La esperanza matemática tiene directa relación con las medidas de tendencia central de alguna
forma está relacionada directamente con la media aritmética o valor medio.
Si comparamos los valores p(x) de la función de probabilidad y hacemos la suposición de cada
uno de estos valores p(xi)=1 / n , con i =1,2,…,n, tendremos que:
E ( X ) = x1/n + x2/n+..+ xn/n
Y es evidente que la esperanza matemática será igual a la media aritmética o media.
Para la varianza podemos hacer la misma analogía, es decir:
V( X) = (1/n)*( x1 – E(x) ) ^2 + …+ (1/n)* ( xn – E(x) ) ^2
Función de distribución acumulada
Esta directamente relacionado con el concepto de distribución de probabilidad y también al de
frecuencia relativa acumulada. Una presentación formal de este conceto la veremos a
continuación.
La fundación de distribución acumulada F(X) esta definida como:
1. F(x)= ∑ p(x )
o ≤ xi ≤ x
2. F(x)= P(X ≤x) = ∑ p (xi)
xi ≤ x
Construiremos esta función para el caso del ejemplo que hemos estado trabajando sobre la
moneda:
F ( 0 )= P( X ≤ 0) = ∑ p(xi)=p(0)=0,25
xi ≤0
F ( 1 )= P( X ≤ 1) = ∑ p(xi)=p(0)+p(1)=0,75
xi ≤1
F ( 2 )= P( X ≤ 2) = ∑ p(xi)=p(0)+p(1)+p(2)=1,0
xi ≤2
1
La representación gráfica de esta función es de una función definida por tramos de tipo creciente
monótona (no baja nunca):
F(x)
1,0
0,75
0,25
0 1 2 x
La función distribución acumulada que tiene una representación a saltos.
Hasta ahora se han visto modelos para variable aleatoria discreta, pero también es posible
tener una representación de estas funciones de probabilidad para variables continuas. Lo que
veremos en forma más conceptual:
Antes de hacer esto podemos pensar en variables como la edad, el peso, el ingreso que son
representables mediante modelos continuos, como la distribución normal, la que definiremos a
continuación:
2
La distribución normal modela variables de fenómenos toman valores para los cuales las
probabilidades alrededor de cierto centro son altas , pero alejándose a izquierda y derecha se
hacen cada vez menos probables. Su grafica es la siguiente:
f(x)
x
E(X)= µ
La función f(x) tiene la siguiente expresión:
2
− ( x−μ)
1 2σ
2
- ∞≤ x ≤ +∞
f ( x )= e
σ √2 π
Esta función de densidad de probabilidad ddepende deos parámetros que serán la desviación
estándar y la media representados respectivamente por: σ y µ (letra griega sigma y mu
respectivamente).
Esta función tiene propiedades como:
1. f(x) ≥ 0 , para todos los valores de x.
+∞
2. ∫ f ( x ) ⅆx =1 , como no es punto a punto la suma , debemos considerar elementos del
−∞
cálculo como la integración. Esto quiere decir, que al integrar la función densidad entre
menos y más infinito, tendremos que esta es igual a uno.
3
Tenemos reflejado con estas propiedades el comportamiento que tienen otras distribuciones
continuas , es decir cumplen exactamente las mismas propiedades anteriores.
Esta distribución puede ser aplicada para calcular las probabilidades de ventos continuos como
veremos en el siguiente ejemplo:
Se tiene que la distribución de la variable edad X sigue una normal con media 35 años y una
desviación de 4 años.
Se pide calcular las siguientes probabilidades:
1. La probabilidad que un grupo de personas tengan entre los 25 y los 45 años
2. La probabilidad que como máximo alcancen los 56 años.
Solución :
Sea X ~ N ( µ =35 ; σ =¿4)
1. P( 25 ≤ X ≤ 45 ) =
2. P ( X ≤ 56 ) =
