clase3!1!2015 02 variables aleatorias
TRANSCRIPT
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
1/35
VARIABLES ALEATORIASEs una descripción numérica del resultado de un experimento.
Una variable aleatoria es una función real definida en unespacio muestral, tal que a cada valor de una característica sele asignara un numero relacionado con el experimento
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
2/35
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
3/35
EJEMPLOSSi el experimento es observar los autos que llegan a una garita,la variable aleatoria podría ser:
a) X: el numero de autos que pasan por una garita de peajeentre las 8:00 am y 11:00 am.
b) X: la hora en que los autos que pasan por una garita de
peaje entre las 8:00 am y 11:00 am.
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
4/35
EJEMPLOSi consideramos el experimento de tomar dos artículos de un loty analizamos su calidad bueno(B) y defectuoso(D) su espacimuestral será
={BB, BD, DB, DD}La variable aleatoria se puede definir como X : el número dartículos buenos
BB
BD
DB
DD
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
5/35
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
6/35
DISTRIBUCIÓN DE PROBABILIDADPARA UNA VARIABLE ALEATORIA
La distribución de probabilidad de una variable aleatoria describe comodistribuyen las probabilidades de los diferentes valores de la variable aleatoria
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
7/35
DISTRIBUCIÓN DE PROBABILIDAD PARA UNVARIABLE ALEATORIA DISCRETA
Sea un espacio muestral y X una variable aleatoria asociada al espacsi X toma valores x1,x2,x3,… se denota por f ( x) a la función de probabilidad o distribución de probabilidad de la variable X y se define
f ( x) =P[ X=x ] ó f ( xi) =P[ X=xi ]
Una función de distribución de probabilidad discreta verifica además
a) f ( x) 0 x R x b) f ( xi ) =1 , con xi R x
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
8/35
EJEMPLO
Consideremos el caso de extraer tres artículos de un lote de cuales pueden ser evaluados como Defectuoso (D) o Bueno (B) X es la variable aleatoria asociada, definida por
X: número de artículos defectuosos
Hallar la distribución de probabilidades de X
R x={0,1,2,3}
={DDD,DDB,DBD,DBB,BDD,BDB,BBD,BBB}
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
9/35
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
10/35
f (0) = P[ X=0 ]= E0 ={BBB} f (1) = P[ X=1 ]= E1 ={DBB,BDB,BBD} f (2) = P[ X=2 ]= E2 ={DDB,DBD,BDD} f (3) = P[ X=3]= E3 ={DDD}
xi f ( xi )0
1
2
3
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
11/35
EJEMPLO:
Dada la siguiente distribución de probabilidades de la variable aleatoria
a) Si X se define como la edad de una persona como interpreta f (20) , f (42)
b) Trace una grafica de la distribución de probabilidad.c) Verifique las condiciones de una función de distribución
probabilidad discreta.
x f (x)
20
25
38
42
0.2
0.15
0.25
0.4
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
12/35
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
13/35
EJEMPLO:
Dada la siguiente distribución de probabilidades de la variaaleatoria X
a) Si X se define como la edad de una persona como interpre f
(38) , F (38) b) Hallar la probabilidad de que una persona tenga una edad decuando menos 25 años
c) Trace una grafica de la distribución de probabilidad.
x f (x)
20
25
38
42
0.2
0.15
0.25
0.4
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
14/35
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
15/35
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
16/35
VALOR ESPERADO DE UNA VARIABLEALEATORIA DISCRETA
El valor esperado o esperanza matemática de una variablealeatoria discreta X, se denota por E ( X ) y se define como
= ()
También se le denomina media por ello también se denotacomo ò
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
17/35
VARIANZA DE UNA VARIABLEALEATORIA DISCRETA
La varianza de una variable aleatoria discreta, determina la dispersión de los valorla variable aleatoria X con respecto al valor esperado se denota porV ( X ) y se definecomo
=( ) ()ò= También se le denota por ó , la varianza mide la dispersión conrespecto a la media debido a una definición equivalente = () La desviación estándar se calcula como la raíz cuadrada de la varianza y se decomo σ
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
18/35
EJEMPLO:El gerente de personal de una empresa
estudia el numero de accidentes en eltrabajo durante el lapso de un mes estegerente desarrollo la siguiente distribuciónde probabilidad
a) Calcule la media, la varianza y ladesviación estándar del número deaccidentes en un mes
b) Halle su función de distribución
acumulada y grafique
Nro. de accidentes Probabilidad
01234
0.40.20.20.10.1
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
19/35
EJEMPLO:Se evalúa el acabado superficialde 40 muestras de cinta y seevalúan los siguientes resultados
Determine la esperanza y varianzadel número de defectos por
muestra
Númerode
defectos
Número demuestras
012345
18127210
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
20/35
EJEMPLO:El cuadro siguiente representa ladistribución de probabilidad de los premios en efectivo de una lotería
Si una persona adquiere un boleto, cual esla probabilidad de que obtengaa) Exactamente 100$ b) Al menos 100$c) No más de 100$d) Calcular su valor esperado, la
varianza y desviación estándar de ladistribución
Premiosen dólares
Probabilidad
010100500
0.450.300.200.05
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
21/35
DISTRIBUCIÓN DE PROBABILIDAD PARAUNA VARIABLE ALEATORIA CONTINUA
Si una variable aleatoria X es continua su función de densidad f ( x)debe verificar los siguientes condiciones:
a) f ( x) 0 x Rb) =1∞−∞
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
22/35
Si E es un evento su probabilidad se define como
= Lo cual se puede interpretar como sigue, si E= [a, b] entonces
=
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
23/35
EJEMPLO
Si una variable aleatoria Xdefine la función dedensidad
=134 +1 0<
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
24/35
EJEMPLO
Si una variable aleatoria Xdefine la función de densidad
=0 3 a) Halle la probabilidad
P[1 x 2] b) Verifique las condiciones
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
25/35
FUNCION DE DISTRIBUCIÓN ACUMULADA DE
UNA VARIABLE ALEATORIA CONTINUA
Si X es una variable aleatoria continua y f ( x) sufunción de densidad, la función de distribuciónacumulada se denota por F ( x) y se define por
= = −∞ , ∈
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
26/35
EJEMPLOSi una variable aleatoria Xdefine la función dedensidad
=134 +1 0<
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
27/35
EJEMPLOSi una variable aleatoria X definela función de densidad
=0 3 a) Hallar F ( x) b) Grafique F ( x)
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
28/35
VALOR ESPERADO DE UNAVARIABLE ALEATORIA CONTINUA
El valor esperado o esperanza matemática de una variablealeatoria continua X, se denota por E ( X ) y se define como
=∞−∞ También se le denomina media por ello también se denota como
ò
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
29/35
VARIANZA DE UNA VARIABLEALEATORIA CONTINUA
La varianza de una variable aleatoria continua determinala dispersión de los valores de la variable aleatoria X con
respecto al valor esperado se denota porV ( X ) y se definecomo
= ( ) ∞−∞
También se le denota por ò . Ladesviación estándar se calcula como la raíz cuadrada de lavarianza y se denota comoσ
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
30/35
PROPIEDADES
+ = + b
+ =
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
31/35
EJEMPLO
Si una variable aleatoria X define la función de densidad
=134 +1 0<0
a) Calcule el valor esperado, la varianza y desviaci
estándar de la variable X b) Calcule el valor esperado, la varianza y desviaciestándar de la variable Y=3X + 1
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
32/35
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
33/35
EJEMPLO
La cantidad de tiempo en horas que un computador funcione ande fallar es una variable aleatoria continua con función de densiddado por
a) ¿Cuál es la probabilidad que el computador funcione entrey 150 horas antes de fallar?
b) ¿Cuál es la probabilidad de que el computador funciomenos de 100 horas?
0 0
0 )( 200
x si
x si Ae x f
x
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
34/35
-
8/18/2019 Clase3!1!2015 02 Variables Aleatorias
35/35
EJEMPLO
Un agente de bienes raíces gana s/. 1000 más una fracción X de laganancia que desea obtener el propietario. Si se considera a X comouna variable aleatoria continua con función de densidad
= (1 ) 0 y un propietario quiere ganar 25000a) ¿Cuánto se espera gane el agente?
b) ¿Cuál es la probabilidad de que el agente gane más de 11000?