Академический Документы
Профессиональный Документы
Культура Документы
ALEATORIAS
SUS
DISTRIBUCIONES DE PROBABILIDAD
OBJETIVOS
Se ha definido un experimento E como una accin que produce resultados y dichos resultados
conforman el espacio muestral
S. El inters
elemento o evento contenido en el espacio muestral, pero dicho espacio, es una coleccin
generalmente de elementos cualitativos y, por tanto, dificultan enormemente la posibilidad de
generalizacin. En esta unidad se pretende transformar los elementos de
S en nmeros reales
que faciliten su manejo y permitan dar un trato generalizado. Con este propsito se van a
definir los siguientes conceptos:
1.
X una aplicacin sobre S, que asigna a cada s S un nmero real X (s). Bajo estas
Ejemplo:
Sea E el experimento que consiste en lanzar dos monedas, entonces su espacio muestral
S, sera:
S= {ss,sc,cs,cc}
Se define la variable aleatoria X como el nmero de caras obtenidas entonces,
X = {0, 1, 2}
Estos son valores que estn en el espacio de los reales.
1. Variable aleatoria discreta: Sea X una variable aleatoria, si el nmero posible de valores
de X, est contenido en un espacio finito, entonces se dice que X es una variable
aleatoria discreta. Por lo anterior, los valores de X se pueden listar como x1, x2,.. xn. El
ejemplo dado para ilustrar el concepto de variable aleatoria, que corresponde a una
variable aleatoria discreta, est definida en un espacio finito.
2. Funcin de probabilidad: Sea X una variable aleatoria discreta, si a cada xi, se le asigna
un nmero P xi, tal que
- P xi 0
-
=1
Entonces se dice que Px es la funcin de probabilidad de X. El conjunto de valores (Xi,
Pxi) usualmente se denomina distribucin de probabilidad.
De acuerdo con lo anterior, se dice que la funcin de probabilidad, Px, es la que
describe el comportamiento probabilstico de una variable aleatoria discreta.
Con el ejemplo que se trae del experimento de lanzar dos monedas se tiene:
S= {cuenta caras}
S= {ss, sc, cs, cc}
X = {0, 1, 2}
Px = {
P [x=0] = P(ss) =
P [x=1] = P(sc cs) =
P [x=2] = P(cc) =
Cuando x=0, contiene solo la imagen de ss, cuando x=1 contiene las imgenes de sc y
cs y cuando x=2, contiene las imgenes de cc, considerando que las monedas son
correctas, entonces sus resultados son equiprobables, es decir, todos tienen la misma
ya que solo uno de los cuatro posibles resultados del
probabilidad, as P [x=0] =
ltimo, P [x=2] =
S,
imagen en dos.
Ejemplo:
En una oficina trabajan tres ingenieros y dos contadores, se va a enviar a un curso a
dos de los trabajadores sea X el nmero de contadores seleccionados, hallar la
distribucin de la probabilidad de X.
Solucin:
El experimento E consiste en seleccionar al azar dos trabajadores de los cinco que
conforman el grupo.
El espacio muestral asociado
tamao dos que se puedan realizar con las cinco personas. En estos arreglos no se
tiene en mente el orden, por tanto, el total de arreglos es igual a las C 5,2 = 10.
Los posibles arreglos son los siguientes:
Px
3/10
6/10
1/10
S,
entonces la probabilidad
probabilidad desde el primer valor de la variable hasta uno cualquiera de los otros
valores.
Se simboliza con P[X] = P[X<X0] =
x0
px
x =1
Ejemplo
Retomando el ejemplo anterior se tiene:
X
Px
3/10
6/10
1/10
para X < 0
P[X] = 3/10
X<1
P[X] = 9/10
X<2
P[X] = 1
X2
x px =
i
Solucin:
Su ganancia X toma dos posibles valores. Una prdida de $5.000 o una ganancia de $
29.995.000 con probabilidades de
Px
XPx
-5.000
9.999/10.000
-49.995.000/10.000
29.995.000
1/10.000
29.995.000/10.000
-2.000
De acuerdo con lo anterior, E[X] = = -$2.000, espera tener una perdida de $2.000. Se
debe tener en cuenta que el valor esperado es el promedio de la poblacin, es decir, si
se realiza la rifa por un nmero muy grande de veces, se tendra un promedio de
perdidas de -$2.000.
El valor esperado tiene algunas propiedades, las ms importantes son las siguientes:
E[KX] = KE[X] , el valor esperado de una constante por una variable, es igual a la
constante por el valor esperado de la variable.
(x ) p = x
2
px 2
Px
3/10
6/10
1/10
XPx
6/10
2/10
8/10
X2Px
6/10
4/10
10/10
2 =
.36 = 0.6
La varianza tiene varias propiedades de las cuales se van a destacar las siguientes:
V[X] 0
V[K] = 0
V[K+X] = V[X]
varianza de la variable.
V[KX] = k2V[X]
10
11
12
13
14
Probabilidad
0.1
0.3
0.3
0.2
0.1
= E[X] =
xp
das
2= x 2 px 2
2 = (102 ) ( 0.1) + (112 ) ( 0.3) + (122 ) ( 0.3) + (132 ) ( 0.2 ) + (142 ) ( 0.1) 11.92 = 1.29 La
varianza es de 1.29 das cuadrados.
b)
=
c2
810.000 )(1.29 )
(=
1.044.900
=
c2 1.022, 20
DISTRIBUCIN BINOMIAL
Sea E un experimento que produce solamente dos resultados A y con p(A) = p y P () = 1-p,
sea X una variable aleatoria que cuenta con el nmero de veces que A aparece en las n
repeticiones del experimento, entonces bajos estas caractersticas de dice que X tiene una
distribucin binomial o que est distribuida binomialmente con parmetros n y p.
En smbolos X b (n,p)
Por tanto, para que X tenga distribucin binomial, se debe de originar en un experimento
que solo produzca dos posibles resultados, y que sus n repeticiones sean independientes o
lo que es lo mismo la probabilidad de xito (de A) sea constante para cualquier nmero de
repeticiones del experimento.
Si X tiene distribucin binomial la funcin de probabilidad ser:
En donde:
n= nmero de repeticiones independientes del experimento
r= es un valor particular de X
Las combinaciones de n elementos tomados de r en r
p= probabilidad de xito
1-p = probabilidad de no xito
X b (3, 0,2).
De idntica forma se puede calcular la probabilidad que X tome los valores 1,2 o 3 es decir que
slo uno llegue con retraso, o 2 o 3 lleguen con retraso.
Los resultados seran:
X
Px
V[x] =2 = np (1-p)
Ejemplo:
Un vendedor ha establecido, de acuerdo con sus registros de ventas, que de cada 5 visitas
que realiza, efecta dos ventas, cul es la probabilidad de que en las 8 prximas visitas
que realice, efectu:
a) 5 ventas
b) Al menos 2 ventas
c) Mximo 3 ventas
d) Cuntas ventas espera realizar?
e) Cul es la varianza y la desviacin estndar del nmero de ventas?
Solucin:
Como de cada 5 visitas efecta 2 ventas, entonces la probabilidad que realice una venta es p =
2/5 = 0.4. Entonces la variable X que cuenta el nmero de ventas que efecta en las 8
prximas visitas, sigue una distribucin binomial, X b (8, 0.4).
a) P [X=5] =
b) P [X2] = 1- P [ X<2]
= 1- [P [ X= 0] + P [ X= 1]]
=
0.40 0.68 +
0.41 0.67
= 1- [0.0168+ 0.0896]
= 0.8936
Esta pregunta se ha resuelto aplicando la regla del complemento, ya que es ms corto aplicar
este procedimiento.
c) P [X3] =
= 0.0168 + 0.0896 + 0.2090 + 0.2787
= 0.5941
La anterior simbologa indica que se deben sumar los resultados de la expresin para cuando r
vale cero, uno, dos y tres.
= 1.3856
A manera de resumen de la distribucin binomial, se puede decir que una variable aleatoria
sigue una distribucin binomial, cuando procede de un experimento que solo puede dar dos
posibles resultados y las n repeticiones del mismo son independientes.
X b (n, p)
P [x=r] =
pr (1-p)n-r
=1
E[X] = np =
V[x] = np (1-p) = 2