Variables Aleatorias y Distribuciones de Probabilidad: Conceptos Clave
Enviado por Programa Chuletas y clasificado en Matemáticas
Escrito el en español con un tamaño de 5,17 KB
T3.- Variable Aleatoria
Una variable aleatoria (v.a.) es una función del conjunto de los resultados de un experimento aleatorio en el cuerpo de los números reales.
- Variable discreta: la que su conjunto imagen es un subconjunto de R finito o infinito numerable, representan datos obtenidos por recuento.
- Variable continua: aquella en la que su conjunto imagen es uno o más intervalos de R, surgen en conexión con datos de medida.
Función de Probabilidad de una Variable Aleatoria
Función que asigna una probabilidad a cada realización x de la variable aleatoria X.
- Función de probabilidad de una v.a. discreta: X x1 x2….xn y P p1 p2 ….pn tal que pi=P(X=xi)>=0, para todo i=1,2,…n y p1+p2+…+pn=1
- Función de probabilidad de una v.a. continua: Función f(x), llamada función de densidad (de probabilidad), tal que f(x)>=0, ∫-∞+∞ f(x)dx=1.
Función de distribución de una v.a continua: Función F(x) dada por F(x)=P(X≤x)=∫-∞x f(x)dx, puesto que para una v.a continua X se tiene que P(X=x)=0, entonces F(x)=P(X≤x)=P(X<x). Esta función verifica las siguientes propiedades:
- F(-∞)=0
- F(+∞)=1
- P(a<X≤b)=F(b)-F(a)
Distribuciones de Probabilidad Importantes
Distribución Binomial
Experimento de Bernoulli: Experimento aleatorio con 2 resultados posibles: éxito y fracaso, con probabilidades respectivas p y q = 1-p.
Función de probabilidad de X:
- Probabilidad de obtener en n ensayos independientes, r éxitos consecutivos seguidos de n-r fracasos consecutivos.
- Probabilidad de obtener r éxitos y n-r fracasos en n ensayos independientes
- Nº de formas posibles de obtener r éxitos y n-r fracasos en n ensayos.
De todas estas posibilidades se deduce que P(X=r)=(nCr) * p^r * q^(n-r) siendo r=0,1,…,n.
Características:
- Media o esperanza matemática: E(X)=np
- Varianza: V(X)=npq
- Reproducibilidad: Si X e Y son 2 v.a independientes con distribuciones respectivas B(n1,p) y B(n2,p), entonces X+Y->B(n1+n2,p)
Distribución de Poisson
X: nº de sucesos independientes que ocurren a velocidad constante en el tiempo o en el espacio, se emplea para aproximar la función de probabilidad binomial cuando n es grande y p pequeña. Función de probabilidad de X P(X=r)=e-λ * (λ^r / r!)
Características:
- Media o esperanza matemática: E(X)=λ
- Varianza: V(X)=λ
- Reproducibilidad: X+Y->P(λ1+λ2)
Distribución Hipergeométrica
De una población finita con N objetos, k de un tipo y N-k de otro, se seleccionan n de estos. X: nº de objetos, entre los seleccionados, del primer tipo-> H(N,n,k)
Características de la distribución binomial:
- Media o esperanza matemática E(X)=(nk/N)
- Varianza V(X)= [(N-n)/(N-1)]*[(nk(N-K))/ N^2]
- Si n/N<0.1, la distribución H(N,n,k) se aproxima a una B(n,p) con p=k/N.
Distribución Normal
Distribución de variable aleatoria continua. Una v.a X se encuentra normalmente distribuida con parámetros μ y σ (X~N(μ,σ)); Y=aX+b => Y~N(aμ+b,|a|σ)
- La combinación lineal de v.a normales e independientes tiene distribución normal.
- Teorema central del límite: Sean X1,X2,..Xn n v.a independientes e idénticamente distribuidas con una distribución de probabilidad no especificada y con una media μ y una desviación típica σ. Entonces la v.a X1+X2+..+Xn tiene una distribución con media nμ y desviación típica σ√n que tiende hacia una distribución normal conforme n tiende a ∞.
Aplicación teorema de Moivre: si X es una v.a con distribución B(n,p), entonces [(X-np)/√(npq)]~N(0,1)
Distribuciones Asociadas a la Distribución Normal, Distribución χ² de Pearson
Si X1,X2,…Xn son v.a. i.i.d con distribución N(0,1), entonces la v.a Y=X1²+X2²+…+Xn²
Características:
- Media o esperanza matemática: E(Y)=n
- Varianza: V(Y)=2n
Distribución t de Student
Si X1 y X2 son dos v.a independientes tales que X1~N(0,1) y X2~χ²(n), entonces la v.a. Y=[(X1/√(X2/n)]
Características de la distribución t:
- Esperanza matemática o media: E(Y)=0
- Varianza V(Y)=n/(n-2)
- La distribución t con n grados de libertad se aproxima a una distribución N(0,1) conforme n crece.
Distribución Exponencial
Si una v.a Y definida "Numero de ocurrencias de un suceso en el tiempo" sigue una distribución de Poisson de parámetro λ, entonces la v.a X="tiempo transcurrido entre dos ocurrencias consecutivas del suceso" sigue una distribución exponencial de parámetro λ (X~Exp(λ)).
Función de densidad de X f(x)={ λe^(-λx), x>0; 0, x≤0}
Características:
- Media o esperanza matemática E(X)=1/λ
- Varianza: V(X)=1/λ²