T4_VAleatoria
Páginas: 21 (5176 palabras)
Publicado: 28 de septiembre de 2015
Variables aleatorias
Continuas
Discretas
Características de una variable aleatoria
Esperanza matemática de una variable aleatoria
Momentos de una variable aleatoria
Mediana de una variable aleatoria
Cuantiles de una variable aleatoria
Principales variables aleatorias
Discretas
Continuas
Teorema Central del Límite
1
VARIABLES ALEATORIASUna Variable aleatoria es una función que representa el resultado de
un experimento aleatorio:
𝑋: Ω → ℝ
Ejemplos:
• Variable que toma el valor 1 si el cliente paga la deuda y cero en el
otro caso.
• Variable que mide el tiempo que tarda un cliente en pagar su hipoteca.
• Variable que mide la variación del IPC
• Variable que mide el tiempo de espera en una ventanilla
2
Las variables pueden tomaruna cantidad finita de valores
distintos (0 o 1, si o no, etc.) o una cantidad no finita que se mide
dentro de los valores de un intervalo (p. e. tiempo). Esto nos lleva
a tener dos tipos de variables:
VARIABLES DISCRETAS: variables que toman una cantidad
finita de valores distintos.
VARIABLES CONTINUAS: variables que toman valores
dentro de un intervalo.
3
Ejemplo:
Consideramos elexperimento aleatorio de lanzar dos dados.
El espacio muestral es Ω = {(1,1), (1,2), … . (6,5), (6,6)}
El tamaño del espacio muestral viene determinado por 𝑉𝑅6,2 = 62 = 36
Nos interesa medir la variable aleatoria
𝑋 = "Máximo de las tiradas"
X puede tomar los valores: 1,2,3,4,5,6
P(X=1)=P(salga (1,1))=1/36
P(X=2)=P(salga (1,2) o (2,1) o (2,2) )=3/36
P(X=3)=P(salga (1,3) o (3,1) o (3,2) o (2,3) o (3,3))=5/36
P(X=4)=P(salga (4,1) o .. o (4,4) )=7/36
P(X=5)=P(salga (5,1) o .. o (5,5) )=9/36
P(X=6)=P(salga (6,1) o .. o (5,6) )=11/36
4
VARIABLES ALEATORIAS DISCRETAS
Toman una cantidad finita de valores distintos,
DX = {𝑥1 , 𝑥2 , … , 𝑥𝑛 }
Cada valor tiene una probabilidad (entre 0 y 1) asociada.
0 ≤ 𝑃 𝑋 = 𝑥𝑖 ≤ 1
∀ 𝑖 = 1, … , 𝑛
La suma de todas las probabilidades debe de ser 1.
𝑛
𝑃 𝑋 = 𝑥𝑖= 1
𝑖=1
Además tienen que verificar:
𝑃 𝑋 = 𝑥𝑖 para cualquier suceso 𝐴 ∈ Ω.
𝑃 𝐴 =
𝑥𝑖 ∈𝐴
La función que asigna a cada valor 𝑥𝑖
su probabilidad
correspondiente 𝑃(𝑋 = 𝑥𝑖 ), se le conoce como FUNCIÓN DE MASA
DE PROBABILIDAD.
5
Ejemplo:
Tenemos 30 clientes del banco de los que conocemos el número de
préstamos personales que han tenido en los últimos 10 años. Los datos
están en la siguientetabla
Préstamos
1
2
3
4
Nº Clientes
7
13
4
6
Frec. relativa
Si en lugar de conocer la frecuencia relativa, suponemos que ésta es la
probabilidad, es decir la probabilidad de haber tenido un solo préstamo
es 7/30, y así sucesivamente, damos lugar a una variable aleatoria
discreta que toma los valores 1, 2, 3 y 4 con probabilidades.
𝒙𝒊
1
2
3
4
𝑝𝑖
Estas probabilidades toman valorespositivos y suman uno.
6
Para calcular probabilidades de un conjunto de valores de una variable
aleatoria discreta sólo hay que sumar las probabilidades de los puntos
que están en ese conjunto.
Ejemplo.
Con los datos del ejemplo anterior, la probabilidad de que tuviera
tres préstamos personales:
4
𝑃 𝑋=3 =
.
30
Probabilidad de que tuviera más de dos préstamos
10
𝑃 𝑋 >2 =𝑃 𝑋 =3 +𝑃 𝑋 =4 =
.
30
Otambién,
𝑃 𝑋 >2 =1−𝑃 𝑋 ≤2 =1− 𝑃 𝑋 =1 +𝑃 𝑋 =2
= 1−
20 10
=
.
30 30
7
Función de Distribución
La Función de Distribución de una variable aleatoria es una función
que está definida en toda la recta real y que calcula la probabilidad de
que la variable tome un valor menor o igual que el punto, es decir:
𝐹: ℝ →
𝑥 →
0,1
𝐹 𝑥 =𝑃 𝑋≤𝑥
Además, verifica que,
1. 0 ≤ 𝐹 𝑥 ≤ 1
∀𝑥 ∈ℝ
2. 𝐹 es creciente
3. 𝑃 𝑋 > 𝑥= 1 − 𝐹 𝑥
∀𝑥 ∈ ℝ
Si la variable aleatoria es discreta se cumple:
𝐹 𝑥 =𝑃 𝑋≤𝑥 =
𝑃 𝑋 = 𝑥𝑖
𝑥𝑖 ≤𝑥
8
Ejemplo: En el ejemplo anterior, ¿Cuál es la probabilidad de que un
cliente tuviera como mucho 3 créditos?
Además, la gráfica de su función de masa de probabilidad es:
xi
pi
1
7/30
2
13/30
3
4/30
0,30
4
6/30
0,25
0,45
0,40
0,35
0,20
0,15
0,10
0,05
0,00
1
2
3
4
Cada valor de la...
Leer documento completo
Regístrate para leer el documento completo.