Trabajo colaborativo fase 2

JEANETH CASTALUCY STELLA BELTRANLAURA PATRICIA PLATAANGELA MARIA CORREALUZ MARIA MENDOZATUTOR

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD CENTRO DE ESTUDIOS A DISTANCIA CEADPROBABILIDADINTRODUCCION

Leccin 19 Esperanza matemtica y varianza de variables.En estadsticalaesperanza matemtica(tambin llamadaesperanza,valoresperado,media poblacionalomedia) de unavariable aleatoria, es el nmeroque formaliza la idea devalor mediode un fenmeno aleatorio. Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la probabilidad de cada posiblesuceso aleatoriomultiplicado 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. Laesperanza matemticaovalor esperadode una variable aleatoria discreta es la suma del producto de la probabilidad de cada suceso por el valor de dicho suceso.

Ejemplo

Leccion 20 Teorema de chebyshev.

Leccion 23 Distribucion Binomial Negativa y Geometrica.Esta distribucin puede considerarse como una extensin o ampliacin de la distribucin geomtrica. La distribucin binomial negativa es un modelo adecuado para tratar aquellos procesos en los que se repite un determinado ensayo o prueba hasta conseguir un nmero determinado de resultados favorables (por vez primera) .Es por tanto de gran utilidad para aquellos muestreos que procedan de esta manera. Si el nmero de resultados favorables buscados fuera 1 estaramos en el caso de la distribucin geomtrica. Est implicada tambin la existencia de una dicotoma de resultados posibles en cada prueba y la independencia de cada prueba o ensayo, o la reposicin de los individuos muestreados. Como ejemplo la representacin grfica de una variablesera la siguiente Como en el caso de la geomtrica, algunos autores aleatorizan de distinta manera el mismo proceso. As X sera el nmero de fracasos (k) necesarios antes de conseguir el r-simo xito En este caso el nmero de pruebas sera k + r (lo que nosotros hemos llamado x) y r lo que nosotros hemos denominado k.

7. Un piloto privado desea asegurar su avin por 50.000 dlares. La compaa de seguros estima que puede ocurrir una prdida total con probabilidad de 0.002, una prdida de 50% con una probabilidad de 0.01 y una de 25% con una probabilidad de 0.1. Si se ignoran todas las otras prdidas parciales, Que prima debe cargar cada ao la compaa de seguros para obtener una utilidad media de US $5000Solucion:

500= 0.112x

X= 4464.28El valor de la prima que la compaa debe cargar cada ao es de 4464.28

CONCLUSIONES

BIBLIOGRAFIA