Professional Documents
Culture Documents
=
2 2 1 1
30
26% B 2% D
98% ND
31% C 1.6% D
98.4% ND
a. a. Definiremos los eventos;
D = evento de que el producto seleccionado sea defectuoso (evento que
condiciona)
A = evento de que el producto sea fabricado en la mquina A
B = evento de que el producto sea fabricado por la mquina B
C = evento de que el producto sea fabricado por la mquina C
P(B|D) = p(BD)/p(D) = p(B)p(D|B)/p(A)p(D|A) + p(B)p(D|B)
+ p(C)p(D|C)
P(B|D) = (0.26*0.02)/(0.43*0.08 + 0.26*0.02 + 0.31*0.016)
= 0.0052/0.04456
=0.116697
b. b. ND = evento de que el producto seleccionado no sea defectuoso
(evento que condiciona)
A = evento de que el producto sea fabricado en la mquina A
B = evento de que el producto sea fabricado por la mquina B
C = evento de que el producto sea fabricado por la mquina C
P(C|ND)=p(CND)/p(ND)=p(C)p(ND|C)/p(A)p(ND|A) +
p(B)p(ND|B) + p(C)p(ND|C)
= 0.31*0.984/(0.43*0.92 + 0.26*0.98 + 0.31*0.984)
= 0.30504/0.95544
31
=0.31927
Una empresa recibe visitantes en sus instalaciones y los hospeda en cualquiera
de tres hoteles de la ciudad; Palacio del Sol, Sicomoros o Fiesta Inn, en una
proporcin de 18.5%, 32% y 49.5% respectivamente, de los cuales se ha tenido
informacin de que se les ha dado un mal servicio en un 2.8%, 1% y 4%
respectivamente, a. Si se selecciona a un visitante al azar cul es la probabilidad
de que no se le haya dado un mal servicio? ,b. Si se selecciona a un visitante al
azar y se encuentra que l no se quej del servicio prestado, cul es la
probabilidad de que se haya hospedado en el Palacio del Sol?, c. Si el visitante
seleccionado se quej del servicio prestado, cul es la probabilidad de que se
haya hospedado en el hotel Fiesta Inn?
Solucin: Haciendo uso de un diagrama de rbol;
2.8% Q
18.5% PS
97.2% NQ
1.0% Q
32% S
99.0% NQ
4.0% Q
49.5% FI
96.0% NQ
a. a. NQ = evento de que un visitante no se queje del servicio
32
PS = evento de que un visitante haya sido hospedado en el hotel Palacio
del Sol
S = evento de que un visitante haya sido hospedado en el hotel Sicmoro
FI = evento de que un visitante haya sido hospedado en el hotel Fiesta Inn
P(NQ) = p(PS)p(NQ|PS) + p(S)p(NQ|S) + p(FI)p(NQ|FI) =
= 0.185*0.972 + 0.32*0.99 + 0.495*0.96
= 0.17982 + 0.3168 + 0.4752
= 0.97182
b. b. NQ = evento de que un visitante no se queje del servicio
PS = evento de que un visitante haya sido hospedado en el hotel Palacio
del Sol
S = evento de que un visitante haya sido hospedado en el hotel Sicomoro
FI = evento de que un visitante haya sido hospedado en el hotel Fiesta Inn
P(PS|NQ)=p(PSNQ)/p(NQ)
=(0.185*0.972)/(0.185*0.972+0.32*0.99+0.495*0.96)=
= 0.17982/(0.17982 + 0.3168 + 0.4752)
= 0.17982/0.97182
= 0.1850342
c. c. Q = evento de que un visitante se queje del servicio
FI = evento de que un visitante haya sido hospedado en el hotel Fiesta Inn
P(FI|Q) = p(FIQ)/p(Q)
= 0.495*0.04/(0.185*0.028 + 0.32*0.01 + 0.495*0.04)
=0.0198/( 0.00518 + 0.0032 + 0.0198)
= 0.0198/0.02818
= 0.7026
2.7. Variable aleatoria.
33
Variable aleatoria
Se dice que hemos definido una variable aleatoria para un experimento aleatorio
cuando hemos asociado un valor numrico a cada resultado del experimento.
Sea E el espacio muestral asociado a un experimento. Se llama variable aleatoria
a toda aplicacin del espacio muestral E en el conjunto de los nmeros reales (es
decir, asocia a cada elemento de E un nmero real).
Se utilizan letras maysculas X, Y, ... para designar variables aleatorias, y las
respectivas minsculas (x, y, ...) para designar valores concretos de las mismas.
Si un experimento con espacio muestral E, tiene asociada la variable aleatoria X,
es natural que se planteen preguntas como: Cul es la probabilidad de que X
tome un determinado valor?, esto nos lleva a establecer, por convenio, la
siguiente notacin:
(X=x) representa el suceso "la variable aleatoria X toma el valor x", y
p(X=x) representa la probabilidad de dicho suceso.
(X<x) representa el suceso "la variable aleatoria X toma un valor menor a x", y
p(X<x) representa la probabilidad de que la v.a. X tome un valor menor a x.
(X ) representa el suceso "la variable aleatoria X toma un valor menor o igual
a x", y
p(X ) representa la probabilidad de que la v.a. X tome un valor menor o igual a
x.
Si una variable aleatoria slo toma valores enteros, es decir, un nmero finito de
valores o infinito numerable diremos que es discreta (los dos primeros ejemplos).
Si tericamente, puede tomar todos los valores de un intervalo de R, diremos que
son continuos (los dos ltimos ejemplos).
2.8. Variables aleatorias conjuntas
34
Definicin de variable aleatoria discreta.
VARIABLES ALEATORIAS DISCRETAS
En gran cantidad de experimentos aleatorios es necesario cuantificar los
resultados, es decir, asignar a cada resultado del experimento un nmero, con el
fin de poder realizar un estudio matemtico.
Ejemplos
- Consideremos el experimento aleatorio que consiste en lanzar tres
monedas, supongamos que a cada elemento de su espacio muestral
E={ccc, ccx, cxc, xcc, cxx, xcx, xxc, xxx} le asignamos un nmero real, el
correspondiente al nmero de caras (discreta).
Esta correspondencia que acabamos de construir es una funcin del espacio
muestral E en el conjunto de los nmeros reales R. A esta funcin la llamaremos
variable aleatoria y la denotaremos por X.
- Supongamos el experimento aleatorio que consiste en lanzar dos dados,
podemos asignar a cada resultado la suma de los puntos aparecidos en
cada dado (discreta).
- Consideremos el experimento que consiste en elegir al azar 500 personas y
medir su estatura. La ley que asocia a cada persona con su talla es una
variable aleatoria (continua).
- Consideremos el experimento que consiste en elegir al azar 100 sandias de
una plantacin y pesarlas. La ley que asocia a cada sanda su peso es una
variable aleatoria (continua).
Definicin de variable aleatoria continua.
Distribuciones de probabilidad.
35
Toda distribucin de probabilidad es generada por una variable aleatoria x, la
que puede ser de dos tipos (variables aleatorias continuas y variables
aleatorias discretas):
1. Variable aleatoria continua (x). Se le denomina variable porque
puede tomar diferentes valores, aleatoria, porque los valores que
toma son totalmente al azar y continua porque puede tomar tanto
valores enteros como fraccionarios y un nmero infinito de ellos.
Ejemplos:
xVariable que nos define el dimetro de un engrane en pulgadas
x5.0, 4.99, 4.98, 5.0, 5.01, 5.0, 4.96
xVariable que nos define la longitud de un cable o circuito utilizado en un arns
de auto
x20.5 cm, 20.1, 20.0, 19.8, 20,6, 20.0, 20.0
xVariable que nos define la concentracin en gramos de plata de algunas
muestras de mineral
x14.8gramos, 12.0, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8
Como se observa en los ejemplos anteriores, una variable continua puede tomar
cualquier valor, entero o fraccionario, una forma de distinguir cuando se trata de
una variable continua es que esta variable nos permite medirla o evaluarla,
mientras que una variable discreta no es medible, es una variable de tipo atributo,
36
cuando se inspecciona un producto este puede ser defectuoso o no, blanco o
negro, cumple con las especificaciones o no cumple, etc.
Variables aleatorias continuas
Si en un experimento aleatorio a cada suceso aleatorio elemental le asignamos un
valor numrico obtenemos una variable aleatoria. Es decir, una variable que lleva
asociada una probabilidad. La probabilidad de un valor concreto de la variable es
la probabilidad que corresponde a los sucesos aleatorios elementales a los que
hemos asignado ese valor numrico.
Por ejemplo: En el experimento aleatorio "lanzar un dado" asignamos a cada cara
del dado su valor numrico (esta asignacin aparece de forma natural). As
generamos una variable aleatoria que toma seis valores, del 1 al 6 con igual
probabilidad (1/6) cada uno de ellos. Pero, con este mismo experimento, podemos
generar otras variables aleatorias (no tan naturales) como puede ser: asignar el
valor 1 a las caras que son mltiplos de tres y el valor 0 a las que no lo son,
apareciendo una variable aleatoria que tiene dos valores, el 1 con probabilidad 1/3
y el 0 con probabilidad 2/3.
Crear una variable aleatoria no tiene mucho sentido sino la vamos a utilizar en un
determinado contexto, por ejemplo, podemos utilizar la segunda variable aleatoria
que hemos creado para apostar si sale o no mltiplo de tres.
Resumiendo, una variable aleatoria se construye al atribuir un nmero (positivo,
negativo o cero) a cada uno de los sucesos aleatorios que forman el espacio
muestral de un experimento aleatorio. La probabilidad de cada valor de la variable
es la probabilidad conjunta de los sucesos que dan lugar a ese valor. Es decir,
definimos una variable aleatoria como una aplicacin
el conjunto de los nmeros reales R.
37
Segn la amplitud del campo de variacin de la funcin podemos distinguir:
variables aleatorias discretas y variables aleatorias continuas. De la misma forma
que en estadstica descriptiva, una variable aleatoria es discreta si toma valores en
un conjunto finito o infinito numerable. Y una variable aleatoria es continua si
puede tomar valores en un conjunto infinito no numerable. Como ejemplo tpico de
variable aleatoria discreta tenemos la distribucin binomial, y como ejemplo tpico
de variable aleatoria continua vamos a ver ahora la distribucin normal.
Como hemos visto hay variables aleatorias que pueden tomar cualquier valor de
- -
las variables de este tipo se las denomina variables aleatorias continuas.
Por ejemplo: Supongamos que vamos a realizar un experimento aleatorio que
consiste en seleccionar una persona y apuntar su peso. Podemos crear una
variable aleatoria cuyos valores sean el nmero de kilogramos que pesa la
persona observada.
En este caso, el rango de valores posibles se extiende entre los lmites naturales,
pero la continuidad de esta variable aleatoria radica en el carcter continuo de lo
que medimos, el peso, es decir, en el hecho de que entre dos valores posibles se
podran obtener infinitos valores intermedios, tambin posibles si utilizramos
aparatos con suficiente precisin. Estos "infinitos" en el interior del rango de la
variable es lo que diferencia a las variables continuas de las discretas.
Sin entrar en profundidades, consideramos que una distribucin de probabilidad es
cualquier mecanismo que nos ayuda a obtener las probabilidades de los valores
de una variable si es discreta, o las probabilidades de intervalos de la variable si
es continua. Si la variable aleatoria es discreta es posible asignar probabilidades a
cada uno de los valores puntuales de la variable. En contra, cuando es continua
cada uno de los infinitos valores posibles tendr probabilidad cero y slo
podremos hablar de probabilidad dentro de intervalos.
38
2.9 Modelos analticos de fenmenos aleatorios Discretos.
Definicin de variables aleatoria discreta.
Variable aleatoria discreta (x). Se le denomina variable porque puede
tomar diferentes valores, aleatoria, porque el valor tomado es totalmente al
azar y discreta porque solo puede tomar valores enteros y un nmero finito de
ellos.
Ejemplos:
generadas en un proceso dado.
25
productos.
de probabilidad en un grupo de 40 alumnos.
dad
Con los ejemplos anteriores nos damos cuenta claramente que los valores
de la variable x siempre sern enteros, nunca fraccionarios.
Funcin de probabilidad y de distribucin, valor esperado, varianza y
desviacin estndar.
Funcin de probabilidad
39
En teora de la probabilidad, una funcin de probabilidad (tambin
denominada funcin de masa de probabilidad) es una funcin que asocia a cada
punto de su espacio muestral X la probabilidad de que sta lo asuma.
En concreto, si el espacio muestral, E de la variable aleatoria X consta de
los puntos x1, x2, ..., xk, la funcin de probabilidad P asociada a X es donde pi es
la probabilidad del suceso X = xi.
Por definicin de probabilidad,
Hay que advertir que el concepto de funcin de probabilidad slo tiene
sentido para variables aleatorias que toman un conjunto discreto de valores.
Para variables aleatorias continuas el concepto anlogo es el de funcin de
densidad.
Distribucin de probabilidad
En teora de la probabilidad y estadstica, la distribucin de probabilidad de
una variable aleatoria es una funcin que asigna a cada suceso definido
sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. La
distribucin de probabilidad est definida sobre el conjunto de todos los eventos
rango de valores de la variable aleatoria.
Cuando la variable aleatoria toma valores en el conjunto de los nmeros reales, la
distribucin de probabilidad est completamente especificada por la funcin
de distribucin, cuyo valor en cada real x es la probabilidad de que la
variable aleatoria sea menor o igual que x.
Definicin de funcin de distribucin
Dada una variable aleatoria todos son puntos , su funcin de distribucin, ,
es
40
Por simplicidad, cuando no hay lugar a confusin, suele omitirse el subndice y
se escribe, simplemente, .
Propiedades
Como consecuencia casi inmediata de la definicin, la funcin de distribucin:
Adems, cumple
y
Para dos nmeros reales cualesquiera a y b tal que (a < b), los sucesos
y son mutuamente excluyentes y su unin es el suceso , por lo que tenemos
entonces que:
y finalmente
Por lo tanto una vez conocida la funcin de distribucin F(x) para todos los valores
41
de la variable aleatoria x conoceremos completamente la distribucin de
probabilidad de la variable.
Para realizar clculos es ms cmodo conocer la distribucin de
probabilidad, y sin embargo para ver una representacin grfica de la
probabilidad es ms prctico el uso de la funcin de densidad.
Esperanza matemtica
En estadstica la esperanza matemtica (tambin llamada esperanza, valor
esperado, media poblacional o media) de una variable aleatoria X, es el
nmero E(X) que formaliza la idea de valor medio de un fenmeno aleatorio.
Cuando la variable aleatoria es discreta, la esperanza es igual a la suma
de la probabilidad de cada posible suceso aleatorio multiplicado 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.
Definicin
Para una variable aleatoria discreta con valores posibles y sus
probabilidades representadas por la funcin de probabilidad p(xi) la esperanza se
calcula como:
Propiedades
La esperanza es un operador lineal, ya que:
42
DESVIACIN ESTANDAR DE UNA VARIABLE ALEATORIA DISCRETA
Se dice que un modelo es la representacin en miniatura de algunos fenmenos
relevantes.
En particular, un modelo matemtico es una expresin matemtica que
representa algn fenmeno relevante.
Para variables aleatorias discretas, esta expresin matemtica se conoce como
funcin de distribucin de probabilidad.
Distribuciones y otros (Discreto).
Distribucin Binomial.
Supongamos que un experimento aleatorio tiene las siguientes caractersticas:
En cada prueba del experimento slo son posibles dos resultados: el
suceso A (xito) y su contrario (fracaso).
El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.
La probabilidad del suceso A es constante, la representamos por p, y no vara de
una prueba a otra. La probabilidad es 1- p y la representamos por q .
43
El experimento consta de un nmero n de pruebas.
Todo experimento que tenga estas caractersticas diremos que sigue el modelo de
la distribucin Binomial. A la variable X que expresa el nmero de xitos
obtenidos en cada prueba del experimento, la llamaremos variable aleatoria
binomial.
La variable binomial es una variable aleatoria discreta, slo puede tomar los
valores 0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas. Como hay
que considerar todas las maneras posibles de obtener k-xitos y (n-k) fracasos
debemos calcular stas por combinaciones (nmero combinatorio n sobre k).
La distribucin Binomial se suele representar por B(n,p) siendo n y p
los parmetros de dicha distribucin.
Funcin de Probabilidad de la v.a. Binomial
Funcin de probabilidad de la distribucin Binomial o tambin denominada funcin
de la distribucin de Bernoulli (para n=1). Verificndose:
Probabilidad de obtener k-exitos
Como el clculo de estas probabilidades puede resultar algo tedioso se han
construido tablas para algunos valores de n y p que nos facilitan el trabajo.
Parmetros de la Distribucin Binomial
44
Funcin de Distribucin de la v.a. Binomial
Distribucin hipergeomtrica.
Los experimentos que tienen este tipo de distribucin tienen las siguientes
caractersticas:
a) Al realizar un experimento con este tipo de distribucin, se esperan
dos tipos de resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son
constantes.
c) Cada ensayo o repeticin del experimento no es independiente de
los dems.
d) El nmero de repeticiones del experimento (n) es constante.
45
DISTRIBUCIN GEOMETRICA
Esta distribucin indica exactamente el nmero de repeticiones del
experimento hasta lograr la caracterstica de inters.
46
Se genera la simulacin de variables aleatorias tipo Geomtrica a partir del
mtodo de la transformada inversa.
47
DISTRIBUCIN POISSON
Sirve para trabajar en teora de colas.
Aproximacin de la binomial por la de poisson.
Aproximacin de Poisson a la binomial.
En este caso se determinarn probabilidades de experimentos Binomiales, pero
que dadas sus caractersticas, es posible aproximarlas con la distribucin de
Poisson, estas caractersticas son, n ( n es muy grande) y p0 (p es muy pequea),
por lo que:
48
La expresin anterior solo se cumple cuando n-ininito y p->0, solo en este caso, si
esto no se cumple, la aproximacin no se puede llevar a efecto, por lo que la
frmula a utilizar en este caso sera:
2.10 Modelos analticos de fenmeno Aleatorios continuos.
Definicin de variables aleatorias continuas.
Variable aleatoria continua (x). Se le denomina variable porque puede
tomar diferentes valores, aleatoria, porque los valores que toma son totalmente al
49
azar y continua porque puede tomar tanto valores enteros como fraccionarios
y un nmero infinito de ellos.
Ejemplos:
ne la longitud de un cable o circuito utilizado en un arns
de auto
muestras de mineral
15.0, 18.4, 19.0, 21.0, 20.8
Funcin de densidad
Una funcin y=f(x) es una funcin de densidad de una variable aleatoria continua
si cumple las siguientes condiciones :
Conclusiones