Upload
ambar-gomez
View
214
Download
1
Embed Size (px)
DESCRIPTION
Trabajo, grupal
Citation preview
Integrantes:
Ambar Gómez C.I: 21.054.698
Cesar Nieto C.I: 21.126.634. Sección: MI-23
1. Definición de variable aleatoria:
Se llama variable aleatoria (v.a) a toda aplicación que asocia a cada
elemento del espacio muestral de un experimento, un número real.
Los valores posibles de una variable aleatoria pueden representar los
posibles resultados de un experimento aún no realizado, o los
posibles valores de una cantidad cuyo valor actualmente existente es
incierto (por ejemplo, como resultado de medición incompleta o
imprecisa). Intuitivamente, una variable aleatoria puede tomarse
como una cantidad cuyo valor no es fijo pero puede tomar
diferentes valores; una distribución de probabilidad se usa para
describir la probabilidad de que se den los diferentes valores.
2. Tipos de variable aleatoria:
- Variable aleatoria discreta:
Una variable aleatoria discreta es aquella que sólo puede tomar
valores enteros.
- Variable aleatoria Continua:
Una variable aleatoria continua es aquella que puede tomar
todos los valores posibles dentro de un cierto intervalo de
la recta real.
3. Función de la densidad:
Para variables aleatorias continuas, la distribución teórica o FUNCION
DE DENSIDAD DE PROBABILIDAD (FDP) puede representarse por una
curva continua.
Por DENSIDAD entendemos la concentración de probabilidad dentro de
un intervalo de valores de la variable x.
Esta PROBABILIDAD puede ser interpretada como un AREA (integral)
bajo la curva f(x), llamada CURVA DE DENSIDAD, limitada por las
ordenadas en dos puntos de un intervalo.
Entonces
Una función y = f(x) es una función de densidad de una variable
aleatoria continua si cumple las siguientes condiciones:
o Es positiva en todo su dominio (0" f( x) "1)
o El cálculo directo de la porción de área bajo la curva requiere la
integración de la función de densidad que es específica para cada modelo:
P (a " X " b) =
4. Función de la distribución:
La función de distribución describe el comportamiento probabilístico
de una variable aleatoria X asociada a un experimento aleatorio y se
representa como:
F(x) o Fx
Función de la distribución en las variables aleatorias continúa:
Sea X una variable aleatoria continua con función de densidad f(x),
se define la
Función de distribución, F(x), como:
∞
F(x)= P [x ≤ X] = ∫ f (x) dx
-∞
La función de distribución para una variable continua siempre
verifica las siguientes propiedades:
A) F(x) ≥ 0.
∞
B) ∫ f (x) dx =1.
-∞
b
C) P [ a ≤ x ≤ b] = ∫ f (x) dx = F (b) – F (a)
a
D) F (x) = F’ (x) ⇒ la función de densidad es la derivada de la
función de distribución.
Función de la distribución en las variables aleatorias Discreta:
Sea X una variable aleatoria discreta asociada a un espacio
probabilístico, se
Define la función de distribución:
F (x): R → [0, 1] que verifica F (x) = P [x ≤ x] = ∑xi < x Pi.
5. Esperanza matemática:
- Esperanza matemática para una variable aleatoria discreta
Dada una variable aleatoria X que toma valores
x1,x2,x3....xn con distribución de probabilidad P(x=x i)= P i,
se define la esperanza matemática de una variable aleatoria
como:
E[x]= ∑ i=1 x i P(X = x i)= ∑ i=1 x i P i.
- Esperanza matemática para una variable aleatoria continua
Sea X una variable aleatoria continua con función de
densidad f(x), se define la esperanza matemática de esa
variable aleatoria como:
+∞
E[x]= ∫ xf (x) dx =µ. -∞
6. Varianza:
A continuación vamos a definir la varianza de una variable aleatoria
diferenciando para el caso discreto y continuo. Dada una variable
aleatoria X que toma valores x1,x2,x3....xn con distribución de
probabilidad, se define la varianza de X:
Varianza en las variables aleatorias discretas:
2 n n 2
V [x] = (x – E(x)) = ∑ (xi - µ) = ∑ Xi Pi - µ
i=1 i=1
Varianza en las variables aleatorias Continuas:
∞ 2
V [x] = ∫ (x - µ) f(x) dx
-∞
7. Función acumulativa:
La función de distribución acumulada, F(x), para una variable aleatoria
continua X, está definida para todo númerox mediante:
Para cada x, F(x) es el área bajo la curva de densidad a la izquierda
de x. F(x) se incrementará de manera uniforme cuando aumenta x.
La función de distribución acumulada es muy útil para calcular
probabilidades: Sea X una variable aleatoria continua con función de
densidad de probabilidad f(x) y función de distribución acumulada F(x).
Entonces, para cualquier número a, la probabilidad es:
P(X > a) = 1 - F(a)
Y para dos números cualquiera a y b, con b > a, la probabilidad es:
P(a ≤ X ≤ b) = F(b) - F(a)
8. Ejemplos:
Variable aleatoria Discreta
Sea el experimento aleatorio consistente en lanzar una moneda al
aire. Los sucesos elementales del experimento, <<que salga cara>>,
<<que salga cruz>>, no vienen representados por los números, por
lo que casa suceso elemental se le hace corresponder un número
real. Así al suceso elemental <<que salga cara>> se le hace
corresponder el número “1” y al suceso elemental <<que salga
cruz>> se le hace corresponder el número “2”.
La variable aleatoria será: X = (1,2).
Se trata de una variable aleatoria discontinua o discreta, ya que
únicamente puede adoptar los valores 1 y 2.
Variable aleatoria Continua
Con el fin de realizar un control de calidad en una fábrica de
baterías, se mide el tiempo de duración de baterías elegidas al azar
y se define la v.a.
X: tiempo de duración de una batería
La v.a. X es esencialmente continua (“tiempo”), siendo su rango
el intervalo real [0,∞). pero supongamos que medimos la duración
de la batería en días, es decir “discretizamos” el rango de la v.a.
y se convierte en No = N ∪ {0}. Por tratarse de una v.a.
discreta, su función de probabilidad puntual puede representarse
mediante un histograma con área total igual a 1. Si medimos la
duración en horas, obtenemos un histograma con mayor número de
intervalos de menor longitud cada uno, pero que sigue teniendo
área total igual a 1.
Si continuamos aumentando la precisión de la medición (minutos,
segundos, décimas de segundo, etc), obtenemos como límite de los
histogramas una curva suave, y la probabilidad de que la duración de
la batería se encuentre entre dos valores a y b ( a < b) estará
dada por el área bajo la curva entre a y b.
Definición: Una v.a. X es continua si existe una función
F ℜ→ℜ+ = [0,∞)
Llamada función de densidad de la v.a. X tal que
P(X ∈ A) = ∫ f (x) dx ∀ A ⊆ ℜ
En particular, si A = [ a , b ], entonces
b
P(a ≤ X ≤ a) = ∫ f (x)dx
a
y P(X = a) = P(a ≤ X ≤ a) = 0 ∀a∈ℜ.
Propiedad: Para que una función f (x) sea una función de densidad,
debe satisfacer
f (x) ≥ 0 ∀ x∈ℜ
∞
∫ f (x)dx =1
−∞
Observación: Notar que f (x) no es una probabilidad, de hecho
puede ser mayor que 1.
Es simplemente el valor de una función en un punto.