📈
Probabilidad y Estadistica (C)
  • Apunte de Probabilidad y Estadística para Computación
  • Axiomas y definiciones
  • Variables Aleatorias Discretas
    • Definiciones
    • Distribuciones
    • Demostraciones
  • Variables Aleatorias Continuas
    • Definiciones
    • Distribuciones
    • Demostraciones
  • Función Generadora de Momentos
  • Generación de Números Aleatorios
  • Vectores Aleatorios
    • Vectores Aleatorios
    • Suma de variables
    • Demostraciones
  • Estadística
    • Estimación puntual
    • Intervalos de confianza
    • Ejemplos de intervalos de confianza
    • Test de Hipótesis
Con tecnología de GitBook
En esta página
  • Función de probabilidad puntual o de masa
  • Función de distribución acumulada
  • Esperanza
  • Varianza

¿Te fue útil?

  1. Variables Aleatorias Discretas

Definiciones

Una variable aleatoria X es una función que asocia a cada elemento de w∈Sw \in Sw∈Sun número real X(w)=xX(w) = xX(w)=x, es decir X:S→ℜX : S \to \ReX:S→ℜ

Rango: Indicaremos con RXR_XRX​ el rango de la v.a. X, es decir el conjunto de valores posibles de la v.a. X.

Una v.a. es discreta si toma un número finito o infinito numerable de valores.

Función de probabilidad puntual o de masa

pX(x)=P(X=x)=P(w∈S∣X(w)=x)p_X(x) = P(X = x) = P({w \in S | X(w) = x})pX​(x)=P(X=x)=P(w∈S∣X(w)=x)

Función de distribución acumulada

FX(x)=P(X≤x)=∑y≤x,y∈RXpX(y)F_X(x) = P(X \leq x) = \sum_{y \leq x, y \in R_X} p_X(y)FX​(x)=P(X≤x)=∑y≤x,y∈RX​​pX​(y)

Notar que es una función monótona no decreciente, escalonada y continua a derecha.

Esperanza

E(X)=∑x∈RXx⋅pX(x)E(X) = \sum_{x \in R_X} x \cdot p_X(x)E(X)=∑x∈RX​​x⋅pX​(x)

si ∑x∈RX∣x∣⋅pX(x)<∞\sum_{x \in R_X} |x| \cdot p_X(x) < \infty∑x∈RX​​∣x∣⋅pX​(x)<∞. Sino, decimos que no existe.

La esperanza es el centro de gravedad de la función de probabilidad puntual.

Esperanza de una función

E(h(X))=∑x∈RXh(x)⋅pX(x)E(h(X)) = \sum_{x \in R_X} h(x) \cdot p_X(x)E(h(X))=∑x∈RX​​h(x)⋅pX​(x)

si ∑x∈RX∣h(x)∣⋅pX(x)<∞\sum_{x \in R_X} |h(x)| \cdot p_X(x) < \infty∑x∈RX​​∣h(x)∣⋅pX​(x)<∞. Sino, decimos que no existe.

Linealidad

Si a,b∈ℜa,b \in \Rea,b∈ℜ, entonces E(aX+b)=aE(X)+bE(aX+b) = aE(X) + bE(aX+b)=aE(X)+b

Varianza

V(X)=E((X−E(X))2)V(X) = E((X - E(X))^2)V(X)=E((X−E(X))2)

y el desvío estándar es V(X)\sqrt{V(X)}V(X)​

Propiedades

  • V(X)=E(X2)−E(X)2V(X) = E(X^2) - E(X)^2V(X)=E(X2)−E(X)2

  • V(aX+b)=a2V(X)V(aX+b) = a^2V(X)V(aX+b)=a2V(X)

AnteriorAxiomas y definicionesSiguienteDistribuciones

Última actualización hace 3 años

¿Te fue útil?