Est 2

PROBABILIDAD Y ESTAD
ISTICA
Variable Aleatoria y Distribuciones de Probabilidad
Prof. Heber Sarmiento B
hebersarmiento@usantotomas.edu.co
Maestra en Construccion de Obras Viales
Prof. Heber Sarmiento B hebersarmiento@usantotomas.edu.co Maestra en Construccion de Obras Viales () PROBABILIDAD Y ESTAD
ISTICA 1 / 27
Contenido
1 Algunas Deniciones Importantes
2 Variables Aleatorias
3 Funcion de Probabilidad y Funcion de Distribucion
ISTICA 2 / 27
Algunas Deniciones Importantes
Espacio muestral, Punto muestral y Evento
Espacio Muestral: Sea un experimento aleatorio, el conjunto de todos
los posibles resultados que se pueden obtener en el desarrollo de , se
denomina, espacio muestral .
Evento: De esta forma de llama a todo subconjunto de un Espacio
Muestral S, asociado a cualquier experimento aleatorio.
Punto Muestral: Nombre que recibe cada uno de los elementos que
componen un espacio muestral.
ISTICA 3 / 27
ISTICA 3 / 27
ISTICA 3 / 27
ISTICA 3 / 27
Algunos Ejemplos
Experimento: Lanzar una moneda legal (clasico)
Espacio Muestral:
= {Cara, Sello}
Experimento: Lanzar un dado legal (clasico)
Espacio Muestral:
= {1, 2, 3, 4, 5, 6}
ISTICA 4 / 27
Algunos Ejemplos
Espacio Muestral:
= {Cara, Sello}
Espacio Muestral:
= {1, 2, 3, 4, 5, 6}
ISTICA 4 / 27
Algunos Ejemplos
Espacio Muestral:
= {Cara, Sello}
Espacio Muestral:
= {1, 2, 3, 4, 5, 6}
ISTICA 4 / 27
Algunos Ejemplos
Espacio Muestral:
= {Cara, Sello}
Espacio Muestral:
= {1, 2, 3, 4, 5, 6}
ISTICA 4 / 27
Algunos Ejemplos
Espacio Muestral:
= {Cara, Sello}
Espacio Muestral:
= {1, 2, 3, 4, 5, 6}
ISTICA 4 / 27
Algunos Ejemplos
Espacio Muestral:
= {Cara, Sello}
Espacio Muestral:
= {1, 2, 3, 4, 5, 6}
ISTICA 4 / 27
Algunos Ejemplos
Espacio Muestral:
= {Cara, Sello}
Espacio Muestral:
= {1, 2, 3, 4, 5, 6}
ISTICA 4 / 27
...mas ejemplos
Experimento: Medir el nivel de llenado de un conjunto de n recipientes
cilndricos con altura maxima de h cm y tomar nota de esta informacion
Espacio Muestral:
= {0, h
1
, h
2
, . . . h
n
}
Experimento: Seleccionar aleatoriamente a una persona de 18 a nos o mas
en un grupo de n personas y solicitar la cedula para establecer su edad
Espacio Muestral:
= [18, ..)
ISTICA 5 / 27
...mas ejemplos
Espacio Muestral:
= {0, h
1
, h
2
, . . . h
n
}
Espacio Muestral:
= [18, ..)
ISTICA 5 / 27
...mas ejemplos
Espacio Muestral:
= {0, h
1
, h
2
, . . . h
n
}
Espacio Muestral:
= [18, ..)
ISTICA 5 / 27
...mas ejemplos
Espacio Muestral:
= {0, h
1
, h
2
, . . . h
n
}
Espacio Muestral:
= [18, ..)
ISTICA 5 / 27
...mas ejemplos
Espacio Muestral:
= {0, h
1
, h
2
, . . . h
n
}
Espacio Muestral:
= [18, ..)
ISTICA 5 / 27
...mas ejemplos
Espacio Muestral:
= {0, h
1
, h
2
, . . . h
n
}
Espacio Muestral:
= [18, ..)
ISTICA 5 / 27
...mas ejemplos
Espacio Muestral:
= {0, h
1
, h
2
, . . . h
n
}
Espacio Muestral:
= [18, ..)
ISTICA 5 / 27
Espacio Muestral Discreto y Continuo
Atendiendo a la naturaleza de los resultados obtenidos en un experimento
aleatorio, los espacios muestrales se pueden clasicar como:
Espacio Muestral Discreto: si es posible poner en correspondencia
biunvoca cada uno de los elementos del espacio muestral con el
conjunto de los enteros positivos.
y se llamara
Espacio Muestral Continuo: si sus resultados consisten en todos los
puntos de un intervalo de n umeros reales, un plano, o alg un rectangulo en
el espacio n dimensional de R
n
.
ISTICA 6 / 27
y se llamara
n
.
ISTICA 6 / 27
y se llamara
n
.
ISTICA 6 / 27
y se llamara
n
.
ISTICA 6 / 27
y se llamara
n
.
ISTICA 6 / 27
Variables Aleatorias
Denicion
Variable Aleatoria
Una funcion X denida
X :

//
que asigna a cada elemento del espacio muestral un n umero real r y

tiene asociada una funcion de probabilidad P, recibe el nombre de variable
aleatoria
S el espacio muestral es discreto, diremos que la variable aleatoria X es
una variable discreta, por el contrario, s es continuo, se dira que la
variable aleatoria X es continua
ISTICA 7 / 27
Denicion
Variable Aleatoria
X :

//

aleatoria
ISTICA 7 / 27
Denicion
Variable Aleatoria
X :

//

aleatoria
una variable discreta,
por el contrario, s es continuo, se dira que la
ISTICA 7 / 27
Denicion
Variable Aleatoria
X :

//

aleatoria
ISTICA 7 / 27
Algunas Variables Aleatorias
1 N umero de ni nos por hogar en un determinado sector del pas.
2 Nivel de dureza en la escala que corresponda de cierto tipo de roca
en un conjunto de varias muestras.
3 Tiempo de fraguado en 10 muestras de determiando tipo de concreto.
4 N umero de remaches defectuosos por cada 10 metros en la baranda
de un puente.
5 El ingreso economico mensual de cada uno de los miembros de una
familia.
6 Tiempo empleado por el profesor para preparar cada una de las
sesiones de clase.
ISTICA 8 / 27
de un puente.
familia.
sesiones de clase.
ISTICA 8 / 27
de un puente.
familia.
sesiones de clase.
ISTICA 8 / 27
de un puente.
familia.
sesiones de clase.
ISTICA 8 / 27
de un puente.
familia.
sesiones de clase.
ISTICA 8 / 27
de un puente.
familia.
sesiones de clase.
ISTICA 8 / 27
Observacion
Sobre un mismo experimento aleatorio es posible denir m ultiples variales
aleatorias, como se muestra a continuacion.
Experimento: E:Lanzar al msmo tiempo tres monedas legales.
Variables aleatorias
X(s) : N umero de monedas que caen cara.
Y (s) : N umero de caras menos sellos.
Z(s) : Distancia mnima entre las monedas.
W(s) :

Area del triangulo determinado por las tres monedas.
ISTICA 9 / 27
Observacion
W(s) :

ISTICA 9 / 27
Observacion
W(s) :

ISTICA 9 / 27
Observacion
W(s) :

ISTICA 9 / 27
Observacion
W(s) :

ISTICA 9 / 27
Observacion
W(s) :

ISTICA 9 / 27
Observacion
W(s) :

ISTICA 9 / 27
...un ejemplo completo
Experimento: Lanzar dos dados de seis caras.
Espacio Muestral
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
La primera componente representa el valor del primer dado y la segunda el
valor del segundo dado, en cada lanzamiento.
ISTICA 10 / 27
Espacio Muestral
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
ISTICA 10 / 27
Espacio Muestral
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
ISTICA 10 / 27
Espacio Muestral
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
ISTICA 10 / 27
Espacio Muestral
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
ISTICA 10 / 27
La variable aleatoria
Se dene la variable
X:Suma de los valores obtenidos en cada uno de los lanzamientos.
El resultado de la variable aleatoria puede ser presentado como sigue:
X(s) 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
La primera la y columna representan respectivamente el el dado 1 y 2.
ISTICA 11 / 27
Se dene la variable
X(s) 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
ISTICA 11 / 27
Se dene la variable
X(s) 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
ISTICA 11 / 27
Se dene la variable
X(s) 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
ISTICA 11 / 27
Se dene la variable
X(s) 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
ISTICA 11 / 27
Es claro que la tabla anterior se debe entender como
X((1, 1)) = 2, X((1, 2)) = 3 . . . X((6, 6)) = 12
De la observacion se encuentra que al evaluar la variable aleatoria X(s) en
cada una de las parejas de resultados obtenidos al lanzar los dos dados, se
consigue el siguiente conjunto de valores
A = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
ISTICA 12 / 27
X((1, 1)) = 2, X((1, 2)) = 3 . . . X((6, 6)) = 12
A = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
ISTICA 12 / 27
X((1, 1)) = 2, X((1, 2)) = 3 . . . X((6, 6)) = 12
A = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
ISTICA 12 / 27
X((1, 1)) = 2, X((1, 2)) = 3 . . . X((6, 6)) = 12
A = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
ISTICA 12 / 27
X((1, 1)) = 2, X((1, 2)) = 3 . . . X((6, 6)) = 12
A = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
ISTICA 12 / 27
Funci on de Probabilidad y Funci on de Distribucion
...la funcion de probabilidad
Con la informacion del conjunto A se puede construir una funcion de
probabilidad de la siguiente forma
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
Es con esta funcion mediante la cual podemos cuanticar la realizacion de
un determinado evento,por ejemplo P(X = 3) que se debe entender como
la probabilidad de que al lanzar los dos dados, la suma de los puntos
sea 3,es para este caso
2
36
.
La funcion de probabilidad se acostumbra a notar como f
x
(x) y en la
literatura se hace referencia escribiendo fdp
calculos
ISTICA 13 / 27
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
2
36
.
x
(x) y en la
calculos
ISTICA 13 / 27
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
un determinado evento,
por ejemplo P(X = 3) que se debe entender como
2
36
.
x
(x) y en la
calculos
ISTICA 13 / 27
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
2
36
.
x
(x) y en la
calculos
ISTICA 13 / 27
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
2
36
.
x
(x) y en la
calculos
ISTICA 13 / 27
Otros valores de probabilidad que se pueden calcular a partir de esta tabla
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
de igual forma se tiene que
P(X > 10) = P(X = 11) +P(X = 12)
de lo que se obtiene
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) =
P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +
P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) =
P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +
P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
son los siguientes
P(X 3) = P(X = 2) +P(X = 3)
y seg un la tabla,
fdp
estos valores son:
1
36
+
2
36
=
1
12
P(X > 10) = P(X = 11) +P(X = 12)
1
36
+
2
36
=
1
12
ISTICA 14 / 27
En el caso en que se nos pida calcular
P(5 X < 8) = P(X = 5) +P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
Importante: observe que la
P(X < 8) = P(X 8)
esto para el caso de las variables discretas, para las variables continuas no
se atiende a esta diferencias, es decir
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) =
P(X = 5) +P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) = P(X = 5) +
P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) = P(X = 5) +P(X = 6) +
P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) = P(X = 5) +P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) = P(X = 5) +P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) = P(X = 5) +P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) = P(X = 5) +P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) = P(X = 5) +P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) = P(X = 5) +P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) = P(X = 5) +P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) = P(X = 5) +P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
esto para el caso de las variables discretas,
para las variables continuas no
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) = P(X = 5) +P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
se atiende a esta diferencias,
es decir
P(X < 8) = P(X 8)
ISTICA 15 / 27
P(5 X < 8) = P(X = 5) +P(X = 6) +P(X = 7)
se tiene que:
4
36
+
5
36
+
6
36
=
5
12
P(X < 8) = P(X 8)
P(X < 8) = P(X 8)
ISTICA 15 / 27
Retomando lo anterior, se puede concluir que
Para el calculo de un valor puntual de probabilidad en una variable
discreta como la del ejemplo, el valor se toma directamente de la
funcion (tabla para nuestro caso)
y el calculo de
P(X x
0
) =
x
0
P(x
i
)
a esta ultima funcion se le denomina Funcion de Distribucion de
Probabilidad y se la acostumbra a denotar como F
x
(x), en la literatura se
suele encontrar comom FDP
ISTICA 16 / 27
funcion
(tabla para nuestro caso)
y el calculo de
P(X x
0
) =
x
0
P(x
i
)
x
ISTICA 16 / 27
y el calculo de
P(X x
0
) =
x
0
P(x
i
)
x
ISTICA 16 / 27
y el calculo de
P(X x
0
) =
x
0
P(x
i
)
x
ISTICA 16 / 27
y el calculo de
P(X x
0
) =
x
0
P(x
i
)
x
ISTICA 16 / 27
y el calculo de
P(X x
0
) =
x
0
P(x
i
)
x
ISTICA 16 / 27
Aspectos te oricos sobre fdp y FDP
Funcion de probabilidad de una variable discreta
Una funcion P denida como
P :

//
[0, 1]
que satisface cada una de las siguientes axiomas
Para todo evento A se tiene que P(A) 0
P() = 1
Para todo A
1
, A
2
, A
3
, A
4
, ..., A
n
se tiene que
P(
_
i=1
A
i
) =
i=1
P(A
i
)
recibe el nombre de funcion de probabilidad
ISTICA 17 / 27
P :

//
[0, 1]
P() = 1
Para todo A
1
, A
2
, A
3
, A
4
, ..., A
n
se tiene que
P(
_
i=1
A
i
) =
i=1
P(A
i
)
ISTICA 17 / 27
P :

//
[0, 1]
P() = 1
Para todo A
1
, A
2
, A
3
, A
4
, ..., A
n
se tiene que
P(
_
i=1
A
i
) =
i=1
P(A
i
)
ISTICA 17 / 27
P :

//
[0, 1]
P() = 1
Para todo A
1
, A
2
, A
3
, A
4
, ..., A
n
se tiene que
P(
_
i=1
A
i
) =
i=1
P(A
i
)
ISTICA 17 / 27
P :

//
[0, 1]
P() = 1
Para todo A
1
, A
2
, A
3
, A
4
, ..., A
n
se tiene que
P(
_
i=1
A
i
) =
i=1
P(A
i
)
ISTICA 17 / 27
P :

//
[0, 1]
P() = 1
Para todo A
1
, A
2
, A
3
, A
4
, ..., A
n
se tiene que
P(
_
i=1
A
i
) =
i=1
P(A
i
)
ISTICA 17 / 27
P :

//
[0, 1]
P() = 1
Para todo A
1
, A
2
, A
3
, A
4
, ..., A
n
se tiene que
P(
_
i=1
A
i
) =
i=1
P(A
i
)
ISTICA 17 / 27
...
Funcion de densidad de una variable aleatoria continua
De manera semejante en como se da para el caso discreto, en las variables
continuas, una funcion f es una funcion de densidad de probabilidad si
satisface cada una de las siguientes condiciones
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
Importante: Tenga presente que lo discreto implica sumatoria, en tanto
que lo continuo implica integral
ISTICA 18 / 27
...
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 18 / 27
...
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 18 / 27
...
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 18 / 27
...
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 18 / 27
...
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 18 / 27
...
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 18 / 27
...
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 18 / 27
Un ejemplo de fdp continua
La Distribucion Uniforme Continua
f
x
(x) =
_
1
BA
si A x B
0 en otro caso
Si verdaderamente la expresion anterior corresponde a una distribucion de
densidad de probabilidad, debe satisfacer cada una de las siguientes
condiciones:
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 19 / 27
f
x
(x) =
_
1
BA
si A x B
0 en otro caso
condiciones:
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 19 / 27
f
x
(x) =
_
1
BA
si A x B
0 en otro caso
condiciones:
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 19 / 27
f
x
(x) =
_
1
BA
si A x B
0 en otro caso
condiciones:
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 19 / 27
f
x
(x) =
_
1
BA
si A x B
0 en otro caso
condiciones:
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 19 / 27
f
x
(x) =
_
1
BA
si A x B
0 en otro caso
condiciones:
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 19 / 27
f
x
(x) =
_
1
BA
si A x B
0 en otro caso
condiciones:
f
x
(x) 0
_
f
x
(x)dx = 1
P(X a) =
_
a
f
x
(x)dx
ISTICA 19 / 27
La graca de la Distribucion Uniforme Continua nos permite observar la
naturaleza positiva de la funcion,
adicional a lo anterior, la relacion A < B implica que B A > 0 con lo
que
1
BA
> 0
ISTICA 20 / 27
que
1
BA
> 0
ISTICA 20 / 27
que
1
BA
> 0
ISTICA 20 / 27
Hasta este momento se ha probado que la funcion es positiva, ahora
se debe probar que
_

f
x
(x)dx = 1
Del calculo se sabe para el caso particular nuestro que la igualdad
_

f
x
(x)dx =
_
A
f
x
(x)dx +
_
B
A
f
x
(x)dx +
_

B
f
x
(x)dx
es valida y tambien que por la naturaleza de la funcion que tenemos, es
cierto
_
A
f
x
(x)dx +
_

B
f
x
(x)dx = 0
ISTICA 21 / 27
se debe probar que
_

f
x
(x)dx = 1
_

f
x
(x)dx =
_
A
f
x
(x)dx +
_
B
A
f
x
(x)dx +
_

B
f
x
(x)dx
cierto
_
A
f
x
(x)dx +
_

B
f
x
(x)dx = 0
ISTICA 21 / 27
se debe probar que
_

f
x
(x)dx = 1
_

f
x
(x)dx =
_
A
f
x
(x)dx +
_
B
A
f
x
(x)dx +
_

B
f
x
(x)dx
cierto
_
A
f
x
(x)dx +
_

B
f
x
(x)dx = 0
ISTICA 21 / 27
se debe probar que
_

f
x
(x)dx = 1
_

f
x
(x)dx =
_
A
f
x
(x)dx +
_
B
A
f
x
(x)dx +
_

B
f
x
(x)dx
cierto
_
A
f
x
(x)dx +
_

B
f
x
(x)dx = 0
ISTICA 21 / 27
se debe probar que
_

f
x
(x)dx = 1
_

f
x
(x)dx =
_
A
f
x
(x)dx +
_
B
A
f
x
(x)dx +
_

B
f
x
(x)dx
es valida
y tambien que por la naturaleza de la funcion que tenemos, es
cierto
_
A
f
x
(x)dx +
_

B
f
x
(x)dx = 0
ISTICA 21 / 27
se debe probar que
_

f
x
(x)dx = 1
_

f
x
(x)dx =
_
A
f
x
(x)dx +
_
B
A
f
x
(x)dx +
_

B
f
x
(x)dx
cierto
_
A
f
x
(x)dx +
_

B
f
x
(x)dx = 0
ISTICA 21 / 27
se debe probar que
_

f
x
(x)dx = 1
_

f
x
(x)dx =
_
A
f
x
(x)dx +
_
B
A
f
x
(x)dx +
_

B
f
x
(x)dx
cierto
_
A
f
x
(x)dx +
_

B
f
x
(x)dx = 0
ISTICA 21 / 27
...se debe calcular y mostrar que
_
B
A
1
B A
dx = 1
En efecto
_
B
A
1
B A
dx =
1
B A
_
B
A
dx
y esto es
1
B A
(B A) =
B A
B A
lo que es igual a 1
Lo anterior muestra que la funcion f es en efecto una funcion de
probabilidad.
ISTICA 22 / 27
_
B
A
1
B A
dx = 1
En efecto
_
B
A
1
B A
dx =
1
B A
_
B
A
dx
y esto es
1
B A
(B A) =
B A
B A
lo que es igual a 1
probabilidad.
ISTICA 22 / 27
_
B
A
1
B A
dx = 1
En efecto
_
B
A
1
B A
dx =
1
B A
_
B
A
dx
y esto es
1
B A
(B A) =
B A
B A
lo que es igual a 1
probabilidad.
ISTICA 22 / 27
_
B
A
1
B A
dx = 1
En efecto
_
B
A
1
B A
dx =
1
B A
_
B
A
dx
y esto es
1
B A
(B A) =
B A
B A
lo que es igual a 1
probabilidad.
ISTICA 22 / 27
_
B
A
1
B A
dx = 1
En efecto
_
B
A
1
B A
dx =
1
B A
_
B
A
dx
y esto es
1
B A
(B A) =
B A
B A
lo que es igual a 1
probabilidad.
ISTICA 22 / 27
_
B
A
1
B A
dx = 1
En efecto
_
B
A
1
B A
dx =
1
B A
_
B
A
dx
y esto es
1
B A
(B A) =
B A
B A
lo que es igual a 1
probabilidad.
ISTICA 22 / 27
_
B
A
1
B A
dx = 1
En efecto
_
B
A
1
B A
dx =
1
B A
_
B
A
dx
y esto es
1
B A
(B A) =
B A
B A
lo que es igual a 1
probabilidad.
ISTICA 22 / 27
Valor esperado de una variablea aleatoria
Denicion: Sea X una variable aleatoria con distribucion de probabilidad
f
X
(x). El valor Promedio o Valor esperado de la variable aleatoria X, se
nota y dene como:
= E(X) =
x
x
0
P(X = x
0
)
para el caso discreto y
_

xf
X
(x)dx
para el caso continuo
el valor esperado se considera como aquel valor de la variable aleatoria que
tiene la mayor probabilidad de ocurrir.
ISTICA 23 / 27
f
X
nota y dene como:
= E(X) =
x
x
0
P(X = x
0
)
_

xf
X
(x)dx
ISTICA 23 / 27
f
X
nota y dene como:
= E(X) =
x
x
0
P(X = x
0
)
_

xf
X
(x)dx
ISTICA 23 / 27
f
X
nota y dene como:
= E(X) =
x
x
0
P(X = x
0
)
_

xf
X
(x)dx
ISTICA 23 / 27
f
X
nota y dene como:
= E(X) =
x
x
0
P(X = x
0
)
_

xf
X
(x)dx
ISTICA 23 / 27
f
X
nota y dene como:
= E(X) =
x
x
0
P(X = x
0
)
_

xf
X
(x)dx
ISTICA 23 / 27
Propiedades del Valor Esperado
Algunas de las propiedades del Valor Esperado son las siguientes:
Sean a y b constantes y X e Y variables aleatorias, se tiene que
1 E(a) = a
2 E(bX) = bE(X)
3 E(X +Y ) = E(X) +E(Y )
4 E(X +a) = E(X) +E(a) = E(X) +a
5 E(bX +a) = E(bX) +E(a) = bE(X) +a
Es claro que el valor esperado es una transformacion lineal al satisfacer
las propiedades (2) y (3).
ISTICA 24 / 27
1 E(a) = a
2 E(bX) = bE(X)
3 E(X +Y ) = E(X) +E(Y )
4 E(X +a) = E(X) +E(a) = E(X) +a
5 E(bX +a) = E(bX) +E(a) = bE(X) +a
ISTICA 24 / 27
1 E(a) = a
2 E(bX) = bE(X)
3 E(X +Y ) = E(X) +E(Y )
4 E(X +a) = E(X) +E(a) = E(X) +a
5 E(bX +a) = E(bX) +E(a) = bE(X) +a
ISTICA 24 / 27
1 E(a) = a
2 E(bX) = bE(X)
3 E(X +Y ) = E(X) +E(Y )
4 E(X +a) = E(X) +E(a) = E(X) +a
5 E(bX +a) = E(bX) +E(a) = bE(X) +a
ISTICA 24 / 27
1 E(a) = a
2 E(bX) = bE(X)
3 E(X +Y ) = E(X) +E(Y )
4 E(X +a) = E(X) +E(a) = E(X) +a
5 E(bX +a) = E(bX) +E(a) = bE(X) +a
ISTICA 24 / 27
1 E(a) = a
2 E(bX) = bE(X)
3 E(X +Y ) = E(X) +E(Y )
4 E(X +a) = E(X) +E(a) = E(X) +a
5 E(bX +a) = E(bX) +E(a) = bE(X) +a
ISTICA 24 / 27
1 E(a) = a
2 E(bX) = bE(X)
3 E(X +Y ) = E(X) +E(Y )
4 E(X +a) = E(X) +E(a) = E(X) +a
5 E(bX +a) = E(bX) +E(a) = bE(X) +a
ISTICA 24 / 27
1 E(a) = a
2 E(bX) = bE(X)
3 E(X +Y ) = E(X) +E(Y )
4 E(X +a) = E(X) +E(a) = E(X) +a
5 E(bX +a) = E(bX) +E(a) = bE(X) +a
ISTICA 24 / 27
Tomando la variable aleatoria
X: Suma de los valores obtenidos en cada uno de los lanzamientos
y su respectiva distribucion de probabilidad dada por
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
se calcula el valor esperado como
E(X) = 2
_
1
36
_
+3
_
2
36
_
+4
_
3
36
_
+ +10
_
3
36
_
+11
_
2
36
_
+12
_
1
36
_
para obtener nalmente
E(X) = 7
Esto para el caso discreto.
ISTICA 25 / 27
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
E(X) = 2
_
1
36
_
+3
_
2
36
_
+4
_
3
36
_
+ +10
_
3
36
_
+11
_
2
36
_
+12
_
1
36
_
E(X) = 7
ISTICA 25 / 27
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
E(X) = 2
_
1
36
_
+3
_
2
36
_
+4
_
3
36
_
+ +10
_
3
36
_
+11
_
2
36
_
+12
_
1
36
_
E(X) = 7
ISTICA 25 / 27
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
E(X) = 2
_
1
36
_
+3
_
2
36
_
+4
_
3
36
_
+ +10
_
3
36
_
+11
_
2
36
_
+12
_
1
36
_
E(X) = 7
ISTICA 25 / 27
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
E(X) = 2
_
1
36
_
+3
_
2
36
_
+4
_
3
36
_
+ +10
_
3
36
_
+11
_
2
36
_
+12
_
1
36
_
E(X) = 7
ISTICA 25 / 27
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
E(X) = 2
_
1
36
_
+3
_
2
36
_
+4
_
3
36
_
+ +10
_
3
36
_
+11
_
2
36
_
+12
_
1
36
_
E(X) = 7
ISTICA 25 / 27
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
E(X) = 2
_
1
36
_
+3
_
2
36
_
+4
_
3
36
_
+ +10
_
3
36
_
+11
_
2
36
_
+12
_
1
36
_
E(X) = 7
ISTICA 25 / 27
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
E(X) = 2
_
1
36
_
+3
_
2
36
_
+4
_
3
36
_
+ +10
_
3
36
_
+11
_
2
36
_
+12
_
1
36
_
E(X) = 7
ISTICA 25 / 27
X 2 3 4 5 6 7 8 9 10 11 12
P(X = x
0
)
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
E(X) = 2
_
1
36
_
+3
_
2
36
_
+4
_
3
36
_
+ +10
_
3
36
_
+11
_
2
36
_
+12
_
1
36
_
E(X) = 7
ISTICA 25 / 27
Varianza de una Variable Aleatoria
Denicion: Sea X una variable aleatoria, la Varianza de X se dene y
nota como:
V (X) = E
_
(X E(X))
2
o equivalentemente
2
= E
_
(X )
2
y es el valor que determina el grado de acumulacion de los datos en torno

al Valor Esperado. Para efectos practicos, la varianza se acostumbra a
calcular mediante la expresion
V (X) = E(x
2
) [E(X)]
2
atendiendo a la naturaleza discreta o continua, se debera considerar una
sumatoria o una integral, en cada caso.
ISTICA 26 / 27
nota como:
V (X) = E
_
(X E(X))
2
o equivalentemente
2
= E
_
(X )
2

V (X) = E(x
2
) [E(X)]
2
ISTICA 26 / 27
nota como:
V (X) = E
_
(X E(X))
2
o equivalentemente
2
= E
_
(X )
2

V (X) = E(x
2
) [E(X)]
2
ISTICA 26 / 27
nota como:
V (X) = E
_
(X E(X))
2
o equivalentemente
2
= E
_
(X )
2

V (X) = E(x
2
) [E(X)]
2
ISTICA 26 / 27
nota como:
V (X) = E
_
(X E(X))
2
o equivalentemente
2
= E
_
(X )
2

V (X) = E(x
2
) [E(X)]
2
ISTICA 26 / 27
nota como:
V (X) = E
_
(X E(X))
2
o equivalentemente
2
= E
_
(X )
2

V (X) = E(x
2
) [E(X)]
2
ISTICA 26 / 27
nota como:
V (X) = E
_
(X E(X))
2
o equivalentemente
2
= E
_
(X )
2

V (X) = E(x
2
) [E(X)]
2
ISTICA 26 / 27
Propiedades de la Varianza
Si a y b son constantes y X e Y variables aleatorias, algunas de
las propiedades de la Varianza son:
1 V (X) es positiva.
2 V (a) = 0
3 V (bX) = b
2
V (X)
4 V (X +Y ) = V (X) +V (Y )
5 V (X +a) = V (X) +V (a) = V (X)
6 V (bX +a) = V (bX) +V (a) = b
2
V (X)
validas todas ellas tanto para el caso discreto como para el caso continuo.
ISTICA 27 / 27
2 V (a) = 0
3 V (bX) = b
2
V (X)
4 V (X +Y ) = V (X) +V (Y )
5 V (X +a) = V (X) +V (a) = V (X)
6 V (bX +a) = V (bX) +V (a) = b
2
V (X)
ISTICA 27 / 27
2 V (a) = 0
3 V (bX) = b
2
V (X)
4 V (X +Y ) = V (X) +V (Y )
5 V (X +a) = V (X) +V (a) = V (X)
6 V (bX +a) = V (bX) +V (a) = b
2
V (X)
ISTICA 27 / 27
2 V (a) = 0
3 V (bX) = b
2
V (X)
4 V (X +Y ) = V (X) +V (Y )
5 V (X +a) = V (X) +V (a) = V (X)
6 V (bX +a) = V (bX) +V (a) = b
2
V (X)
ISTICA 27 / 27
2 V (a) = 0
3 V (bX) = b
2
V (X)
4 V (X +Y ) = V (X) +V (Y )
5 V (X +a) = V (X) +V (a) = V (X)
6 V (bX +a) = V (bX) +V (a) = b
2
V (X)
ISTICA 27 / 27
2 V (a) = 0
3 V (bX) = b
2
V (X)
4 V (X +Y ) = V (X) +V (Y )
5 V (X +a) = V (X) +V (a) = V (X)
6 V (bX +a) = V (bX) +V (a) = b
2
V (X)
ISTICA 27 / 27
2 V (a) = 0
3 V (bX) = b
2
V (X)
4 V (X +Y ) = V (X) +V (Y )
5 V (X +a) = V (X) +V (a) = V (X)
6 V (bX +a) = V (bX) +V (a) = b
2
V (X)
ISTICA 27 / 27
2 V (a) = 0
3 V (bX) = b
2
V (X)
4 V (X +Y ) = V (X) +V (Y )
5 V (X +a) = V (X) +V (a) = V (X)
6 V (bX +a) = V (bX) +V (a) = b
2
V (X)
ISTICA 27 / 27
2 V (a) = 0
3 V (bX) = b
2
V (X)
4 V (X +Y ) = V (X) +V (Y )
5 V (X +a) = V (X) +V (a) = V (X)
6 V (bX +a) = V (bX) +V (a) = b
2
V (X)
ISTICA 27 / 27

Est 2

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Est 2

Uploaded by

Copyright:

Available Formats

PROBABILIDAD Y ESTAD

que asigna a cada elemento del espacio muestral un n umero real r y

que asigna a cada elemento del espacio muestral un n umero real r y

que asigna a cada elemento del espacio muestral un n umero real r y

que asigna a cada elemento del espacio muestral un n umero real r y

y es el valor que determina el grado de acumulacion de los datos en torno

y es el valor que determina el grado de acumulacion de los datos en torno

y es el valor que determina el grado de acumulacion de los datos en torno

y es el valor que determina el grado de acumulacion de los datos en torno

y es el valor que determina el grado de acumulacion de los datos en torno

y es el valor que determina el grado de acumulacion de los datos en torno

y es el valor que determina el grado de acumulacion de los datos en torno

You might also like