Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
4.4. VARIABLES ALEATORIAS UNIDIMENSIONALES CONTENIDO 4. VARIABLES ALEATORIAS UNIDIMENSIONALES............................65 4.1 VARIABLES ALEATORIAS DISCRETAS.......................................... 66 4.1.1 DISTRIBUCIONES DE PROBABILIDAD............................. 66 4.1.2 PARAMETROS ESTADISTICOS........................................... 68 4.1.3 EJERCICIOS RESUELTOS.................................................... 70 4.2 VARIABLES ALEATORIAS CONTINUAS........................................ 71 4.2.l FUNCION DE DENSIDAD..................................................... 71 4.2.2 PARAMETROS ESTADISTICOS........................................... 73 4.2.3DESIGUALDAD DE CHEBYSHEV......................................... 73 G.Carnevali-E.Franchelli-G.Gervasoni VARIABLES ALEATORIAS UNIDIMENSIONALES PRIMERA PARTE 4. VARIABLES ALEATORIAS UNIDIMENSIONALES Las experiencias aleatorias dan como resultado sucesos elementales. Una variable aleatoria se define al asignar un valor numérico a cada suceso elemental de una experiencia aleatoria. Es decir, una variable aleatoria numérica es un fenómeno de interés cuyos resultados se expresan con números. Como se vio en el capítulo 1, las variables aleatorias numéricas se clasifican como discretas o continuas, las primeras surgen del proceso de contar y las segundas de un proceso de medir. Ejemplos: número de hijos por familia, sueldo de empleados administrativos, número de llamadas telefónicas que llegan a una central, longitud de cierta pieza, etc. 4.1 VARIABLES ALEATORIAS DISCRETAS Una variable es discreta cuando el conjunto de valores posibles que puede asumir (llamado rango o recorrido de la variable: RX) es un conjunto finito o infinito numerable. Ejercicios Identifique cuáles de las siguientes variables aleatorias pueden clasificarse como discretas: a) Número de alumnos por curso b) Número de respuestas correctas de un examen por alumno c) Años completos trabajados por un empleado d) Tiempo que tarda un alumno en llegar a la escuela e) Tiempo de demora en la llegada de un determinado tren f) Consumo de gas natural por hogar en una ciudad 4.1.1 DISTRIBUCIONES DE PROBABILIDAD En el capítulo 2 se presentó para un conjunto de datos correspondientes a una variable discreta la distribución de frecuencias (absolutas o relativas). Pensando ahora en todos los valores posibles que puede asumir la variable aleatoria discreta y la probabilidad asociada a cada valor se dice que: Una distribución de probabilidad es la enumeración de todos los valores posibles que puede asumir una variable aleatoria, junto con sus probabilidades. G.Carnevali-E.Franchelli-G.Gervasoni 66 VARIABLES ALEATORIAS UNIDIMENSIONALES Ejemplo : La tabla 4.1 representa la distribución de probabilidad del número de empleados ausentes por día en una empresa: TABLA 4.1 : Nº de empleados ausentes por día ( xi ) Probabilidad ( pi ) Probabilidad acumulada F(xi ) 1 0,085 0,085 2 0,118 0,203 3 0,184 0,387 4 0,217 0,604 5 0,127 0,731 6 0,118 0,849 7 0,104 0,953 8 0,047 1 1,000 GRÁFICA DE LA DISTRIBUCIÓN DE PROBABILIDAD FIGURA 4.1 0 0,05 0,1 0,15 0,2 0,25 0 1 2 3 4 5 6 7 8 9 Número de empleados ausentes Pr ob ab ili da d G.Carnevali-E.Franchelli-G.Gervasoni 67 VARIABLES ALEATORIAS UNIDIMENSIONALES Ejercicios 1.- ¿Qué es una distribución de probabilidad? 2.- ¿Cuál es la diferencia entre una distribución de probabilidad y una distribución de frecuencias? 3.- Sea X: número de accidentes diarios en una planta industrial. Los datos fueron obtenidos durante un período de tiempo prolongado: Número de accidentes diarios Proporción de días 0 0,51 1 0,28 2 0,15 3 0,03 4 0,03 a) ¿Es ésta una distribución de frecuencias o una distribución de probabilidad? Fundamente su respuesta. b) Represente gráficamente. c) ¿Cuál es la probabilidad de que haya dos accidentes en un día? d) ¿Cuál es la probabilidad de que haya por lo menos dos accidentes diarios? G.Carnevali-E.Franchelli-G.Gervasoni 68 Observaciones : ¿?? pi ≥ 0 ∀ i 1 pi =∑ ∈∀ Ri (condición de cierre). La distribución de probabilidad debe contener todos los valores posibles que puede tomar una variable aleatoria. Por lo tanto la suma de las probabilidades debe ser igual a 1. ( ) ( ) ( )∑ = ==≤= x k kXPxXPxF 0 F (x) es la Función de distribución de Probabilidad Acumulada. VARIABLES ALEATORIAS UNIDIMENSIONALES 4.1.2 PARAMETROS ESTADISTICOS Son las medidas que resumen la información que brinda una distribución de probabilidad así como los estadísticos resumen la información que brinda una distribución de frecuencias. • ESPERANZA MATEMÁTICA O PROMEDIO POBLACIONAL La esperanza matemática es el valor promedio de una variable aleatoria X. Se la nota como E ( X ) o µ . La fórmula para el cálculo de la esperanza matemática de una variable aleatoria discreta X está dada por: ( ) ∑ ∞ = = 1i i.i pxXE En el ejemplo de la tabla 4.1 el promedio poblacional es 4.2 , es decir el número promedio de empleados ausentes por día es de 4,2 empleados. Se simboliza E (X) = 4,2 empleados. • VARIANZA POBLACIONAL Es una medida de dispersión y se la nota como V ( X ) o σ2 . La fórmula para el cálculo de la varianza está dada por: ( ) ( )[ ] ( ) ( )[ ] 222i 1i 2 i 2 XEXEXEXEp.μxσ −=−== ∑ ∞ = − Observe que puede expresarse como el promedio de los desvíos al cuadrado. • DESVIACION ESTANDAR POBLACIONAL Es la raíz cuadrada positiva de la varianza y su ventaja es que trabaja con las mismas unidades en las que está expresada la variable. Así : ( ) 2σσXD +== En el ejemplo de la tabla 4.1 la varianza es 3,67 (empleados)2, de donde la desviación estándar es 1,92 empleados. Se simboliza D ( X ) = 1,92 empleados G.Carnevali-E.Franchelli-G.Gervasoni 69 VARIABLES ALEATORIAS UNIDIMENSIONALES Ejercicios 1.- Una compañía desea introducirse en el mercado de la electrónica. A tal fin, analiza el número de unidades defectuosas en su línea de chips para computadora. Sea X: número de unidades defectuosas producidas por esta línea en un día normal. La variable X puede asumir los valores 0, 1, 2, 3 y 4, con las correspondientes probabilidades 0,40, 0,30, 0,15, 0,10 y 0,05. Calcule el promedio y la desviación de la variable aleatoria X e interprete. 2.- Sea X una variable aleatoria con promedio µ y desvío estándar σ. Determine la esperanza matemática y la varianza de la variable aleatoria Z ( a la que se conoce con el nombre de variable estandarizada ) y se define como : σ μXZ −= 4.1.3 EJERCICIOS RESUELTOS 1.- Identifique cuáles de las siguientes variables aleatorias se pueden clasificar como discretas: a) El número de personas que pasan por una caja registradora b) Cantidad de mm3 en botellas de gaseosa c) Edad de los alumnos de la UTN – Fac. Reg. Rosario d) El número de ventas hechas por un vendedor de autos en un mes e) Duración de un tubo fluorescente f) El número de ofertas recibidas sobre una casa en venta Solución : son variables discretas a ) , d ) y f ) . 2.- La compañía constructora “M.L” está teniendo problemas con herramientas que se rompen. La distribución de probabilidad del número de herramientas rotas diariamente es: Número de herramientas rotas por día Probabilidad 0 0,30 1 0,25 2 0,15 3 0,20 4 ó más 0,10 a ) Calcule la probabilidad de que en un día cualquiera haya tres herramientas rotas b ) Calcule la probabilidad de que en un día cualquiera haya más de una herramienta rota c ) Calcule la probabilidad de que no haya herramientas rotas en los próximos dos días (considere que las roturas en diferentes días son independientes) Solución : X : número de herramientas rotas : a ) P ( X = 3 ) = 0,20 G.Carnevali-E.Franchelli-G.Gervasoni 70 VARIABLES ALEATORIAS UNIDIMENSIONALESb ) P ( X > 1 ) = P ( X = 2 ) + P ( X = 3 ) + P ( X = 4 ) = 0,15 + 0,20 + 0,10 = 0,45 c ) P ( X = 0 ∩ X = 0 ) = P ( X = 0 ) * P ( X = 0 ) = 0,30 * 0,30 = 0,09 3.- La compañía Nutra ha determinado que si se comercializa un nuevo tipo de edulcorante, la siguiente distribución de probabilidad describiría su contribución a las ganancias de la empresa durante los siguientes tres meses : Contribución a las ganancias Probabilidad - $ 3000 0,20 $ 5000 0,50 $ 20000 0,30 Calcule E(X) e interprete. Solución: X: contribución a la ganancia E ( X ) = 0,2 * (- 3000) + 0,5 * 5000 + 0,3 * 20000 = $ 7900 La interpretación queda propuesta para el alumno. 4.2 VARIABLES ALEATORIAS CONTINUAS En las distribuciones de probabilidad presentadas hasta ahora, las variables aleatorias toman sólo valores aislados (Rx finito o infinito numerable), por lo tanto se hacía referencia a distribuciones de probabilidad de variables aleatorias discretas. Ahora se verán distribuciones de probabilidad para variables aleatorias continuas, es decir, para aquellas variables que pueden tomar cualquier valor dentro de un intervalo de los Reales. Una variable aleatoria es continua cuando el rango o recorrido de la misma ( Rx ) es un conjunto infinito no numerable. Ejemplos: tiempo de demora en el otorgamiento de un crédito, años de antigüedad de los empleados de una empresa, duración de componentes electrónicas, etc. 4.2.l FUNCION DE DENSIDAD En el capítulo 2 se vio que la representación gráfica de una variable continua se realiza a través de un histograma con su correspondiente polígono de frecuencias relativas. La siguiente figura muestra que a medida que aumenta el tamaño de la muestra y disminuye la amplitud del intervalo de clase, el polígono de frecuencias tiende a una curva llamada curva de densidad : G.Carnevali-E.Franchelli-G.Gervasoni 71 VARIABLES ALEATORIAS UNIDIMENSIONALES La curva de densidad es la representación de una función, llamada función de densidad, que se simboliza con ƒ(x ) y que verifica: G.Carnevali-E.Franchelli-G.Gervasoni 72 ( ) ( ) cierre) de (condición1 0 =• ≥• ∫ ∞+ ∞− dxxf xf ( ) ( ) dxxfdXcP d c ∫=≤≤• VARIABLES ALEATORIAS UNIDIMENSIONALES 4.2.2 PARAMETROS ESTADISTICOS • ESPERANZA MATEMATICA O PROMEDIO POBLACIONAL ( ) ∫ + ∞ ∞− = dxxfxXE )( • VARIANZA POBLACIONAL ( ) ( ) ( ) ( )[ ] 2222 XEXEdxxfx)X(V −=µ−== ∫∞+ ∞− σ • DESVIACION ESTANDAR POBLACIONAL ( ) 2σσ +==XD G.Carnevali-E.Franchelli-G.Gervasoni 73 Observaciones: La probabilidad de que un valor de X sea igual a cualquier valor específico es cero, en consecuencia, el signo de igualdad puede o no incluirse en la especificación del intervalo. Es decir: ( ) ( ) ( ) ( )dXcPdXcPdXcPdXcP <<=≤<=<≤=≤≤ Se define: ( )∫ ∞ =<= x - .dssf xX PF ( x ) )( Función de distribución de probabilidad acumulada de X. Se deduce: f (x) = )(xF dx d VARIABLES ALEATORIAS UNIDIMENSIONALES 4.2.3 DESIGUALDAD DE CHEBYSHEV La desigualdad de Chebyshev muestra una propiedad muy útil de la desviación estándar. En particular dice que, independientemente de cómo se distribuyan los valores de la variable aleatoria X, al menos (1 – 1/ k2) % de dichos valores estarán a menos de k desviaciones estándar del promedio. Es decir: [ ] [ ] (b) 1 - 1 - XP (a) 1 - X P 2 2 k kμ k kμ ≥≤ ≤≥ σ σ Trabajando la desigualdad (b), para algunos valores de k: La aplicación de esta regla es útil cuando no se conoce la función de probabilidad de la variable y nos permite obtener valores aproximados de las probabilidades asociadas a dicha variable. Observación: recordar regla empírica para distribuciones simétricas ( pag. 33 ). Ejemplo : En una fábrica la edad promedio de los operarios es de 44,8 años con una desviación estándar de 9,7 años. Al usar la desigualdad de Chebyshev para k = 2 se obtiene: Es decir que al menos el 75 % de las edades de los operarios de la fábrica están entre 25,4 y 64,2 años, o lo que es lo mismo, la probabilidad de que un operario de la fábrica (elegido al azar) tenga entre 25,4 y 64, 2 años es al menos de 0,75. Si se hubiese conocido la función de densidad correspondiente a los años de los operarios de la fábrica se hubiese podido calcular con exactitud el porcentaje de edades de los operarios que se encuentra a menos de dos desviaciones estándar del promedio. Ejercicios 1.- Una variable aleatoria continua X tiene un promedio de 9,2. ¿Qué valor máximo puede admitirse para el desvío estándar σ, si se desea que la variable se encuentre en el intervalo (9,0 ; 9,4) con una probabilidad de al menos 0,889? 2.- Sea X la variable que representa la cantidad de lluvia caída en una semana en una región determinada. Supóngase que µ = 20 mm y σ = 5 mm. Una persona afirma que es frecuente que en esa región llueva más de 50 mm en una semana. ¿Qué opina Ud. G.Carnevali-E.Franchelli-G.Gervasoni k cota de la probabilidad 2 0,75 3 0,89 4 0,94 74 [ ] 64,2 X 25,4 9,7 *2 44,8 X 9,7 *2 - 44,8 X X - - ≤≤=+≤≤= =+≤≤=≤ σµσµσµ kkk
Compartir