You are on page 1of 36

Variables Aleatorias y Distribuciones de

probabilidad

Ing. Xavier Serrano. MSc


http://xavierserrano.info/
Contenido
1. Conceptos de variable aleatoria.
2. Distribuciones discretas de probabilidad.
3. Distribuciones continuas de probabilidad.
4. Distribuciones empricas.
5. Distribuciones de probabilidad conjunta.

Ing. Xavier Serrano. MSc


http://xavierserrano.info/
Concepto de variable aleatoria
Una variable aleatoria X es una funcin que asocia un nmero real con
cada elemento del espacio muestral.

Una variable X se dice aleatoria cuando toma valores con determinadas


probabilidades. Si la variable X toma valores discretos (de modo que
entre dos valores consecutivos no se alcanzan todos los intermedios) se
dice que es discreta; si toma todos los valores dentro de un intervalo, se
dice que es continua.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Concepto de variable aleatoria
Usaremos un ejemplo para comprender mejor el concepto:
Se prueban 3 componentes elctricos, el espacio muestral que describe
cada posible resultado sera:

En donde N es no defectuoso y D defectuoso. Si nos interesa conocer


el nmero de componentes defectuosos, a cada punto del espacio
muestral se le asigna un valor numrico: 0, 1, 2 o 3. Estos ltimos son
cantidades aleatorias de la variable aleatoria X. cada valor que toma la
variable X se representa por la su correspondiente en minscula, es
decir x.
Cul sera el valor de X para el siguiente subconjunto del espacio
muestral S ?

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Concepto de variable aleatoria
Cada valor posible de X representa un evento que es un subconjunto del
espacio muestral para el experimento dado.
Ejemplo 1:
De una caja que contiene 4 bolas rojas y 3 negras, se sacan 2 bolas de
manera sucesiva, sin reemplazo. Cules son los posibles resultados y
los valores de la variable aleatoria Y? Y es el nmero de bolas rojas.
Ejemplo 2:
Considere la condicin en que salen componentes de la lnea de
ensamble y se les clasifica como defectuosos o no defectuosos. Cmo
podramos definir a la variable aleatoria X?

Una variable aleatoria en la que se eligen 0 y 1 se denomina variable


aleatoria de Bernoulli.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Concepto de variable aleatoria
Espacio Muestral Discreto
Se da cuando el espacio muestral S, tiene un nmero finito de posibilidades,
o una serie interminable con tantos elementos como nmeros enteros
existen.
Los ejemplos anteriores describen a variables discretas

Espacio Muestral Continuo


En este caso el espacio muestral contiene un nmero infinito de
posibilidades, igual al nmero de puntos en un segmento de recta. Por
ejemplo si se desea medir con precisin la distancia que un vehculo recorre
con cinco litros de gasolina.
En general las variables aleatorias continuas representan datos medidos
(pesos, temperaturas, distancias, potencias, corrientes, etc). Las variables
aleatorias discretas representan en cambio datos por conteo (elementos
defectuosos en una muestra, nmero de accidentes al ao en una carretera.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Contenido
1. Conceptos de variable aleatoria
2. Distribuciones discretas de probabilidad
3. Distribuciones continuas de probabilidad
4. Distribuciones empricas
5. Distribuciones de probabilidad conjunta

Ing. Xavier Serrano. MSc


http://xavierserrano.info/
Distribuciones discretas de probabilidad
A veces es interesante representar todas las probabilidades de una variable
aleatoria X usando una frmula. Se puede expresar: f(x) = P(X = x); es decir,
f (3) = P(X = 3).

Al conjunto de pares ordenados (x,f(x)) se le llama funcin de


probabilidad, funcin de masa de probabilidad o distribucin de
probabilidad de la variable aleatoria discreta X.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones discretas de probabilidad
Ejemplo: Llegan 20 computadoras porttiles en una tienda de las cuales 3
estn defectuosas. Si alguien compra 2 de esas computadoras, determine la
distribucin de probabilidad para el nmero de computadoras defectuosas.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones discretas de probabilidad
Existen muchos problemas en los que desearamos calcular la probabilidad
de que el valor observado de una variable aleatoria X sea menor o igual que
algn nmero real x.

La funcin de la distribucin acumulativa F(x) de una variable


aleatoria discreta X con distribucin de probabilidad f(x) es:

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones discretas de probabilidad
Ejemplo: Se lanza una moneda 3 veces X representa el nmero de caras que
puedan salir. S tiene 8 puntos muestrales. Obtener la distribucin de
probabilidad. Y tambin la probabilidad de que el nmero de caras sea
menor o igual a 2. Graficar el histograma de probabilidad y la funcin de
distribucin acumulativa discreta.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Contenido
1. Conceptos de variable aleatoria
2. Distribuciones discretas de probabilidad
3. Distribuciones continuas de probabilidad
4. Distribuciones empricas
5. Distribuciones de probabilidad conjunta

Ing. Xavier Serrano. MSc


http://xavierserrano.info/
Distribuciones continuas de probabilidad
Se dice que una variable continua tiene una probabilidad de 0 de adoptar
exactamente cualquiera de sus valores. Poner ejemplo.
Es por ello que se usan intervalos en lugar de valores puntuales para la
variable aleatoria en cuestin.
Nos interesamos por el clculo de probabilidades para varios intervalos de
variables aleatorias continuas como P(a < X < b), P(W < c), etc. Observe que
cuando X es continua:

Es decir, no importa si incluimos o no un extremo del intervalo. Sin


embargo, esto no es cierto cuando X es discreta.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones continuas de probabilidad
A la distribucin de probabilidad de una variable aleatoria continua f(x) se le
llama funcin de densidad de probabilidad, o simplemente funcin
de densidad de X. Normalmente esta funcin tiene un nmero finito de
discontinuidades. La funcin de densidad cae por arriba del eje x, es decir
sus valores son positivos. El rea bajo su curva y limitada por el eje x debe
ser igual a 1, siempre que se defina el rango de X para definir f(x)

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones continuas de probabilidad
La probabilidad de que X tome un valor entre a y b es igual al rea
sombreada bajo la funcin de densidad entre las ordenadas en x = a y x = b,
y a partir del clculo integral est dada por:

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones continuas de probabilidad
La funcin f(x) es una funcin de densidad de probabilidad (fdp) para la
variable aleatoria continua X, definida en el conjunto de nmeros reales, si:

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones continuas de probabilidad
Suponga que el error en la temperatura de reaccin, en C, en un
experimento de laboratorio controlado, es una variable aleatoria continua X
que tiene la funcin de densidad de probabilidad

a) Verifique que f (x) es una funcin de densidad.


b) Calcule P(0 < X 1).

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones continuas de probabilidad
La funcin de distribucin acumulativa F(x), de una variable aleatoria
continua X con funcin de densidad f(x), es:

Como una consecuencia inmediata de la definicin anterior se pueden escribir


los dos resultados,

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones continuas de probabilidad
Ejemplo: Calcule F(x) para la funcin de densidad del ejemplo anterior y
utilice el resultado para evaluar P(0 < X 1).

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Contenido
1. Conceptos de variable aleatoria
2. Distribuciones discretas de probabilidad
3. Distribuciones continuas de probabilidad
4. Distribuciones empricas
5. Distribuciones de probabilidad conjunta

Ing. Xavier Serrano. MSc


http://xavierserrano.info/
Distribuciones empricas
Las distribuciones empricas son aquellas que a partir de datos de una
muestra de una poblacin se ajustan a ellos con el objeto de parecerse a la
distribucin verdadera. A esto se denomina funcin de distribucin
emprica de la muestra.

Se define como una funcin real de variable real donde, a cada valor, se le
asigna la frecuencia relativa acumulada muestral .

La principal propiedad de la funcin de distribucin emprica de la muestra


es su aproximacin a la funcin de distribucin poblacional cuando aumenta
el tamao muestral.

Ello es conocido en estadstica como el teorema de Glivenko-Cantelli o


tambin como teorema central de la estadstica.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones empricas
El mejor modo de visualizar las muestras aleatorias es en trminos de
poblaciones finitas o un universo U de unidades individuales U1;U2; : : : ;UN
cada una de las cuales tiene la misma probabilidad de ser seleccionada.

P (X xi) = i/(N+1)

Las distribuciones empricas sirven por ejemplo para estimar aspectos de los
datos como por ejemplo, la media, mediana, etc.

Para la aplicacin de esta distribucin se ordenan los datos de menor a


mayor.

Tarea: DISTRIBUCION-EMPIRICA.pdf

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Contenido
1. Conceptos de variable aleatoria
2. Distribuciones discretas de probabilidad
3. Distribuciones continuas de probabilidad
4. Distribuciones empricas
5. Distribuciones de probabilidad conjunta

Ing. Xavier Serrano. MSc


http://xavierserrano.info/
Distribuciones de probabilidad conjunta
Hay que considerar que no siempre se estudiarn los resultados que se
obtienen en una sola variable aleatoria, sino que pueden ser varias.
Por ejemplo al estudiarse la probabilidad de los estudiantes tengan xito en
la universidad, se podra utilizar un espacio muestral tridimensional y
registrar la calificacin que obtuvo cada uno en el ENES, el lugar que cada
uno ocup en el colegio y la calificacin promedio que cada uno obtuvo al
final de su primer ao en la universidad.

Si X y Y son dos variables aleatorias discretas, la distribucin de


probabilidad para sus ocurrencias simultneas se representa mediante una
funcin con valores f (x, y), para cualquier par de valores (x, y) dentro del
rango de las variables aleatorias X y Y. Esta funcin es distribucin de
probabilidad conjunta de X y Y. Por consiguiente, en el caso discreto,

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones de probabilidad conjunta
Los valores f (x, y) dan la probabilidad de que los resultados x y y ocurran al
mismo tiempo. Por ejemplo, si se le va a dar mantenimiento a las llantas de
un trailer, y X representa el nmero de kilmetros que stas han recorrido y
Y el nmero de llantas que deben ser reemplazadas, entonces f(30.000, 5) es
la probabilidad de que los neumticos hayan recorrido al menos 30.000
kilmetros y que el trailer necesite 5 llantas nuevas.
La funcin f (x,y) es una distribucin de probabilidad conjunta o funcin de
masa de probabilidad de las variables aleatorias discretas X y Y, si

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones de probabilidad conjunta
Se seleccionan al azar 2 repuestos para bolgrafo de una caja que
contiene 3 repuestos azules, 2 rojos y 3 verdes. Si X es el nmero de
repuestos azules y Y es el nmero de repuestos rojos seleccionados,
calcule
a) La funcin de probabilidad conjunta f (x, y),
b) P[(X, Y) A], donde A es la regin {(x, y) | x + y 1}

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones de probabilidad conjunta
La funcin f (x,y) es una funcin de densidad conjunta de las variables
aleatorias continuas X y Y si cumple con lo siguiente:

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones de probabilidad conjunta
Distribuciones Marginales
Si tenemos un f (x,y) de las variables aleatorias discretas X y Y, la
distribucin de probabilidad g(x) slo de X se obtiene sumando f (x, y) sobre
los valores de Y. La distribucin de probabilidad h(y) de slo Y se obtiene
sumando f (x,y) sobre los valores de X. Definimos g(x) y h(y) como
distribuciones marginales de X y Y, respectivamente. Cuando X y Y son
variables aleatorias continuas, las sumatorias se reemplazan por integrales.
Ahora podemos establecer la siguiente definicin general.

Las distribuciones marginales slo de X y slo de Y son

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones de probabilidad conjunta
Distribuciones Marginales
Obtener las distribuciones marginales de slo X y Y del ejemplo anterior.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones de probabilidad conjunta
Distribuciones Marginales
Las distribuciones marginales deben cumplir con lo siguiente:

El trmino marginal se utiliza aqu porque, en el caso discreto, los valores de


g(x) y h(y) son precisamente los totales marginales de las columnas y los
renglones respectivos, cuando los valores de f (x, y) se muestran en una tabla
rectangular.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones de probabilidad conjunta
Distribuciones Condicionales
Anteriormente establecimos que el valor x de la variable aleatoria X
representa un evento que es un subconjunto del espacio muestral. Si
utilizamos la definicin de probabilidad condicional que se estableci en el
captulo 2, tenemos:

donde A y B son ahora los eventos definidos por X=x y Y=y, respectivamente,
entonces,

Para poder calcular probabilidades condicionales de manera eficaz es


sumamente importante que utilicemos el tipo especial de distribucin de la
forma f (x, y)/g(x). Este tipo de distribucin se llama distribucin de
probabilidad condicional.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones de probabilidad conjunta

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones de probabilidad conjunta
Para el mismo ejemplo, calcule la distribucin condicional de X, dado que
Y=1, y utilice el resultado para determinar P (X = 0| Y = 1)

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones de probabilidad conjunta
Distribuciones Condicionales Independencia Estadstica
Sean X1, X2, . . . , Xn, n variables aleatorias, discretas o continuas, con
distribucin de probabilidad conjunta f (x1, x2, . . . , xn) y distribuciones
marginales f1(x1), f2(x2), . . . , fn(xn), respectivamente. Se dice que las
variables aleatorias X1, X2, . . . , Xn son recproca y estadsticamente
independientes si y slo si

Para toda (x1, x2, . . . ,xn) dentro de sus rangos.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Distribuciones de probabilidad conjunta
Distribuciones Condicionales Independencia Estadstica
Sean X y Y dos variables aleatorias, discretas o continuas, con distribucin de
probabilidad conjunta f (x, y) y distribuciones marginales g(x) y h(y),
respectivamente. Se dice que las variables aleatorias X y Y son
estadsticamente independientes si y slo si

para toda (x,y) dentro de sus rangos.

Para el ejemplo anterior demuestre que las variables aleatorias no son


estadsticamente independientes.

Ing. Xavier Serrano. MSc http://xavierserrano.info/


Bibliografa

BIBLIOGRAFA BASE:
[1] R. E. Walpole [et al.]. Probabilidad y estadstica para ingeniera y ciencias,
Editorial Pearson, Novena edicin, Mxico, 2012.

BIBLIOGRAFA COMPLEMENTARIA:
[2] J. L. Devore., Probabilidad y estadstica para ingeniera y ciencias, Editorial
Cengage Learning, Octava edicin, Mxico, 2012.
[3] S. Murray [et al.]. Probabilidad y Estadstica, Editorial McGraw Hill, Tercera
edicin, Mxico, 2010.

Ing. Xavier Serrano. MSc