Beruflich Dokumente
Kultur Dokumente
Sesión 3
Objetivo:
Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el
teorema de Chebyshev
A un número tal, le llamamos variable aleatoria. Ponga atención al hecho de que una variable aleatoria no
es una variable en el sentido usual. Las variables que estamos acostumbrados a manejar son, por ejemplo:
el peso de un cohete que va quemando el combustible que lo impulsa, la distancia del piso a un objeto que
cae hacia él, la concentración de una solución dentro de un tanque conforme pasa el tiempo, etc. En los
ejemplos anteriores el valor de la variable puede cambiar con el tiempo, pero es predecible a partir de las
leyes de la mecánica, la química, la hidráulica o alguna otra ciencia. Con una variable aleatoria la situación
es enteramente diferente. El valor de una variable aleatoria no se puede conocer con exactitud de
antemano a la realización del experimento. ¿Qué otros ejemplos de variables aleatorias se le ocurren
además de los mencionados arriba? Al contestar esta pregunta tenga en cuenta que el azar debe jugar
algún papel en la medición de la variable y que su valor no debe ser predecible.
1. Una colección (conjunto) de valores posibles al que llamamos imagen de la variable aleatoria (antes
lo llamábamos espacio muestral).
2. Una probabilidad asociada a los posibles resultados la cual queda expresada mediante una función
de probabilidad.
Las variables aleatorias cuyos valores posibles se encuentran en cualquier parte de un intervalo, se llaman
CONTINUAS. Estas variables son el resultado de medir.
Ejercicio:
6
6 x 1 x2 1 36
0 18 18 2 18 2 0 1
dx
0
5
5 x 1 x2 1 25 4 21 7
p(2 x 5) dx
2 18 18 2 2 18 2 2 36 12
xi . p i b
x. f ( x).dx
a
2 xi2 pi 2 b
2 x 2 f ( x)dx 2
a
Ejercicio 1.
La función de densidad de una v.a. continua viene definida por :
2 x si 0 x 1
f ( x)
0 en el resto
a) Halla la función de distribución.
b) Calcula la media y la varianza.
Solución:
a) La función de distribución se obtiene integrando la función de densidad, es decir,
A la izquierda de 0, su valor 0.
A la derecha de 1, su valor es 1
Entre 0 y 1: F ( x) p( X x)
0
x
2 xdx x 2
x
0 x2
0 si x 0
es decir, F ( x) x 2 si 0 x 1
1 para x 1
b 1 2
b) Cálculo de la media: a
x. f ( x).dx x.2 x.dx
0 3
b 1 4 1
Cálculo de la varianza: 2
a
x 2 f ( x)dx 2 x 2 .2 x.dx
0
9 18
Ejercicio 2.
Calcula la media, la varianza y la desviación típica de una v.a. que tiene como función de densidad:
x3
f ( x) con x 1,5
24
Solución:
5
b x3 1 5 2 1 x 3 3x 2 29
Media:
a
x. f ( x).dx x.
24
dx
24 1
( x 3x)dx
24 3 2 1
9
x3
2 2
b 5 29 1 5 29
Varianza: x f ( x)dx dx ( x 3 3x 2 )dx
2 2 2 2
x
a 1 24 9 24 1
9
5
1 x4 3
2
29 104
x 1,28 .
24 4 1 9 81
Ejercicio 3.
x2 1
Sea f ( x) con x 2,5 , una función de densidad.
36
a) Calcula su función de distribución.
b) Calcula p(3 x 4) .
Solución:
x2 1 x 3 3x 2
x
x 1 x 2 1 x3
a) F ( x) p( X x)
2 36
dx
36 2
( x 1) dx
36
(
3
x )
2
108
Su valor es cero para todos los puntos situados a la izquierda de 2
Su valor es 1 para todos los puntos situados a la derecha de 5
4
4
4 x2 1 1 4 2 1 x3 1 x 3 3x 17
b) p(3 x 4) dx ( x 1) dx x
3 36 36 3 36 3
3 36 3 3 54
Su parámetro es β.
La media y la varianza de la distribución exponencial son:
La distribución normal fue definida por De Moivre en 1733 y es la distribución de mayor importancia
en el campo de la estadística.
Una variable es normal cuando se ajusta a la ley de los grandes números, es decir, cuando sus
valores son el resultado de medir reiteradamente una magnitud sobre la que influyen infinitas causas de
efecto infinitesimal.
Las variables normales tienen una función de densidad con forma de campana a la que se llama
campana de Gauss.
De forma análoga a lo pasaba con las variables Poisson, la suma de variables normales
independientes es otra normal.
Estudiando las graficas que a continuación presentamos puede verse que a medida que aumenta el valor
del parámetro “n” que representa al tamaño muestral, su gráfica se asemeja cada vez más a la gráfica de
una distribución normal.
Obsérvese la diferencia entre los gráficos de la normal y de la binomial. La distribución Binomial se va
desplazando hacia la derecha a medida que aumenta el tamaño muestral. Para evitar esta desviación se
realiza el ajuste entre ambas distribuciones restando a la variable la medida y dividiendo por la desviación
típica de la distribución Binomial con la que se trabaja.