Funcion Caracteristica

VARIABLE ALEATORIA
DISTRIBUCIN DE PROBABILIDAD. PROBABILIDAD INDUCIDA.

VARIABLE ALEATORIA DISCRETA
VARIABLE ALEATORIA CONTINUA
FUNCIN DE DISTRIBUCIN EN VARIABLE DISCRETA
FUNCIN DE DISTRIBUCIN EN VARIABLE CONTINUA
FUNCIN DE DENSIDAD (PROPIEDADES) (GRAFICO)
ESPERANZA DE UNA VARIABLE ALEATORIA
OPERADOR ESPERANZA
MOMENTOS
OPERADOR VARIANZA
FUNCIN GENERATRIZ DE MOMENTOS
FUNCIN CARACTERSTICA
TEOREMA DE LOS MOMENTOS
VARIABLE ALEATORIA DISCRETA:

Una variable aleatoria es discreta cuando su campo de variacin (dominio de definicin) est
constituido por un conjunto finito o infinito numerable de valores posibles. Cada suceso de se
corresponde con un valor .
Ej 1 : ante el experimento : lanzar un dado diez veces se aleatoriza de forma que la variable
aleatoria X = n de ases que se obtengan : X ={0,1,2,3,4,5,6,7,8,9,10} (v.a. discreta de orden
finito)
Ej 2 : ante el experimento : contemplar los coches que pasen por un tramo de carretera se
aleatoriza de forma que la variable aleatoria X = n de coches que pasen: X={0,1,2,3,...} ( X= N )
(v. a. discreta de orden infinito)
Si la variable aleatoria es discreta, cada valor de los pertenecientes al campo de variacin se
corresponder con un suceso del lgebra de sucesos.(lo que permitir despus asignar
probabilidades a cada valor ).
Una variable aleatoria discreta es el modelo terico de una variable estadstica discreta (con
valores sin agrupar).
J.lejarza & I.Lejarza
Una variable aleatoria discreta es aquella cuya funcin de distribucin es escalonada.
VARIABLE ALEATORIA CONTINUA .

Es aquella cuyo dominio de definicin (campo de variacin) es un intervalo (compacto) de la
recta real , una unin de varios intervalos , o la totalidad de la recta real.(Por lo tanto los valores
definidos de la variable aleatoria son un conjunto infinito no numerable .) El lgebra de sucesos
del que surge debe contener un nmero infinito no numerable de sucesos ,cada uno de ellos se
corresponder con alguno de los (infinitos) intervalos incluidos en el campo de definicin.
Ejemplo 3. ante el experimento : contemplar los coches que pasen por un tramo de carretera se
aleatoriza de forma que la variable aleatoria X =tiempo que hay que esperar hasta que pase un
coche X = [0, [ ,es decir X=R+
En el caso continuo no podremos hacer corresponder a los valores (puntuales) con sucesos de
lgebra de sucesos, la correspondencia se establecer entre sucesos del lgebra e intervalos
pertenecientes al campo de variacin de la variable .En consecuencia no podremos asignar
probabilidades a los valores de la variable, sino slo a intervalos.
Una variable aleatoria continua es el modelo terico de una variable estadstica continua
(agrupada por intervalos ).
Una variable aleatoria continua es aquella cuya funcin de distribucin es continua.
DISTRIBUCIN DE PROBABILIDAD. PROBABILIDAD INDUCIDA.

Si ,por un lado, el espacio de resultados est asociado, a travs de la probabilizacin con el
intervalo [0,1], de forma que cada suceso tiene asociada una probabilidad; y, por otra parte, cada
suceso est asociado con un valor (caso discreto) o con un intervalo (caso continuo) de la recta
real (variable aleatoria) , a travs de la aleatorizacin; podremos asignar, entonces, probabilidades
a los valores ( o a los intervalos ) de la variable aleatoria.Esto es lo que se conoce como
probabilidad inducida (sobre la v.a.).
a X( ) : Px (a) = P( X (a))
-1
donde a ser un valor puntual de la variable aleatoria si es discreta, o un intervalo ,si es continua.
De esta forma, la masa total (unitaria) de probabilidad puede repartirse (distribuirse) entre los
valores definidos de la variable aleatoria (si es discreta) o entre los distintos intervalos (si es
continua).
Si consideramos, entonces la variable aleatoria, junto con su asignacin de probabilidad
(inducida), estamos ante una DISTRIBUCIN DE PROBABILIDAD ( X ,P(X)).
Funcin de distribucin en distribuciones de variable discreta:
Puede observarse que:

Presenta un perfil escalonado,produciendose un salto en cada uno de los valores definidos de la
variable aleatoria.Es continua por la derecha, pero no por la izquierda.
La cuanta de cada salto es precisamente la probabilidad en ese punto, la funcin de cuanta.
Es semejante al DIAGRAMA ACUMULATIVO de una distribucin de frecuencias de valores
sin agrupar.
Entre cada dos puntos (de los definidos) no hay probabilidad (y por tanto no se acumula).
Funcin de distribucin en una distribucin de variable continua.

En una distribucin de variable continua se induce probabilidad sobre todos los infinitos
intervalos que integran el campo de definicin de la variable .En consecuencia ante cualquier
incremento de la variable (por pequeo que sea) le corresponder un incremento de la
probabilidad de que se va acumulando, lo que har que la funcin de probabilidad acumulada,la
funcin de distribucin tenga que ser continua en todos lo puntos del campo de definicin de la
variable.Es esta la razn de que se llamen distribuciones continuas, ya que acumulan de forma
continua su probabilidad.
Podemos observar cmo:

La funcin de distribucin es continua por ambos lados (absolutamente continua), acumulando
la variable probabilidad de manera continuada desde que comienza su campo de variacin hasta
que termina (acumulando la masa total ,1).
Tiene un perfil similar al del POLGONO ACUMULATIVO de una distribucin de frecuencias

de valores agrupados.Coincidira con l si se tratara de intervalos infinitsimo.
Funcin de densidad (distribuciones continuas)

En el caso de una distribucin continua se va acumulando probabilidad de manera continua, ante
cualquier incremento de la variable a lo largo de su campo de variacin.Pero los puntos singulares
no tienen asociada probabilidad.(no hay probabilidad en un punto)(No tiene sentido pensar en una
funcin de cuanta).
Sin embargo cualquier intervalo (por pequeo que sea s tiene asociada una probabilidad).Y dado
un intervalo cualquiera podemos definir la DENSIDAD MEDIA DE PROBABILIDAD en ese
intervalo como el cociente entre el incremento de probabilidad que se ha acumulado y el
incremento producido en la variable:
Densidad media de probabilidad en [a,b]

y para un intervalo [x,x+ x] sera:
D.M.P([x,x+ ])
En consecuencia, para cada valor definido x se podr determinar la densidad media de
probabilidad de un intervalo infinitsimo [x,x+dx] lim x 0 [x,x+ x]:
D.M.P ([x,x+dx]) =lim x 0 [ ] = =F'(x)

Precisamente a la funcin que hace corresponder a cada valor definido de la variable
aleatoria , la densidad media de probabilidad en un "entorno infinitsimo" se la conoce
como funcin de densidad :
f(x) =F'(x)
La funcin de densidad guarda una estrecha similitud con el "perfil" del histograma de una
distribucin de frecuencias de valores agrupados; de hecho puede considerarse un modelo
"terico" del mismo en el que se consideren intervalos de amplitud infinitesimal.
Propiedades de la funcin de densidad:
1. La funcin de densidad es "no negativa " para todo valor de x:

x: f(x) 0
2. P(X x) =F(x)
+
3.
f ( x)dx = 1
4. P( a X b) =P( a <X b ) =P( a X <b) =P(a < X <b) =

5. limx - f(x) =limx + f(x) =0
ESPERANZA DE UNA VARIABLE ALEATORIA

La esperanza de una variable aleatoria se define como:
La esperanza de la variable aleatoria coincide con el centro de gravedad de su distribucin de

probabilidad y se le puede considerar su promedio, de hecho es la media de la distribucin.
E(x)== media de la distribucin.
OPERADOR ESPERANZA
El concepto de esperanza puede generalizarse para cualquier funcin g(x) de la variable aleatoria
x as tendramos que
Propiedades:
1. La esperanza de una constante es la propia constante
2. La esperanza de una funcin lineal es la misma funcin lineal de la esperanza.La
linealidad los operadores integral y sumatorio garantizan el cumplimiento de esta
propiedad.
OPERADOR VARIANZA
Tambien la varianza puede generalizarse, como en el caso de la esperanza y as se define la
varianza de una funcin g(x) de la variable aleatoria x como:
D2(g(x))= E[(g(x)-E(g(x)))2]
Sus principales propiedades son:
1. La varianza de una funcin constante es cero
2
2. La varianza de una funcin lineal g(x)= a + bx es : D (a
+ bx )= b2.D2(x)
MOMENTOS DE LA DISTRIBUCIN
Anlogamente a como ocurra en las distribuciones de frecuencias pueden definirse los momentos
ordinarios y centrales de una distribucin de probabilidad, en esta ocasin en funcin del operador
esperanza:
Momento ordinario de orden r :
Momento central de orden r :
Entre los principales momentos de una distribucin destacan la media, que es el momento
ordinario de orden 1 y la varianza que es el momento central de segundo orden:
Como en el caso de la estadstica descriptiva la varianza es el principal indicador de dispersin de

la distribucin de probabilidad.
FUNCIN GENERATIZ DE MOMENTOS

La funcin generatriz de momentos ( F.G.M.) de la distribucin de probabilidad de una variable
.As pues se trata de una funcin parmetrizada
aleatoria x se define como:
sobre una variable real auxiliar t que queda definida como el valor esperado o esperanza de la
funcin exp ( tx )
Propiedades
1. No siempre se puede garantizar su existencia, aunque para la mayora de la distribuciones
de probabilidad de uso habitual s existe.
10
2. Cuando existe, caracterza unvocamente la distribucin de probabilidad , anlogamente a

la funcin caracterstica. De forma que si las distribuciones de dos variables aleatorias x e
y son tales que sus dos F.G.M.,x y y , son idnticas x =y entonces las distribuciones de
las variables x e y tambin son idnticas.
3. Derivando sucesivamente la F.G.M. en el punto t=0 se generan los sucesivos momentos
ordinarios segn la expresin:
este resultado se conoce como
teorema de los momentos
4. Si se transforma una variable aleatoria x en otra y mediante una funcin lineal: y= a+bx ,
la F.G.M. de la distribucin de y obedece a la expresin:
propiedad especialmente importante para comprobar la

linealidad de la distribucin normal
FUNCIN CARACTERSTICA
La funcin caracterstica de la distribucin de probabilidad de una variable aleatoria x se define
como :
As pues se trata de una funcin parmetrizada sobre una variable real auxiliar t que queda
definida como el valor esperado o esperanza de la funcin compleja exp ( itx ) en donde i es la
unidad imaginaria
Propiedades
1. Al estar definida sobre el plano complejo existir siempre
2. En virtud del teorema de inversin de Fourier la funcin caracterstica define
unvocamente la distribucin, de ah su nombre de funcin caracterstica , permitiendo la
obtencin unvoca de la funcin de densidad o de cuanta segn las expresiones:
3. Derivando sucesivamente la Funcin caracterstica en el punto t = 0 se generan los

sucesivos momentos ordinarios de los distintos rdenes segn la expresin:
11
de forma anloga a como ocurre e el caso de la funcin

generatriz de momentos.
TEOREMA DE LOS MOMETOS MOMENTOS

La derivada r-sima de la F.G.M en el punto t=0 coincide con el momento ordinario de orden r de
la distribucin.
en efecto, si desarrollamos en serie la funcin exponencial tendremos:
aplicndolo a z = tx, tendremos:
y por lo tanto la F.G.M. puede expresarse como:
y de esta forma las sucesivas derivadas quedaran como:
12
y por ltimo calculando estas derivadas en el punto t= 0 es facil ver que:
13

Funcion Caracteristica

Cargado por

Copyright:

Formatos disponibles

Funcion Caracteristica

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Funcion Caracteristica

Cargado por

Copyright:

Formatos disponibles

VARIABLE ALEATORIA

DISTRIBUCIN DE PROBABILIDAD. PROBABILIDAD INDUCIDA.

VARIABLE ALEATORIA DISCRETA:

J.lejarza & I.Lejarza

Una variable aleatoria discreta es aquella cuya funcin de distribucin es escalonada.

VARIABLE ALEATORIA CONTINUA .

J.lejarza & I.Lejarza

Una variable aleatoria continua es aquella cuya funcin de distribucin es continua.

DISTRIBUCIN DE PROBABILIDAD. PROBABILIDAD INDUCIDA.

J.lejarza & I.Lejarza

J.lejarza & I.Lejarza

Funcin de distribucin en distribuciones de variable discreta:

Puede observarse que:

Funcin de distribucin en una distribucin de variable continua.

J.lejarza & I.Lejarza

Podemos observar cmo:

Tiene un perfil similar al del POLGONO ACUMULATIVO de una distribucin de frecuencias

Funcin de densidad (distribuciones continuas)

J.lejarza & I.Lejarza

Densidad media de probabilidad en [a,b]

D.M.P ([x,x+dx]) =lim x 0 [ ] = =F'(x)

J.lejarza & I.Lejarza

1. La funcin de densidad es "no negativa " para todo valor de x:

4. P( a X b) =P( a <X b ) =P( a X <b) =P(a < X <b) =

J.lejarza & I.Lejarza

ESPERANZA DE UNA VARIABLE ALEATORIA

La esperanza de la variable aleatoria coincide con el centro de gravedad de su distribucin de

J.lejarza & I.Lejarza

Como en el caso de la estadstica descriptiva la varianza es el principal indicador de dispersin de

FUNCIN GENERATIZ DE MOMENTOS

J.lejarza & I.Lejarza

2. Cuando existe, caracterza unvocamente la distribucin de probabilidad , anlogamente a

propiedad especialmente importante para comprobar la

3. Derivando sucesivamente la Funcin caracterstica en el punto t = 0 se generan los

J.lejarza & I.Lejarza

de forma anloga a como ocurre e el caso de la funcin

TEOREMA DE LOS MOMETOS MOMENTOS

en efecto, si desarrollamos en serie la funcin exponencial tendremos:

aplicndolo a z = tx, tendremos:

y por lo tanto la F.G.M. puede expresarse como:

y de esta forma las sucesivas derivadas quedaran como:

J.lejarza & I.Lejarza

y por ltimo calculando estas derivadas en el punto t= 0 es facil ver que:

J.lejarza & I.Lejarza

También podría gustarte