Taller7 Samuel Coronado

UNIVERSIDAD EXTERNADO DE COLOMBIA
ESPECIALIZACIÓN EN ECONOMETRÍA
ESTADÍSTICA Y PROBABILIDAD
DESARROLLO TALLER 7
PRÁCTICA DE VARIABLES ALEATORIAS
Estudiante: Samuel Andrés Coronado Cobos
1. Describa qué es una variable aleatoria:

Una variable aleatoria puede concebirse como un valor numérico que está
afectado por el azar. Dada una variable aleatoria no es posible conocer con
certeza el valor que tomará esta al ser medida o determinada, aunque sí se
conoce que existe una distribución de probabilidad asociada al conjunto de valores
posibles. Por ejemplo, en una epidemia de cólera, se sabe que una persona
cualquiera puede enfermar o no (suceso), pero no se sabe cuál de los dos
sucesos va a ocurrir. Solamente se puede decir que existe una probabilidad de
que la persona enferme.
Para trabajar de manera sólida con variables aleatorias en general es necesario
considerar un gran número de experimentos aleatorios, para su tratamiento
estadístico, cuantificar los resultados de modo que se asigne un número real a
cada uno de los resultados posibles del experimento. De este modo se establece
una relación funcional entre elementos del espacio muestral asociado al
experimento y números reales.
2. Describa las características de una variable aleatoria discreta y de la

función de probabilidad:
Una variable aleatoria discreta se considera así cuando los valores que asume se
pueden contar y estos se pueden organizarse en una secuencia al igual que los
números enteros positivos. Solo podrá asumir un numero finito de valores o
infinitos numerables.
Ejemplo 1 (numero finito): Llamadas telefónicas recibidas por una Compañía en un
día determinado Sea X: Numero de llamadas ( X∈{0,1,2,3,...,n}, n: conocido)
Ejemplo 2 ( infinito numerable): Lanzar una moneda hasta que salga cara por
primera vez Sea X: Numero de sellos ( X∈{0,1,2,3,...} )
La función de probabilidad hace referencia a la probabilidad de que la variable
aleatoria tome todos los valores de X y tiene las características:
F(x) debe ser mayor o igual a cero y la sumatoria de F(x) es igual a 1.
F(x) ≥ 0
∑i f(xi) = 1
3. Describa las características de una variable aleatoria continua, la

función de densidad, la función de distribución acumulada.
Se da, cuando puede asumir cualquier valor dentro de un intervalo o en una unión
de intervalos. Como ejemplo se podría considerar cualquier resultado en cuanto
de medición al ancho, longitud de una cosa, así como a tiempo en la realización
de una tarea; en estos casos las variables admiten fracciones, en síntesis, las
variables aleatorias continuas miden cosas.
La función de densidad describe la probabilidad relativa de una variable aleatoria
cuando está última toma un valor determinado y el área bajo la curva representa
las probabilidades.
Propiedades de una función de densidad: f(x) nunca es negativa y la integral de
f(x) es igual a 1
f(x) ≥ 0
⨜f(x) dx = 1
La función de distribución acumulada suma las probabilidades de cada valor de la
variable aleatoria, esta toma valores entre 0 y 1 y siempre es creciente. Es decir,
tiene en cuenta toda el área desde el inicio hasta el valor que toma x.
Propiedades:
Los valores de F(x) se encuentran siempre en este intervalo: 0 ≤ F(x) ≤ 1.
F(x) no es una función decreciente.
4. Describa qué es la función generadora de momentos, cálculo,

propiedades y usos
La función generadora de momentos es una forma alterna de proporcionar la

función de probabilidad de una variable aleatoria y a su vez hallar cada uno de los
momentos asociados a dicha variable.
Calculo:
Si E(Xk) existe entonces E(Xj) con j<k también existe,
El calculo del k‐esimo momento podria ser tedioso muchas veces y para
simplificarlo se introduce la funcion generatriz de momentos.
Se calcula a través de la k-ésima derivada de m(t), sabiendo que

Mx(t) = E(ext)
Entonces
PROPIEDADES DE LA FUNCIÓN GENERATRIZ DE MOMENTOS
1)
No siempre se puede garantizar su existencia, aunque para la mayoría de las
distribuciones de probabilidad de uso habitual sí existe.
2)
La importancia de la función generadora de momentos radica en el hecho de que
ella es única y determina completamente la distribución de una variable aleatoria,
esto es, si dos variables aleatorias tienen una misma función Generatriz de
momentos, deben tener igual distribución.
La demostración de esta propiedad omitida en esta ocasion se basa en la unidad
que existe entre la función generadora de momentos y la función de distribución.
3)
La existencia de la función generatriz de momentos para -b<t<b, donde b es
número positivo, garantiza la existencia de las derivadas de cualquier orden
en t=0 por ende se pueden hallar cada uno de los momentos de la variable la
función existe si hay una constante positiva b, por lo tanto, m(t) es finita para |t| ≤
b.Todos los momentos de x son finitos
Mx(t) = ⨜ etx f(x) dx = ⨜(1 + tx + t2x2/2! + … ) f(x) dx
USO DE LA FUNCIÓN GENERATRIZ DE MOMENTOS
La función generadora de momentos no solo es usada en los momentos de una

variable aleatoria. Frecuentemente en estadística se presenta la necesidad de
deducir la distribución de probabilidad de una función de una o mas variables. Es

decir si se conoce la distribución de una variable aleatoria, y se tiene otra que es
función de la anterior, se podría deducir la distribución de dicha variable. Este es
uno de los campos donde la función generadora de momentos se aplica y es muy
útil a la hora de deducir distribuciones de semas de variables independientes.
EJEMPLO:
Los errores mensuales en la entrega de un producto tienen como función de
cuantía la variable x con Función Generatriz de Momentos para

x ≥0. Calcular la esperanza de la función de gastos inducidos cuya expresión
es
Así .
También :
Por lo que :
5. Describa las propiedades de linealidad del operador valor esperado

𝐸( . . . )
El valor esperado es el promedio de los valores que toma la variable

aleatoria cada vez que se repite el experimento.
Propiedades:
1) E(c) = c la esperanza de la variable aleatoria constante (c) es la

constante misma
2) E(cX) = cE(X) la esperanza de la variable aleatoria constante (c) por
una variable aleatoria (x) es la constante (c) por la esperanza de (x) o
E(x)
3) Si x≥0 entonces E(x)≥0 la esperanza de una variable aleatoria no

negativa es no negativa
4) E(X+Y) = E(X) + E(Y) la esperanza separa suma
5) Si (X) y (Y) son independientes entonces E(XY) = E(X) * E(Y) quiere
decir que la esperanza del producto es igual al producto de las
esperanzas
6. Si 𝑋 es una variable aleatoria, 𝑎, 𝑏 constantes, utilice las propiedades

del valor esperado para demostrar que 𝑉(𝑎𝑋 + 𝑏) = 𝑎2𝑉(𝑋)
V(aX+B)
E[(aX+b – E(aX+b))^2]
a*E(aX+b)2 – [E(aX+b)]2
a2*σX2
a2V[X]
7. Describa las características de una variable aleatoria binomial.
Una variable aleatoria binomial tiene una probabilidad constante, se definen solo
dos casos: éxito o fracaso y cada prueba es independiente.
8. Se encuentra desarrollado en R
9. Literal g compare y comente las características de los histogramas

generados en los literales e y f. (gráficos generados en el script en R)
De acuerdo con las gráficas de los puntos e y f, el histograma de la muestra de

1000 observaciones tiene una distribución asimétrica con sesgo positivo debido a
que las probabilidades en esa parte están más dispersas hacia la derecha,
mientras que el histograma de las 5000 medias tiene una forma de una
distribución simétrica, tiene forma de campana y las probabilidades más altas se
encuentran en el centro.
10. Describa las características de una variable aleatoria normal.
Su propio nombre indica su extendida utilización, justificada por la frecuencia o

normalidad con la que ciertos fenómenos tienden a parecerse en su
comportamiento a esta distribución.
Una variable aleatoria normal es aquella que tiene una distribución simétrica, por
lo que presenta forma de campana y cuyos parámetros son: media = 0 y
desviación = 1. Su variable aleatoria asociada tiene el siguiente rango: -∞ < x < ∞.
Por otra parte, se puede calcular la probabilidad de que los valores ocurran entre
ciertos rangos y la media, la mediana y la moda son iguales.
En resumen, la importancia de la distribución normal se debe principalmente a que

hay muchas variables asociadas a fenómenos naturales que siguen el modelo de
la normal
 Caracteres morfológicos de individuos (personas, animales, plantas, ...) de

una especie, por ejemplo: m. tallas, pesos, envergaduras, diámetros,
perímetros, ...
 Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un
fármaco, o de una misma cantidad de abono.
 Caracteres sociológicos, por ejemplo: consumo de cierto producto por un
mismo grupo de individuos, puntuaciones de examen.
 Caracteres psicológicos, por ejemplo: cociente intelectual, grado de
adaptación a un medio, ...
 Errores cometidos al medir ciertas magnitudes.
 Valores estadísticos muestrales, por ejemplo: la media.
 Otras distribuciones como la binomial o la de Poisson son aproximaciones
normales, ...
Y en general cualquier característica que se obtenga como suma de muchos

factores.
11. Literal e compare y comente las características de los histogramas

generados en los literales c y d (gráficos generados en el script de R)
Tomando como referencia las gráficas de los puntos c y d se observa que todas
son simétricas, independiente de si el histograma se realiza sobre las
observaciones, sobre la media o las desviaciones; esto es debido a que es una
característica propia de la distribución normal.

Taller7 Samuel Coronado

Cargado por

Copyright:

Formatos disponibles

Taller7 Samuel Coronado

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

Taller7 Samuel Coronado

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD EXTERNADO DE COLOMBIA

Estudiante: Samuel Andrés Coronado Cobos

1. Describa qué es una variable aleatoria:

2. Describa las características de una variable aleatoria discreta y de la

3. Describa las características de una variable aleatoria continua, la

4. Describa qué es la función generadora de momentos, cálculo,

La función generadora de momentos es una forma alterna de proporcionar la

Se calcula a través de la k-ésima derivada de m(t), sabiendo que

PROPIEDADES DE LA FUNCIÓN GENERATRIZ DE MOMENTOS

USO DE LA FUNCIÓN GENERATRIZ DE MOMENTOS

La función generadora de momentos no solo es usada en los momentos de una

deducir la distribución de probabilidad de una función de una o mas variables. Es

cuantía la variable x con Función Generatriz de Momentos para

Por lo que :

5. Describa las propiedades de linealidad del operador valor esperado

El valor esperado es el promedio de los valores que toma la variable

1) E(c) = c la esperanza de la variable aleatoria constante (c) es la

3) Si x≥0 entonces E(x)≥0 la esperanza de una variable aleatoria no

6. Si 𝑋 es una variable aleatoria, 𝑎, 𝑏 constantes, utilice las propiedades

7. Describa las características de una variable aleatoria binomial.

9. Literal g compare y comente las características de los histogramas

De acuerdo con las gráficas de los puntos e y f, el histograma de la muestra de

10. Describa las características de una variable aleatoria normal.

Su propio nombre indica su extendida utilización, justificada por la frecuencia o

En resumen, la importancia de la distribución normal se debe principalmente a que

 Caracteres morfológicos de individuos (personas, animales, plantas, ...) de

Y en general cualquier característica que se obtenga como suma de muchos

11. Literal e compare y comente las características de los histogramas

También podría gustarte