I.E.S.

Federico Mayor Zaragoza

! !"#$!%#&'"()"*+&'","()")+"()'&$-'&"()(.'&"+$()/0)1#.2) !
Tema 7: Variables aleatorias.

6.1 CONCEPTOS GENERALES Variable aleatoria Una variable aleatoria es una funcin que asocia a cada elemento del espacio muestral asociado a un experimento aleatorio un nmero real. Cada variable aleatoria lleva asociada una funcin de probabilidad, que hace corresponder a cada valor de la variable ( x i ) la probabilidad de que ocurra ( pi ). Las variables aleatorias pueden ser de dos tipos: Variables discretas: Son aquellas que, aunque tambin puedan tomar valores infinitos, entre un valor y el siguiente no es necesario pasar por los puntos ! ! intermedios. Ejemplo: El nmero de monedas en una mano de los chinos puede ser 2 y en otra 3, sin embargo, nunca tomar ningn valor entre 2 y 3. Variables continuas: Son aquellas que necesariamente para pasar de un valor a otro pueden tomar los infinitos valores intermedios. ! 6.2 VARIABLES ALEATORIAS DISCRETAS Funcin de probabilidad de una variable aleatoria discreta Se define la funcin de probabilidad de una variable aleatoria X, pi = P ( X = x i ) , como una funcin que va del conjunto de valores posibles de la variable aleatoria X al intervalo [0, 1] y que satisface las siguientes propiedades: 0 " pi " 1 ! n
!

"p
i =1

=1

Funcin de distribucin de una variable aleatoria discreta Se define la distribucin de distribucin, F ( x ) , para la variable aleatoria X como:

!
F ( x) = P( X " x) =
!

#p
x i "x

Media o esperanza de una variable aleatoria discreta Si X es una variable aleatoria discreta, se define la media o valor esperado de la variable ! aleatoria X, que denotamos , como:
n

= # x i " pi
i =1

Varianza y desviacin tpica de una variable aleatoria discreta Se define la varianza de la variable aleatoria discreta X, denotada !2,como:

" 2 = % ( x i # ) $ pi = % x i2 $ pi # 2
Se define la desviacin tpica, " , como la raz cuadrada de la varianza " = "2
! Distribucin Binomial !
! Un proceso Bernoulli es un experimento en el que se verifican las siguientes condiciones: El experimento aleatorio se repite n veces en idnticas condiciones Hay slo dos posibles resultados en cada repeticin del experimento, llamados arbitrariamente xito y fracaso La probabilidad de xito, denotada p, es la misma para cada repeticin (permanece constante entre repeticiones) y por tanto la de fracaso, q, tambin Las n repeticiones del experimento aleatorio son independientes entre s
i i

Consideremos ahora la variable aleatoria: X=nmero de xitos observados en las n repeticiones Se dice que X es una variable aleatorio que sigue una distribucin Binomial de parmetros n y p, y se expresa: X " B( n, p) X es una variable aleatoria discreta que toma los valores; 0, 1, 2, 3, , n y su funcin de probabilidad viene dada por la siguiente expresin: " n% !" r = 0,1,2,..., n P ( X = r) = $ '( p r ( q n ) r # r& Media y desviacin tpica de una variable aleatoria Binomial. ! su media y desviacin tpica son: Si X " B( n, p) , entonces = n" p " 2 = n # p# q " = n # p# q
! 6.3 VARIABLES ALEAORIAS CONTINUAS !

! Una variable aleatoria es continua si al realizar el experimento aleatorio, entre cada dos valores, el nmero de valores que puede tomar es infinito. Por ejemplo, la altura de una persona, la longitud del dedo ndice, el peso de un perro o el caudal de un ro. Si X es una variable aleatoria continua, la probabilidad de que tome un valor concreto es cero. P ( X = a) = 0 En una variable aleatoria continua, las probabilidades que calculamos estn siempre asociadas a intervalos. Si X es una variable aleatoria continua, la probabilidad de que X est en un intervalo es el rea del recinto limitado por ! el intervalo y la funcin de densidad.

Distribucin Normal Se dice que una variable aleatoria continua sigue una distribucin Normal de media " y desviacin tpica !, si su fucin de densidad es:
f ( x) = 1 e
1 & x % )2 % #( + 2' " *

"# 2$

Se expresa de la forma: X " N ( ,# )

! Propiedades El dominio es el conjunto de todos los nmeros reales. ! a la media, la funcin es simtrica. Respecto Tiene asntota horizontal y = 0, tanto cuando x se va a -! como a +!. La funcin es creciente hasta que x llega al valor de la media y decreciente a partir de l. Por tanto, en x = la funcin alcanza su mximo. Tiene dos puntos de inflexin en x = " # y x = + " . Otra propiedad curiosa que cumple esta distribucin es que las tres medidas de centralizacin coinciden, es decir, moda, mediana y media coinciden en el valor de . ! ! ! Si la media es 0 y la desviacin tpica 1, la normal se denomina Normal Estndar y la funcin de densidad es:
f ( x) =
$x 2 1 #1 e 2 2"

La Normal estndar se encuentra tabulada. Tipificacin Tipificar una variable aleatoria Normal, X " N ( ,# ) , consiste en hacer un cambio de ! variable para transformarla en una Normal estndar, Z " N (0,1) , para poder calcular probabilidades utilizando sus tablas. Para ello primero se centra la variable y despus se reduce, esto se consigue restando a la variable X su media y dividiendo por su desviacin ! tpia: !X " X " N ( ,# ) Z= $ N (0,1) # Aproximacin de la Binomial a la Normal Si X " B( n, p) , ! n es suficientemente grande ( n " 30 ) y p no tomas valores extremos, ni ! prximo a 0 ni prximo a 1, entonces se puede aproximar a una variable aleatoria Normal, de parmetros = n " p y " = n # p# q , es decir, X " N n # p, n # p# q . !