tiene
discretas

tres valores con igual probabilidad de ocurrir, siendo ésta la más alta, se
describe como Trimodal, y así sucesivamente.

x 0 1 2 3 4
P(X=x) 1/16 2/16 6/16 6/16 1/16
 Ejemplo:
Se sacan dos bolas de manera sucesiva sin reemplazo
de una urna que contiene cuatro bolas rojas y tres bolas
negras. Los posibles resultados y los valores de la variable
aleatoria “Y”, donde “y” es el número de bolas rojas son:
Variables aleatorias
discretas

y 0 1 2 y fy (y) y*fy (y)

fy (y)= P(Y=y) 1/4 2/4 1/4 0 1/4 0
1 2/4 2/4
2 1/4 2/4
1
E(x)= μ = (0)(1/4) + (1)(2/4)+ (2)(1/4)= 1
 Ejemplo:
Se sacan dos bolas de manera sucesiva sin reemplazo
de una urna que contiene cuatro bolas rojas y tres bolas
negras. Los posibles resultados y los valores de la variable
aleatoria “Y”, donde “y” es el número de bolas rojas son:
Variables aleatorias

2 2
σ2 = E(Y )- [E(Y)]
discretas

y2 0 1 4
μ = E(Y) = (0)(1/4) + (1)(2/4)+ (2)(1/4)= 1 y 0 1 2
2 P(Y=y) 1/4 2/4 1/4
E(Y ) = (0)(1/4) + (1)(2/4)+ (4)(1/4)= 3/2

2
σ2 = 3/2 - 1 = 1/2 σ =√(1/2) = 0.7071
 Ejemplo:
Se sacan dos bolas de manera sucesiva sin reemplazo
de una urna que contiene cuatro bolas rojas y tres bolas
negras. Los posibles resultados y los valores de la variable
aleatoria “Y”, donde “y” es el número de bolas rojas son:
Variables aleatorias

μy = E(Y)= 1
discretas

y2 0 1 4
2
E(Y ) = 3/2 y 0 1 2
P(Y=y) 1/4 2/4 1/4
2
σ 2 = 3/2 - 1 = 1/2

C.V. = σy / μy= 0.707/1 = 70.7%

 Ejemplo:
Se sacan dos bolas de manera sucesiva sin reemplazo
de una urna que contiene cuatro bolas rojas y tres bolas
negras. Los posibles resultados y los valores de la variable
aleatoria “Y”, donde “y” es el número de bolas rojas son:
Variables aleatorias

La moda de “X” Md x es:

discretas

y 0 1 2
Md x es: X= 1
P(Y=y) 1/4 2/4 1/4

La mediana de “X” Me x es:

Me x es: X = 1 y 0 1 2
P(Y≤y) 1/4 3/4 4/4
 Ejemplo:
Un embarque de ocho microcomputadoras similares para una tienda
Variables aleatorias

al detalle contiene tres que están defectuosas. Si una escuela hace

una compra al azar de dos de estas computadoras, encuentre la
discretas

distribución de probabilidad para el número de defectuosas.

a) C.V.
b) Desviación típica
c) Media
d) Mediana
 Ejemplo:

2
x x2 fx(x) E(X)=μ E(X ) σ2
Variables aleatorias

σ
0 0 10/28 (0) (10/28) = 0 (0) (10/28) = 0 27/28 - (21/28)2
√(45/112)
discretas

1 1 15/28 (1) (15/28) = 15/28 (1) (15/28) = 15/28

2 4 3/28 (2) (3/28) = 6/28 (4) (3/28) = 12/28 = 45/112
21/28 27/28

E(X)=μ = 21/28 σ2 = 45/112 σ= √(45/112)

 Ejemplo:

E(X)=μ = 21/28 σ2 = 45/112 σ= √(45/112)

C.V. = σx / μx = √(45/112)/(21/28) = √(35)/7 = 84.51%
Variables aleatorias
discretas

La moda de “X” Md x es: La mediana de “X” Me x es:

Md x es: X= 1 Me x es: X = 1
x fx(x) x Fx(x)
0 10/28 0 10/28
1 15/28 1 25/28
2 3/28 2 28/28
 Ejemplo:
Para la siguiente función de densidad de probabilidad

a) Encuentre F(x)
b) P(X≤1), P(0<X≤1) y P(-2<X≤0)
Variables aleatorias

c) C.V. moda, mediana

x2/3 ; -1 ≤ x ≤ 2
continuas

f(x) =
0 ; cualquier otro caso

x
x
(x /3) dx = (1/9) [ x ] = (1/9)(x3 - (-1)) = (1/9)(x3 +1)
2 3
-1
-1
 Ejemplo:

0 ; X<-1
Fx (1) = 2/9
x 3 +1
Fx (x) = ; -1 ≤ x < 2
9 Fx (1) - Fx (0)= 2/9- 1/9 = 1/9
Variables aleatorias

1 ; x≥2 Fx (0) = 1/9

continuas

La moda es el máximo de la función de densidad de “X” Md x

No hay moda
La mediana “X” Md x es:
3
M3 +1 = 0.5 M = √ 3.5 Md x = 1,5182
9
 Ejemplo:

2
2
E(X)=μ = x*(x2/3) dx = [x4/12] = 5/4
-1
-1
Variables aleatorias

2
2
E(X ) = x2*(x2/3) dx = [x5/15] = 11/5
2
continuas

-1
-1

σ2 = 11/5 - (5/4)2 = 51/80

C.V. = σx / μx = √(51/80)/(5/4) = 63.87%

 Ejemplo:
Para la siguiente función de densidad de probabilidad

a) Encuentre F(x)
c) C.V. moda, mediana
Variables aleatorias

x/12 ; 0 ≤ x ≤ 5
continuas

f(x) =
0 ; cualquier otro caso
 Ejemplo:
Para la siguiente función de densidad de probabilidad

a) Encuentre F(x)
b) C.V. moda, mediana x/12 ; 1 ≤ x ≤ 5
f(x) =
Variables aleatorias

0 ; cualquier otro caso

continuas

x
x
(x/12) dx = (1/24) [ x2 ] = (1/24)[x2 -1]
1 1
Comprobación
0 ; x<1 Fx(1) = 0
Fx(x) = (1/24)[x2-1] ; 1 ≤ x ≤ 5 (1/24)[x2-1]
1 ; x>5 Fx(5) = 1
 Ejemplo:
Para la siguiente función de densidad de probabilidad
b) C.V. moda, mediana

0 ; x<1
x/12 ; 1 ≤ x ≤ 5 (1/24)[x2-1] ; 1 ≤ x ≤ 5
Variables aleatorias

f(x) = Fx(x) =
0 ; cualquier otro caso
1 ; x>5
continuas

La moda es el máximo de la La mediana “X” Md x es:

función de densidad de
“X” Md x M2 -1 = 0.5
24
No hay moda
Md x = 3.31662479
 Ejemplo:
Para la siguiente función de densidad de probabilidad
b) C.V. moda, mediana
5
3
5
E(X)=μ = x*(x/12) dx = [x /36] = 31/9
1
Variables aleatorias

1
5
continuas

2 4
5
2
E(X ) = x *(x/12) dx = [x /48] = 13
1
1
σ2 = 13 -(31/9)2 = 92/81

C.V. = σx / μx = √(92/81)/(31/9) = 30.94%