Sesión 5 - Variables Aleatorias Continuas

Variables Aleatorias Continuas
Sesión 5
Natalia Pacheco Carvajal

correo: n.pacheco10@uniandes.edu.co
Asistente graduado: David González

correo: ds.gonzalezp1@uniandes.edu.co
Plan de la Sesión
1. Revisar algunas estadísticas de los resultados del quiz de Learning Catalytics

2. Variables aleatorias, definición y propiedades
3. Variables aleatorias continuas:
i. Función de densidad de probabilidad (fdp)
ii. Función de distribución acumulada
iii. Definición de valor esperado y propiedades
iv. Definición de varianza y desviación estándar, y propiedades
4. Ejercicios
Variables Aleatorias (VA)
Variable Aleatoria
Notación:
Función que asocia un número real a cada elemento
Variable Aleatoria: X
de espacio muestral de un experimento aleatorio.
Cada elemento: 𝑥
VA discreta VA continua
Cuando se puede contar el Cuando puede tomar valores en una
conjunto de resultados posibles. escala continua. Generalmente se
Generalmente se puede puede representar datos medidos.
representar datos por conteo.
Ejemplos:
Ejemplos: • Peso
• # Artículos defectuosos • Temperaturas
• # estudiantes que les gusta el • Alturas
chocolate. • Distancias
• Precio acción sube (si = 1, no = 0)
Función de densidad de probabilidad (fdp)
Corresponde a la concentración de probabilidad de la variable aleatoria en cada valor de su rango.
𝑑
𝑃 𝑐 ≤ 𝑋 ≤ 𝑑 = න 𝑓𝑋 (𝑋)𝑑𝑥
𝑐
Se construye de manera que el área bajo su curva limitada por el eje x sea igual a 1, en el rago de la variable
aleatoria X para el que está definida 𝑓𝑋 (𝑋).
Definición: La función 𝑓𝑋(𝑥) es una función de densidad de probabilidad (fdp) para la variable aleatoria
continua X, definida en el conjunto de números reales, si :
1. 𝑓𝑋 𝑥 ≥ 0 , 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑥 𝜖 𝑅.
∞
2. ‫׬‬−∞ 𝑓𝑋 𝑥 𝑑𝑥 = 1
𝑏
3. 𝑃 𝑎 < 𝑋 < 𝑏 = ‫𝑥𝑑)𝑋( 𝑋𝑓 𝑎׬‬
Función de distribución acumulada: La probabilidad de que X sea menor o igual a un valor específico.
𝑥
𝐹𝑥 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓𝑋 (𝑡)𝑑𝑡
−∞
0 𝑥≤0
𝐹𝑥 𝑥 = ቐ𝑓𝑥 𝑥 0≤ 𝑥<1
1 𝑥>1
Anotaciones importantes:
𝜕𝐹𝑥 𝑥
1. = 𝑓𝑥 𝑋 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑥 ∈ 𝑅 𝑋
𝜕𝑥
2. Una VA continua tiene probabilidad de 0 de tomar un valor específico exacto.

Gráficamente
Tomado de: Probabilidad y estadística 1 Unificada. Actividades después de clase -Presentación de la Sesión 5 disponible en la plataforma de
Bloque Neón.
Ejercicio 1
Consideremos una variable aleatoria X cuya función de densidad de probabilidad está dada por:
𝑥
𝑓𝑋 𝑥 = 0≤𝑥≤2
2
a. Graficar la función de densidad de probabilidad (fdp) de X.

b. Hallar la función de distribución acumulada FX(x).
c. Grafica al función de distribución acumulada FX(x).
d. Hallar las siguientes probabilidades: 𝑃 𝑥 ≤ 1.5 , 𝑃 𝑥 = 1.3 , 𝑃(𝑥 ≥ 0.5)
Ejercicio 2
Una empresa dedicada al desarrollo de software especializado se encuentra analizando el tiempo que
tarda la unidad central de procesamiento (tiempo de CPU) en procesar las instrucciones de un nuevo
software. La empresa ha estimado que el tiempo de CPU para dicho software, en minutos, se puede
modelar como una variable aleatoria 𝑋 con la siguiente función de densidad de probabilidad:
4 3
𝑥 , 0≤𝑥<1
5
𝑓𝑋 𝑥 = 4
, 1≤𝑥<2
5
0, 𝑑. 𝑙. 𝑐
a. Graficar la función de densidad de probabilidad (fdp) de X.

b. Hallar la función de distribución acumulada FX(x).
c. Calcule la probabilidad de que el tiempo de CPU requerido para el nuevo
software esté entre 0.4 y 1.6 minutos.
Valor esperado
Definición: Medida de tendencia central de una variable. Propiedades:

𝐸 𝑘 =𝑘
𝐸 𝑘𝑋 = 𝑘𝐸 𝑋
𝐸 𝑋 = 𝜇𝑋 = න 𝑥 ∗ 𝑓𝑋 𝑥 𝑑𝑥 𝐸 𝑎𝑋 + 𝑏 = 𝐸 𝑎𝑋 + 𝐸 𝑏 = 𝑎𝐸[𝑋]
𝑅(𝑋)
𝑑𝑜𝑛𝑑𝑒 𝑘, 𝑎 𝑦 𝑏 𝑠𝑜𝑛 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠.
Ejercicios
(retomemos los mismos ejercicios) Hallar 𝐸 𝑋 𝑦 𝐸 𝑋 2 de las siguientes funciones de densidad de
probabilidad:
4 3
𝑥 , 0≤𝑥<1
𝑥 5
1. 𝑓𝑋 𝑥 = 0≤𝑥≤2 2. 𝑓𝑋 𝑥 = 4
2 , 1 ≤𝑥<2
5
0, 𝑑. 𝑙. 𝑐
Varianza y desviación estándar
Definición: Es una medida sobre el grado de dispersión de la variable. Es decir, que tan concentrados
están los valores alrededor de la media. (Nota: 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 2 )
𝑉𝑎𝑟 𝑋 = 𝜎𝑋2
𝑉𝑎𝑟 𝑋 = 𝐸[ 𝑋 − 𝜇𝑥 2 ] = න 𝑥 − 𝜇𝑥 2
∗ 𝑓𝑋 𝑥 𝑑𝑥
𝑅(𝑋)
𝑉𝑎𝑟 𝑋 = 𝐸 𝑥 2 − 𝐸 𝑥 2
Desviación estándar:
2
𝜎= 𝑉𝑎𝑟 𝑋
Algunas propiedades importantes:

𝑉𝑎𝑟 𝑘 = 0
𝑉𝑎𝑟 𝑘𝑋 = 𝑘 2 𝑉𝑎𝑟 𝑋
𝑉𝑎𝑟 𝑋 ± 𝑌 = 𝑉𝑎𝑟 𝑋 + 𝑉𝑎𝑟 𝑌 → 𝐼𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝑉𝑎𝑟 𝑎𝑋 ± 𝑏𝑌 ± 𝑐 = 𝑎2 𝑉𝑎𝑟 𝑋 + 𝑏 2 𝑉𝑎𝑟 𝑌 − 2𝑎𝑏𝐶𝑜𝑣(𝑋, 𝑌)
𝑉𝑎𝑟[aX + b] = Var[aX] + Var[b] 𝑑𝑜𝑛𝑑𝑒 𝑘, 𝑎 𝑦 𝑏 𝑠𝑜𝑛 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠.
Otros ejercicios
(Punto 3 del banco de problemas) En una carrera de autos se sabe que el tiempo que tardan los competidores
hasta llegar a la meta se puede representar como una variable aleatoria 𝑋 con la siguiente función de densidad
de probabilidad:
𝑥2, 0<𝑥<1
𝑘, 1 ≤ 𝑥 < 4/3
𝑓 𝑥 =
3 − 3/2𝑥, 4/3 ≤ 𝑥 < 2
0 𝑑. 𝑙. 𝑐
¿Cuál es el valor de la constante 𝑘 que garantiza que la función de densidad de probabilidad de la variable
aleatoria 𝑋 se encuentre correctamente definida?

Sesión 5 - Variables Aleatorias Continuas

Cargado por

Copyright:

Formatos disponibles

Sesión 5 - Variables Aleatorias Continuas

Cargado por

Información del documento

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

Sesión 5 - Variables Aleatorias Continuas

Cargado por

Copyright:

Formatos disponibles

Variables Aleatorias Continuas

Natalia Pacheco Carvajal

Asistente graduado: David González

1. Revisar algunas estadísticas de los resultados del quiz de Learning Catalytics

2. Una VA continua tiene probabilidad de 0 de tomar un valor específico exacto.

a. Graficar la función de densidad de probabilidad (fdp) de X.

a. Graficar la función de densidad de probabilidad (fdp) de X.

Definición: Medida de tendencia central de una variable. Propiedades:

Algunas propiedades importantes:

También podría gustarte