Probabilidades (EST219)

Tema 03 Variable Aleatoria

Mara Luisa Montero D.
1
Variable Aleatoria
Es una funcin que asigna un nmero real a cada
resultado en el espacio muestral de un experimento
aleatorio
Las v.a. se denotan con maysculas y sus posibles valores con
minsculas
Rango de X: Es el conjunto de los posibles valores de la Rango de X: Es el conjunto de los posibles valores de la
variable aleatoria X. Se denota R
X
.
Si es finito o infinito contable, entonces se dice que X es una
v.a. discreta, en caso contrario se denomina v.a. continua.
Funcin de Probabilidad
Si X es una v.a. discreta, la funcin de probabilidad
de X es:
P
X
(x) =P (X = x)
que va de los valores posibles de la v.a. discreta X al
intervalo [0,1] intervalo [0,1]
Por lo tanto, si: x e R
x
P
X
(x) =0
Probabilidades (EST219)
Tema 03 Variable Aleatoria
Mara Luisa Montero D.
2
Funcin de Densidad
Si X es una v a continua la funcin de densidad de X Si X es una v.a. continua, la funcin de densidad de X
es una aplicacin f
X
tal que:
0 ) ( > x f
X 1.
}

=1 ) ( dx x f
X 2.
}
= s s
b
a
X
dx x f b x a P ) ( ) ( 3.
Nota: f
X
no es una probabilidad
Funcin de Distribucin
La funcin de distribucin de una v.a. X viene dada por:
F
X
(x) =P(X s x)
La cual satisface las siguientes propiedades:
1. F
X
es una funcin creciente y continua por la derecha
2.
0 ) ( lim =

x F
X
x
1 ) ( lim =

x F
X
x
y
Probabilidades (EST219)
Tema 03 Variable Aleatoria
Mara Luisa Montero D.
3
3. Si X es v.a. discreta
e =
X X X
R u u P x F ), ( ) (
3. Si X es v.a. discreta
sx u
X X X
), ( ) (
Si X es v.a. continua
du u f x F
x
X X
) ( ) (
}

=
4. Si X es v.a. continua
dx
x dF
x f
X
X
) (
) ( =
Valor esperado
Sean:
X una v.a.
H: R R una funcin
Se define el valor esperado de la nueva v.a. H(X) como:
X
x P x H ) ( ) (
si X es v a discreta

e
X
R x
}
+

dx x f x H
X
) ( ) (
si X es v.a. discreta
si X es v.a. continua
E(H(X)) =
Probabilidades (EST219)
Tema 03 Variable Aleatoria
Mara Luisa Montero D.
4
Aplicacin:
Desde el punto de vista prctico: con el modelo
probabilstico de una variable aleatoria se puede
determinar el valor esperado de cualquier funcin de
sta. Si X e Y son 2 v.a. tales que: Y = H(X)
No es necesario determinar el modelo para Y si el
modelo de X es conocido.
Desde el punto de vista terico: permite deducir otras
propiedades del valor esperado relacionadas con
funciones de una variable aleatoria.
Ejemplo:
Una empresa compra lotes pequeosde determinados
artculos. Para decidir si se compra un lote se extrae 1
unidad al azar, si es defectuosa se debe rechazar el lote
y se genera una prdida de 100 u.m. al fabricante; en
cambio si no es defectuosa se acepta el lote y se
i d 300 H ll l i genera una ganancia de 300 u.m. Hallar el ingreso
esperado del fabricante si el lote es de 20 unidades de
las cuales 2 son defectuosas.
Probabilidades (EST219)
Tema 03 Variable Aleatoria
Mara Luisa Montero D.
5
Si H es la identidad (H(x) = x), entonces: ( ( ) )
E(X) = media o valor esperado de X: Medida de
centralidad
Si H(x) = (x ) , entonces:
E(H(X)) = o varianza de X: Medida de E(H(X)) = o varianza de X: Medida de
dispersin
Proposicin:
Dada una v.a. X y las constantes a y b, se cumple que:
1. E[a + bX] =a +b E[X]
2. V(a + bX) =b
2
V(X)
Probabilidades (EST219)
Tema 03 Variable Aleatoria
Mara Luisa Montero D.
6
Interpretacin del Valor esperado
Supongamos que se registra una gran cantidad de Supongamos que se registra una gran cantidad de
valores de una variable aleatoria:
la media muestral es aproximadamente igual a la
esperanza de la variable.
Es decir, con este valor, que se calcula con el modelo Es decir, con este valor, que se calcula con el modelo
probabilstico de la variable, podemos anticipar lo que
ocurrir en promedio.
Interpretacin del Valor esperado
Ms formalmente:
si para cada n e N
+
: X
1
,, X
n
es una muestra aleatoria
de X, tal que:

=
=
n
j
j
X
n
X
1
__
1
Entonces un resultado conocido como la Ley Fuerte de
los Grandes Nmeros establece que:
Con probabilidad 1:
) (
__
X E X lm
n
=

Probabilidades (EST219)
Tema 03 Variable Aleatoria
Mara Luisa Montero D.
7
La varianza y la desviacin estndar
Como ya se mencion:
Si X es una v.a., cuya media o esperanza es
x
, se
define la Varianza como: E(X -
x
)
2
y se la denota por
V(X) o
2
x
.
As:
2 2 2 2 2 2
)) ( ( ) ( ) ( X E X E X E X V
x x
= = = o
La varianza y la desviacin estndar
A l d d d l i l ll
Nota:
Puede verificarse que:
A la raz cuadrada de la varianza:
x
, se le llama
desviacin estndar
2 2 2
) (
x x
X E o =
Probabilidades (EST219)
Tema 03 Variable Aleatoria
Mara Luisa Montero D.
8
Desigualdad de Chebyshev
Para cualquier k >0:
2
1
1 ) | (|
k
k X P
x x
> s o
o equivalentemente:
2
1
) | (|
k
k X P
x x
< > o
Ejemplo:
Si hacemos k =3:
9
1
) 3 | (| < o >
x x
X P
La proporcin de veces en las cuales la variable toma
valores que disten de la media en ms de tres veces la
desviacin estndar es menor que 1/9 desviacin estndar es menor que 1/9.
Por esta razn, a los valores que distan de la media, en
ms de tres veces la desviacin estndar, se les llama
valores poco frecuentes o inusuales