Professional Documents
Culture Documents
Variable aleatoria
Dado un espacio muestral , en donde se encuentra definida una probabilidad P, se llama variable aleatoria a toda funcin X de al conjunto de nmeros reales.
X w Reales RX Fig. 6.1 x = X(w)
Ejemplo:variable aleatoria
Experimento: lanzar dos monedas Variable aleatoria: X=nmero de sellos observados
Eventos simples CC X 0 1
S S S S
CS SC SS
RX = { X ( w) / w }
Evento ( X = a )
( X = a) = { w / X (w) = a }
Por ejemplo, si X = nmero de caras observadas al lanzar una moneda tres veces. Rango de X = {0, 1, 2, 3} Evento (X=2)={ccs, csc, scc}
a un
P[ X = a] = P({w / X ( w) = a})
En el ejemplo anterior: P(X = 2) = P ({ccs, csc, scc}) = 3/8
f ( x) = P( X = x) = 1
x RX x RX
Si A R X , entonces P( X A) = f ( x)
x A
El dominio de la funcin f(x) se puede extender a todos los reales si se define f(x) = 0 para todo x que no pertenece al rango de X.
Funcin de probabilidad f(0) = P(X=0) = 1/4 f(1) = P(X=1) = 2/4 f(2) = P(X=2) = 1/4
S S S S
0 1 2
Ejemplo
Sea la variable aleatoria X = nmero de expedientes rechazados por documentacin incompleta, en un da. Usando informacin disponible en los archivos, se observ el nmero de expedientes rechazados por documentacin incompleta por da, en una muestra de 200 das. Los resultados fueron:
- 32 das no se rechazaron expedientes - 48 das se rechaz un expediente - 70 das se rechazaron dos expedientes - 30 das se rechazaron tres expedientes - 16 das se rechazaron cuatro expedientes - 4 das se rechazaron cinco expedientes
sigue ejemplo
a) Usar la informacin anterior para construir una distribucin de probabilidades para X b) Calcular la probabilidad de que en un da cualquiera sean rechazados mas de tres expedientes por documentacin incompleta. c) Calcular la probabilidad de que en un da cualquiera sean rechazados a lo mas dos expedientes por documentacin incompleta.
Solucin
X = nmero de expedientes rechazados por documentacin incompleta, en un da a) Su distribucin de probabilidades se construye usando las frecuencias relativas:
x P(X=x) 0 32/200 = 0,16 1 48/200 =0,24 2 70/200 =0,35 3 30/200 =0,15 4 16/200 =0,08 5 4/200 =0,02
b) P(sean rechazados mas de 3 expedientes en un da) = P(X>3) = P(X=4)+P(X=5) = 0,08+0,02 = 0,10 c) P(sean rechazados a lo mas 2 expedientes en un da) = P(X2)=P(X=0)+P(X=1)+P(X=2) = 0,16+0,24+0,35=0,75
F : IR IR
F (a) = P( X a) = P( X = x)
xa
Propiedades: Funcin de Distribucin Acumulada Si F(x) es la funcin de distribucin acumulada de la variable aleatoria X, entonces: 1) 2) 3)
Si x1 x2 F ( x1 ) F ( x2 )
P ( a < X b ) = F (b ) F ( a )
LimF ( x) = 0
x
y LimF ( x) = 1
x+
Ejemplo
Sea X el nmero de caras obtenidas al lanzar una moneda tres veces. Encontrar: a) La funcin de distribucin acumulada de la
Ejemplo
Sea X una variable aleatoria discreta que denota el nmero de averas que un operario resuelve en una jornada de trabajo, con funcin de probabilidad dada por:
k f ( x) = ; x +1
x = 0,1, 2, 3
Media o esperanza de X: x
Sea X una variable aleatoria discreta. La esperanza de X es una media ponderada de los valores posibles de X cada uno con un peso igual a su probabilidad de ocurrencia:
X = E(X ) =
xR X
xP ( X = x )
Rx representa el rango de X
E( H ( X )) =
xRX
H ( x)P( X = x)
Varianza de X:
x2
X = E[( X x ) 2 ] =
2
xR X
2 P ( X = x) ( x ) x
X = E( X ) x =
2 2 2
xR X
P( X = x) x
Desviacin Estndar de X: X
La desviacin estndar de la variable aleatoria X es la raz cuadrada de su varianza:
X = X
Ejemplo
El nmero de licitaciones que gana al ao una empresa consultora, se modela con una variable aleatoria X con distribucin de probabilidad:
x P(X=x)
Solucin:
De la distribucin de probabilidad:
X P(X=x) 0 0.15
4
1 0.30
2 0.25
3 0.20
4 0.10
E( X ) = x P( X = x) =1, 8 licitaciones
x=0
Var ( X ) = E( X ) = x P( X = x)
2 2 2 x=0
sigue solucin
X = X = 1.21 licitaciones
2
X CV X = = 0.67 X
x ( = nmeros reales).
f ( x ) dx = 1
iii) P( A) = P[x A] =
f ( x)dx
a
P[ a X b]
P[ X = x0 ] = P[ x0 X x0 ] =
Como consecuencias se tiene: a) P(A) = 0, no implica A = .
x0 x0
f ( x)dx = 0
Ejemplo
Si las ventas diarias (en miles de soles) en una tienda de abarrotes se modelan con una variable continua X con funcin de densidad de probabilidad
f ( x ) = cx , 0 x 10
Encontrar:
a) b) c)
El valor de c. P ( X < 5 ). P ( X 8 ).
Solucin:
10
a) b) c)
( cx ) dx = 1 50 c = 1 c = 0 . 02
0
P ( X 8) = 0.02 x dx = 0.36
8
10
Grficamente:
10
F ( a) = P( X a ) =
f ( x) dx
Propiedades: Funcin de Distribucin Acumulada Si F(x) es la funcin de distribucin acumulada de la v.a. continua X, con densidad f(x), entonces: 1) 2) 3)
Si x1 x2 F ( x1 ) F ( x2 )
LimF ( x) = 0
x
P ( a < X b ) = F (b ) F ( a )
y LimF ( x) = 1
x+
dF ( x) = f ( x) dx 4)
Ejemplo
Si las ventas diarias (en miles de soles) en una tienda se modela con variable continua X con funcin de densidad de probabilidad
f ( x ) = 0 . 02 x ,
Encontrar:
0 x 10
Solucin:
a) F ( a ) = P ( X a ) =
a
f ( x ) dx
2 0 . 02 x dx = 0 . 01 a 0
0 F ( x ) = 0 . 01 x 2 1
b)
x<0 0 x 10 x > 10
P ( X 5 ) = F ( 5 ) = 0 . 25
Media o esperanza de X
Sea X una variable aleatoria continua con funcin de densidad f(x). La media o esperanza de X es:
X = E(X ) =
xf ( x ) dx = xf ( x ) dx
x R x
E( H ( X )) = H ( x) f ( x)dx =
xRx
H ( x) f ( x)dx
Varianza de X
Sea X una variable aleatoria continua con funcin de densidad f(x), entonces la varianza de X es:
2 X = E[( X X )2 ] = E( X 2 ) X 2
=
2 X
xRx
(x
) f ( x) dx =
2
xRx
f ( x) dx X
X = X
Ejemplo
Un fabricante produce cierto tipo de aceite. La demanda mensual (en miles de litros) es una variable aleatoria X con funcin de densidad de probabilidad: f(x) = 0,5 si 2 < x < 4 Por cada litro vendido se obtiene una ganancia de 3 soles, mientras que por cada litro no vendido durante el mes se pierde 1 sol. Si el fabricante debe decidir al comienzo del ao cunto producir mensualmente, cul ser el nivel de produccin que maximizar su utilidad esperada?
Solucin:
Supongamos que la produccin mensual de aceite para el prximo ao es k miles de litros:
3000X 1000(k X ) , 2 < X < k U(X ) = , k < X <4 3000k 4000X 1000k , 2 < X < k U(X ) = , k < X <4 3000k
sigue solucin
sigue solucin
( E (U ( X ))) = 2000 k + 7000
'
Si
( E (U ( X ))) = 0 k = 3,5
' ''
1 P( | X X | k X ) 1 2 , (k > 0) k
7.
Si
Z =
X x
Z = 0 Z = 1