Sei sulla pagina 1di 18

Variables aleatorias discretas

Definicin 3.3 Se dice que una variable aleatoria es discreta si toma un numero finito o a lo ms numerable de valores:

En este caso la ley de la variable aleatoria los valores posibles de

es la ley de probabilidad sobre el conjunto de al singleton es o una parte de . .

que asocia la probabilidad

En la prctica el conjunto de los valores que puede tomar Determinar la ley de una variable aleatoria discreta es:

1. Determinar el conjunto de los valores que puede tomar 2. Calcular para cada uno de estos valores .

Punto de vista frecuentista. Recordemos que el nico sentido prctico que le podemos dar a la idea de probabilidad es el de un lmite de frecuencias experimentales. Este es tambin el sentido que hay que dar a la nocin de ley discreta. Repetimos veces, en forma independiente, el experimento aleatorio del cual como resultado medimos . Se obtiene as una -tupla de variables aleatorias independientes de misma ley que (esto se llama una muestra). A partir de esta -tupla podemos calcular las frecuencias experimentales de los eventos `` '' :

Segn la Ley de los Grandes Nmeros, esta frecuencia debe converger a Para todo las frecuencias experimentales .

definen una ley de

probabilidad discreta sobre el conjunto de los

Usualmente se representa a las leyes discretas por diagramas de barras : Se dibuja encima de la abscisa un segmento vertical de altura igual a .

Las leyes discretas ms comunes son las siguientes. Ley uniforme. La ley uniforme definida sobre un conjunto finito es la ley de ``sorteos al azar'' en este conjunto o equiprobabilidad. Ella asigna la misma probabilidad del conjunto, si el cardinal del conjunto es . a todos los elementos

Ley de Bernoulli. Las variables aleatorias discretas ms simples son las indicatrices de eventos. Si evento de probabilidad , la variable aleatoria . toma el valor si es un

se realiza y 0 si no.

Su ley es la ley de Bernoulli de parmetro

Los otros dos ejemplos bsicos son la ley binomial y la ley geomtrica.

Ley binomial. Se repite el mismo experimento veces en forma independiente y se cuenta el nmero de veces que se produce el evento . Se considerar la repeticin de los experimentos como un nuevo experimento global. Como solamente nos interesa el evento , bastar guardar de la experiencia global una -tupla booleana del tipo:

la cual ser ms fcil de transformar en una

-tupla de 0 y

. Denotemos:

el nmero de veces en que experimentos. Si denota la probabilidad del evento

se realiza a lo largo de los

, la variable aleatoria

sigue una ley de

Bernoulli de parmetro

. La variable aleatoria

toma sus valores en el conjunto

. Para determinar su ley, los eventos que nos interesan son los del tipo `` ''. A partir de la hiptesis de independencia de los experimentos, la probabilidad de un resultado cualquiera del experimento global es un producto de probabilidades. Por ejemplo:

Toda

-tupla particular que contenga . En total hay:

`` '' y

``0'' tiene como probabilidad

que es el nmero de maneras de seleccionar

ndices entre

. De donde:

Definicin 3.4 Se dice que una variable aleatoria y (denotada ) si:

sigue la ley binomial de parmetros

1. 2.

toma sus valores en el conjunto

Para recordar: El nmero de ocurrencias de un mismo evento en el curso de independientes sigue una ley binomial. Simulacin: experimentos

A la salida del algoritmo que mostramos a continuacin, sigue la ley binomial . Es el caso tpico en el que encontramos una ley binomial, pero no es el mtodo mas eficaz de simulacin de la misma.

Repetir

veces ) entonces

Si ( Random

finSi finRepetir. Observacin: Es un buen hbito el comprobar que la suma de las probabilidades calculadas vale . En

este caso: de Newton (de ahel nombre de binomial). Ley geomtrica.

, por la frmula del binomio

El problema aqu es observar una sucesin de repeticiones independientes de un mismo experimento. Nos interesa el momento en que se produce el evento por primera vez. Se asume que la probabilidad de es estrictamente positiva. ocurre por primera

Denotemos por el nmero de orden del experimento en el cual vez. Es una variable aleatoria que depende del experimento: ``repetir independientemente hasta que ocurra El conjunto de los valores posibles para tiene: es

''. . Para todo se

Definicin 3.5 Se dice que una variable aleatoria (denotada 1. 2. ), si: .

sigue la ley geomtrica de parmetro

toma sus valores en el conjunto

Para recordar: El nmero de experimentos independientes necesarios hasta la primera ocurrencia de un evento sigue una ley geomtrica.

Simulacin:

A la salida del algoritmo que mostramos a continuacin, sigue la ley geomtrica Es el caso tpico en el que encontramos una ley geomtrica, pero no es el mtodo mas eficaz de simulacin de la misma.

Repetir

Hasta que ( Random Observacin:

).

. La consecuencia de esta observacin es la siguiente: en el transcurso de una serie de experimentos independientes, todo evento acabar sucediendo, si su probabilidad es estrictamente positiva. As una sucesin aleatoria de 0 y debe contener necesariamente una cadena de ceros seguidos. Con el mismo razonamiento, si un mono golpea al azar las teclas de una mquina de escribir, terminar, necesariamente, escribiendo ``Don Quijote'' sin faltas, desde la primera mayscula hasta el ltimo punto. Para comprender esta paradoja, calculemos la probabilidad de que un evento de probabilidad se produzca a lo sumo en el -simo experimento.

Mostramos algunos valores de

en funcin de

An si todas las partculas del universo fueran monos tecleando a razn de carcteres por segundo, se necesitara mucho ms tiempo del transcurrido desde el inicio del universo para tener una probabilidad no despreciable de ver a uno de ellos teclear Don Quijote. La ley geomtrica y la ley binomial aparecen con frecuencia en el anlisis de algoritmos de simulacin. A continuacin presentamos el ejemplo del clculo de una probabilidad condicional. La programacin directa de la definicin intuitiva (proporcin de veces en que ocurre entre aquellas en que tambin ocurre) conducira al siguiente algoritmo.

Repetir veces experimento Si ocurre entonces

Si ocurre entonces finSi finSi finRepetir

Nada impide que preferible fijar

sea cero al final de los y escribir:

experimentos (an si es poco probable). Es

Repetir veces Repetir experimento Hasta que ocurre Si ocurre entonces finSi finRepetir

Ejecutar este algoritmo se convierte en calcular la frecuencia experimental de

, en el

resultado de repeticiones independientes de un experimento global. Este experimento global consiste en repetir independientemente un mismo experimento hasta que ocurre por primera vez . La ``duracin'' del experimento global es un nmero entero aleatorio. El sigue una ley geomtrica de parmetro sigue una ley binomial de parmetros y . Se puede demostrar que la variable .

Ejemplo: Repetir Repetir veces

Random Hasta que ( es par) (* Si entonces finSi finRepetir

(* lanzamiento de un dado *) es el evento `` es par'' *) (* es el evento `` '' *)

A la salida de este algoritmo, contiene un nmero cercano a si es grande. El nmero de repeticiones del experimento cada vez que se ejecuta un lazo, sigue la ley geomtrica .

Hay otras leyes discretas clsicas que se emplean con frecuencia. Se trata de las leyes de Poisson, hipergeomtricas y binomiales negativas. Ley de Poisson. Muchas variables aleatorias discretas corresponden a conteos de objetos con una caracterstica, relativamente rara, dentro de un conjunto grande de objetos: tomos de un istopo, molculas de un elemento qumico, bacterias, virus, individuos que poseen un gen especial... Con frecuencia se emplea una ley de Poisson como modelo para estos conteos. Una variable aleatorio sigue una ley de Poisson de parmetro valores en y si para todo : si ella toma sus

Ley hipergeomtrica. La ley hipergeomtrica es la ley de ``captura sin reposicin''. En una poblacin de tamao , se extrae al azar una muestra (subconjunto) de tamao . Entre los individuos de la poblacin hay que estn ``marcados'' (poseen una cierta caracterstica). El nmero de individuos marcados entre los individuos seleccionados, sigue la ley hipergeomtrica de parmetros , y . La variable aleatoria toma sus valores en el conjunto , y para todo :

donde por convencin , si . Esta ley se encuentra con frecuencia en los juegos de azar. Variable aleatoria Nmero de ases en una mano de poker Nmero de ases en una mano de bridge Nmero de nmeros buenos en un sorteo de Loto 32 52 49 4 4 6 20 5 6 6

Nmero de nmeros buenos en un sorteo de Keno 70

Ley binomial negativa. Esta ley se emplea frecuentemente en los conteos en biologa. El modelo de base que la define puede escribirse todava en trminos de indicatrices de eventos independientes, como en las leyes binomiales y geomtricas. En el transcurso de una serie de experimentos aleatorios independientes, observemos un evento de probabilidad . Denotemos por el nmero de observaciones de antes de la -sima observacin de . Entonces sigue la ley binomial negativa de parmetros conjunto de los valores que toma es y , denotada por : . El

y para todo

La variable aleatoria

sigue la ley

como salida del siguiente algoritmo.

Repetir

veces )

Mientras (Random finMientras finRepetir.

Variables aleatorias continuas


Definicin 3.6 Sea probabilidad sobre todo intervalo de una variable aleatoria con valores en . Se dice que se tiene: y una densidad de si para

es una variable aleatoria continua de densidad

La ley de la variable aleatoria

es la ley continua sobre

, de densidad

Para determinar la ley de una variable aleatoria continua, hay que calcular su densidad. De manera equivalente, la ley de una variable continua se determina dando la probabilidad de que ella pertenezca a un intervalo cualquiera. Es lo que hemos hecho para nuestro ejemplo de base, el llamado a Random, que es una variable aleatoria continua, de densidad . Una variable aleatoria continua probabilidad igual a : de densidad , cae entre y con una

Mientras ms grande sea la densidad en un segmento, mayores sern las probabilidades de que caiga en ese segmento, lo cual justifica el trmino ``densidad''. Como ya hemos observado para Random, la probabilidad de que una variable aleatoria continua caiga en un punto cualquiera es nula.

En consecuencia:

Observemos tambin que el modificar una densidad en un nmero finito o numerable de puntos, no cambia de las integrales sobre los segmentos y en consecuencia la ley de probabilidad asociada tampoco cambia. El valor que toma la densidad en un punto particular, no es importante. Por ejemplo Random tiene como densidad a pero da lo

mismo usar . Como en los casos discretos, debemos conocer algunos ejemplos bsicos. Las densidades se dan en un punto cualquiera de . Ley uniforme.

La ley uniforme sobre un intervalo es la ley de ``sorteos al azar'' en un intervalo. Si son dos nmeros reales, la ley uniforme sobre el intervalo Ella tiene por densidad a la funcin: se denota por .

Random es una variable aleatoria de ley uniforme

Ley exponencial. Las leyes exponenciales modelan intervalos de tiempo o duraciones aleatorias, como la vida de una partcula en fsica. La ley exponencial de parmetro . Ella tiene por densidad a la funcin: se denota por

Ley normal.

La ley normal, ley de Gauss o Laplace-Gauss es la ms clebre de las leyes de probabilidad. Su xito y su omnipresencia en las ciencias de la vida vienen del Teorema del Lmite Centrado que estudiaremos ms adelante. La ley normal de parmetros se denota por . Ella tiene por densidad a la funcin: y

Las leyes exponenciales y normales constituyen el ncleo de las familias de leyes clsicas que se encuentran mas frecuentemente en estadstica. Ley de Weibull.

La ley de Weibull de parmetros densidad:

, denotada por

, tiene por

Se la emplea como modelo de duracin aleatoria, principalmente en fiabilidad (duracin de funcionamiento sin roturas, duracin de reparacin). La ley es la ley .

Ley gamma.

La ley gamma de parmetros

, denotada por

tiene por densidad:

donde

es la ``funcin gamma'', definida por y , la ley

. Para es llamada ley de chi cuadrado con

entero, grados de

libertad y se denota por

. Esta es la ley de la suma de los cuadrados de

variables

aleatorias independientes de ley gaussianas. La ley

, se emplea para las varianzas empricas de muestras .

es la ley exponencial

Ley beta.

La ley beta de parmetros

, denotada por

tiene por densidad:

Esta familia de leyes nos provee de modelos no uniformes para variables aleatorias acotadas. Si unas variables aleatorias independientes siguen la ley uniforme estadgrafos de orden (valores reordenadas) siguen leyes beta. Ley log-normal. , sus

La ley log-normal cuyo logaritmo sigue la ley

es la ley de una variable aleatoria, de valores positivos, . Ella tiene por densidad a la funcin:

En medicina, numerosos parmetros fisiolgicos son modelados empleando leyes log-normales.

Ley de Student.

La ley de Student con

grados de libertad, e

, es la ley de la relacin de ley ,

, de ley

donde las variables aleatorias

son independientes,

. Ella tiene por densidad a la funcin:

Se la utiliza para estudiar la media emprica de una muestra gaussiana.

Ley de Fisher. La ley de Fisher de parmetros , donde y e y (enteros positivos) es la ley de la relacin

son dos variables aleatorias independientes de leyes

respectivamente. Ella tiene por densidad a la funcin:

Se la emplea para comparar las varianzas de muestras gaussianas.

Esperanza matemtica
En estadstica la esperanza matemtica (tambin llamada esperanza, valor esperado, media poblacional o media) de una variable aleatoria X, es el nmero formaliza la idea de valor medio de un fenmeno aleatorio. que

Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho suceso. Por lo tanto, representa la cantidad media que se "espera" como resultado de un experimento aleatorio cuando la probabilidad de cada suceso se mantiene constante y el experimento se repite un elevado nmero de veces. Cabe decir que el valor que toma la esperanza matemtica en algunos casos puede no ser "esperado" en el sentido ms general de la palabra - el valor de la esperanza puede ser improbable o incluso imposible. Por ejemplo, el valor esperado cuando tiramos un dado equilibrado de 6 caras es 3,5. Podemos hacer el clculo

y cabe destacar que 3,5 no es un valor posible al rodar el dado. En este caso, en el que todos los sucesos son de igual probabilidad, la esperanza es igual a la media aritmtica. Una aplicacin comn de la esperanza matemtica es en las apuestas o los juegos de azar. Por ejemplo, la ruleta americana tiene 38 casillas equiprobables. La ganancia para acertar una apuesta a un solo nmero paga de 35 a 1 (es decir, cobramos 35 veces lo que hemos apostado y recuperamos la apuesta, as que recibimos 36 veces lo que hemos apostado). Por tanto, considerando los 38 posibles resultados, la esperanza matemtica del beneficio para apostar a un solo nmero es:

que es -0,0526 aproximadamente. Por lo tanto uno esperara, en media, perder unos 5 cntimos por cada euro que apuesta, y el valor esperado para apostar 1 euro son 0.9474 euros. En el mundo de las apuestas, un juego donde el beneficio esperado es cero (no ganamos ni perdemos) se llama un "juego justo". Nota: El primer parntesis es la "esperanza" de perder tu apuesta de $1, por eso es negativo el valor. El segundo parntesis es la esperanza matemtica de ganar los $35. La esperanza matemtica del beneficio es el valor esperado a ganar menos el valor esperado a perder.

Definicin
Para una variable aleatoria discreta con valores posibles y sus probabilidades representadas por la funcin de probabilidad p(xi) la esperanza se calcula como:

Para una variable aleatoria continua la esperanza se calcula mediante la integral de todos los valores y la funcin de densidad :

La definicin general de esperanza se basa, como toda la teora de la probabilidad, en el marco de la teora de la medida y se define como la siguiente integral:

La esperanza tambin se suele simbolizar con Las esperanzas para se llaman momentos de orden . Ms .

importantes son los momentos centrados

No todas las variables aleatorias tienen un valor esperado. Por ejemplo, la distribucin de Cauchy no lo tiene.

Propiedades
La esperanza es un operador lineal, ya que:

Combinando estas propiedades, podemos ver que -

donde

son variables aleatorias y y y son tres constantes cualesquiera.