You are on page 1of 34

Variables Aleatorias

Probabilidades
Variables aleatorias conocidas
Variables Aleatorias
Propiedades
Estad´ıstica
Departamento de Estad´ıstica
Universidad de Concepci´on
In´es Varas C.
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Contenidos
Variables Aleatorias
Definici´on
Probabilidades
Variables aleatorias conocidas
V.A. Discretas
Variables Continuas
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Definici´on
Experimento Aleatorio

Se define por un experimento aleatorio que corresponde a
un experimento el cual el resultado final es incierto.

Ejemplos de experimentos aleatorios: lanzamiento de una (o
m´as de una) moneda(s), lanzamiento de un dado, g´enero de
un alumno(a) seleccionado en el curso, etc.
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Definici´on
Espacio muestral

Se denota por S al espacio muestral que corresponde a
todos los resultados posibles de un experimento aleatorio .

Ejemplos:
Experimento () Espacio Muestral (S)

1
: lanzamiento 2 monedas S
1
:{cc,cs,sc,cc}

2
: lanzamiento 1 dado S
2
:{1,2,3,4,5,6}

3
: g´enero de 1 alumno S
3
:{M,F}
seleccionado del curso
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Definici´on
Variable Aleatoria

Una variable aleatoria se define como una funci´on real que, a
cada elemento del espacio muestral, le asigna uno y solo un
valor real.

Sea un experimento aleatorio y S el espacio muestral
asociado al experimento . Sean {w
1
, w
2
, . . .} los elementos
del espacio muestral S. Decimos que X es una variable
aleatoria (v.a.) si es una funci´on tal que
X : S →IR
: w
i
→x
i
= X(w
i
) ∀w
i
∈ S
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Definici´on
Ejemplos Variables Aleatorias

Suponga que se realiza el experimento de lanzar una moneda
3 veces. El espacio muestral S del experimento es...

Se define la variabe aleatoria X como la diferencia entre el
n´ umero de caras menos el n´ umero de sellos. Entonces:
w
i
X(w
i
) = x
i
w
1
= ccc X(w
1
) = +3 = x
1
w
2
= ccs X(w
2
) = +1 = x
2
w
3
= csc X(w
3
) = +1 = x
3
w
4
= scc X(w
4
) = +1 = x
4
w
5
= css X(w
5
) = −1 = x
5
w
6
= ssc X(w
6
) = −1 = x
6
w
7
= scs X(w
7
) = −1 = x
7
w
8
= sss X(w
8
) = −3 = x
8
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Definici´on
Recorrido de una v.a.

El conjunto de valores {x
1
, x
2
, . . .} corresponde a los valores
que toma la v.a. X luego que se aplica a cada elemento del
espacio muestral. El conjunto que reune todos los posibles
valore de la v.a. X se denota por R
x
y lo llamamos recorrido
de la v.a. X

As´ı, para el experimento anterior, el recorrido de la v.a. que
mide la diferencia del n´ umero de caras menos el n´ umero de
sellos es
R
x
= {−3, −1, 1, 3}
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Definici´on
Clasificaci´on de variables

Si la variable X es cuantitativa, dependiendo de c´omo sea el
recorrido de la variable, ´esta puede ser

Discreta

Continua
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Definici´ on de Probabilidad

Se define probabilidad como una funci´on que, a cada valor de
la v.a. X, le asigna un valor en el intervalo [0, 1]

As´ı,
P : IR →[0, 1]
: x →[0, 1]

As´ı, si R

es un evento, entonces
P(R

) = P(w ∈ S | X(w) ∈ R

) ∈ [0, 1]
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Definici´ on de Probabilidad

Se define probabilidad como una funci´on que, a cada valor de
la v.a. X, le asigna un valor en el intervalo [0, 1]

As´ı,
P : IR →[0, 1]
: x →[0, 1]

As´ı, si R

es un evento, entonces
P(R

) = P(w ∈ S | X(w) ∈ R

) ∈ [0, 1]
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Probabilidad

En el caso de variables discretas, el conjunto de valores
(x, P(X = x)) se llama funci´on de probabilidad

La funci´on de probabilidad resume las probabilidades de que
X = x. Esta funci´on cumple con las siguientes propiedades
i) P(x
i
) ≥ 0 ∀x
i
∈ R
X
ii)

x
i
∈R
X
P(x
i
) = 1
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Probabilidad

En el caso de variables continuas, llamaremos a la funci´on
f (x) como funci´on de densidad de probabilidad si la funci´on
cumple las siguientes propiedades:
i) f (x
i
) ≥ 0 ∀x
i
∈ R
X
ii)
_
R
X
f (x
i
)dx = 1
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Distribuci´ on acumulada

Sea X una v.a. discreta o continua, se define la funci´on de
distribuci´on acumulada a la funci´on

La funci´on de probabilidad resume las probabilidades de que
X = x. Esta funci´on cumple con las siguientes propiedades
i) F(x
i
) =

x≤x
i
∈R
P(X = x) si X es discreta
ii) F(x
i
) =
_
x
i
−∞
f (t)dt si X es continua
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Distribuci´ on acumulada: propiedades

Sea X una v.a. discreta la funci´on de distribuci´on acumulada
cumple con las siguientes propiedades:
(1) 0 ≤ F
x
(x) ≤ 1.
(2) Si X ≤ Y ⇒F
x
(x) ≤ F
y
(y) (No decreciente).
(3) F
x
(x) es cont´ınua por la derecha.
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Distribuci´ on acumulada: propiedades

Sea X una v.a. discreta la funci´on de distribuci´on acumulada
cumple con las siguientes propiedades:
(1) 0 ≤ F
x
(x) ≤ 1.
(2) Si X ≤ Y ⇒F
x
(x) ≤ F
y
(y) (No decreciente).
(3) F
x
(x) es cont´ınua por la derecha.
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Distribuci´ on acumulada: propiedades

Sea X una v.a. discreta la funci´on de distribuci´on acumulada
cumple con las siguientes propiedades:
(1) 0 ≤ F
x
(x) ≤ 1.
(2) Si X ≤ Y ⇒F
x
(x) ≤ F
y
(y) (No decreciente).
(3) F
x
(x) es cont´ınua por la derecha.
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Distribuci´ on acumulada: propiedades

Sea X una v.a. discreta la funci´on de distribuci´on acumulada
cumple con las siguientes propiedades:
(1) 0 ≤ F
x
(x) ≤ 1.
(2) Si X ≤ Y ⇒F
x
(x) ≤ F
y
(y) (No decreciente).
(3) F
x
(x) es cont´ınua por la derecha.
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Distribuci´ on acumulada: propiedades

Sea X una v.a. discreta la funci´on de distribuci´on acumulada
cumple con las siguientes propiedades:
(1) 0 ≤ F
x
(x) ≤ 1.
(2) Si X ≤ Y ⇒F
x
(x) ≤ F
y
(y) (No decreciente).
(3) F
x
(x) es cont´ınua por la derecha.
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Distribuci´ on acumulada: propiedades

Sea X una v.a. continua la funci´on de distribuci´on acumulada
cumple con las siguientes propiedades:
(1) 0 ≤ F
x
(x) ≤ 1.
(2)f
x
(X) =
dF
x
(X)
dx
(3)P(a ≤ x ≤ b) = F(b) −F(a) =
_
b
a
f (t)dt
(4)P(X = a) =
_
a
a
f (t)dt = 0
(5)P(a < x < b) = P(a ≤ x < b) = P(a ≤ x ≤ b)
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Distribuci´ on acumulada: propiedades

Sea X una v.a. continua la funci´on de distribuci´on acumulada
cumple con las siguientes propiedades:
(1) 0 ≤ F
x
(x) ≤ 1.
(2)f
x
(X) =
dF
x
(X)
dx
(3)P(a ≤ x ≤ b) = F(b) −F(a) =
_
b
a
f (t)dt
(4)P(X = a) =
_
a
a
f (t)dt = 0
(5)P(a < x < b) = P(a ≤ x < b) = P(a ≤ x ≤ b)
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Distribuci´ on acumulada: propiedades

Sea X una v.a. continua la funci´on de distribuci´on acumulada
cumple con las siguientes propiedades:
(1) 0 ≤ F
x
(x) ≤ 1.
(2)f
x
(X) =
dF
x
(X)
dx
(3)P(a ≤ x ≤ b) = F(b) −F(a) =
_
b
a
f (t)dt
(4)P(X = a) =
_
a
a
f (t)dt = 0
(5)P(a < x < b) = P(a ≤ x < b) = P(a ≤ x ≤ b)
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Distribuci´ on acumulada: propiedades

Sea X una v.a. continua la funci´on de distribuci´on acumulada
cumple con las siguientes propiedades:
(1) 0 ≤ F
x
(x) ≤ 1.
(2)f
x
(X) =
dF
x
(X)
dx
(3)P(a ≤ x ≤ b) = F(b) −F(a) =
_
b
a
f (t)dt
(4)P(X = a) =
_
a
a
f (t)dt = 0
(5)P(a < x < b) = P(a ≤ x < b) = P(a ≤ x ≤ b)
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Distribuci´ on acumulada: propiedades

Sea X una v.a. continua la funci´on de distribuci´on acumulada
cumple con las siguientes propiedades:
(1) 0 ≤ F
x
(x) ≤ 1.
(2)f
x
(X) =
dF
x
(X)
dx
(3)P(a ≤ x ≤ b) = F(b) −F(a) =
_
b
a
f (t)dt
(4)P(X = a) =
_
a
a
f (t)dt = 0
(5)P(a < x < b) = P(a ≤ x < b) = P(a ≤ x ≤ b)
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Funci´ on de Distribuci´ on acumulada: propiedades

Sea X una v.a. continua la funci´on de distribuci´on acumulada
cumple con las siguientes propiedades:
(1) 0 ≤ F
x
(x) ≤ 1.
(2)f
x
(X) =
dF
x
(X)
dx
(3)P(a ≤ x ≤ b) = F(b) −F(a) =
_
b
a
f (t)dt
(4)P(X = a) =
_
a
a
f (t)dt = 0
(5)P(a < x < b) = P(a ≤ x < b) = P(a ≤ x ≤ b)
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Esperanza

Se define como esperanza de una variable aleatoria como
el valor medio de la v.a. denotado por µ
X

El c´alculo del valor medio de X est´a dado por
µ
X
= E(X) =
_
x∈R
X
x
i
×P(X = x
i
) v.a.discreta
_

−∞
x
i
×f (x
i
)dx v.a.continua
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
Varianza

La varianza de una v.a. permite medir la variabilidad de la
v.a. y se denota por σ
2
X
:
σ
2
X
= E
_
(X −µ
X
)
2
¸

Se obtiene como
σ
2
X
=
_
x∈R
X
(x
i
−µ
X
)
2
×P(X = x
i
) v.a.discreta
_

−∞
(x
i
−µ
X
)
2
f (x
i
)dx v.a.continua
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
V.A. Discretas
Variables Continuas
Distribuci´ on Binomial

Cuenta el n´ umero de ´exitos en n ensayos Bernoulli.

X ∼ Bin(n, p) si
P(X = x) =
_
n
x
_
p
x
(1 −p)
n−x
∀x = 0, 1, 2, . . . , n

Adem´as
E(X) = np V(X) = np(1 −p)
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
V.A. Discretas
Variables Continuas
Distribuci´ on Geom´etrica

Cuenta el n´ umero de ensayos Bernoulli que se deben realizar
hasta obtener el primer ´exito.

X ∼ Geo(p) si
P(X = x) = p(1 −p)
x−1
∀x = 1, 2, 3, . . .

Adem´as
E(X) =
1
p
V(X) =
(1 −p)
p
2
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
V.A. Discretas
Variables Continuas
Distribuci´ on Binomial Negativa

Cuenta el n´ umero de ensayos Bernoulli que deben realizarse
para obtener r ´exitos.

X ∼ BinNeg(r , p) si
P(X = x) =
_
x −1
r −1
_
p
r
(1 −p)
x−r
∀x = r , r + 1, r + 2, . . .

Adem´as
E(X) =
r
p
V(X) =
r (1 −p)
p
2
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
V.A. Discretas
Variables Continuas
Distribuci´ on Hipergeom´etrica

Cuenta cu´antos elementos con cierta caracter´ıstica de inter´es
hay en una muestra de tama˜ no n, cuando la poblaci´on cuenta
con N elementos, de los cuales M tienen la caracter´ıstica de
inter´es.

X ∼ Hiper (N, M, n) si
P(X = x) =
_
M
x
__
N−M
n−x
_
_
N
n
_ ∀x =??
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
V.A. Discretas
Variables Continuas
Distribuci´ on Poisson

Cuenta el n´ umero de eventos que ocurren en cierto intervalo
(longitud, tiempo, espacio, etc).

X ∼ Poisson(λ) si
P(X = x) =
e
−λ
λ
x
x!
∀x = 0, 1, 2, . . .

Adem´as
E(X) = λ V(X) = λ
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
V.A. Discretas
Variables Continuas
Distribuci´ on exponencial

Cuenta el tiempo(espacio, longitud, etc) trancurrido hasta el
primer evento Poisson o bien el tiempo(espacio, longitud, etc)
entre eventos Poisson.

X ∼ Exp(µ) si
f (x) = µe
−µx
∀x > 0

Adem´as
E(X) =
1
µ
V(X) =
1
µ
2
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
V.A. Discretas
Variables Continuas
Distribuci´ on Normal

Se denota por X ∼ N(µ, σ
2
) si
f (x) =
1


2
e
(x−µ)
2

2
∀ −∞< x < ∞

Adem´as
E(X) = µ V(X) = σ
2
In´es Varas Variables Aleatorias Propiedades
Variables Aleatorias
Probabilidades
Variables aleatorias conocidas
V.A. Discretas
Variables Continuas
Distribuci´ on Normal

El c´alculo de probabilidades en la distribuci´on Normal se basa
en la siguiente transformaci´on:
Z =
X −µ
σ
∼ N(0, 1)
puesto que las probabilidades de la v.a. Z (dist. Normal
Est´andar) se encuentran tabuladas.
In´es Varas Variables Aleatorias Propiedades