Академический Документы
Профессиональный Документы
Культура Документы
W W1 X
wi
wn
Ejemplo
De una caja que contiene 5 artculos, de las cuales 3 son buenos y 2 son malos, se selecciona 2
artculos.
a. con reposicin
b. sin reposicin
Se observa el estado de cada artculo.
Solucin.
a. Exp. Accin: Seleccionar dos artculos con reposicin.
] Interesa: Observar el estado en que se encuentra cada artculo seleccionado.
W = { ( B1 , B2 ), ( B1 , D2 ), ( D1 , B2 ), ( D1 , D2 )}
donde Bi : Artculo bueno en la i-sima seleccin, i= 1, 2
Di: artculo defectuoso en la i-sima seleccin, i= 1, 2
Sea la variable:
X: Nmero de artculos defectuosos.
Luego:
X ( B1 , B2 ) = 0
X ( B1 , D2 ) = X ( D1 , B2 ) = 1
X ( D1 , D2 ) =2
RX: 0, 1, 2 a RX se le llama recorrido de la variable.
De lo anterior sabemos cuales son los posibles valores que puede tomar la variable, pero antes de
llevar a cabo el experimento no sabemos cual va ser el valor que tome la variable, lo que si podemos
saber es la probabilidad con que cada una de los valores de la variable puede ocurrir, as:
P(X = 0) = P ( B1 , B2 ) = P ( B1 ) P( B2 ) =(3/5)(3/5)
xi p( x i )
0 9/25
1 12/25
2 4/25
Esta grfica y la tabla nos indican el comportamiento probabilstico de la variable, o sea nos est
indicando que al seleccionar 2 artculos con reposicin es ms probable que salga 1 artculo
defectuoso.
3 2 6 12
P ( B1 , D2 ) = P ( B1 ) P ( D2 ) = x = P( X = 1 ) =
5 5 25 25
2 3 6
P ( D1 , B2 ) = P ( D1 ) P ( B2 ) = x =
5 5 25
2 2 4 4
P ( D1 , D2 ) = P ( D1 ) P ( D2 ) = x = P( X = 2 ) =
5 5 25 25
Todos los puntos tratados hasta antes de variable aleatoria, ahora van a ser tratados en trminos de
variable aleatoria, por lo tanto tenemos las siguientes equivalencias:
1. El experimento aleatorio siempre se va a dar.
2. Lo que Interesa va ser reemplazado por la variable aleatoria X.
3. El espacio muestral va ser reemplazado por el recorrido de la variable aleatoria, R X
4. La probabilidad de cada uno o ms eventos elementales, va estar dado por la probabilidad
de cada uno de los valores de la variable aleatoria.
5. La probabilidad de cualquier evento, como subconjunto del espacio muestral, va ser la
probabilidad de un intervalo, siendo este intervalo un subconjunto del recorrido de la
variable aleatoria.
W
0
W1 P
wi
wn
X
0
P
Definicin. Se dice que X es una variable aleatoria continua si existe una funcin f, llamada funcin de
densidad de probabilidad (fdp) de X, que satisface las siguientes condiciones:
Una consecuencia de la descripcin probabilstica de X, que para cualquier valor especifico de X, por
x0
ejemplo x0, es que tenemos P(X = x0) = 0, puesto que P(X = x0) = f ( x)dx = 0 , sin embargo,
x0
debemos notar que s permitimos que X tome todos los valores en un intervalo, entonces la
probabilidad cero no es equivalente con la imposibilidad. Por lo tanto, en el caso continuo, P(A) =
0 no implica A = f , el conjunto vacio. En vista de estas consideraciones, las siguientes
probabilidades son todas iguales, si X es una variable aleatoria continua:
P(c X d ), P(c X < d ), P(c < X d ) y P (c < X < d )
Ejemplo
Considere la siguiente funcin:
2x 0 < x <1
f ( x) =
0
para cualquier otro valor
1. Es esta una funcin de densidad de probabilidad asociada a la variable aleatoria X?
2. Si lo es, muestre el comportamiento probabilstico de la Variable aleatoria y halle la
P(X > 0.7)
Solucin.
1.
Si x = 0.1 f (0.1) = 0.2
a. x = 0.5 f (0.5) = 1 luego f(x) > = 0
x = 0.9 f (0.9) = 1.8
1
2 1
b. 2 xdx = 2 xdx = x
- 0
0
=1
Cumple las 2 condiciones, por lo tanto f(x) es una funcin de densidad de probabilidad.
2. Comportamiento probabilstico.
1
1
P(X > 0.7) =
2 x dx = x 2
0.7
0.7
= 1 - 0.49 = 0.51
P(X>0.7)
Ejemplo
Considere la siguiente funcin:
kx, 0 x < 2
f ( x ) = k (4 - x ), 2 x 4
0, en otros casos
Solucin.
2 4
1
a. f ( x) = 1
-
kxdx +
0
k (4 - x)dx = 1
2
4k = 1 k =
4
luego:
x / 4, 0 x < 2
f (x) = (4 - x) / 4, 2 x 4
0, en otros casos
1.2 1.2
x x 2 1.44
c. i. P(X<1.2) = dx = = = 0.18
0
4 8
0
8
2 x 2.5
( 4 - x ) dx
ii. P(X>=2.5) = 1 - P ( X 2.5 ) = 1 - dx + = 0.2825
0 4 2
4
2
x
3
( 4 - x ) dx
iii. P(1<X<3) = dx + = 0.75
1
4 2
4
iv. P( X = 0.5) = 0
Se puede notar que la fda, expresa la probabilidad de que X tome uno ms valores en el intervalo que
va desde - hasta a . Por tanto, no es posible que FX ( a) decrezca conforme crece a
Teorema.
a. Si X es una variable aleatoria discreta, con funcin de cuanta p(x j), entonces
FX ( a) = p( x ) , en donde la suma se toma sobre todos los subndices j que satisfacen
x j a
j x j a
a
Ejemplo
La distribucin de probabilidades de la Variable aleatoria, X. Nmero de artculos defectuosos, donde
la seleccin de los artculos es con reposicin es:
xi p( x i )
0 9/25
1 12/25
2 4/25
9
0 a < 1 FX (a ) = p( x ) = p(0) = 25
x j a
j
9 12 21
1 a < 2 FX (a ) = p( x ) = p(0) + P(1) = 25 + 25 = 25
x j a
j
9 12 4
a 2 FX ( a) = p( x ) = p(0) + P(1) + p(2) = 25 + 25 + 25 = 1
x j a
j
Ejemplo
La funcin de distribucin acumulativa para la siguiente distribucin de probabilidades:
2x 0 < x <1
f ( x) =
0
para cualquier otro valor
0
a 1 F(a) = P(X a) =
-
0dx +
2 x dx +
0
0 dx = 1
1
Resumiendo:
0 a 0
F (a ) = a 2 0 < a 1
1 a > 1
Ejemplo
La funcin de distribucin acumulativa para la siguiente distribucin de probabilidades
x / 4, 0 x < 2
f (x) = (4 - x) / 4, 2 x 4
0, en otros casos
es:
0
0 2
x
a
( 4 - x ) dx = -a 2 + 8a - 8
2 a <4 F(a) = P(X a) =
-
0 dx +
0
4
dx +
2
4 8
Lic. Mara A. Zacaras Daz Pgina 22
0 2
x
4
( 4 - x ) dx + a 0dx = 1
a 4 F(a) = P(X a) = 0 dx + dx +
- 0
4 2
4 4
Resumiendo:
0, a<0
a 2 8, 0 a < 2
F (a) = 2
( -a + 8a - 8) 8, 2 a < 4
1, a 4
Utilizando esta funcin se puede calcular la probabilidad de los eventos propuestos.
P(X 1.2) = F(1.2) = (1.2 )2 / 8 = 0.18
8 ( 2.5 ) - ( 2.5 ) 2 - 8
P(X >0 2.5) = 1 F(2.5) = 1 - = 0.2825
8
8 ( 3) - 3 - 8 1
2