Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Definimos en S la variable aleatoria (v.a.) X como el nmero de caras obtenidas, bajo esta regla estamos asociando a cada suceso un nmero natural, as:
Tenemos visto que a cada experiencia aleatoria se le puede asociar un espacio muestral que contiene todos los resultados posibles, llegado a este punto no solamente interesa conocer tales resultados, sino tambin sus consecuencias. Se llama variable aleatoria (v.a.) a toda aplicacin X que asocia a cada elemento del espacio muestral S de un experimento, un nmero real, esto es X: S U R talque X(Evento i) = xi
x4 = 0
x3 = 1
Las variables aleatorias las podemos clasificar en : o discretas, si pueden tomar un nmero finito de valores en U subconjunto de N o continuas si pueden tomar un nmero infinito de valores en U R En esta seccin aplicaremos las v.a. discretas
x2 = 2
x 1= 3
S
De esta grfica tenemos que: X(CCC) = x1 = 3, X(C+C) = X(+CC) = X(CC+) = x 2 = 2, X(C++) = X(++C) = X(+C+) = x 2 = 1, X(+++) = x 3 = 0
Ejemplo 1
Consideremos el experimento que consiste en lanzar tres monedas al aire. Llamaremos C a cara y + l a cruz, el espacio muestral ser: S = {CCC, CC+, C+C, +CC, C++, +C+, ++C, +++}
Ejemplo 2
Consideramos el experimento de lanzar dos dados , definiendo la v.a. como la suma de sus caras. Los valores de la v.a. sern X(1,1) = x 1 = 2 X(1,2) = X(2,1) = x 2 =3 X(1,3) = X(3,1) =X(2,2) = x 3 =4 X(1,4) = X(4,1) =X(3,2) = X(2,3) = x 4 =5 X(1,5) = X(5,1) =X(4,2) = X(2,4) = X(3,3) = x5 =6 X(1,6) = X(6,1) =X(5,2) = X(2,5) = X(3,4) = X(4,3) = x6 =7 X(3,5) = X(5,3) =X(6,2) = X(2,6) = X(4,4) = x7 =8 X(4,5) = X(5,4) =X(6,3) = X(3,6) = x8 =9 X(4,6) = X(6,4) =X(5,5) = x9 =10 X(5,6) = X(6,5) = x10 =11 X(6,6) = x11 =12
Ejemplo 3
Siendo S el espacio muestral del ejemplo 2, calcular la probabilidad de la v.a. P[X = 2] = 1/36 P[X = 5] = 4/36 P[X = 8] = 5/36 P[X = 3] = 2/36 P[X = 6] = 5/36 P[X = 9] = 4/36 P[X = 4] = 3/36 P[X = 7] = 6/36 P[X = 10] = 3/36
Funcin de probabilidad
0.05
Dada una v.a. discreta X, llamaremos funcin de probabilidad P aquella que asocia una probabilidad p i en [0, 1] a cada valor x de la v.a. P:V [0,1]talque P[X = x i] = pi
0.00
Si
em
e e em
: obtenidas, encontremos su correspondiente funcin de distribucin. Aplicando la definicin por trozos tendremos: , si x < / , si
8 9 6 6 6
F( ) = [
y y y y y
La f in e istrib in F toma valores omprendidos entre y . Para todo x < x 0 F(x) = 0, siendo x0 el menor de los valores q e toma la v.a. X Para todo x > x n F(x) = 1, siendo xn el mayor valor q e toma la v.a. F( ) es na f ncin creciente x < y implica F(x) F(y) ) La f ncin de distrib cin se define a trozos
A
F( ) =
@
, si
B C
/ , si , si x
, si
#
<
!
"
p , si F( )= p
$ ' & (
<
%
Graficando: p , si
<
= , si
% $
Ej mpl 4
0
Sea el experimento q e consiste en lanzar tres monedas al aire. Si la v.a. se define como el nmer de cara
3 2 4 5
Consideremos una v.a discreta X que toma los valores x1,x2,...,xi,...,x n con probabilidades p1,p2,...,pi,...,p n. Llamaremos media o esperanza de X a
Propiedades
1. Dada una variable aleatoria que toma siempre el mismo valor C, es decir, la variable es constante. Su esperanza es esa misma constante.
2. 3.
, vemoslo:
4. Si se multiplica una variable aleatoria por una constante, su esperanza se ve multiplicada por esa constante.
Ejemplo 5
Un jugador de dardos al lanzar tiene el 20% de obtener 5 puntos, una probabilidad de 25 % de obtener 10 puntos, 15 % de obtener 50 puntos y 4 % de obtener 20 puntos. Si consideramos como variable aleatoria la puntuacin obtenida Cul es su esperanza?
La variable aleatoria X toma los valores 5, 10, 20, 50 con probabilidades respectivas de 0.2, 0.25, 0.4 y 0.15, es claro que se trata de una v.a. discreta.
Se define la varianza como la esperanza del cuadrado de la diferencia entre la variable y su esperanza V(X) = E[(X E[X])] 2
pi
Desarrollando la expresin anterior nos queda una forma ms sencilla de calcular la varianza V(X)= E[X 2] - E[X] 2
y y
Para determinar la varianza hemos elevado los datos al cuadrado, esto implica que las unidades se elevan al cuadrado. Se llama desviacin tpica o estndar a la raz cuadrada positiva de la varianza
La desviacin tpica consigue tener las desviacio nes en la misma unidad que los datos.
Relacionando las expresiones de Estadstica elemental con lo anterior se define los parmetros y
Ejercicios propuestos
1. Considere el experimento de lanzar una moneda y un dado a. Defina el espacio muestral b. Encuentre los valores de la v.a. definida por cara c en la moneda y valores pares en el dado c. Defina la funcin de probabilidad d. Grafique la funcin de probabilidad e. Encuentre la funcin de distribucin y grafquela 2. Considere el experimento de lanzar dos dados a. Encuentre los valores de la v.a. definida por suma de puntos igual a 7 b. Defina y grafique la funcin de probabil idad c. Encuentre y grafique la funcin de distribucin 3. Calcule la esperanza, varianza y desviacin tpica de cada variable de los ejercicios anteriores. 4. Considere las siguientes tablas de de dos variables aleatorias X e Y: x px 1 0.1 2 0.2 3 0.2 4 0.1 5 0.1
Y py
1 0.1
2 0.4
3 0.15
4 0.35
a. Compruebe si cumplen una ley de probabilidad b. En el caso que cumplan una ley de probabilidad encuentre su esperanza, varianza y desviacin tpica. 5. Si E(X) = 18.3 y V(X) = 2.5, calcule E(Y) y V(Y) siendo
Encuentre P(X=0), P(X=!), P(X=2), P(X=3), P(X=4), P(X=5) Encuentre 2 x 5 Encuentre 2 < x Encuentre 2 x<5 Encuentre 2 < x < 5