Variables aleatorias.

1. Probabilidad de un suceso.
2. Probabilidad condicionada.
3. Variables aleatorias (discretas y continuas).
4. Distribuciones continuas ms importantes.
1. Probabilidad de un suceso.
Experimentos aleatorios/determinsticos
En un experimento aleatorio:

- Suceso elemental: cada uno de los resultados
posibles.
- Espacio muestral (E): conjunto formado por los
sucesos elementales.
- Suceso: cada subconjunto del espacio muestral.
Ejemplo: Sea el experimento Lanzar un dado; entonces,
E = {1,2,3,4,5,6}
1
2
3
4
6
5
E
A=Obtener un n menor o igual que 2; B=Obtener n par
Ejemplo: Sea el experimento Lanzar un dado; entonces,
E = {1,2,3,4,5,6}
1
2
3
4
6
5
E
A=Obtener un n menor o igual que 2; B=Obtener n par
A
B
A B = A interseccin B = se dan A y B a la vez= {2}

A U B = A unin B =se da A B ambos a la vez = {1,2,4,6}

A
= no A = contrario de A = no se da A = {3,4,5,6}
Suceso seguro (hay certeza de que se da): E

Suceso imposible (hay certeza de que no se da):

Se dice que A y B son incompatibles si A B = (es decir, no pueden
darse a la vez); en otro caso, son compatibles.
Probabilidad de un suceso: Una probabilidad es una funcin que asigna
a cada suceso A, un n (su probabilidad, P(A)), de manera que:

1.- 0 P(A) 1
2.- P(E)=1
3.- Si A y B son incompatibles, entonces P(A U B) = P(A) + P(B)
Ejemplo de probabilidad: Ley de Laplace
posibles casos n
favorables casos n
A P


) ( =
En el ejemplo anterior, P(A)? P(B)? P(A B)?
Ley de los Grandes Nmeros: El porcentaje de ocasiones en que se
obtiene determinado resultado en un experimento aleatorio tiende a coincidir
con su probabilidad terica a medida que el experimento se repite ms y ms
Veces.
Algunas frmulas:

- P(A U B)=P(A) + P(B) P(AB)
- Probab. de la unin de varios sucesos incompatibles:
P(A U B U U C) = P(A) + P(B) + + P(C)
- Probab. del suceso contrario:
) ( 1 ) ( A P A P =
2. Probabilidad condicionada.
Ejemplo: Se sospecha que existe relacin entre la aparicin de una
cierta enfermedad de la sangre en una comunidad, y la exposicin a
determinados desechos qumicos en un vertedero prximo al lugar de
estudio. Para estudiar la existencia o no de relacin entre ambos
fenmenos, se elige una muestra aleatoria de 620 personas de la
comunidad, de las cules 300 haban estado expuestas a los desechos,
y 320 no lo haban estado. En ambos grupos, se determin el nmero de
personas que tenan la citada enfermedad. Los resultados se muestran
en la siguiente tabla:

SI NO
SI 52 248 300
NO 48 272 320
Totales:
100 520 620
Tiene la
enfermedad
Ha estado
expuesto
a) Cul es la probabilidad de que, tomado un individuo al azar,
haya estado expuesto al peligro? Y de que tenga la enfermedad?

b) Cul es la probabilidad de que tomado un individuo al azar
tenga la enfermedad y haya estado expuesto al peligro?

c) Sabiendo que un individuo, tomado al azar, ha estado expuesto,
cul es la probabilidad de que tenga la enfermedad?

d) A partir del resultado anterior, parece razonable concluir que no
hay relacin entre ambos fenmenos?
Probabilidad condicionada:
) (
) (
) / (
) (
) (
) / (
A P
A B P
A B P
B P
B A P
B A P

=
(Probab. de A condicionado B)
(Probab. de B condicionado A)
Decimos que A y B son independientes, si P(A/B) = P(A); P(B/A) = P(B)
Se cumple: A y B independientes P(A B)=P(A) P(B)
3. Variables aleatorias.
Una variable X se dice aleatoria cuando toma
valores con determinadas
probabilidades. Si la variable X toma valores
discretos (de modo que en-
tre dos valores consecutivos no se alcanzan todos
los intermedios) se
dice que es discreta; si toma todos los valores
dentro de un intervalo, se
dice que es continua.
Funcin de densidad o de probabilidad de una variable discreta X: es la
funcin que asigna a cada valor que puede tomar la variable, la
probabilidad con la que eso sucede. Se puede expresar mediante una
frmula f(x), mediante una tabla. La funcin de densidad cumple:

1.- f(x)0 para todo valor que pueda tomar la variable.


2.-

=
=
x
x f 1 ) (
La funcin de distribucin de una variable discreta X es la funcin que
asigna a cada valor que puede tomar la variable, la probabilidad de que
tome ese valor, o cualquier valor inferior.

s
= =
x k
k X P x F ) ( ) (
Ejemplo: Variable aleatoria de Poisson
!
) (
x
e x f
x

=

Dado un suceso que aparece de espordicamente, en un
intervalo de tiempo o un espacio dado, cul es la probabilidad
de que se haya dado x veces?
,... 2 , 1 , 0 = x

: nmero medio o esperado de ocurrencias

}

=1 ) ( dx x f
DEFINICION (Funcin de densidad): Dada una variable
aleatoria continua X decimos que f(x) es una funcin de
densidad, si la probabilidad de que X tome valores en el
intervalo (a,b) es igual al rea encerrada por la grfica de
f(x), el eje x y las rectas x=a, x=b. Se cumple:

1.- f(x)0 para todo valor de x
2.-
En estas condiciones, P(a X b) (es decir, la probabilidad de que
la variable X est entre los valores a y b), se calcula como:
}
= s s
b
a
dx x f b X a P ) ( ) (
a b
f(x)
IMPORTANTE: En consecuencia, la probabilidad de que la
variable X tome un valor determinado, es CERO:
0 ) ( ) ( = = =
}
a
a
dx x f a X P
Por lo tanto,
) (
) ( ) ( ) (
b X a P
b X a P b X a P b X a P
< < =
= < s = s < = s s
De dnde procede esta idea? Tiene algn
sentido intuitivo?
Ejemplo: Estudiamos el peso de los ejemplares de una cierta especie de
pjaro; para ello, tomamos una muestra, agrupamos los datos en intervalos,
y calculamos los porcentajes.
150-155 3
155-160 8
160-165 20
165-170 40
170-175 23
175-180 5
180-185 2
100
Peso
%
150 155 160 165 170 175 180 185
20
40
150-155 3
155-160 8
160-165 20
165-170 40
170-175 23
175-180 5
180-185 2
100
%
150 155 160 165 170 175 180 185
20
40
Probabilidad de que un ejemplar de la MUESTRA, tomado al azar,
tenga un peso superior a 170?
Prob.=%=Area
1
Peso
150-155 3
155-160 8
160-165 20
165-170 40
170-175 23
175-180 5
180-185 2
100
Peso
%
150 155 160 165 170 175 180 185
20
40
Prob.=%=Area
Probabilidad de que un ejemplar de la MUESTRA, tomado al azar,
tenga un peso superior a 170?
Peso
%
150 155 160 165 170 175 180 185
20
40
Prob.=%=Area
150-155 3
155-160 8
160-165 20
165-170 40
170-175 23
175-180 5
180-185 2
100
Probabilidad de que un ejemplar de la MUESTRA, tomado al azar,
tenga un peso superior a 170?
Peso
%
150 155 160 165 170 175 180 185
20
40
Prob. (muestra)
Muestra
POBLACION
Conocida (DATOS)
Desconocida!!! Qu hacemos, entonces?
Probabilidad de que un ejemplar de la POBLACION, tomado al azar,
tenga un peso superior a 170?
Probabilidad de que un ejemplar de la POBLACION, tomado al azar,
tenga un peso superior a 170?
170
%
Peso
Funcin de
densidad
y = f(x)
170
Esa rea es la probabilidad pedida; tambin puede interpretarse
como el porcentaje total de pjaros (no slo de mi muestra) con
un peso superior a 170.
Probabilidad de que un ejemplar de la POBLACION, tomado al azar,
tenga un peso superior a 170?
170
%
Peso
Funcin de
densidad
y = f(x)
170
Si conocemos la expresin f(x), entonces el rea se calcula como
}

170
) ( dx x f
DEFINICION (Funcin de distribucin): Dada una
variable aleatoria continua X, con funcin de densidad
f(x), la funcin de distribucin F(x) es la funcin que
para cada valor de la variable nos da la probabilidad de
que X tome ese valor, o cualquier otro inferior.
}
= s =
x
a
dt t f x X P x F ) ( ) ( ) (
La funcin de distribucin cumple:
1. La derivada de la funcin de distribucin,
es la funcin de densidad.


2. Se verifica:

) ( ) ( ' x f x F =
) ( ) ( ) ( a F b F b X a P = s s
MEDIA:
Variable discreta:

=
=
k
i
i i
p x
1
)) ( (
i i
x X P p = =
Variable continua:
}

= dx x f x ) (
Media, varianza, desv. tpica de una v.a.
VARIANZA:
Variable discreta:
Variable continua:
( )

= =
= =
k
i
k
i
i i i i
p x p x
1 1
2 2
2
2
o
( )
} }

= =
2 2
2
2
) ( ) ( o dx x f x dx x f x
DESVIACION TIPICA:
2
o o =
A. Distribucin normal: N(,)
4. Principales distribuciones continuas.
Previamente: curva normal N(,) o campana de Gauss
2
2
1
2
1
) (
|
.
|

\
|

=
o

t o
x
e x f
2
2
1
2
1
) (
|
.
|

\
|

=
o

t o
x
e x f
- : media poblacional
- : desviacin tpica poblacional.
- Simtrica respecto a x =
- Mximo en x =
- Normal tipificada: si X=N(,), entonces Z=(X- )/ es una normal
N(0,1).
B. Distribucin exponencial: Exp()
x
e x f

= ) (
=1/
=1/
- Se utiliza con frecuencia para modelizar la duracin (vida de personas,
animales o componentes fsicos; duracin de huelgas, recesiones eco-
nmicas, llamadas telefnicas, etc.) o el tamao (yacimientos, etc.)
0 , 0
) (
> >
=

x
e x f
x



C. Distribucin chi-cuadrado de Pearson de n grados
de libertad:
donde
) 1 , 0 ( N X
i
=
son variables aleatorias independientes
n
X X X ,..., ,
2 1
y para i = 1, 2,, n. La grfica de su funcin de
2 2
2
2
1
2
n n
X X X + + + = _
densidad es:
Grad. de libertad
13
Chi-Cuadrado Distribucin
x
d
e
n
s
i
d
a
d
0 10 20 30 40
0
0,02
0,04
0,06
0,08
0,1
C. Distribucin chi-cuadrado de Pearson de n grados
de libertad:
Media: n
Varianza: 2n
Es importante en inferencia
estadstica
D. Distribucin t de Student de n grados de libertad:
2
1
n
n
n
z
t
_
=
2
) 1 , 0 (
n
N z
_
= Normal
Chi-cuadrado
de n grados de
libertad
Grad. de libertad
10
t de Student Distribucin
-6 -4 -2 0 2 4 6
x
0
0,1
0,2
0,3
0,4
d
e
n
s
i
d
a
d
D. Distribucin t de Student de n grados de libertad:
Grad. de libertad
10
t de Student Distribucin
-6 -4 -2 0 2 4 6
x
0
0,1
0,2
0,3
0,4
d
e
n
s
i
d
a
d
Es SIMETRICA respecto al eje Y
Media: 0
Varianza: n/(n-2) (para n>2)
Es importante en inferencia
estadstica
E. Distribucin F de Snedecor con n
1
, n
2
grados de
libertad :
2
2
1
2
,
/
/
2
1
2 1
n
n
F
n
n
n n
_
_
=
2
1
n
_
2
2
n
_
Chi-cuadrado con n
1

grados de libertad
Chi-cuadrado con n
2

grados de libertad
Numerador g.l.,Denominador g.l.
10,10
F (ndice de varianza) Distribucin
0 1 2 3 4 5
x
0
0,2
0,4
0,6
0,8
d
e
n
s
i
d
a
d