2. Probabilidad y variable aleatoria 2. 1 Probabilidad

2. Probabilidad y
variable aleatoria
Curso 2011-2012
Estadística
2. 1 Probabilidad
Probabilidad y variable aleatoria
2
Experimento Aleatorio
EL término “experimento aleatorio” se
utiliza en la teoría de la probabilidad para
referirse a un proceso cuyo resultado no es
conocido de antemano con certeza.
“Suma de valores en el lanzamiento de 2
dados.”
Probabilidad y variable aleatoria
3
Ejemplos
• Número de piezas defectuosas en
una muestra de 100 piezas.
• Número de llamadas a una centralita
telefónica en un día.
• Energía eléctrica consumida en
Madrid durante un periodo de
tiempo.
Probabilidad y variable aleatoria
4
Espacio Muestral
Conjunto formado por todos los posibles
resultados de un experimento aleatorio.
• DISCRETOS:
• Lanzamiento de un DADO: S = {1,2,3,4,5,6}
• Piezas defectuosas en una muestra de 100
S = {0,1,2,...,100}
• Llamadas a una centralita durante un día
S = {0,1,2,3,...,∞}
• CONTINUOS:
• Energía consumida en Madrid: S={[0, ∞)}
Probabilidad y variable aleatoria
5
Suceso
Cualquier subconjunto del espacio muestral.
•
“Obtener un número par al lanzar un dado”:
A = {2,4,6}
•
“Observar menos de 5 piezas defectuosas en una
muestra de 100”:
B = {0,1,2,3,4}
•
“Tener más de 50 llamadas de teléfono en una hora”:
C = {51,52,...,∞}
•
“Tener una demanda de energía eléctrica entre 300
Mwh y 400 Mwh” : D =(300,400)
Probabilidad y variable aleatoria
6
Operaciones
Sean A y B dos subconjuntos de S
• Unión
A ∪ B = {x : (x ∈ A) o (x ∈ B)}
• Intersección
$
A ∩ B = {x : (x ∈ A) y (x ∈ B)}
• Complementario
$= {x : x∉ A}
7
Probabilidad y variable aleatoria
$∩ %
$∪ %
$
Probabilidad y variable aleatoria
8
Propiedades
'DGRVWUHVVXFHVRV $%\&GHXQHVSDFLRPXHVWUDO6
­$ ∪ % = % ∪ $
&RQPXWDWLYD ®
¯$ ∩ % = % ∩ $
­ $ ∪ % ∪ & = $ ∪ % ∪ &
$VRFLDWLYD ®
¯ $ ∩ % ∩ & = $ ∩ % ∩ &
­ $ ∪ % ∩ & = $ ∪ % ∩ $ ∪ & 'LVWULEXWLYD ®
¯ $ ∩ % ∪ & = $ ∩ % ∪ $ ∩ & ­$ ∪ % = $ ∩ %
/H\HVGH'H0RUJDQ ®
¯$ ∩ % = $ ∪ %
9
Probabilidad y variable aleatoria
Axiomas de Probabilidad
'DGRXQHVSDFLRPXHVWUDO6XQDIXQFLyQGHSUREDELOLGDG
DVLJQDYDORUHV3$DFDGDVXFHVR$ ⊂ 6\VDWLVIDFH ≤ 3$ ≤ 36 = 3DUDXQDVHFXHQFLDGHVXFHVRV $$ ! $Q TXHFXPSOHQ$L ∩ $ M = ∅FXDQGRL ≠ M
Q
3 * $L = ¦L = 3 $L Q
L =
Probabilidad y variable aleatoria
10
Problema fundamental
• Dado un espacio muestral discreto con resultados
A1, A2, ..., An , el experimento aleatorio queda
caracterizado si asignamos un valor P(Ai) no
negativo a cada resultado Ai de forma que
P(A1)+P( A2)+ ...+P(An)=1.
‡ (MHPSOR6HODQ]DGRVYHFHVXQDPRQHGD
^;;;&&;&&`
6H DVLJQD SUREDELOLGDG D FDGD XQR GH ORV FXDWUR
UHVXOWDGRV
¢ (VXQDDVLJQDFLyQFRUUHFWD"
11
Probabilidad y variable aleatoria
Propiedades elementales
3∅ = 3 $ = − 3 $
6L $ ⊂ %HQWRQFHV3$ ≤ 3%
3DUDGRVVXFHVRVFXDOHVTXLHUD $ % ⊂ 6 3 $ ∪ % = 3 $ + 3 % − 3 $ ∩ %
3DUDQVXFHVRV $$ $Q ⊂ 6 Q
Q
L =
L =
Q
Q
3* $L = ¦ 3 $L − ¦¦ 3 $L ∩ $ M +
Q
Q
L = M > L
Q
¦¦¦ 3$ ∩ $
L
M
∩ $N + " + − Q + 3 $ ∩ $ ∩ " ∩ $Q L = M >L N > M
Probabilidad y variable aleatoria
12
Asignación de probabilidades
1. Clásica (Laplace): Equiprobabilidad
2. Frecuencialista (von Mises, 1931)
3. Subjetiva
13
Probabilidad y variable aleatoria
Clásica: sucesos equiprobables
Sea un experimento con un número finito N
de resultados excluyentes y equiprobables,
la probabilidad del suceso A es
3 $ =
1 $
1
donde N es el número de resultados
posibles del experimento y N(A) el número
de resultados favorables al suceso A.
Probabilidad y variable aleatoria
14
Ejemplos (equiprobabilidad)
• Lanzamiento de una moneda. S={C,X}
3& =
• Lanzamiento de un dado. S={1,2,3,4,5,6}
3 1~PHUR SDU =
= • Extracción de una de las 40 cartas de la
baraja, S={1 Oros,2 Oros,...., Rey Bastos}
3 %DVWRV =
= 15
Probabilidad y variable aleatoria
Lanzamiento de dos dados
HU'DGR
ž 'DGR
1
2
3
4
5
6
1
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
2
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
3
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
4
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
5
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
6
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
P(“suma 7”) = 6/36 = 1/6
Probabilidad y variable aleatoria
16
Urna: 2 Negras y 3 Blancas
 %ROD
B1
B1
B2
B3
N1
N2
 %ROD
B1,B2
B1,B3
B1,N1
B1,N2
B2
B3
B2,B1 B3,B1
B3,B2
B2,B3
B2,N1 B3,N1
B2,N2 B3,N2
N1
N2
N1,B1 N2,B1
N1,B2 N2,B2
N1,B3 N2,B3
N2,N1
N1,N2
Se extraen dos bolas al azar, una detrás de
otra, sin reposición.
P(“1ª Blanca y 2ª Negra”) = 6/20 = 3/10
17
Probabilidad y variable aleatoria
Urna: 2 Negras y 3 Blancas
 %ROD
 %ROD
B1
B2
B3
N1
N2
B1
B1,B1
B1,B2
B1,B3
B1,N1
B1,N2
B2
B2,B1
B2,B2
B2,B3
B2,N1
B2,N2
B3
B3,B1
B3,B2
B3,B3
B3,N1
B3,N2
N1
N1,B1
N1,B2
N1,B3
N1,N1
N1,N2
N2
N2,B1
N2,B2
N2,B3
N2,N1
N2,N2
Se extraen dos bolas al azar, una detrás de
otra, con reposición.
P(“1ª Blanca y 2ª Negra”) = 6/25
Probabilidad y variable aleatoria
18
&RPELQDWRULD REMHWRVWRPDGRVGHGRVHQGRV
SIN REEMPLAZAMIENTO
1
1
2
3
4
5
,03257$
(/25'(1
(1,2)
(1,3)
(1,4)
(1,5)
Primera extracción
2
3
4
(2,1)
(3,1)
(4,1)
(3,2)
(4,2)
(2,3)
(4,3)
(2,4)
(3,4)
(2,5)
(3,5)
(4,5)
CON REEMPLAZAMIENTO
5
(5,1)
(5,2)
(5,3)
(5,4)
1
2
3
4
5
1
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
Primera Extracción
2
3
4
(2,1)
(3,1)
(4,1)
(2,2)
(3,2)
(4,2)
(2,3)
(3,3)
(4,3)
(2,4)
(3,4)
(4,4)
(2,5)
(3,5)
(4,5)
Número = 20
12,03257$
(/25'(1
1
2
3
4
5
(1,2)
(1,3)
(1,4)
(1,5)
Número = 25
Primera extracción
2
3
4
1
(2,3)
(2,4)
(2,5)
(3,4)
(3,5)
5
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
5
(4,5)
Número = 10
1
2
3
4
5
1
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
Primera extracción
2
3
4
(2,2)
(2,3)
(2,4)
(2,5)
(3,3)
(3,4)
(3,5)
(4,4)
(4,5)
5
(5,5)
Número = 15
19
Probabilidad y variable aleatoria
&RPELQDWRULD1~PHURSRVLEOHGH
UHRUGHQDFLRQHVGHQREMHWRVWRPDGRVGHU HQU
,03257$
(/25'(1
6,1
5((03/$=$0,(172
Q
Q − U &21
5((03/$=$0,(172
§ Q·
¨¨ ¸¸
©U¹
§ Q + U − ·
¨¨
¸¸
© U ¹
12,03257$
(/25'(1
Probabilidad y variable aleatoria
QU
20
/DSULPLWLYD6HHOLJHQQ~PHURVGLVWLQWRVGHODO
DPERVLQFOXVLYH
‡ 3UREDELOLGDGGHDFHUWDUORV
‡ 3UREDELOLGDGGHDFHUWDU
‡ 3UREDELOLGDGGHDFHUWDU
‡ 3UREDELOLGDGGHQRDFHUWDUQLQJXQR
‡ 3UREDELOLGDGGHTXHVDOJDXQQ~PHURFRQFUHWRSRU
HMHPSORHOQ~PHUR
21
Probabilidad y variable aleatoria
3ULPLWLYD
3$FHUWDU=
=
= § · ¨¨ ¸¸
©¹
§ · § ·
¨¨ ¸¸ × ¨¨ ¸¸
= 3$FHUWDU= © ¹ © ¹ =
§ ·
¨¨ ¸¸
©¹
§ · § ·
¨¨ ¸¸ × ¨¨ ¸¸
= 3$FHUWDU= © ¹ © ¹ =
§ ·
¨¨ ¸¸
©¹
§ ·
¨¨ ¸¸
= 31LQJXQR= © ¹ =
§ · ¨¨ ¸¸
©¹
§ ·
¨¨ ¸¸
= 36DOJDHO= © ¹ =
§ · ¨¨ ¸¸
©¹
Probabilidad y variable aleatoria
22
‡ (QXQDHVWDFLyQGHPHWURKD\SDVDMHURVHVSHUDQGRDXQ
WUHQFRQYDJRQHVVLFDGDSDVDMHURHOLJHXQYDJyQDOD]DU
¢FXiOHVODSUREDELOLGDGGHTXHWRGRVHOLMDQXQYDJyQ
GLIHUHQWH"
3 $ =
1 $ × × × × =
= 1
‡ 'HXQORWHFRQSLH]DVVHWRPDQDOD]DUVLWRGDVODV
SLH]DVHOHJLGDVVRQEXHQDVVHDFHSWDHOORWH\VHUHFKD]DHQ
FDVRFRQWUDULR¢&XiOHVODSUREDELOLGDGGHDFHSWDUXQORWH
FRQSLH]DVGHIHFWXRVDV"
§ ·
§ · ¸¸ =
1 = ¨¨
1 $ = ¨¨ ¸¸ =
© ¹ © ¹ 1 $ × × "× = 3 $ =
=
=
1
× × "× 23
Probabilidad y variable aleatoria
Cumpleaños
Probabilidad de que en un grupo de r = 25 personas
haya al menos dos con el mismo cumpleaños.
$
$
$U
U
$=1RKD\DQLQJXQDFRLQFLGHQFLD
× × " × − U + U
3 $ = 3$ U = → 3 $ = 3 $=
Probabilidad y variable aleatoria
24
Probabilidad y Frecuencia Relativa
La probabilidad P(A) de un suceso A es el
límite
3 $ = OLP
Q →∞
Q$
Q
dónde nA es el número de veces que ha
ocurrido A al repetir el experimento n
veces en idénticas condiciones.
25
Probabilidad y variable aleatoria
Nº de Caras / Nº de Lanzam ientos
Frecuencia relativa de caras
1,00
0,50
0,00
0
50
100
150
200
Nº de lanzam iento
Probabilidad y variable aleatoria
26
7RWDOVRUWHRV Probabilidad y variable aleatoria
27
Probabilidad y variable aleatoria
28
3UREDELOLGDG&RQGLFLRQDGD
Fumadores
(F)
No Fumadores
(N)
TOTAL
Mujeres
(M)
Hombres
(H)
TOTAL
0,12
0,18
0,30
0,39
0,31
0,70
0,51
0,49
1,00
­
3
)
_
+
=
= °
°
3 ) = ®
°
= °3 ) _ 0 =
¯
29
Probabilidad y variable aleatoria
Probabilidad Condicionada
Definición. Sea B un suceso con
probabilidad distinta de cero, se
define probabilidad del suceso A
dado B a:
3 $ _ % =
Probabilidad y variable aleatoria
3 $ ∩ %
3 %
30
Utilidad
• Actualizar probabilidad del suceso A en
función de la información disponible I
P(A|I) = P(A∩I)/P(I)
• Cálculo de la intersección de sucesos
P(A ∩B) = P(A|B)P(B)
• Cálculo de probabilidad de un suceso
3 $ = 3 $ ∩ % ∪ $ ∩ %
= 3 $ _ % 3 % + 3 $ _ % 3 %
Probabilidad y variable aleatoria
31
Ejemplo Urna
Probabilidad de “1ª Blanca y 2ª Negra”
• Sin reemplazamiento:
P(B1 ∩ N2) = P(B1) P(N2| B1)
= (3/5)(2/4) = 3/10
• Con reemplazamiento:
P(B1 ∩ N2) = P(B1) P(N2| B1)
= (3/5)(2/5) = 6/25
Probabilidad y variable aleatoria
32
Cumpleaños
Probabilidad de que en un grupo de r = 25 personas
haya al menos dos con el mismo cumpleaños.
$
%U =1RKD\DQLQJXQDFRLQFLGHQFLDHQU
$
$U
U
3%U = 3% 3 % _ $ 3 % _ $ ≠ $ " 3 %U _ $ ≠ $ ≠ " ≠ $U − − − − U + ×
× "×
3 %U = 3%U U = → 3 %U = = ×
33
Probabilidad y variable aleatoria
Ejemplo
8UQD8
8UQD8
6HHOLJHXQDXUQDDOD]DU\VHH[WUDHXQDEROD¢ 3%ODQFD "
3 % = 3 % _ 8 38 + 3 % _ 8 38 = × + × =
= Probabilidad y variable aleatoria
34
Ejemplo (cont.)
8UQD8
8UQD8
6HWRPDDOD]DUXQDERODGH8\VHPHWHHQ86HH[WUDH
XQDERODGH8¢ 3%ODQFD "
3 % = 3 % _ % 3 % + 3 % _ 1 3 1
= × + × =
= Probabilidad y variable aleatoria
35
Independencia
6LHOFRQRFLPLHQWRGHODRFXUUHQFLDGHXQVXFHVR% FDPELD
ODSUREDELOLGDGGHTXHRFXUUDRWUR$VHGLFHTXH$ \% VRQ
GHSHQGLHQWHVHQHVHFDVR3$_%≠ 3$
&XDQGR HOVXFHVR$ HVLQGHSHQGLHQWHGH%ODRFXUUHQFLDGH
% QRFDPELDODSUREDELOLGDGGH$HVGHFLU3$_% 3$
&RPR3$_% 3$∩%3%
$ \% VRQLQGHSHQGLHQWHV⇔
⇔ 3$∩% 3$3%
Probabilidad y variable aleatoria
36
Lanzamiento de dos monedas
6 ^&&&;;&;;`
+LSyWHVLV
‡ 0RQHGDVHTXLOLEUDGDV3& 3;
‡ ,QGHSHQGLHQWHV
3&& 3&3& × 3&; 3&3; × 3;& 3;3& × 3;; 3;3; × Probabilidad y variable aleatoria
37
,QGHSHQGHQFLDRPiVVXFHVRV
‡ 7UHVVXFHVRV$% \& VRQLQGHSHQGLHQWHVVL
‡3$ ∩ %∩ & 3$3%3&
‡3$ ∩ % 3$3%
‡3$ ∩ & 3$3&
‡3% ∩ & 3%3&
‡ /RVVXFHVRV$ $ $Q
VRQLQGHSHQGLHQWHVVL
FXDOTXLHUVXEFRQMXQWR$L$L$LNFXPSOH
3$L∩$L∩∩ $LN 3$L3$L3$LN
Probabilidad y variable aleatoria
38
Probabilidad Total
%
%
%
%
%
$
%
%
3DUWLFLyQ
%% %Q % M ⊂ 6
%
%L ∩ % M = ∅ ∀L ≠ M
% %
% ∪ % ∪ " ∪ %Q = 6
3 $ = 3 $ ∩ 6 = 3[ $ ∩ % ∪ % ∪ " ∪ %Q ]
= 3[ $ ∩ % ∪ $ ∩ % ∪ " ∪ $ ∩ %Q ]
= 3 $ ∩ % + 3 $ ∩ % + " + 3 $ ∩ %Q 3 $ = 3 $ _ % 3 % + 3 $ _ % 3 % + " 3 $ _ %Q 3 %Q 39
Probabilidad y variable aleatoria
Teorema de Bayes
6HD% % %Q XQDSDUWLFLyQGHOHVSDFLR6 WDOTXH3% M > SDUD M = Q\VHD $
FXDOTXLHUVXFHVRFRQ3$ > HQWRQFHV
SDUDFXDOTXLHU%L 3%L_$ =
3$_%L 3%L Q
¦ 3$_%
M
3% M M =
Probabilidad y variable aleatoria
40
Ejemplo (Bayes)
0
0
0
'
'
'
SK
SK
SK
$/0$&e1
(OSRUFHQWDMHGHSLH]DVGHIHFWXRVDVIDEULFDGDVSRUWUHVPiTXLQDV
HV\/DSULPHUDIDEULFDSLH]DVSRUKRUD\ODV
RWUDV GRV SLH]DV SRU KRUD 7RGDV ODV SLH]DV IDEULFDGDV VH
OOHYDQ D XQ DOPDFpQ $O ILQDO GHO GtD VH WRPD XQD SLH]D GHO
DOPDFpQ \ HV GHIHFWXRVD ¢FXiO HV OD SUREDELOLGDG GH TXH
SURFHGDGH0
"
41
Probabilidad y variable aleatoria
30 _ ' =
3 ' _ 0 30 3 ' _ 0 30 + 3 ' _ 0 30 + 3 ' _ 0 30 =
30 _ ' =
3 ' _ 0 30 3 ' _ 0 30 + 3 ' _ 0 30 + 3 ' _ 0 30 =
30 _ ' =
× = × + × + × × = × + × + × 3' _ 0 30 3 ' _ 0 30 + 3 ' _ 0 30 + 3 ' _ 0 30 =
× = × + × + × 30 _ ' + 30 _ ' + 30 _ ' = Probabilidad y variable aleatoria
42
6LXQDSHUVRQDHVSRUWDGRUDGHOYLUXV$XQDQiOLVLVGHVDQJUH
ORGHWHFWDHOGHODVYHFHV6LQHPEDUJRHOWHVW WDPELpQ
SURSRUFLRQD ³IDOVRV SRVLWLYRV´ LQGLFDQGR OD SUHVHQFLD GHO
YLUXV HQ HO GH SHUVRQDV VDQDV 6L VyOR GH FDGD SHUVRQDVWLHQHQHOYLUXV¢FXiOHVODSUREDELOLGDGGHTXHXQD
SHUVRQD WHQJD HO YLUXV UHDOPHQWH VL HO DQiOLVLV KD GDGR
SRVLWLYR"
9 = 7HQHUHO9LUXV
6 = (ODQiOLVLVHVSRVLWLYR
39 ∩ 6 3 6 _ 9 39 =
3 9 _ 6 =
3 6 3 6 _ 9 3 9 + 3 6 _ 9 3 9 × =
= × + × 43
Probabilidad y variable aleatoria
Ejemplo Virus
(Aplicado a 1.000.000 personas)
NEGATIVO
POSITIVO
Total
SANOS
965.150
29.850
995.000
ENFERMOS
50
4.950
5.000
Total
965.200
34.800
1.000.000
(QWUHORV TXHKDQGDGRSRVLWLYRVyOR
WLHQHQHOYLUXV
39_6 Probabilidad y variable aleatoria
44
2. 2 Variable aleatoria
Experimento Aleatorio
EL término “experimento aleatorio” se utiliza
en la teoría de la probabilidad para referirse a
un proceso cuyo resultado no es conocido de
antemano con certeza.
“Suma de valores en el lanzamiento de 2
dados.”
Probabilidad y variable aleatoria
46
Variable Aleatoria
8QDYDULDEOHDOHDWRULD HVXQDIXQFLyQTXHDVLJQDXQQ~PHUR
UHDODFDGDXQRGHORVUHVXOWDGRVGHXQH[SHULPHQWRDOHDWRULR
Lanzamiento de 2
monedas
X(s) ≡Número de CARAS
s X(s)
CC→ 2
CX → 1
XC → 1
XX → 0
47
Probabilidad y variable aleatoria
Variable Aleatoria Discreta
Cuando los valores que toma una
variable aleatoria son finitos o
infinitos numerables se dice que es
discreta.
•
Resultado obtenido al lanzar un dado
{1,2,3,4,5,6}
•
Número de veces que hay que lanzar
una moneda hasta obtener una CARA
{1,2,3,4, ...}
Probabilidad y variable aleatoria
48
Distribución de probabilidad
Sea { x1 , x2 , ..., xn } los valores que puede tomar la
variable aleatoria X. Se denomina distribución de
probabilidad de la variable aleatoria a P( X=xi ) que
cumple:
• P ( X = xi ) ≥ 0
• Σi=1 P ( X = xi ) = 1.
1ž GH&DUDVDOODQ]DUPRQHGDV
x P(X=x)
0 → 1/4
1 → 1/2
2 → 1/4
49
Probabilidad y variable aleatoria
Distribución de probabilidad
p(X)
1/2
1/4
0
1
2
1ž GH&DUDVDOODQ]DUPRQHGDV
Probabilidad y variable aleatoria
3
x
50
Lanzamiento de un dado
[
3 ; = [
P (X = x)
1/6
1
3
5
x
51
Probabilidad y variable aleatoria
Función de distribución
/DIXQFLyQGHGLVWULEXFLyQ);[ GHXQDYDULDEOHDOHDWRULD
; VHGHILQHSDUDWRGRQ~PHURUHDO[FRPR
);[ 3;;≤ [
(MHPSOR ; 1~PHURGHFDUDVDOODQ]DUPRQHGDV
x
FX ( x )
(-∞,0)
0
[0,1)
1/4
[1,2)
3/4
[2,∞)
1
F(x)
1
3/4
1/2
1/4
0
1
2
3
x
Probabilidad y variable aleatoria
52
1
3/4
)XQFLyQGH
'LVWULEXFLyQ
1/2
1/4
0
1
2
3
x
1/2
'LVWULEXFLyQ
SXQWXDOGH
SUREDELOLGDG
1/4
0
1
2
3
x
53
Probabilidad y variable aleatoria
Lanzamiento de un dado
F(x)
1
1
3
5
x
p(x)
1/6
1
3
Probabilidad y variable aleatoria
5
[
3 ; = [
x
54
Una función F(x) es una función de distribución
si y sólo si cumple las siguientes condiciones:
D
OLP ) [ = \
OLP ) [ = [ → −∞
[ → +∞
E )[HVXQDIXQFLyQQRGHFUHFLHQWH
F )[HVFRQWLQXDSRUODGHUHFKD ∀K > OLP ) [ + K = ) [
K →
55
Probabilidad y variable aleatoria
Variable aleatoria continua
Una variable aleatoria X es continua si su
función de distribución FX ( x ) es
continua.
F(x)
[
1
3/4
1/2
1/4
0
0,5
1
1,5
x
);[ [[∈ >
Probabilidad y variable aleatoria
56
Función de densidad
La función de densidad de probabilidad
fX(x) de una variable aleatoria continua X
es la función que verifica
[
); [ = ³ I ; W GW ∀ [
−∞
Si FX(x) es derivable, además
G
); [ = I ; [
G[
57
Probabilidad y variable aleatoria
F(x)
)XQFLyQGHGLVWULEXFLyQ
1
3/4
);[ [[∈>
1/2
1/4
0
0,5
1
1,5
x
f(x)
)XQFLyQGHGHQVLGDG
I;[ [∈>@
0
0,5
1
1,5
x
Probabilidad y variable aleatoria
58
Una función fX (x) es una función de densidad
de probabilidad de una variable aleatoria X si y
sólo si cumple:
D I ; [ ≥ SDUDWRGR [
∞
E³ I ; [ G[ = ∞
ÈUHD 59
Probabilidad y variable aleatoria
Esperanza
Se define
esperanza o media de una
variable aleatoria discreta X y se representa
Q
por E[X] al valor
(> ; @ = ¦ [L 3 ; = [L L =
(MHPSOR/DQ]DPLHQWRGHXQGDGR
(> ; @ = × + × + × + × + × + × = &HQWURGHOD
GLVWULEXFLyQGH
SUREDELOLGDG
1/6
1
3
5
x
Probabilidad y variable aleatoria
60
Esperanza
Se define esperanza o media de una variable aleatoria
continua X con función de densidad fX(x) y se representa
por E[X] al valor
∞
(> ; @ =
³[ I
;
[ G[
−∞
(MHPSOR 'LVWULEXFL yQ XQLIRUPH I ; [ = ≤ [ ≤ [
( > ; @ = ³ [ × G[ =
=
&HQWURGHOD
GLVWULEXFLyQGH
SUREDELOLGDG
1
0
0,5
1
1,5
x
Probabilidad y variable aleatoria
61
Propiedades de E[X]
• Transformaciones lineales Y = a X+b
(a y b constantes)
(>D; + E@ = D(> ; @ + E
Probabilidad y variable aleatoria
62
Varianza
Sea X una variable aleatoria con
media µ, se denomina varianza a
Var ( X ) = E[ ( X - µ )2 ].
• Variable aleatoria discreta
9DU> ; @ =
∞
¦ [ − µ
3 ; = [
[ = −∞
• Variable aleatoria continua
∞
9DU> ; @ = ³ [ − µ I ; [ G[
−∞
63
Probabilidad y variable aleatoria
Propiedades de la varianza
9DU ; = (> ; − µ @
= (> ; @ − µ 9DU D; + E = D 9DU ; Probabilidad y variable aleatoria
64
Ejemplos
/DQ]DPLHQWRGHXQGDGR
9DU> ; @ = × + × + × + × + × + × − = 'LVWULEXFLyQXQLIRUPH
9DU>;@ = ³ [ × G[ − [
=
− = 65
Probabilidad y variable aleatoria
Desigualdad de Tchebychev
$UHD ≥ −
µ N σ
µ
N
µ N σ
3DUDFXDOTXLHUYDULDEOHDOHDWRULD
µ = (> ; @
σ = 9DU> ; @
3 ; − µ ≤ Nσ > − N
Probabilidad y variable aleatoria
66
Momentos de una V.A.
µ = (> ; @ = µ
0RPHQWRVUHVSHFWRDODPHGLD
α = (> ; − µ @ = µ = (> ; @
α = (> ; − µ @ = σ µ S = (> ; S @
α S = (> ; − µ S @
0RPHQWRVUHVSHFWRDO2ULJHQ
Probabilidad y variable aleatoria
67
Transformaciones no lineales
z=h(y)
'HVDUUROORGH7D\ORUSDUD ] = K \ HQµ = (>\@
] ≈ K µ + K
µ \ − µ + K
µ \ − µ /DPHGLD\YDULDQ]DVGH]VRQDSUR[
(>]@ ≈ Kȝ + K
ȝ 9DU\
9DU> ] @ ≈ [K
µ ] 9DU> \ @
Probabilidad y variable aleatoria
68
Transformaciones
'DGDXQDYDULDEOHDOHDWRULD ; FRQIXQFLyQ
GHGHQVLGDG I ; [YDPRVDYHUFRPRVHREWLHQH
ODIXQFLyQGHGHQVLGDG I< \ GHODYDULDEOH
DOHDWRULD< GHILQLGDFRPR
< = J;
&DVRVDFRQVLGHUDU /DIXQFLyQJ HVPRQyWRQDFUHFLHQWH
/DIXQFLyQJ HVPRQyWRQDGHFUHFLHQWH
/DIXQFLyQJ QRHVPRQyWRQD
69
Probabilidad y variable aleatoria
Función g creciente
)< \ = 3 < ≤ \ = 3 J ; ≤ \
= 3 ; ≤ J − \ \
= ); J − \ <≤ \
[ J\
;≤ J\
I< \ =
G)< \ G\
G J − \ =
× I ; J − \ G\
Probabilidad y variable aleatoria
70
Función g decreciente
)< \ = 3 < ≤ \ = 3 J ; ≤ \
= 3 ; ≥ J − \ \
<≤ \
= − ); J − \ I< \ =
[ J\
;≥
≥ J\
G)< \ G\
G J − \ =−
× I ; J − \ G\
Probabilidad y variable aleatoria
71
Función monótona
G J − \ I< \ =
× I ; J − \ G\
Probabilidad y variable aleatoria
72
Transformación no monótona
<≤\
\
[
[ [
[
[ [
[
)< \ = 3 < ≤ \ = 3 [ ≤ ; ≤ [ + 3 [ ≤ ; ≤ [ + 3 [ ≤ ; ≤ [ 73
Probabilidad y variable aleatoria
Ejemplo de transformación
El radio de una esfera es una variable
aleatoria cuya función de densidad es
I ; [ = [ ≤ [ ≤ ¿Cuál es la función de densidad del volumen?
< =9ROXPHQGHODHVIHUD
I< \ =
§ < · < = π ; Ÿ ; =¨ ¸
© π ¹
§ \ ·
J [ = π [ Ÿ J − \ = ¨ ¸ © π ¹
Probabilidad y variable aleatoria
=
G −
J \ × I ; J − \ G\
π
≤ \≤
π
74
[
I ; [ = [ ≤ [ ≤ I< \ =
π
\
π
≤ \≤
π
\ = π [
Probabilidad y variable aleatoria
75
Un caso muy relevante del
problema inverso
Dadas:
1) Una variable aleatoria x con distribución
uniforme (0,1)
2) Una variable aleatoria y con función de
densidad fY(y)
Encontrar la transformación y=g(x) que convierte
x en y
Probabilidad y variable aleatoria
76
Solución del problema
G J − \ = I< \ G\
−
J [ = )\ [
Probabilidad y variable aleatoria
77
Representación gráfica con
ejemplo
I< \ = λH − λ\ λ = ; = \ = − λ ORJ − [ = Probabilidad y variable aleatoria
78
Aplicación: Simulación de
Monte Carlo
Simulación con ordenador
aleatorios; tiene dos vertientes:
de
procesos
1) Pedagógica: como herramienta para entender
mejor los modelos de probabilidad
2) Computacional: herramienta muy potente para
resolver problemas no abordables por métodos
convencionales
Probabilidad y variable aleatoria
79
Ejemplo de problema resuelto
por simulación de Monte Carlo
Problema de los cumpleaños:
1) Se generan al azar con distribución uniforme
discreta en 1,2,..,365, r valores (fechas de
nacimiento de las r personas)
2) Se cuenta el número de coincidencias
3) Repitiendo N veces los pasos 1 y 2, se
obtiene una aproximación de la distribución del
número de coincidencias
Probabilidad y variable aleatoria
80