Espacio

muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Espacio muestral
Experimento aleatorio.
Espacio muestral, S.
Punto Muestra, a S
Evento, A S.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Espacio muestral
Para un experimento aleatorio, el espacio asociado, no es
nico.
Ejemplo: Se manufacturan resistencias de 100, sus valores
heredan inexactitudes en la manufactura y en el proceso de
medicin, puede registrar valores en el rango de 99 a 101.
El proceso de medicin es el experimento aleatorio, en el cual
los posibles resultados se pueden denir en una variedad de
formas dependiendo del propsito para lo que se est llevando a
cabo el experimento.
Si la medicin registra una resistencia en el rango
99.9 101, se considera como aceptable, o bien
inaceptable en otro caso. De esta forma S = aceptable,
inaceptable.
Desde el punto de vista de otra persona, los posibles
resultados pueden establecerse mediante los rangos
99 99.5, 99.5 100, 100 100.5 y 100.5 101.
En este caso el espacio muestral S, tiene cuatro elementos.
Finalmente, si cada medicin es un resultado posible,
entonces el espacio muestral S tiene innitos valores.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Relaciones entre teora de conjuntos y probabilidad
Teora de conjuntos Teora de probabilidad
Espacio, S Espacio muestral, evento seguro
Conjunto vaco, evento imposible
Elementos a, b, ... Puntos muestrales (eventos simples)
Conjuntos A, B, C, ... Eventos A, B, C, ...
A El eventos Asucede

A El evento Ano sucede

A 'B Al menos uno de los eventos Ao Bsucede
AB Los dos eventos Ay Bsuceden
A B
Aes un subevento de B
(que suceda Aimplica que suceda B)
AB =
Ay Bson eventos exclusivos
(no pueden ocurrir de forma simultnea)
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Conjuntos y probabilidad
Ejemplo: El experimento es contar el nmero de autos que dan
vuelta a la izquierda en un cruce en un grupo de 100 autos.
Los posibles resultados (los posibles autos que den vuelta
a la izquierda) son 0, 1, 2, 3, ..., 100. El espacio muestral es
S = 0, 1, 2, ..., 100
Cada elemento de S es un punto simple, o bien, un posible
resultado A
1
= 0, A
2
= 2, ..., A
100
= 100.
El conjunto A = 0, 1, 2, ..., 50 es el evento en el que el
nmero de autos que den vuelta sea menor a 50.
El conjunto B = 40, 41, ..., 60, el evento en el que el
nmero de autos que dan vuelta sea mayor que cuarenta y
menor que 60.
El evento A 'B indica el nmero de autos que dan vuelta
sea menor que 60.
El evento A B indica el nmero de autos entre 40 y 50.
Sea C = 80, 81, ..., 100. Los eventos A y C son
mutuamente exclusivos, no pueden suceder de manera
simultnea. Los conjuntos disjuntos son eventos
mutuamente exclusivos.
IraEjemplo
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Axiomas de probabilidad
Funcin de probabilidad, P
Dado un experimento aleatorio con espacio muestral, S,
P tiene como dominio todos los posibles eventos de S.
P(A) R, para cada evento de S (medida de
probabilidad).
Axiomas
Axioma 1:P(A) _ 0
Axioma 2: P(S) = 1
Axioma 3: para una coleccin de eventos mutuamente
exclusivos A
1
, A
2
, ..., en S
P(A
1
'A
2
'...) = P
_

j J
A
j
_
=

j J
P(A
j
).
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Axiomas de probabilidad
Funcin de probabilidad, P
Dado un experimento aleatorio con espacio muestral, S,
P tiene como dominio todos los posibles eventos de S.
P(A) R, para cada evento de S (medida de
probabilidad).
Axiomas
Axioma 1:P(A) _ 0
Axioma 2: P(S) = 1
Axioma 3: para una coleccin de eventos mutuamente
exclusivos A
1
, A
2
, ..., en S
P(A
1
'A
2
'...) = P
_

j J
A
j
_
=

j J
P(A
j
).
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Propiedades de la funcin de probabilidad (las ms
importantes)
Dado que S = , tenemos
P(S) = P(S ' ) = P(S) +P(), entonces, por Axioma
3,
P() = 0
Si A C, entonces A +B = C, donde B C y
A B = , por el Axioma 3
P(C) = P(A +B) = P(A) + P(B)
puesto que P(B) _ 0, (Axioma 1), entonces
P(A) _ P(C)
P(A 'B) = P(A) + P(B) P(AB)
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Propiedades de la funcin de probabilidad (las ms
importantes)
Dado que S = , tenemos
P(S) = P(S ' ) = P(S) +P(), entonces, por Axioma
3,
P() = 0
Si A C, entonces A +B = C, donde B C y
A B = , por el Axioma 3
P(C) = P(A +B) = P(A) + P(B)
puesto que P(B) _ 0, (Axioma 1), entonces
P(A) _ P(C)
P(A 'B) = P(A) + P(B) P(AB)
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Propiedades de la funcin de probabilidad (las ms
importantes)
Dado que S = , tenemos
P(S) = P(S ' ) = P(S) +P(), entonces, por Axioma
3,
P() = 0
Si A C, entonces A +B = C, donde B C y
A B = , por el Axioma 3
P(C) = P(A +B) = P(A) + P(B)
puesto que P(B) _ 0, (Axioma 1), entonces
P(A) _ P(C)
P(A 'B) = P(A) + P(B) P(AB)
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Propiedades de la funcin de probabilidad
Para tres eventos
P(A 'B 'C) = P(A) +P(B) + P(C) P(AB)
P(AC) P(BC) + P(ABC)
Para n eventos
P
_
n
_
j
A
j
_
=
n

i =1
P(A
i
)
n

i =1
n

j =2
i <j
P(A
i
A
j
) +
n

i =1
n

j =2
i <j <k
n

k=3
P(A
i
A
j
A
k
) .. + (1)
n1
P(A
1
A
2
..., A
n
)
donde A
j
, j = 1, .., n con eventos arbitrarios.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Propiedades de la funcin de probabilidad
Para tres eventos
P(A 'B 'C) = P(A) +P(B) + P(C) P(AB)
P(AC) P(BC) + P(ABC)
Para n eventos
P
_
n
_
j
A
j
_
=
n

i =1
P(A
i
)
n

i =1
n

j =2
i <j
P(A
i
A
j
) +
n

i =1
n

j =2
i <j <k
n

k=3
P(A
i
A
j
A
k
) .. + (1)
n1
P(A
1
A
2
..., A
n
)
donde A
j
, j = 1, .., n con eventos arbitrarios.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Ejemplo
RegresarEjemplo
Supongamos que conocemos las probabilidades P(A), P(B), y
P(C). Queremos calcular P(A 'B) y P(A 'C).
La probabilidad P(A 'C), es la probabilidad de que 50
autos o menos den vuelta a la izquierda, o bien, entre 80 a
100 den vuelta a la izquierda es, por el Axioma 3,
P(A) + P(C).
Sin embargo, P(A 'B), es la probabilidad de que 60
autos o menos den vuelta a la izquierda, y se calcula por
medio de
P(A 'B) = P(A) + P(B) P(AB)
la informacin es insuciente para el calculo de esta
probabilidad, necesitamos adems, la informacin de
P(AB), que es la probabilidad de que entre 40 y 50 autos
den vuelta.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Asignacin de probabilidad
No hay gua para asignar probabilidades a varios eventos,
mencionamos dos de ellas que son consistentes con la intuicin.
Para problemas asociados a las ciencias aplicadas, una manera
natural de asignar probabilidad es a travs de la observacin de
la frecuencia relativa.
Supongamos que un experimento aleatorio se realiza un
nmero alto de veces, digamos, n, entonces para algn
evento A sea n
A
el nmero de veces que ocurre A en n
ensayos, entonces, la frecuencia relativa de A es n
A
/n
Se espera que el cociente n
A
/n tienda a un mismo valor
cuando n es muy grande.
As, P(A)
~
= n
A
/n, por ejemplo la probabilidad de obtener
cara en el lanzamiento de una moneda es
1
2
.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Asignacin de probabilidad
Otra aproximacin a la asignacin de probabilidad es la de
verosimilitud relativa.
Cuando no es posible, o no es factible realizar un nmero
alto de veces, la probabilidad de un evento, se puede
asignar como el resultado de un juicio subjetivo.
El enunciado hay un 40% de probabilidad de que llueva
maana, es un ejemplo de esta interpretacin, donde el
nmero 0.4 se asigna en base a la informacin disponible y
al juicio profesional.
Trabajaremos con ambos tipos de asignacin de probabilidad,
de hecho, el ejemplo anterior (contabilizar el nmero de autos
que giran a la izquierda), proporciona un ejemplo de asignacin
de probabilidades a travs de la teora de probabilidades para
P(A 'B) y para P(A 'C), que se derivan de la asignacin,
nicamente, de las probabilidades de eventos simples A, B y C.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Independencia
Denicin: Dos eventos A y B se dicen independientes, si y
slo si,
P(AB) = P(A)P(B)
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Ejemplo
Extraccin al azar de una carta de la baraja espaola:
S = as de oros; dos de oros;... [S[ = 40 sucesos
elementales.
A = rey = P(A) =
[A[
[S[
=
4
40
B = sota o caballo = P(B) =
[B[
[S[
=
8
40
C = oros = P(C) =
[C[
[S[
=
10
40
Anlisis de independencia:
P(AB) = P() = 0; P(A)P(B) = 32/(40)
2
.
No son independientes.
P(AC) = P(rey de oros) = 1/40; P(A)P(C) = 1/40.
Son independientes.
P(BC) = P(sota o caballo de oros) = 2/40,
P(B)P(C) = 2/40.
Son independientes.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Probabilidad condicional
P(F) = 0.30
_
_
_
P(F[H) =
0.18
0.49
= 0.40
P(F[H) =
0.12
0.51
= 0.22
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Probabilidad condicional
Denicin: Se dene la probabilidad de A condicionada a B, y
se denota como P(A[B), al cociente
P(A[B) =
P(AB)
P(B)
donde se asume P(B) ,= 0.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Interpretacin frecuencial
Ejemplo
Encuesta a una poblacin de N personas [S[ = N.
A = "es un hombre n
A
= P(A)
n
A
N
B = "mide ms de 1.85 metros n
B
= P(B)
n
B
N
Observamos que n
AB
personas son hombres y miden ms de
1.85 P(AB)
n
AB
N
Probabilidad de que una persona de ms de 1.85 sea hombre:
P(A[B)
n
AB
n
B
=
n
AB
N
n
B
N

P(AB)
P(B)
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Utilidad
Actualizar probabilidad del evento A en funcin de la
informacin disponible B
P(A[B) = P(AB)/P(B)
Clculo de la interseccin de sucesos
P(AB) = P(A[B)P(B)
Clculo de probabilidad de un suceso
P(A) = P((AB ' (A

B)))
= P(A[B)P(B) + P(A[

B)P(

B)
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Ejemplo urna
Probabilidad de primera Blanca y segunda Negra
Sin reemplazamiento:
P(B
1
N
2
) = P(B
1
)P(N
2
[B
1
)
= (3/5)(2/4) = 3/10
Con reemplazamiento:
P(B
1
N
2
) = P(B
1
)P(N
2
[B
1
)
= (3/5)(2/5) = 6/25
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Cumpleaos
Probabilidad de que en un grupo de r = 25 personas haya al
menos dos con el mismo cumpleaos.
A = " No haya ninguna coincidencia"
P(A) =
365(3651)(3652)...(365r +1)
365
r
P(

A) = 1 P(A)
si r = 25 = P(

A) = 0.578
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Cumpleaos
B
r
= "No haya ninguna coincidencia en r "
P(B
r
) = P(B
r
)P(B
2
[A
1
)P(B
3
[A
1
,= A
2
)...P(B
r
[A
1
,= A
2
,=
... ,= A
r 1
)
P(B
r
) = 1
3651
365
3652
365
...
365r +1
365
P(

B
r
) = 1 P(B
r
), si r = 25 = P(

B
r
) = 0.578
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Teorema de la multiplicacin
P(A
1
A
2
A
3
...A
n
) = P(A
1
)P(A
2
[A
1
)P(A
3
[A
2
A
1
)...P(A
n
[
n1
i =1
A
i
)
Particin: Sea S espacio muestral de algn experimento
aleatorio, A
1
, A
2
, ..., A
n
S es una particin de S, si:
1
A
i
A
j
= para i ,= j
2
n
_
i =1
A
i
= S
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Probabilidad total
Teorema de probabilidad total: Sea S un espacio muestral, y
A
1
, A
2
, ..., A
n
una particin de S y B un evento, entonces
P(B) =
n

i =1
P(B[A
i
)P(A
i
)
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Teorema de Bayes
Teorema: Sea S un espacio muestral, A
1
, A
2
, ..., A
n
una
particin de S. Para todo B, evento tenemos
P(A
i
[B) =
P(B[A
i
)P(A
i
)
n

j =1
P(B[A
j
)P(A
j
)
Deniciones:
P(A
i
) : Prob. a priori: (modelo, experiencia, medidas
pasadas)
P(A
i
[B) : Prob. a posteriori.
P(B[A
i
) : Verosimilitud
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Ejemplo (Bayes)
El porcentaje de piezas defectuosas fabricadas por tres
mquinas es 5%, 20% y 10%. La primera fabrica 200 piezas
por hora y las otras dos 100 piezas por hora. Todas las piezas
fabricadas se llevan a un almacn. Al nal del da se toma una
pieza del almacn y es defectuosa, cul es la probabilidad de
que proceda de M-1?
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Ejemplo (Bayes)
P(M
1
[D) =
P(D[M
1
)P(M
1
)
P(D[M
1
) + P(D[M
2
)P(M
2
) + P(D[M
3
)P(M
3
)
=
(0.05)(0.5)
(0.05)(0.5) + (0.20)(0.25) + (0.10)(0.25)
= 0.25
P(M
2
[D) =
P(D[M
2
)P(M
2
)
P(D[M
1
) + P(D[M
2
)P(M
2
) + P(D[M
3
)P(M
3
)
=
(0.2)(0.25)
(0.05)(0.5) + (0.20)(0.25) + (0.10)(0.25)
= 0.5
P(M
3
[D) =
P(D[M
3
)P(M
3
)
P(D[M
1
) + P(D[M
2
)P(M
2
) + P(D[M
3
)P(M
3
)
=
(0.1)(0.25)
(0.05)(0.5) + (0.20)(0.25) + (0.10)(0.25)
= 0.25
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Ejemplo (Bayes)
Si una persona es portadora del virus A, un anlisis de sangre
lo detecta el 99% de las veces. Sin embargo, el test tambin
proporciona falsos positivos, indicando la presencia del virus
en el 3% de personas sanas. Si slo 5 de cada 1000 personas
tienen el virus, cul es la probabilidad de que una persona
tenga el virus realmente si el anlisis ha dado positivo?
V = tener virus W = el anlisis es positivo
P(V[W) =
P(VW)
P(W)
=
P(W[V)P(V)
P(W[V)P(V) +P(W[

V)P(

V)
=
(0.99)(0.005)
0.99(0.005) + 0.03(0.995)
= 0.142
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Variables aleatorias
Es conveniente para el trabajo futuro, saber relacionar los
resultados de un experimento con nmeros reales, ya que
cuando los resultados de un experimento se pueden asociar con
nmeros reales, son ms fciles de analizar.
Desafortunadamente, no todos los experimentos dan como
resultados nmeros reales.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Variables aleatorias
Ejemplo:Suponga que una moneda se lanza dos veces. S es,
pues,
S = (Cara, Cara), (Cara, Cruz), (Cruz, Cara), (Cruz, Cruz)
Estos resultados no son nmeros reales, pero si cada uno se
asocia con el nmero de caras, podemos asociar un nico real a
cada resultado.
Ejemplo,
Al resultado (Cara,Cara) se le puede asignar el nmero 2
(porque hay dos caras).
Al resultado (Cara, Cruz) se le puede asignar el nmero 1
(porque hay una cara).
Al resultado (Cruz,Cara) se le puede asignar el nmero 1
(porque hay una cara).
Al resultado (Cruz, Cruz) se le puede asignar el nmero 0
(porque hay cero caras).
Regresar
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Variables aleatorias
Al hecho de asociar los resultados de una espacio muestral de
un experimento con nmeros reales nicos se le llama variable
aleatoria. La variable aleatoria en el ejemplo anterior es
nmero de caras que pueden resultar al lanzar una moneda
dos veces y se dice que tiene los tres valores 0, 1, 2.
Denicin: Una variable aleatoria X es una funcin que
asigna un nico nmero real a cada resultado del espacio
muestral de un experimento aleatorio.
X : S R,
R conjunto de los nmeros reales.
Notacin:
X, Y, Z : denotarn variables aleatorias.
x, y, z denotarn los posibles valores de las variables
aleatorias, por ejemplo, si s S, X(s) = x, por brevedad
denotaremos X = x.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Variables aleatorias discretas
Denicin: Una variable aleatoria es discreta, si y slo si, tiene
una cantidad o nita o (innita) numerable de valores.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Variables aleatorias continuas
Denicin: Una variable aleatoria es continua, si y slo si,
tiene una cantidad o innita no numerable de valores.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Variables aleatorias
Identique las siguientes variables aleatorias en discretas o
continuas:
(a) El nmero de transistores defectuosos en un lote de
1000 transistores.
(b) El nmero de robos ocurridos en un almacn en
determinado perodo de tiempo.
(c) El tiempo requerido por un colectivo de una ruta
determinada para realizar el trayecto Centro-Universidad.
(d) El nmero de plizas de seguros vendidos en un
determinado mes por un agente de seguros.
(e) El tiempo de vida de una bombilla.
(f) El punto de fatiga, en kg por cm
2
, de un cable de
acero de 1.5 cm de dimetro.
(g) El tiempo que dura un semforo, de una determinada
esquina en la Ciudad, en cambiar de rojo a verde.
(h) La cantidad de gasolina consumida por un vehculo en
un trayecto de 50 km.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Variables aleatorias
Un embarque de cinco mquinas de coser contiene dos que
estn defectuosas. Si un almacn de electrodomsticos
recibe tres de estas mquinas al azar, enumere los
elementos del espacio muestral S con las letras B y D
para buena y defectuosa, respectivamente.
Luego a cada elemento de S asigne un valor x de la
variable aleatoria X que representa el nmero de mquinas
de coser defectuosas que el almacn compra.
Un experimento consiste en la preparacin de una comida
y se registra el tiempo que tarda en hacer esto.
(a) Dena una variable aleatoria que represente el tiempo,
en minutos, requerido para preparar la comida.
(b) Qu valores puede asumir la variable aleatoria?
(c) Es discreta o continua esta variable aleatoria?
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Distribuciones de probabilidad para variables
aleatorias discretas
Probabilidad de que una variable aleatoria discreta tome cierto valor
Una variable aleatoria discreta toma cada uno de sus valores
con una cierta probabilidad.
Ejemplo: Supngase que se lanza una moneda dos veces y sea
X la variable aleatoria que representa al nmero de caras que
resultan. Hallar la probabilidad de que X tome el valor (a) 0,
(b) 1 y (c) 2.
El espacio muestral es
S = (Cara, Cara), (Cara, Cruz), (Cruz, Cara), (Cruz, Cruz)
X((Cara,Cara)) = 2, X((Cara, Cruz)) = 1, X((Cruz,Cara)) =
1, X((Cruz, Cruz)) = 0.
P(X = 0) = P((Cruz, Cruz)) =
1
4
P(X = 1) = P((Cara, Cruz) o (Cruz,
Cara)) = P((Cara,Cruz)) + P((Cruz,
Cara)) =
1
4
+
1
4
=
1
2
.
P(X = 2) = P((Cara,Cara)) =
1
4
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de probabilidad y su representacin grca
La distribucin de probabilidad de una variable aleatoria
describe cmo se distribuyen las probabilidades de los diferentes
valores y de la variable aleatoria.
Ejemplo: Consideremos nuevamente el lanzamiento de dos
monedas y X la variable aleatoria denida como en
IraEjemplo
.
Entonces, la Tabla de distribucin de probabilidades (Tabla de
probabilidades) es:
x 0 1 2
P(X = x)
1
4
1
2
1
4
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de probabilidad
Para una variable aleatoria discreta X, las probabilidades de
que X tome cada uno de sus valores generalmente se modelan
tambin a travs de la llamada funcin de probabilidad, que
representaremos por f . Esta funcin dene la probabilidad de
cada valor de la variable aleatoria.
Denicin: X una variable aleatoria discreta en un espacio
muestral y supongamos que X toma los valores x
1
, x
2
, ... (nito
o innito numerable).
Una funcin f : R [0, 1] es una funcin de probabilidad de X
si
f (x
k
) =
_
P(X = x
k
) para todo valor x
k
de X
0, de otra forma.
1
f (x
k
) _ 0 para todo valor x
k
de X.
2

k
f (x
k
) = 1
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de probabilidad
Ejemplo: Consideremos otra vez el lanzamiento de dos
monedas y X "el nmero de caras". Sea f : R [0, 1] denida
por f (x) = P(X = x), en donde x es un posible valor de X, es
decir,
f (x) =
_
_
_
1
4
si x = 0, o x = 2;
1
2
si x = 1;
0, en otros casos.
luego en particular, si f (1) = 1/2 se interpreta de la siguiente
manera: de un gran nmero de veces que lancemos dos
monedas, el 50% de las veces saldr 1 cara.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de probabilidad
Ejemplo: Para vericar la exactitud de sus estados nancieros,
las empresas a menudo emplean auditores que veriquen sus
ingresos. Los empleados de la empresa se equivocan al registrar
los ingresos 5% de las veces. Suponga que un auditor revisa
aleatoriamente tres ingresos. Determine la funcin de
probabilidad del nmero de errores detectado por el auditor.
Sea M
i
, i = 1, 2, 3 evento que representa al hecho de que
el auditor detect un error en el ingreso i .
Sea B
i
el evento que representa al hecho de que el auditor
no detect un error en un ingreso i .
De los datos del problema, P(M
i
) = 0.05 =
P(B
i
) = 1 P(M
i
) = 0.95
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de probabilidad
X : la variable aleatoria que representa al "nmero de
errores detectado por el auditor" y f su correspondiente
funcin de probabilidad.
Regresar
X = 0, X = 1, X = 2, X = 3, adems, suponga, M
i
, B
i
independientes,
f (0) = P(X = 0) = P(B
1
B
2
B
3
) =
= P(B
1
)P(B
2
)P(B
3
) = (0.95)
3
= 0.857375;
f (1) = P(X = 1) =
= P(B
1
B
2
M
3
o bienB
1
M
2
B
3
o bienM
1
B
2
B
3
) = 3(0, 05)(0, 95)
2
= 0.135375;
f (2) = P(X = 2) =
= P(B
1
M
2
M
3
o bienM
1
B
2
M
3
o bienM
1
M
2
B
3
) = 3(0.05)
2
(0.95) = 0.007125;
f (3) = P(X = 3) = P(M
1
M
2
M
3
) = (0.05)
3
= 0.000125.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de distribucin acumulativa
Hay muchos problemas en los cuales se desea calcular la
probabilidad de que el valor observado de una variable aleatoria
X sea menor o igual a algn nmero real x. Si se escribe
F(t) = P(X _ t) para cada nmero real t, se dice que F es la
funcin de distribucin acumulativa o, simplemente, la funcin
de distribucin de X.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de distribucin acumulativa
Denicin:La funcin de distribucin (acumulativa)
F : R R de una variable aleatoria discreta X est denida
por F(t) = P(X _ t), para todo t real.
Observemos que si X tiene distribucin de probabilidad f ,
entonces,
F(t) =

x;x_t
f (x), para todo t real
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de distribucin
Ejemplo: Consideremos el lanzamiento de dos monedas y X la
variable aleatoria nmero de caras que resultan. Sabemos
que:
f (0) = P(X = 0) =
1
4
f (1) = P(X = 1) =
1
2
f (2) = P(X = 2) =
1
4
Ahora, hallaremos la funcin de distribucin F de X.
Como los posibles valores de X son 0, 1 y 2, primero
determinamos F(t)
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de distribucin
F(0) = P(X _ 0) =

x;x_0
f (x) = f (0) =
1
4
F(1) = P(X _ 1) =

x;x_1
f (x) = f (0) + f (1) =
3
4
F(2) = P(X _ 2) =

x;x_2
f (x) = f (0) + f (1) + f (2) = 1
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de distribucin
Determinamos F(t) para cualquier otro nmero t (distinto
de los valores posibles que toma x, es decir, distinto de 0,
1, 2).
En este caso, F(t) coincide con F(x), siendo x el valor
ms cercano posible de X a la izquierda de t.
Ejemplo: Tomemos t < 0
F(0.5) = P(X _ 0.5) = P() = 0.
F(10) = P(X _ 10) = P() = 0.
es decir, para todo t < 0, siempre F(t) = 0.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de distribucin
Ejemplo: Tomemos 0 < t < 1
F(0.1) = P(X _ 0.1) = P(X _ 0) =
1
4
.
F(0.53) = P(X _ 0.53) = P(X _ 0) =
1
4
.
F(0.73) = F(0) =
1
4
F(0.98) = F(0) =
1
4
es decir, para todo 0 < t < 1, siempre F(t) = F(0) =
1
4
.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de distribucin
Ejemplo: Tomemos 1 < t < 2
F(1.32) = P(X _ 1.32) = P(X _ 1) = F(1) =
3
4
.
F(1.556) = F(1) =
3
4
.
F(1.91) = F(1) =
3
4
es decir, para todo 0 < t < 1, siempre F(t) = F(1) =
3
4
.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de distribucin
Ejemplo: Tomemos 2 < t
F(3.84) = F(2) = 1.
F(45) = F(2) = 1.
es decir, para todo 2 < t, siempre F(t) = F(2) = 1.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de distribucin
F(t) =
_

_
0 si t < 0;
1
4
si 0 _ t < 1
3
4
si 1 _ t < 2
1 si t _ 2
Ejercicio: Sea X la variable aleatoria denida como en el
Ejemplo
IraEjemplo
, construye y graca la funcin de
distribucin acumulada F de X.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de distribucin
Sea X una variable aleatoria discreta con funcin de
distribucin acumulada F. Entonces,
1
0 _ F(t) _ 1, para todo nmero real t,
2
si a y b son dos nmeros reales con la propiedad de que
a _ b, entonces, debe cumplirse que F(a) _ F(b). Es
decir, F es creciente.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Funcin de distribucin
Sea X una variable aleatoria discreta con funcin de
distribucin acumulada F. Entonces,
1
0 _ F(t) _ 1, para todo nmero real t,
2
si a y b son dos nmeros reales con la propiedad de que
a _ b, entonces, debe cumplirse que F(a) _ F(b). Es
decir, F es creciente.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Clculo de probabilidades a partir de la funcin de
distribucin
Ejemplo: Sea X una variable aleatoria discreta con valores 0,
1, 2 y 3 y con funcin de distribucin acumulada F denida por
F(t) =
_

_
0 si t < 0;
1
7
si 0 _ t < 1
1
3
si 1 _ t < 2
3
4
si 2 _ t < 3
1 si t _ 3
f (3) = P(X = 3) = P(X toma valores 0, 1, 2, 3) P(X toma valores 0, 1, 2)
= P(X _ 3) P(X _ 2) = F(3) F(2) =
1
4
f (2) = P(X = 2) =?
f (1) =?
f (0) =?
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Clculo de probabilidades a partir de la funcin de
distribucin
Ejemplo: Sean X y F la variable aleatoria y su correspondiente
funcin de distribucin acumulada, denidas como en el
ejemplo anterior:
P(2 _ X _ 3) = P(X toma valores 2 o 3)
= P(X toma valores 0, 1, 2, 3) P(X toma valores 0, 1)
= P(X _ 2) P(X _ 1) = F(3) F(1) =
2
3
P(1 < X _ 3) = P(2 _ X _ 3) =
2
3
P(2 _ X < 3) = P(X toma slo el valor 2) = P(X = 2) = f (2)
P(0 < X < 2) = P(X = 1) = f (1)
P(1 < X < 2) = P() = 0.
Observemos que P(2 _ X _ 3) ,= F(3) F(2).
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Calculo de probabilidades a partir de la funcin de
distribucin
Sea X una variable aleatoria discreta con funcin de
distribucin acumulada F. Entonces,
1
Si a y b son dos nmeros reales con la propiedad de que
a _ b, entonces, se tiene que
P(a _ X _ b) = F(b) F(a

),
en donde a

representa el valor mximo posible de X

que sea estrictamente menor que a.
2
En particular, si los nicos valores posibles son enteros y a
y b son enteros, entonces,
P(a _ X _ b) = F(b) F(a 1),
3
Si se toma a = b, entonces,
P(X = a) = F(a) F(a 1).
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Calculo de probabilidades a partir de la funcin de
distribucin
Sea X una variable aleatoria discreta con funcin de
distribucin acumulada F. Entonces,
1
Si a y b son dos nmeros reales con la propiedad de que
a _ b, entonces, se tiene que
P(a _ X _ b) = F(b) F(a

),
en donde a

representa el valor mximo posible de X

que sea estrictamente menor que a.
2
En particular, si los nicos valores posibles son enteros y a
y b son enteros, entonces,
P(a _ X _ b) = F(b) F(a 1),
3
Si se toma a = b, entonces,
P(X = a) = F(a) F(a 1).
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Calculo de probabilidades a partir de la funcin de
distribucin
Sea X una variable aleatoria discreta con funcin de
distribucin acumulada F. Entonces,
1
Si a y b son dos nmeros reales con la propiedad de que
a _ b, entonces, se tiene que
P(a _ X _ b) = F(b) F(a

),
en donde a

representa el valor mximo posible de X

que sea estrictamente menor que a.
2
En particular, si los nicos valores posibles son enteros y a
y b son enteros, entonces,
P(a _ X _ b) = F(b) F(a 1),
3
Si se toma a = b, entonces,
P(X = a) = F(a) F(a 1).
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Ejecicios
1
Se determinar el nmero de computadoras en uso en dos
ocinas, una ocina con cinco computadoras y otra con
tres. Proporciona los posibles valores para cada una de las
siguientes variables aleatorias.
1 X = nmero total de computadoras en uso.
2 Y = la diferencia entre los nmeros de computadoras en
uso de las ocinas 1 y 2.
3 Z= nmero mximo de computadoras en uso en cada una
de las ocinas.
4 W = nmero de ocinas que tienen exactamente dos
computadoras en uso.
2
Determine el valor de k de modo que la siguiente funcin
sea una funcin de probabilidad de una variable aleatoria
discreta X:
f (x) = k(x
3
+ 4), para x = 0, 2, 3.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una variable aleatoria
Ejemplo: Suponga que estas encargado de crear y administrar un puesto
de juego en una feria que tradicionalmente tiene lugar anualmente en una
fecha ja. Por experiencia previa, sabes que a la feria slo asisten los
acionados a las ferias. Tu juego debe ser simple, y como eres quien lo
administra, eciente. Te decides por un juego que se llama dinero en el
sombrero. Entonces, consigues un sombrero elegante y colocas all 5
billetes de $100, 4 de $200 y un billete de $500.
A cada jugador se le permite meter la mano en el sombrero y sacar un solo
billete que gana como resultado del juego. Suponte que este juego se va a
jugar muchas veces durante el da (digamos 100 veces) y que quieres ganar
$100 en promedio por persona en ingresos netos o utilidades.
Esto es, precio por jugar - ganancia promedio por jugada = $100.
Suponiendo que cada billete, sin importar su denominacin, tiene la misma
oportunidad de ser seleccionado, cunto debes cobrar por jugar dinero en
el sombrero?
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una variable aleatoria
Sea X la variable aleatoria discreta que representa a la cantidad
de dinero que un jugador podra ganar en una sola jugada. En
este caso, X puede tomar los valores $100, $200 $500. Como
hay 10 billetes en total en el sombrero y cada billete, sin
importar su denominacin, tiene la misma oportunidad de ser
seleccionado, entonces,
P(X = 100) =
5
10
= 0.50
P(X = 200) =
4
10
= 0.40
P(X = 5.000) =
1
10
= 0.10
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una variable aleatoria
Para decidir cunto debes cobrar por jugar dinero en el
sombrero necesitamos calcular la ganancia promedio por
jugada. Como se jug n = 100 veces durante el da,
esperaramos que
nP(X = 100) = (100)(0.50) = 50 veces los jugadores
sacaran un billete de $100 para una prdida de
(50)($100) = $5000 para el dueo de la feria;
nP(X = 200) = (100)(0.40) = 40 veces los jugadores
sacaran un billete de $200 para una prdida de
(40)($200) = $8000 para el dueo de la feria;
nP(X = 500) = (100)(0.10) = 10 veces los jugadores
sacaran un billete de $500 para una prdida de
(10)($500) = $5000 para el dueo de la feria;
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una variable aleatoria
Como la prdida total para el dueo de la feria (o las ganancias
totales para los jugadores) es
$5000 + $8000 + $5000 = $18000
para los 100 jugadores, la prdida promedio por jugar es
$18000
100
= $180
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una variable aleatoria
Por lo tanto, para tener un promedio de $100 de ganancia por
cliente, debemos cobrar $280, para el privilegio de sacar un
billete del sombrero. Otra manera de considerar la prdida
promedio para el dueo de la feria por cliente es:
$100P(X = 100) +$200P(X = 200) +$500P(X = 500) = $180.
Este valor de $180, que corresponde a la ganancia promedio
del cliente por jugada la llamaremos el valor esperado de X.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una variable aleatoria
Frmula para calcular el valor de la media poblacional :
=

(v x)
n
v : frecuencia de un dato particular x y n es el tamao de la
poblacin.
=

_
x
v
n
_
v
n
: frecuencia relativa, i.e.,
v
n
= P(X = x) = f (x)
=

(xf (x))
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una variable aleatoria
Denicin: Sea X una variable aleatoria discreta denida
sobre un espacio muestral S y supongamos que X toma los
valores x
1
, x
2
, ... (nito o innito). Sea f la funcin de
probabilidad de X. Entonces, la esperanza (valor esperado o
media) de X, simbolizada por o E(X), se dene como
= E(X) =

k
(x
k
f (x
k
))
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una variable aleatoria
Ejemplo:
Regresar
Consideremos el lanzamiento de dos monedas
y sea X la variable aleatoria nmero de caras que resultan.
Se ha encontrado que la distribucin de probabilidad f de X
est denida por
f (0) = P(X = 0) =
1
4
f (1) = P(X = 1) =
1
2
f (2) = P(X = 2) =
1
4
Por consiguiente, la esperanza de X est dada por
E(X) = 0f (0) + 1f (1) + 2f (2) = 0 +
1
2
+ 2
1
4
= 1.
Es decir, cuando el lanzamiento de las monedas se repite un
nmero grande de veces, se espera que resulte en promedio 1
cara.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una v.a.
Ejemplo:
Regresar
Una planta industrial grande realiza una
campaa para promover el uso compartido del automvil entre
sus empleados. Los datos en la tabla se registraron entre todos
los empleados de la planta para conocer los efectos de la
campaa.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una v.a.
La media poblacional est dada por =
1,864
945
= 1.97.
Ahora escojamos un coche al azar que transporte empleados al
trabajo y contemos el nmero de ocupantes. Este nmero
representa una variable aleatoria X, que toma los valores 1, 2,
3, 4, 5 y 6 con las probabilidades 0.45, 0.249, 0.217, 0.555,
0.023 y 0.006 respectivamente.
La esperanza de esta variable aleatoria es entonces
E(X) = 1f (1) + 2f (2) + 3f (3) + 4f (4) + 5f (5) + 6f (6)
= (1)(0.45) + (2)(0.249) + (3)(0.217) + (4)(0.555) + (5)(0.023) + (6)(0.006)
= 1.97.
Observe que esto concuerda con valor calculado anteriormente.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una v.a.
Ejemplo:
Regresar
Una empresa considera dos inversiones
posibles. Como aproximacin inicial, asigna probabilidades
(subjetivas) a cada uno de los siguientes eventos: perder un
20% por cada dlar invertido, perder un 10%, ni ganar ni
perder, ganar un 10% y ganar un 20%.
Sea X el rendimiento por cada dlar invertido en el primer
proyecto y Y el rendimiento por cada dlar invertido en el
segundo. Las probabilidades asignadas son
Calcule los rendimientos esperados por cada dlar invertido en
cada proyecto. Cul proyecto le parece a usted que representa
la inversin ms atractiva.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una v.a.
El proyecto X, de acuerdo con cualquier estndar razonable,
parece menos atractivo. Resulta igualmente posible perder un
20% que ganarlo, o ganar un 10% que perderlo. El proyecto Y
ofrece mayores posibilidades de ganar un 10 o un 20% y
relativamente pocas de perder.
Ahora,E(X) = 0 y E(Y) = 0.114. Por lo tanto, el rendimiento
esperado de X es (como hemos anticipado) menor que el
rendimiento esperado de Y.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una funcin
Ejemplo: Un contratista puede tener cierta incertidumbre
sobre el tiempo que requerir terminar un contrato. Esta
incertidumbre puede representarse mediante una variable
aleatoria cuyos valores posibles son el nmero de das
transcurridos desde el comienzo hasta la conclusin del trabajo
que se ha contratado. Sin embargo, el principal inters del
contratista no es el tiempo necesario sino el costo de cumplir el
contrato. Este costo ser una funcin del tiempo. Luego, para
determinar el costo esperado, es necesario expresar la esperanza
como una funcin de la variable aleatoria tiempo necesario
para la conclusin del trabajo.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una funcin
Ejemplo: Suponga que una librera compra tres ejemplares de
un libro a $100 para venderlos a $200, entendiendo que al
terminar el periodo de tres meses, cualquier ejemplar no
vendido se vender en $30. Si X es la variable aleatoria
nmero de ejemplares vendidos, entonces, la utilidad neta es
una variable aleatoria h(X) que depende de X y que est dada
por
h(X) = 200X + 30(3 X) 300 = 170X 210.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una funcin
Sea X una variable aleatoria discreta denida sobre un
espacio muestral S y supongamos que X toma los
valoresx
1
, x
2
, ... (nito o innito). Sea f la funcin de
probabilidad de X. Entonces, la esperanza o media de
cualquier funcin h(X) de X, simbolizada por E [h(X)] ,
se dene como
E (h(X)) =

k
h(x
k
)f (x
k
)
La esperanza E (h(X)) puede entenderse como el valor
promedio que tomara h(X) sobre un nmero muy grande de
repeticiones.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Esperanza de una funcin
Ejemplo:Si en el ejemplo anterior, la variable X (nmero de
ejemplares vendidos) toma los valores 0, 1, 2 y 3 con las
probabilidades 0.1, 0.2, 0.3 y 0.4, respectivamente, entonces, la
utilidad esperada es
E (h(X)) = h(0)f (0) + h(1)f (1) + h(2)f (2) + h(3)f (3)
= (210)(0.1) + (40)(0.2) + (130)(0.3) + (300)(0.4)
= 130
Es decir, sobre un nmero muy grande de repeticiones, se
espera que el vendedor tenga una utilidad de $130.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Propiedades de la esperanza
Hemos denido la esperanza de una funcin h(X) de una
variable aleatoria X.
Sean X una variable aleatoria discreta denida sobre un
espacio muestral y a, b nmeros reales jos. Entonces,
1
E(aX +b) = aE(X) +b.
2
E(aX) = aE(X) (si se toma b = 0).
3
E(b) = b (si se toma a = 0).
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Propiedades de la esperanza
Hemos denido la esperanza de una funcin h(X) de una
variable aleatoria X.
Sean X una variable aleatoria discreta denida sobre un
espacio muestral y a, b nmeros reales jos. Entonces,
1
E(aX +b) = aE(X) +b.
2
E(aX) = aE(X) (si se toma b = 0).
3
E(b) = b (si se toma a = 0).
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Propiedades de la esperanza
Hemos denido la esperanza de una funcin h(X) de una
variable aleatoria X.
Sean X una variable aleatoria discreta denida sobre un
espacio muestral y a, b nmeros reales jos. Entonces,
1
E(aX +b) = aE(X) +b.
2
E(aX) = aE(X) (si se toma b = 0).
3
E(b) = b (si se toma a = 0).
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Propiedades de la esperanza
Ejemplo: Sea X cualquier variable aleatoria discreta. Si la
variable aleatoria 5X + 2 tiene esperanza 1, cul es la
esperanza de X?
Por hiptesis, se tiene que E(5X + 2) = 1. Por consiguiente,
por las propiedades de la esperanza,
1 = E(5X + 2) = 5E(X) + 2.
Con lo anterior, 5E(X) = 1 2 = 1, o sea, E(X) =
1
5
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Varianza de una v.a. discreta
Denicin: Sea X una variable aleatoria discreta denida
sobre un espacio muestral S y supongamos que X toma los
valores x
1
, x
2
, ... (nito o enumerable).
Sean f y la funcin de probabilidad y esperanza de X,
respectivamente. Entonces, lavarianza de X, simbolizada por

2
o V(X), se dene como

2
= V(X) = E
_
(X )
2
_
=

k
(x
k
)
2
f (x
k
)
La desviacin estndar de X, denotada por , se dene como la
raz cuadrada positiva de la varianza.
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Varianza de una v.a.
Sea X una variable aleatoria discreta denida sobre un
espacio S muestral y supongamos que X toma los valores
x
1
, x
2
, ...(nito o enumerable).
Sean f y la funcin de probabilidad y esperanza de X,
respectivamente. Entonces, la varianza de X es la
esperanza del cuadrado de X menos el cuadrado de la
esperanza de X. Es decir,
V(X) = E(X
2
) (E(X))
2
=

k
x
2
k
f (x
k
) (E(X))
2
Espacio
muestral
Eventos
independientes
Probabilidad
condicional
Probabilidad
total y
Teorema de
Bayes
Variables
aleatorias
Funcin de
probabilidad
Esperanza de
una variable
aleatoria (v.a.)
discreta
Varianza de
una v.a.
discreta
Varianza de una v.a.
Ejercicio: Calcule la varianza y desviacin estndar de los
ejemplos anteriores (lanzamiento de monedas,
Ir ejemplo
uno
compartido de automvil,
Ir ejemplo
, inversin
Ir ejemplo
)