Variables aleatorias: masa, densidad, esperanza y varianza · Probabilidad y procesos: del azar al ruido · CO.DE Academy
Lección 2 de 9· Matemáticas
Variables aleatorias: masa, densidad, esperanza y varianza
0 de 9 lecciones · 0 %
01 / 03
En los videos
2.1 La variable aleatoria: los tres paneles solares y el número de paneles vivos; la función de masa de los bits erróneos, la escalera de la acumulada y el percentil 99 de un tiempo de respuesta.
2.2 La densidad: el histograma del retardo de cola que se vuelve curva, el área 0.5702 entre 4 y 9 ms, la fase uniforme, la vida útil exponencial y el cambio de variable de voltios a grados.
2.3 Esperanza y varianza: la esperanza como punto de apoyo, dos antenas con el mismo error medio y distinta dispersión, la linealidad y la cota de Chebyshev.
Un número para cada resultado
Una alarma es una etiqueta; un paquete con tres bits erróneos es un número, y con números se puede promediar, comparar con un umbral y meter en una ecuación de enlace. Una variable aleatoria es una función X:Ω→R que asigna un número a cada resultado del experimento. Con los tres paneles solares del video 2.1, cada panel funciona o falla: hay 23=8 resultados, y X = «número de paneles que funcionan» toma los valores 0, 1, 2 y 3 con 1, 3, 3 y 1 resultados respectivamente.
Variables discretas: la función de masa y la acumulada
Si X toma valores aislados, su ley es la función de masap(k)=P(X=k), con p(k)≥0 y ∑kp(k)=1. Para los bits erróneos de un paquete de 4 bits con probabilidad de error 0.1 por bit (lección 3 deducirá la fórmula):
p(0)=0.94=0.6561,p(1)=4⋅0.1⋅0.93=0.2916.
La función de distribución acumuladaF(x)=P(X≤x) sirve para cualquier variable, discreta o continua. Es creciente, va de 0 a 1 y para un intervalo semiabierto da
P(a<X≤b)=F(b)−F(a).
Con un paquete de 10 bits: F(1)=0.7361, F(3)=0.9872 y la probabilidad de más de un error pero no más de tres es 0.9872−0.7361=0.2511.
Variables continuas: la densidad
Un retardo puede valer cualquier número real. Si se hace el histograma de veinte mil retardos simulados y se normaliza (altura = frecuencia / ancho de barra, para que el área total sea 1), al afinar las barras la silueta converge a una curva: la densidadf(x). La probabilidad es un área:
P(a<X≤b)=∫abf(x)dx=F(b)−F(a),F′(x)=f(x).
Dos consecuencias que sorprenden al principio: f(x) puede ser mayor que 1 (es probabilidad por unidad dex), y cualquier punto aislado tiene probabilidad cero.
Ejemplo resuelto (video 2.2.2). El retardo de cola se modela como una Gamma de forma 4 y escala 1.5 ms (media 6 ms). Para forma entera k su acumulada es F(x)=1−e−z∑j<kzj/j! con z=x/1.5:
y P(4<X≤9)=0.5702, lo mismo que da integrar la densidad con trapecios.
Dos densidades canónicas. La fase de una portadora sin referencia es uniforme en [0,2π): altura 1/2π=0.1592. La vida útil de un componente sin desgaste es exponencial, f(t)=λe−λt; con λ=0.25 por año su vida media es 1/λ=4 años y vivir más de esa media tiene probabilidad e−1=0.37.
Cuantiles
Leer la acumulada al revés: el cuantil de nivel q es el valor xq con F(xq)=q. Para un tiempo de respuesta exponencial de media 2 s, 1−e−x/2=q da xq=−2ln(1−q): la mediana es 1.39 s, el percentil 90 es 4.61 s y el percentil 99 es 9.21 s. Un requisito de «responder en menos de 5 s» se cumple el 92 % de las veces, aunque el promedio sea 2 s. En operaciones conviene mirar la cola, no solo la media.
Cambio de variable lineal, deducido
Un sensor entrega una tensión X∈[0,3] V y la temperatura se calcula como T=50X−20. Deducción. Para a>0, FT(t)=P(aX+b≤t)=FX(at−b). Derivando con la regla de la cadena,
fT(t)=a1fX(at−b).■
Estirar el eje 50 veces multiplicaría el área por 50; dividir la altura entre 50 la devuelve a 1. Restar 20 solo traslada.
Esperanza y varianza
La esperanza es el promedio ponderado: E[X]=∑kkp(k) o ∫xf(x)dx. Físicamente es el punto donde una regla con esos pesos se equilibra. Para los bits erróneos de un paquete de 10 con p=0.1, E[X]=1, y doscientos mil paquetes simulados dan 1.0007.
La media no lo dice todo: dos antenas pueden tener el mismo error medio de apuntado y una agruparse mucho más que la otra. La varianza pesa las desviaciones al cuadrado,
VarX=E[(X−μ)2]=E[X2]−μ2,
y su raíz σ tiene las unidades de X. En el video 2.3, la antena A tiene σ=0.60∘ y la B, 1.37∘.
Linealidad, deducida. Por la linealidad de la suma (o de la integral), E[aX+b]=aE[X]+b. Entonces
Var(aX+b)=E[(aX+b−aμ−b)2]=a2E[(X−μ)2]=a2VarX.■
Con la tensión del video (μ=2.5 V, σ=0.392 V) y T=40V−40: E[T]=60∘C y σT=40⋅0.392=15.68∘C. Sumar una constante no cambia la dispersión.
La desigualdad de Chebyshev, demostrada
Con solo μ y σ ya se puede acotar la cola. Paso 1 (Markov): si Y≥0, E[Y]≥∫c∞yf(y)dy≥cP(Y≥c), luego P(Y≥c)≤E[Y]/c. Paso 2: aplicado a Y=(X−μ)2 con c=k2σ2,
P(∣X−μ∣≥kσ)≤k2σ2E[(X−μ)2]=k21.■
Con k=2 la cota es 0.25; la exponencial de media 1 deja en realidad 0.0498 y la normal, 0.0455. Con k=3: cota 0.111, reales 0.0183 y 0.0027. Vale para todas las distribuciones, y por eso es floja.
Una variable tiene media 6 ms y desviación 3 ms. Sin saber nada más, ¿qué se puede asegurar sobre P(∣X−6∣≥9)?
El laboratorio
Elige una de las cinco variables del satélite. En la densidad arrastra los bordes a y b: la lectura compara F(b)−F(a) con el área medida por trapecios. En la acumulada arrastra en vertical para elegir el nivel y leer el cuantil. El triángulo verde es la esperanza, y la banda μ±kσ pone a prueba a Chebyshev.
Playground · python
1 de 8
Qué deja fuera este modelo
Modelos declarados, no medidos. La Gamma del retardo, la exponencial sin desgaste y la fase uniforme son elecciones razonables, no leyes. Un componente real envejece (su tasa de falla crece) y una cola de red tiene ráfagas que una Gamma no captura.
Variables que no tienen media. La esperanza puede no existir: la distribución de Cauchy, que aparecerá en la lección 5, no tiene ni media ni varianza, y Chebyshev no dice nada sobre ella.
Cambios de variable no lineales. La fórmula fT=fX/∣a∣ es el caso lineal. Para T=g(X) general aparece ∣g′∣ en el denominador y, si g no es monótona, una suma sobre las ramas.
Un número por vez. Temperatura y tensión del mismo panel se mueven juntas; tratarlas por separado pierde esa relación. Es el tema de la lección 4.
Lo que sigue
Las funciones de masa de esta lección salieron de contar bits erróneos y reintentos. En la lección 3 se deducen las familias clásicas —Bernoulli, binomial, geométrica, Poisson, exponencial y gaussiana— que describen casi todo el azar de un enlace.
Laboratorio interactivo
El área es probabilidad: densidad, acumulada y cuantiles
Cierre de la lección
Lo que sigue: video
Sigue el recorrido de la lección paso a paso.
Crea una cuenta gratis para continuar
Con una cuenta desbloqueas el cuestionario, el foro de dudas y el tutor con IA de esta lección, además del registro de progreso y el certificado verificable al terminar «Probabilidad y procesos: del azar al ruido».