Академический Документы
Профессиональный Документы
Культура Документы
Delgado, Daniel 2130553. Ordoez, Hernan 2082013. Alvarez, John 2130532. Arias, Lorena 2131490
E3T, Universidad Industrial de Santander
Bucaramanga, Colombia
Grapa 2, Grupo B1
Actividad: Caso 2; Describiendo Escenarios,
Mdulo 1
Leccin 1.2, Conferencia 1
RICARDO LLAMOSA VILLALBA. 7 de Agosto del 2015.
I. INTRODUCCION
Calcular la funcin de
distribucin de
probabilidad de las
puntuaciones obtenidas al
lanzar un dado.
II. DESARROLLO
1.
1.
Concepto
Funciones
de
a
) densidad
continuas
Definicin
Ejemplo
Definimos
una funcin que
verifica:
Funciones
de
b
) distribuci
n discretas
1.
Valor
c esperado
) de una
variable
aleatoria
En estadstica del
valor esperado de
una variable
aleatoria , es el
nmero
que
formaliza la idea
de valor medio de un
fenmeno aleatorio.
Cuando la variable
aleatoria es discreta, la
esperanza es igual a la
suma de la probabilidad
de cada posible suceso
aleatorio multiplicado
por el valor de dicho
suceso. Por lo tanto,
representa la cantidad
media que se "espera"
como resultado de un
experimento aleatorio
cuando la probabilidad
de cada suceso se
mantiene constante y el
experimento se repite
un elevado nmero de
veces. Cabe decir que el
valor que toma la
esperanza matemtica
en algunos casos puede
no ser "esperado" en el
sentido ms general de
la palabra - el valor de
la esperanza puede ser
improbable o incluso
imposible.
termina en el momento en
que cae una cara o despus
de tres intentos. Si no cae
cara en los tres
lanzamientos pierde $20.
Cul es la esperanza de
ganancia o prdida en el
juego?
La probabilidad de que en
la 1ra ocasin salga cara
es
La probabilidad de que en
la 2ra ocasin salga cara
es
La probabilidad de que en
la 3ra ocasin salga cara
es
La esperanza es:
1.
1.
Varianza
d de una
) variable
aleatoria
como
o,
simplemente 2), como
donde
La probabilidad de que no
salga ninguna cara en los
tres lanzamientos es
Si la variable
aleatoria X es discreta c
on
pesos x1 p1, ..., xn p
n y n es la cantidad total
de datos, entonces
tenemos:
Desarrollando la
definicin anterior, se
obtiene la siguiente
definicin alternativa (y
equivalente):
2.
Diferencia
entre
funcin de
distribuci
n de
e probabilid
ad y
)
funcin de
densidad
de
probabilid
ad
Propiedad
es de un
a
experimen
)
to
binomial
La distribucin de
probabilidad de una
variable aleatoria es una
funcin que asigna a
cada suceso definido
sobre la variable
aleatoria la probabilidad
de que dicho suceso
ocurra. La distribucin
de probabilidad est
definida sobre el
conjunto de todos los
eventos rango de
valores de la variable
aleatoria.
La funcin de densidad
de probabilidad, funcin
de densidad, o,
simplemente, densidad
de una variable aleatoria
continua es una funcin,
usualmente denominada
f(x) que describe la
densidad de la
probabilidad en cada
punto del espacio de tal
manera que la
probabilidad de que la
variable aleatoria tome
un valor dentro de un
determinado conjunto
sea la integral de la
funcin de densidad
sobre dicho conjunto.
La variable aleatoria
binomial, X, expresa
el nmero de xitos
obtenidos en cada
prueba del experimento.
k = 6, al lanzar una
moneda 10 veces y
obtener 6 caras.
La variable binomial es
una variable aleatoria
discreta, slo puede
tomar los valores 0, 1,
2, 3, 4, ..., n suponiendo
que se han realizado n
pruebas.
Funcin
de
probabilid
ad
binomial
2. b)
Una distribucin
binomial o de
Bernoulli tiene las
siguientes
caractersticas:
1. En cada prueba del
experimento slo son
posibles dos
resultados: xito y fraca
so.
2. La probabilidad de
xito es constante, es
decir, que no vara de
una prueba a otra. Se
representa por p.
3.La probabilidad de
fracaso tambin
es constante, Se
representa por q,
q=1p
4. El resultado obtenido
en cada prueba
es independiente de los
resultados obtenidos
anteriormente.
5. La variable aleatoria
binomial, X, expresa
el nmero de xitos
obtenidos en
las n pruebas. Por tanto,
los valores que puede
tomar X son: 0, 1, 2, 3,
4,..., n.
La distribucin
binomial se expresa
por B(n, p)
Tendencia central:
2.
c
)
aplicando la definicin
de valor esperado se
obtiene que para esta
distribucin :
Dispersin
variacin: :
=
lo que conduce a que
La funcin de masa o
probabilidad de la
distribucin de Poisson
es
donde
La ltima novela de un
autor ha tenido un gran
xito, hasta el punto de
que el 80% de los lectores
ya la han leido. Un grupo
de 4 amigos son
aficionados a la lectura:
Cul es la
probabilidad de que
e l gr u p o h a ya n l e d o
la novela 2
personas?
n=4
p = 0.8
q = 0.2
B(4, 0.8)
2. d)
Funcin
de
distribuci
n de
Poisson
k es el nmero
de ocurrencias
del evento o
fenmeno (la
funcin nos
da la
probabilidad
de que el
evento suceda
precisamente
k veces).
es un
parmetro
positivo que
representa el
nmero de
veces que se
espera que
ocurra el
fenmeno
durante un
intervalo
dado. Por
ejemplo, si el
suceso
estudiado
tiene lugar en
promedio 4
veces por
minuto y
estamos
interesados en
la
probabilidad
de que
ocurra k veces
dentro de un
intervalo de
10 minutos,
El nmero promedio de
partculas radioactivas que
registra un contador en un
milisegundo en la
realizacin de un
experimento aleatorio es
de cinco (5) partculas.
Hallar la probabilidad de
que se registre distinto
nmero de partculas en un
mismo milisegundo.
Valor
esperado y
varianza
en la
Funcin
de
probabilid
ad de
Poisson
usaremos un
modelo de
distribucin
de Poisson
con = 104
= 40.
e es la base de
los logaritmos
naturales (e =
2,71828...)
Tomando el ejemplo
anterior:
Valor esperado:
Valor Esperado:
el cual
conocido.
Varianza:
debe
Varianza:
con
idntica probabilidad.
Entonces la distribucin
uniforme discreta viene
dada por:
Distribuci
n de
probabilid
ad
uniforme
O sea que el parmetro
clave
en
esta
distribucin
es
=nmero de valores que
asume
la
variable
aleatoria X y que sera
un parmetro de conteo.
Valor esperado
Funcin
de
Funcin
de
distribuci
n Normal
estndar
Varianza (
Una variable
continua, X,
aleatoria
sigue
La distribucin normal
estndar, o tipificada o
reducida, es aquella que
tiene por media el valor
cero,
=0,
y
por desviacin tpica la
unidad, =1.
Su funcin de densidad
es:
una distribucin
normal de media
y desviacin tpica ,
y se designa por N(,
), si se cumplen las
siguientes condiciones:
1. La variable puede
tomar cualquier valor: (, +)
2. La funcin
de
densidad,
es
la
expresin en trminos
de ecuacin matemtica
de la curva de Gauss:
ser
Valor
esperado y
varianza
en
la
distribuci
n
uniforme
distribuci
n Normal
para
en otro caso.
Para
el
caso
del
lanzamiento del dado: el
valor esperado y la
varianza del nmero de
puntos en la cara superior
son:
2.
b.
c.
4.
20
25
30
35
a.
0.20
d.
5.
0.15
0.25
0.40
x
20
25
30
35
c.
c. La desviacin estndar de x
Con ayuda de la herramienta Excel hicimos el
clculo obteniendo e siguiente resultado:
DESVEST = 6.45497224
b. La varianza de x
Con ayuda de la herramienta Excel hicimos el
clculo obteniendo el siguiente resultado:
VAR = 41.6666667 ; VARPA = 31.25
3.
b.
F(x)
0.15
0.20
0.25
0.40
b.
c.
f.
6.
N=11(nmeros a evaluar)
A= 10(menor valor)
B=20(mayor valor)
f(2) = 0,16
1,5
0,08
1
0,06
0,04
0,5
0,02
b.
Calcule P(x<15)
P(x<15)= 0.5454
c.
d.
Calcule E(x).
b.
0
1011121314151617181920212223242526272829
Prob. mass function
Distribution function
c.
7.
b.
c.
d.
8.
E(x) = 15
e.
9.
Calcule Var(x).
h=(20-10)/(11-1)=1
Var(x)= (h^2)*((n^2)-1)/12= 1
P(0.52z1.22)
P(z1.22)-P(z0.52)= 0.88-0.69 = 0.19
c.
P(-1.75z-1.04)
P(z-1.04)-P(z-1.75)=0.15-0.04=0.11
d.
P(z>0.44)
1-P(z0.44)=1-0.67= 0.33
e.
P(z<1.20)= 0.885
Distribution function
e.
Calcule f(2).
f(2) = 1 - 0.84
d.
214
163
265
194
202
198
212
201
174
171
211
211
180
-
b.
c.
d.
IV CONCLUSIONES
Con este caso podemos concluir que se puede
diferenciar estandarizando las variables aleatorias en
funciones de distribucin en continuas o discretas, cada
una de ellas tiene sus funciones, sus mtodos para poder
hallar la probabilidad de un solo evento o la
probabilidad acumulada de varios eventos.
V REFERENCIAS
http://tic.uis.edu.co/ava/pluginfile.php/240819/mod_r
esource/content/12/Formulas_v5.3.pdf
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_u
niforme_discreta