Академический Документы
Профессиональный Документы
Культура Документы
VARIABLES ALEATORIAS:
o Para un determinado espacio muestral de algún experimento, una variable aleatoria (va) es cualquier regla que relaciona un
número con cada resultado en . En el lenguaje matemático, una variable aleatoria es una cuyo dominio es el espacio muestral
y cuyo recorrido es el conjunto de los números reales.
o La notación (s) = , significa que es el valor relacionado con el resultado s mediante la variable aleatoria .
o Cualquier variable aleatoria cuyos únicos valores posibles son 0 y 1 se llama variable aleatoria de Bernoulli.
o Dos tipos de variables aleatorias:
Una variable aleatoria discreta es una variable aleatoria cuyos valores posibles constituyen un conjunto finito, o bien se
pueden listar en una secuencia infinita en la que hay un primer elemento, un segundo elemento, etc.
Una variable aleatoria es continua si su subconjunto de valores posibles consiste en un intervalo completo de la recta
numérica.
DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS DISCRETAS:
o La distribución de probabilidad de establece como se distribuye la probabilidad total entre 1 asignada a los valores posibles de
.
o La distribución de probabilidad o función masa de probabilidad (fmp) de una variable aleatoria discreta se define para todo
número x mediante = = (toda s : (s) = ).
o ( = ) se lee “la probabilidad de que la va tome el valor ”.
o Se requieren las condiciones 0y = 1.
o Parámetro de una distribución de probabilidad:
La fmp de cualquier va de Bernoulli se puede expresar en la forma p(1) = y p(0) = 1 – , donde 0 < < 1.
Debido a que la fmp depende del valor particular de , por lo común se escribe p(x; ):
Hasta este momento, la fda se ha derivado de la fmp. Ese proceso se puede invertir para obtener la fmp a partir de la
fda siempre que se tenga esta última función.
Para dos números cualesquiera y con :
Es decir, el valor esperado de una función lineal es igual a la función lineal evaluada en el valor esperado .
Dos casos especiales producen reglas importantes del valor esperado:
1. Para cualquier constante , . ( cambia la unidad de media y es un factor de conversión).
2. Para cualquier constante , .
o Varianza de :
Usada para evaluar la cantidad de variabilidad en (la distribución de) X.
Sea con una fmp y valor esperado . Entonces la varianza de , denotada por ó ó , es:
Debido a que la fmp de una variable aleatoria binomial depende de los parámetros n y p, la fmp se denota mediante
. De manera que:
o Media y varianza de :
.
, donde .
.
DISTRIBUCIÓN HIPERGEOMÉTRICA:
o Es el modelo de probabilidad exacto para el número de éxitos (S) en la muestra.
o Experimento hipergeométrico:
Es un experimento para el cual se cumplen las condiciones:
1. La población o conjunto por muestrear consiste en individuos, objetos o elementos (una población finita).
2. Cada individuo se caracteriza como un éxito (S) o fracaso (F), y hay éxitos en la población.
3. Se elige una muestra de individuos sin reemplazo, de manera que cada subconjunto de tamaño tenga
las mismas probabilidades de ser elegido.
o La va de interés es = número de éxitos en la muestra, así que para obtener .
o Si es el número de éxitos (S) en una muestra completamente aleatoria de tamaño extraidos de una población que consiste
en éxitos y fracasos, entonces la distribución de probabilidad de X, denominada distribución hipergeométrica, está
dada por:
se puede escribir como , cuyo valor aproximado es 1 cuando es relativamente pequeña con respecto a .
.
DISTRIBUCIÓN DE PROBABILIDAD DE POISSON:
o Se dice que una variable aleatoria tiene una distribución de Poisson con parámetro si la fmp de es:
o El valor de por lo común es una tasa por unidad de tiempo o por unidad de área.
o Distribución de Poisson como límite:
Suponga que en la fmp binomial , sea y de tal manera que tiende a un valor .
Entonces .
De acuerdo con esta proposición, en cualquier experimento binomial en el que es grande y es pequeña,
donde .
Como regla empírica, esta aproximación se puede aplicar con toda seguridad si , y .
o Media y varianza de :
.
o Proceso de Poisson:
Una aplicación muy importante de la distribución de Poisson surge en relación a la ocurrencia de eventos de un tipo
particular con el tiempo.
Hay que aumentar el contenido de esta última parte que no se entiende demasiado bien!!.