![Page 1: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/1.jpg)
DISTRIBUCIONES DE
VARIABLES ALEATORIAS DISCRETAS Y CONTINUAS
![Page 2: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/2.jpg)
Variable aleatoria
Se llama variable aleatoria a toda función que asocia a cada elemento del espacio muestral E un número real.
Se utilizan letras mayúsculas X, Y, ... para designar variables aleatorias, y las respectivas minúsculas (x, y, ...)
para designar valores concretos de las mismas.
![Page 3: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/3.jpg)
Variable aleatoria discreta
Una variable aleatoria discreta es aquella que sólo puede tomar valores enteros.
Ejemplos:
El número de hijos de una familia, la puntuación obtenida al lanzar un dado.
![Page 4: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/4.jpg)
Función de probabilidad
Se llama función de probabilidad de una variable aleatoria discreta X a la aplicación que asocia a cada valor de xi de la variable con su probabilidad pi.
0 ≤ pi ≤ 1
p1 + p2 + p3 + · · · + pn = pΣ i = 1
![Page 5: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/5.jpg)
Ejemplo: Calcular la distribución de probabilidad de las puntuaciones obtenidas al lanzar un dado.
X Pi
1 1/6
2 1/6
3 1/6
4 1/6
5 1/6
6 1/6
1
![Page 6: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/6.jpg)
La representación de una distribución discreta de probabilidad es un diagrama de barras.
![Page 7: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/7.jpg)
Función de distribución
Sea X una variable aleatoria discreta cuyos valores suponemos ordenados de menor a mayor. Llamaremos función de distribución de la variable X, y escribiremos F(x) a la función:
F(x) = p(X ≤ x)
La función de distribución asocia a cada valor de la variable aleatoria la probabilidad acumulada hasta ese valor.
![Page 8: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/8.jpg)
Ejemplo: Calcular la función de distribución de probabilidad de las puntuaciones obtenidas al lanzar un dado.
X Pi
0
1/6
2/6
3/6
4/6
5/6
1
![Page 9: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/9.jpg)
La representación de una función de distribución de probabilidad es una gráfica escalonada.
![Page 10: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/10.jpg)
Esperanza matemática o media
Varianza
Desviación típica
![Page 11: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/11.jpg)
Ejemplo: Calcular la esperanza matemática, la varianza, y la desviación típica, de la distribución de probabilidad de las puntuaciones obtenidas al lanzar un dado.
X Pi X . Pi . Pi
1 1/6 1/6 1/6
2 1/6 2/6 4/6
3 1/6 3/6 9/6
4 1/6 4/6 16/6
5 1/6 5/6 25/6
6 1/6 1 6
21/6 91/6
![Page 12: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/12.jpg)
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.
Ejemplos:
La altura de los alumnos de una clase, las horas de duración de una pila.
![Page 13: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/13.jpg)
Función de Densidad de Probabilidad.
También llamada: Distribución de Probabilidad.La probabilidad de que X tome un valor en el intervalo [a, b] es el área arriba de este intervalo y bajo la gráfica de una función de densidad. La curva f(x) se llama curva de densidad.
Para que f(x) sea una función de densidad de probabilidad, se deben satisfacer las siguientes condiciones:
1.- f(x) > 0,...para todo x.
2.-
![Page 14: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/14.jpg)
Esperanza de una Variable Aleatoria Continua.
∫𝑎
𝑏
𝑥 . 𝑓 (𝑥 )𝑑𝑥
Varianza de una Variable Aleatoria Continua.
∫𝑎
𝑏
𝑥2 . 𝑓 (𝑥 )𝑑𝑥
![Page 15: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/15.jpg)
Distribución Uniforme.
Se dice que una variable aleatoria continua X, que toma todos los valores del intervalo [a, b] real, sigue una distribución uniforme de parámetros a y b, si su función de densidad de probabilidad es:
𝑓 (𝑥 )={ 1𝑏−𝑎0
Si a
En otro casoLa media La varianza
![Page 16: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/16.jpg)
Distribución Normal.
Se dice que una variable aleatoria continua X, tiene una distribución normal o de Gauss de parámetros y , si μ σsu función de densidad de probabilidad es:
𝑓 (𝑥 )= 1𝜎 √2𝜋
.𝑒− 12 ( 𝑥−𝑢𝜎 )2
La media de la distribución normal viene dada por:
E(X) = μ
Y la varianza de la distribución normal viene expresada por:
Var(X) = ²σ
![Page 17: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/17.jpg)
Distribución Exponencial.
Se dice que una variable aleatoria continua X, tiene una distribución exponencial de parámetro , si su β función de densidad de probabilidad es:
𝑓 (𝑥 )={ 1𝛽 .𝑒−𝑥 /𝛽
0
Si
en otro caso
La media de la distribución normal viene dada por:
E(X) = β
Y la varianza de la distribución normal viene expresada por:
Var(X) = ²β
![Page 18: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/18.jpg)
EJERCICIOS
Ej1. Sea X una variable aleatoria continua que tiene la siguiente función de densidad:
Hallar:
a) El valor de c para que f(x) sea una función de densidad. b) Calcular la esperanza y la varianza de X.
![Page 19: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/19.jpg)
Apartado a)Empleamos la expresión de función de densidad de probabilidad:
Para que una variable aleatoria continua posea una función de densidad de probabilidad, tienen que cumplirse las siguientes condiciones:
1. f(x) > 0,...para todo x. 2.
La función f(x) es mayor que cero, por lo que nos queda, satisfacer la primera condición: (8/3)·c = 1
Por lo tanto, la función de densidad de la variable aleatoria continua X queda:
𝑃 (𝑎≤ 𝑥≤𝑏)=∫𝑎
𝑏
𝑓 (𝑥 )𝑑𝑥
𝑃 (0≤𝑥 ≤2 )=∫0
2
𝑐 .𝑥2𝑑𝑥=𝑐∫0
2
𝑥2𝑑𝑥=𝑐 . 𝑥3
3 |20=𝑐3
(23−0 )=83𝑐
![Page 20: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/20.jpg)
Apartado b)
En este apartado, debemos calcular la esperanza y la varianza de la variable aleatoria continua, X.
Para el cálculo de la esperanza, empleamos la siguiente expresión:
𝐸 ( 𝑋 )=∫0
2
𝑥 . 3 𝑥2
8𝑑𝑥=3
8∫0
2
𝑥3𝑑𝑥= 332
𝑥4|20= 332. (24−0 )=3
2
𝐸 ( 𝑋 )=∫𝑎
𝑏
𝑥 . 𝑓 (𝑥 ) 𝑑𝑥
Y para la varianza, se empleará la siguiente expresión:
𝑉 (𝑋 )=∫0
2
𝑥2 . 3 𝑥2
8𝑑𝑥− 3
2
22= 340. 𝑥5|2
0−94= 340
(25−0 )− 94= 320
Var(X) = E(X²) - [E(X)]²
![Page 21: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/21.jpg)
Ej2. Sea X una variable aleatoria continua que mide el avance entre dos automóviles consecutivos elegidos al azar en segundos, su función de distribución del tiempo de avance presenta la forma:
Hallar:
a) Determinar el valor de k para que f(x) sea una función de densidad legítima.
![Page 22: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/22.jpg)
Apartado a)
Empleamos la expresión de función de densidad de probabilidad:
𝑃 (𝑎≤ 𝑥≤𝑏)=∫𝑎
𝑏
𝑓 (𝑥 )𝑑𝑥
𝑃 (𝑋>1 )=∫1
∞𝑘𝑥4𝑑𝑥=− 𝑘
3.1𝑥3|∞1=− 𝑘
3 ( 1∞3 − 113 )=𝑘3
La función f(x) es mayor que cero, para ello, k debe ser mayor que cero, por lo que nos queda, satisfacer la primera condición:
k/3 = 1
Por lo tanto, la función de densidad de la variable aleatoria continua X queda:
𝑓 (𝑥 )={ 3𝑥40
![Page 23: Distribuciones de variables aleatorias discretas y continuas](https://reader035.vdocuments.pub/reader035/viewer/2022081506/55c34401bb61ebcf438b45c6/html5/thumbnails/23.jpg)
GRACIAS