Variables Aleatorias

Ejemplo. Puntaje al lanzar dos dados.

Variables
Aleatorias Espacio
Muestral (E)
Una variable aleatoria X es
una función que asigna un
número real a cada punto de
un espacio muestral E. Es
decir: Valor de
variable
aleatoria (X)
2 3 4 5 6 7
3 4 5 6 7 8
Matemáticamente, una
4 5 6 7 8 9
variable aleatoria debe ser
5 6 7 8 9 10
una función medible.
6 7 8 9 10 11
7 8 9 10 11 12
Variable Aleatoria Matemáticamente, una variable aleatoria discreta
podría escribirse como:
Discreta
Una variable aleatoria es
discreta, si su recorrido es un
conjunto discreto de números
Ejemplo de una variable aleatoria discreta
reales. infinita:

Un conjunto es discreto si es El espacio muestral, lanzar una moneda hasta que

finito o contablemente salga cara.
infinito.
La variable aleatoria, el número de veces
Si el espacio muestral es que es lanzada.
discreto, la variable aleatoria
es necesariamente discreta.
Función de
probabilidad (caso
discreto)
También llamada distribución
de probabilidad, es una
Matemáticamente, se define de la siguiente manera:
En el caso de lanzar dos dados.
Función de probabilidad
18.00%

función que se deriva de una 16.00%

14.00%
variable aleatoria y la función

PROBABILIDAD
12.00%
de probabilidad del espacio de 10.00%

probabilidad con el que ella se 8.00%

6.00%
define. 4.00%
2.00%
0.00%
2 3 4 5 6 7 8 9 10 11 12
Series1 2.78% 5.56% 8.33% 11.11% 13.89% 16.67% 13.89% 11.11% 8.33% 5.56% 2.78%
PUNTAJE
Función de En el caso de lanzar una moneda hasta
probabilidad (caso sacar cara:
discreto) Función de Probabilidad
60.00%

50.00%
La función de probabilidad
cumple determinadas 40.00%

PROBABILIDAD
propiedades:
30.00%

20.00%

10.00%

0.00%
1 2 3 4 5 6 7 8
Series1 50.00% 25.00% 12.50% 6.25% 3.13% 1.56% 0.78% 0.39%
NÚMERO DE LANZAMIENTOS
Función de En el caso de lanzar dos dados.
probabilidad 120%

acumulada (caso 97.2% 100.0%

100%
discreto) 91.7%

PROBABILIDAD ACUMULADA
83.3%
80%
Si se recuerda la definición de 72.2%

frecuencia acumulada, no es 58.3%

60%
difícil entender de qué se
trata: 41.7%
40%
27.8%

20% 16.7%
8.3%
2.8%
00%
1 2 3 4 5 6 7 8 9 10 11 12 13
PUNTAJE
 Función de En el caso de lanzar una moneda hasta
probabilidad sacar cara:
acumulada (caso 120.00%
discreto) 96.88% 98.44% 99.22% 99.61%
100.00% 93.75%
87.50%

PROBABILIDAD ACUMULADA
También tiene propiedades: 80.00% 75.00%

60.00%
50.00%
Monótonamente creciente
40.00%

20.00%
Asintóticamente 1
0.00%
0 1 2 3 4 5 6 7 8 9
NÚMERO DE LANZAMIENTOS
Interpretación como
probabilidad
Espacios Los espacios muestrales continuos tienen ciertas
peculiaridades. Para entenderlos completamente se
muestrales necesita de la Teoría de la Medida, lo que está fuera
continuos del alcance de este curso.
Hasta el momento hemos
imaginado el espacio
muestral de forma discreta.
Pero no necesariamente
debe ser así.

Los elementos atómicos de

un espacio muestral
continuo suelen tener
probabilidad cero.
Función de Para obtener una probabilidad diferente de cero es
mejor concentrarse en un intervalo.
densidad
probabilidad (caso
continuo)
En este caso, las propiedades
varían un poco:
Función Para obtener una probabilidad diferente de cero es
mejor concentrarse en un intervalo.
acumulativa de
probabilidad (caso
continuo)
En este caso, las propiedades
son prácticamente las
mismas:
Ejemplo
Ejemplo
Ejemplo
Distribución de Tiene las siguientes propiedades:
probabilidad
conjunta (caso
continuo)

En este caso la variable se

puede pensar como
perteneciente a R2 .

Este concepto se puede

extender a 3, 4, ..., variables
aleatorias.
Distribución de Tiene las siguientes propiedades:
probabilidad
conjunta (caso
discreto)
En el caso discreto, el vector
bidimensional solo puede
tomar un número discreto de
casos.

De nuevo, este concepto se

puede extender a 3, 4, ...,
variables aleatorias.
 En el caso discreto se definen como:
Distribuciones
marginales

Se definen en el caso
continuo como: Las distribuciones marginales se pueden pensar como
la proyección ponderada de la distribución conjunta:
Distribuciones de Un caso más general es:
probabilidad
condicionada
Son una generalización de las
distribuciones marginales, O en el caso discreto:
solo que ahora la
ponderación se hace en un
subconjunto de los valores
de la variable condicionante.
El caso más simple es:

Se puede ver como un

corte en la probabilidad
conjunta:
Independencia Las siguiente condiciones son también equivalentes:
estadística de
variables aleatorias
Dos variables aleatorias x y y
son independientes si y solo
si se cumple lo siguiente:
Ejemplo

d) Halle las probabilidades marginales. Diga si las variables x y y son estadísticamente

independientes y explique por qué.
e) Halle f(y|x = 45)
Ejemplo

a) Compruebe que es una distribución de probabilidad válida.

b) Halle las probabilidades marginales, diga si son variables independientes y por qué.
c) Halle f(x|y=1/2)
d) Halle P(X+Y>1/2)