04.1.
Distribuciones de probabilidad:
Variables aleatorias
CONTENIDOS
1. Introducción
2. Variables aleatorias discretas
3. Variables aleatorias continuas
4. Medidas características de las variables aleatorias
4.1 Medida de centralización: Media
4.2 Medida de dispersión: Varianza
ESTADÍ[Link] 2
1. Introducción
EXPERIMENTO: Cualquier procedimiento de obtención de un dato,
dadas unas condiciones de experimentación
Si obtenemos un nuevo dato manteniendo constantes las condiciones de
experimentación estamos REPITIENDO el experimento
Experimento aleatorio: experimento que al repetirlo no siempre se
obtiene el mismo valor.
Ejemplo: medir la longitud de una pieza producida
Variable aleatoria: es el resultado de un experimento aleatorio.
Ejemplo:
Experimento- medir el tiempo de acceso de un ordenador a una red
Variable aleatoria- tiempo de acceso
ESTADÍ[Link] 3
1. Introducción
Variables aleatorias Discretas y Continuas:
Una v.a. discreta es una variable aleatoria con un conjunto finito (o infinito
numerable) de valores.
Una [Link] es una variable aleatoria con un conjunto (finito o
infinito) de valores reales posibles
Ejemplos de Variables Aleatorias
– Ejemplos de v.a. continuas: corriente eléctrica, longitud, presión,
temperatura, voltaje, peso…
– Ejemplos de v.a. discretas: Número de arañazos en una superficie, número
de piezas defectuosas de entre 1000 testeadas, número de bits recibidos
erróneos …
ESTADÍ[Link] 4
1. Introducción
Un ejemplo,
Supongamos que estamos interesados en una característica (tensión) de un
componente electrónico que producimos (diodos) y que se obtiene en un proceso
productivo.
Cada vez que tomamos uno de esos diodos y registramos su tensión estamos
repitiendo el experimento aleatorio de medir el voltaje de un diodo de dicho
proceso.
Los diodos están diseñados para tener una tensión nominal (ideal) de 685 mv. Sin
embargo, en este experimento podemos ver que los resultados no son iguales. Es por
tanto un experimento aleatorio. La diferencia entre los diodos, no obstante, no es
muy grande, pues el coeficiente de variación obtenido en esta muestra es de solo
0.0088 (0.88%), que es un valor muy pequeño.
ESTADÍ[Link] 5
1. Introducción
Otro ejemplo,
En este caso el experimento consiste en medir la estatura de un estudiante de primer
curso de ingeniería de una universidad.
La muestra la componen las estaturas de 95 estudiantes de la población, que pueden
interpretarse como 95 repeticiones del mismo experimento.
Volvemos a tener variabilidad. En este caso, la variabilidad es mucho mayor que en el
caso del proceso productivo, con un coeficiente de variación del 4.7%. Claramente,
hay muchas más razones (más factores no controlados) para que dos alumnos tengan
estaturas diferentes que para que dos diodos de un mismo tipo tengan voltaje
diferente.
ESTADÍ[Link] 6
1. Introducción
Variable aleatoria: es el resultado de un experimento aleatorio
¿Cómo se define una variable aleatoria?
1 Definiendo el espacio muestral
2 Teniendo alguna función que nos ayude a asignar
probabilidades a los diferentes sucesos que nos interesen
(modelo de probabilidad)
Ejemplo: Experimento- observar el resultado de lanzar una moneda
Variable aleatoria- valor que se obtiene al lanzar una moneda
1 (Espacio muestral): {cara, cruz}
2 (Modelo de probabilidad): P(cara) = P(cruz) = 0.5
ESTADÍ[Link] 7
1. Introducción
Catálogo de
Modelos de
Probabilidad:
NOTA:
En INFERENCIA se compara la
distribución muestral con el MODELO de
distribución correspondiente
...
ESTADÍ[Link] 8
1. Introducción
Notación:
Variable aleatoria: se denotan mediante las mayúsculas del final del alfabeto (X, Y, Z)
Ejemplo: X = resultado de lanzar una moneda
Y = resultado de medir la longitud de una pieza producida
Valor numérico que puede tomar la variable aleatoria: se denotan mediante las letras
minúsculas del final del alfabeto (x, y, z)
Probabilidad de que la variable aleatoria tome un valor numérico:
: es la probabilidad de que la variable aleatoria tome el valor
: es la probabilidad de que la variable aleatoria tome el valor
Valores observados: a los valores observados se les denomina realizaciones de la
variable aleatoria.
Ejemplo: X = resultado de lanzar un dado
Si lanzamos el dado 5 veces tendremos 5 realizaciones de la variable aleatoria X, por
ejemplo 1, 3, 3, 1, 6
ESTADÍ[Link] 9
CONTENIDOS
1. Introducción
2. Variables aleatorias discretas
3. Variables aleatorias continuas
4. Medidas características de las variables aleatorias
ESTADÍ[Link] 10
2. Variables aleatorias discretas
Sea una variable aleatoria cuantitativa discreta
Sean 1 2 𝐾 los valores posibles que puede tomar
Ejemplos
= valor al lanzar un dado x1=1 x2=2 x3=3
x4=4 x5=5 x6=6
= estado
aceptable/defectuoso de un x1=0 (aceptable)
artículo fabricado x2=1 (defectuoso)
= número de clientes que
llegan a un puesto de x1=0, x2=1, ... idealmente infinitos
servicio en una unidad de
tiempo
Ejemplos
ESTADÍ[Link] 11
2. Variables aleatorias discretas
Para tener un modelo de probabilidad que asigne
probabilidades a los sucesos:
Función de probabilidad Función de distribución
ESTADÍ[Link] 12
2. Variables aleatorias discretas
Función de probabilidad → P(X=x)
Es la función p(x) de la variable aleatoria discreta X que asigna a cada
valor diferente de 1 2 𝐾 la probabilidad de ser obtenido en
una repetición del experimento aleatorio.
Ejemplo
X= resultado de lanzar un dado
se tiene que x=1,…, 6 y al ser cada valor igual de probable
Función de PROBABILIDAD
Función de probabilidad: p(x)=1/6 para x=1,…, 6.
A este tipo de variables aleatorias:
K valores diferentes equiprobables, se les llama
v.a. UNIFORMES DISCRETAS
ESTADÍ[Link] 13
2. Variables aleatorias discretas
Función de distribución → F(x)
• Es una función F(x) definida en toda la recta real
• En cada punto x, es la probabilidad acumulada hasta ese punto:
F(x) = P(X ≤ x)
• F( ) = 0; F( ) =1
Ejemplo Función de DISTRIBUCIÓN → F(x)
X= resultado de lanzar un dado
ESTADÍ[Link] 14
CONTENIDOS
1. Introducción
2. Variables aleatorias discretas
3. Variables aleatorias continuas
4. Medidas características de las variables aleatorias
ESTADÍ[Link] 15
3. Variables aleatorias continuas
Para tener un modelo de probabilidad que asigne
probabilidades a los sucesos:
Función de densidad Función de distribución
ESTADÍ[Link] 16
3. Variables aleatorias continuas
Con variables cuantitativas continuas: infinitos valores posibles
siempre
Solo interesa probabilidad de valores en un intervalo P(X>a), P(a<X<b), …
Ejemplos
X = valor seleccionado al azar en el intervalo [3, 4] ← Uniforme continua
3 4
X = longitud de una pieza
X = tiempo en ejecutar una tarea
X = tiempo entre la llegada de dos clientes consecutivos
ESTADÍ[Link] 17
3. Variables aleatorias continuas
Función de densidad → f(x)
f(X) = función de densidad de probabilidad de la variable aleatoria X en el
punto x
AREA DEBAJO DE LA CURVA = PROBABILIDAD
ESTADÍ[Link] 18
3. Variables aleatorias continuas
Función de densidad → f(x)
Diferencias:
• Histograma o polígono: Describe sólo a los n datos observados (MUESTRA)
Es la frecuencia (absoluta o relativa) de cada intervalo
• Función de densidad: Describe a TODA LA POBLACIÓN
Es la densidad de probabilidad o probabilidad por unidad de medida en cada punto
(unidades distintas que el histograma)
ESTADÍ[Link] 19
3. Variables aleatorias continuas
Función de distribución → F(x)
ESTADÍ[Link] 20
3. Variables aleatorias continuas
Función de distribución → F(x) ¿ Para qué se utiliza ?
¿ P(X<x’) ? ¿ x’ / P(X<x’)=0.5 ?
0.9
0.5
x’
x’
ESTADÍ[Link] 21
Variables aleatorias: RESUMEN
ESTADÍ[Link] 22
CONTENIDOS
1. Introducción
2. Variables aleatorias discretas
3. Variables aleatorias continuas
4. Medidas características de las variables aleatorias
4.1 Medida de centralización: Media
4.2 Medida de dispersión: Varianza
ESTADÍ[Link] 23
4. Medidas características de las variables aleatorias
Esperanza matemática
También conocida como:
• Esperanza de una variable aleatoria
• Valor esperado de una variable aleatoria
• Media poblacional de una variable aleatoria
• Media de una variable aleatoria
Se denota la esperanza de una variable aleatoria X como
E(X) ≡ µ
ESTADÍ[Link] 24
4. Medidas características de las variables aleatorias
4.1 Medida de centralización
Media ≡ Esperanza matemática ≡ E(X) ≡ µ
Es el promedio de los infinitos datos que forman la población:
• Los infinitos datos que se obtendrían de extraer infinitas realizaciones de la
variable
• Los infinitos datos que se obtienen de repetir el experimento aleatorio infinitas
veces
• ¿Cómo lo podemos calcular?
V. Aleatorias discretas:
frecuencia relativa
Si hay J valores diferentes que se repiten: del valor xj
x1, se repite n1 veces
x2, se repite n2 veces
…
xJ, se repite nJ veces
ESTADÍ[Link] 25
4. Medidas características de las variables aleatorias
4.1 Medidas de centralización
Media ≡ Esperanza matemática ≡ E(X) ≡ µ
Es el promedio de los infinitos datos que forman la población
¿Cómo lo podemos calcular?
V. Aleatorias discretas:
Sea X una variable aleatoria cuantitativa discreta.
Sea x1, x2, …, xk los distintos valores que puede tomar
Ejemplo:
Una centralita telefónica tiene 5 líneas.
Sea X=número de líneas ocupadas
Espacio muestral: X={0,1,2,3,4,5}
E(X)=0·0.14+1·0.27+2·0.27+3·0.18+4·0.09+5·0.05=1.96
ESTADÍ[Link] 26
4. Medidas características de las variables aleatorias
4.1 Medida de centralización
Media ≡ Esperanza matemática ≡ E(X) ≡ µ
V. Aleatoria discreta: V. Aleatoria continua:
Función h(X) de una Función h(X) de una
V. Aleatoria discreta: V. Aleatoria continua:
ESTADÍ[Link] 27
4. Medidas características de las variables aleatorias
4.1 Medida de centralización
Media ≡ Esperanza matemática ≡ E(X) ≡ µ
Propiedades:
•
•
•
•
•
•
ESTADÍ[Link] 28
4. Medidas características de las variables aleatorias
4.2 Medida de dispersión
Varianza ≡ var(X) ≡ 𝟐
Varianza de un conjunto de datos: Media muestral de las desviaciones
cuadráticas a la media muestral
Varianza de una variable aleatoria: Esperanza de las desviaciones
(varianza de toda la población) cuadráticas a la esperanza
Variable aleatoria X
- Su media o esperanza E(X)=µ
- Desviación a la media X-µ
- Al cuadrado
- Su media, o esperanza,
es la varianza 𝟐 𝟐 𝜎 =𝐸 𝑋 − 𝐸(𝑋)
ESTADÍ[Link] 29
4. Medidas características de las variables aleatorias
4.2 Medida de dispersión
Varianza ≡ var(X) ≡ 𝟐
Propiedades:
•
• 𝟐
• 𝟐
•
ESTADÍ[Link] 30
Material complementario…
Capítulo 4:
4.1 Variables aleatorias discretas
4.2 Distribuciones de probabilidad
y funciones de masa de
probabilidad
4.3 Funciones de distribución
acumulada
4.4. Media y varianza de una
variable aleatoria discreta
Capítulo 5:
5.1 Variables aleatorias continuas
5.2 Distribuciones de probabilidad
y funciones de densidad de
probabilidad
5.3 Funciones de distribución
acumulada
5.4. Media y varianza de una
variable aleatoria continua
ESTADÍ[Link] 32
Material complementario…
Chapter 3: Discrete Random Variables
and Probability Distributions
3.1 Probability Distributions and Probability
Mass Functions
3.2 Cumulative Distribution Functions
3.3 Mean and Variance of a Discrete
Random Variable
Chapter 4: Continuous Random
Variables and Probability Distributions
4.1 Probability Distributions and Probability
Density Functions
4.2 Cumulative Distribution Functions
4.3 Mean and Variance of a Continuous
Random Variable
ESTADÍ[Link] 33
Fuentes:
Material docente asignaturas de estadística de la Universidad Carlos III
Material docente de P. Tormos, A. Lova, S. Vidal, E. Vázquez (DEIOAC -
UPV)
Esta obra está bajo una licencia Reconocimiento-No comercial-Compartir bajo la
misma licencia 2.5 España de Creative Commons. Para ver una copia de esta
licencia, visite [Link]
