Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Universidad de Colima Facultad de ingeniería electromecánica “Valor esperado y varianzas” 4°D Presenta Ochoa Preciado Enrique de Jesús Profesor Martínez Vargas Felipe de Jesús Manzanillo, Col., México, 01 de mayo de 2022 Índice Introducción 3 Cuerpo del trabajo 4 Conclusiones 7 Fuentes consultadas 8 Introducción En este trabajo encontraremos 10 problemas sobre Valor esperado y varianzas en el cual observamos que el valor esperado, o media, de una variable aleatoria es una medida de la localización central de la variable aleatoria. A continuación, se da la fórmula para obtener el valor esperado de una variable aleatoria x. Las dos notaciones E(x) y μ se usan para denotar el valor esperado de una variable aleatoria x. La ecuación (5.4) indica que para calcular el valor esperado de una variable aleatoria discreta se multiplica cada valor de la variable aleatoria por su probabilidad correspondiente f(x) y después se suman estos productos. Usando el ejemplo de la sección 5.2 sobre las ventas de automóviles en DiCarlo Motors, en la tabla 5.5 se muestra cómo se calcula el valor esperado del número de automóviles vendidos en un día. La suma de las entradas en la columna xf(x) indica que el valor esperado es 1.50 automóviles por día. Por tanto, aunque se sabe que en un día las ventas pueden ser de 0, 1, 2, 3, 4 o 5 automóviles, DiCarlo prevé que a la larga se venderán 1.50 automóviles por día. Si en un mes hay 30 días de operación, el valor esperado, 1.50, se emplea para pronosticar que las ventas promedio mensuales serán de 30(1.5) 45 automóviles. Aunque el valor esperado proporciona el valor medio de una variable aleatoria, también suele ser necesaria una medida de la variabilidad o dispersión. Así como en el capítulo 3 se usó la varianza para resumir la variabilidad de los datos, ahora se usa la varianza para resumir la variabilidad en los valores de la variable aleatoria. A continuación, se da la fórmula para calcular la varianza de una variable aleatoria discreta = Var(x) = σ2= 𝛴(x - μ)2f(x) Cuerpo del trabajo 15. La tabla siguiente muestra la distribución de probabilidad de una variable aleatoria x. a. Calcule E(x), el valor esperado de x. x f(x) x f(x) 3 .25 3*.25=.75 6 .50 6*.50=3 9 .25 9*.25=2.25 Total 1 6 E(x)=µ=6 b. Calcule σ2, la varianza de x. x x- µ (x- µ)2 F(x) (x- µ)2 F(x) 3 3-6=-3 (-3) 2=9 .25 9*.25=2.25 6 6-6=0 (0) 2=0 .50 0*.50=0 9 9-6=3 (3) 2=9 .25 9*.25=2.25 Total 1 4.5 Var(x)=4.5 c. Calcule σ, la desviación estándar de x. 𝜎 = √4.5 = 2.1213 16. La tabla siguiente muestra la distribución de probabilidad de una variable aleatoria y. a. Calcule E(y). y f(y) y f(y) 2 .20 2*.20=.40 4 .30 4*.30=1.2 7 .40 7*.40=2.8 8 .10 8*.10=.80 Total 1 5.2 E(y)=µ=5.2 b. Calcule Var(y) y σ. y y- µ (y- µ)2 F(y) (y- µ)2 F(y) 2 2-5.2=-3.2 (-3.2) 2=10.24 .20 10.24*.2=2.048 4 4-5.2=-1.2 (-1.2) 2=1.44 .30 1.44*.3=.432 7 7-5.2=1.8 (1.8) 2=3.24 .40 3.24*.4=1.296 8 8-5.2=2.8 (2.8) 2=7.84 .10 7.84*.1=.784 Total 1 4.56 Var(y) =4.56 σ=√4.56 = 2.135415 17. Una ambulancia de voluntarios realiza de 0 a 5 servicios por día. A continuación, se presenta la distribución de probabilidad de los servicios por día. a. ¿Cuál es el valor esperado del número de servicios? x F(x) xf(x) 0 .10 0*.1=0 1 .15 1*.15=.15 2 .30 2*.30=.6 3 .20 3*.20=.6 4 .15 4*.15=.6 5 .10 5*.10=.5 Total 1 2.45 E(x)=µ=2.45 b. ¿Cuál es la varianza del número de servicios? ¿Cuál es la desviación estándar? x x- µ (x- µ)2 F(x) (x- µ)2 F(x) 0 0-2.45=-2.45 (-2.45) 2=6.0025 .10 6.0025*.10=0.60025 1 1-2.45=-1.45 (-1.45) 2=2.1025 .15 2.1025*.15=0.315375 2 2-2.45=-.45 (-.45) 2=0.2025 .30 0.2025*.30=0.06075 3 3-2.45=.55 (.55) 2=0.3025 .20 0.3025*.20=0.0605 4 4-2.45=1.55 (1.55) 2=2.4025 .15 2.4025*.15=0.360375 5 5-2.45=2.55 (2.55) 2=6.5025 .10 6.5025*.10=0.65025 Total 1 2.0475 Var(x) =2.0475 σ=√2.0475 = 1.430908802125418 18. Los datos siguientes son el número de recámaras en casas rentadas y en casas propias en ciudades centrales de Estados Unidos (www.census.gov, 31 de marzo de 2003). a. Defina una variable aleatoria x = número de recámaras en casas rentadas y elabore una distribución de probabilidad para esta variable. (x = 4 representará 4 recámaras o más.) x f(x) x f(x) x- µ (x- µ)2 (x- µ)2 f(x) 0 .04 0*.04=0 0-1.85=-1.85 (-1.85)2=3.4225 3.4225*.04=0.1369 1 .33 1*.33=.33 1-1.85=-.85 (-.85)2=0.7225 0.7225*.33=0.238425 2 .41 2*.41=.82 2-1.85=.15 (.15)2=0.0225 0.0225*.41=0.009225 3 .18 3*.18=.54 3-1.85=1.15 (1.15)2=1.3225 1.3225*.18=0.23805 4 .04 4*.04=.16 4-1.85=2.15 (2.15)2=4.6225 4.6225*.04=0.1849 Total 1 1.85 0.8075 http://www.census.gov/ http://www.census.gov/ b. Calcule el valor esperado y la varianza del número de recámaras en casas rentadas. E(x)=µ=1.85 Var(x) =.8075 c. Defina una variable aleatoria y = número de recámaras en casas propias y elabore una distribución de probabilidad para esta variable. (y = 4 representará 4 recámaras o más.) y F(y) yf(y) y- µ (y- µ)2 (y- µ)2 F(y) 0 0.0013 0*0.0013=0 0-2.929=-2.929 8.58 8.58*0.0013=0.011154 1 0.0321 1*0.0321=0.0321 1-2.929=-1.929 3.72 3.72*0.0321=0.119412 2 0.2272 2*0.2272=0.4544 2-2.929=-.929 0.86 0.86*0.2272=0.195392 3 0.5151 3*0.5151=1.5453 3-2.929=0.071 0.005 0.005*0.5151=0.0025755 4 0.2243 4*0.2243=0.8972 4-2.929=1.071 1.15 1.15*0.2243=0.257945 Total 1 2.929 0.5864785 d. Calcule el valor esperado y la varianza del número de recámaras en casas propias. E(y)=µ=2.929Var(y) =0.5864785 e. ¿Qué observaciones resultan al comparar el número de recámaras en casas rentadas y en casas propias? El número de recámaras en casas propias es mayor que en casas rentadas; el número esperado de recámaras es de 2.93-1.84= 1.09 mayor y la variabilidad en el número de recámaras es menor en las casas propias con .58; a diferencia de .80 de casas rentadas. La National Basketball Association (NBA) lleva diversas estadísticas de cada equipo. Dos se refieren al porcentaje de tiros de campo hechos por un equipo y el porcentaje de tiros de tres puntos hechos por un equipo. En parte de la temporada del 2004, el registro de tiros de los 29 equipos de la NBA indicaba que la probabilidad de anotar dos puntos en un tiro de campo era 0.44, y que la probabilidad de anotar tres puntos en un tiro de tres puntos era 0.34 (www.nba.com, 3 de enero de 2004). http://www.nba.com/ http://www.nba.com/ a. ¿Cuál es el valor esperado para un tiro de dos puntos de estos equipos? El valor esperado de tiros de dos puntos es E(x)=µ=29*.44=12.76 b. ¿Cuál es el valor esperado para un tiro de tres puntos de estos equipos? El valor esperado de tiros de tres puntos es E(x)=µ=29*.34=9.86 c. Si la probabilidad de hacer un tiro de dos puntos es mayor que la probabilidad de hacer uno de tres puntos, ¿por qué los entrenadores permiten a algunos jugadores hacer un tiro de tres puntos si tienen oportunidad? Use el valor esperado para explicar su respuesta. Se los permiten porque esa oportunidad de tener tres puntos puede aumentar la probabilidad de anotar; con respecto a los valores esperados hay una diferencia de 2.9, el jugador al aprovechar esa oportunidad de obtener tres puntos puede hacer que sea diferencia se reduzca lo más posible. 19. A continuación se presenta la distribución de probabilidad para los daños pagados por una empresa de seguros para automóviles, en seguros contra choques. a. Use el pago esperado para determinar la prima en el seguro de choques que le permitirá a la empresa cubrir los gastos. 1 x f(x) x f(x) 0 .85 0*.85=0 500 .04 500*.04=20 1000 .04 1000*.04=40 3000 .03 3000*.03=90 5000 .02 5000*.02=100 8000 .01 8000*.01=80 10000 .01 10000*.01=100 total 1 430 E(x)=µ=430 b. Laempresa de seguros cobra una tasa anual de $520 por la cobertura de choques. ¿Cuál es el valor esperado de un seguro de choques para un asegurado? (Indicación: son los pagos esperados de la empresa menos el costo de cobertura.) ¿Por qué compran los asegurados un seguro de choques con este valor esperado? Costo cobertura = 520 Esperado para asegurados = Esperado x – costo cobertura= 430-520=-90 la idea es proteger contra los gastos de un accidente grande 20. La siguiente distribución de probabilidad sobre puntuaciones dadas a la satisfacción con el trabajo por una muestra de directivos de alto nivel y de nivel medio en sistemas de la información va desde 1 (muy insatisfecho) hasta 5 (muy satisfecho). 2 a. ¿Cuál es el valor esperado en las puntuaciones dadas a la satisfacción con el trabajo por los ejecutivos de nivel alto? E(x)=µ=4.0 La demanda de un producto de una empresa vaía enormemente de mes a mes. La distribución de probabilidad que se presenta en la tabla siguiente, basada en los datos de los dos últimos años, muestra la demanda mensual de la empresa. a. Si la empresa basa las órdenes mensuales en el valor esperado de la demanda mensual, ¿cuál será la cantidad ordenada mensualmente por la empresa para este producto? x F(x) xf(x) 300 .20 300*.20=60 400 .30 400*.30=120 500 .35 500*.35=175 600 .15 600*.15=90 X F(x) Xf(x) x- µ (x- µ)2 (x- µ)2 F(y) 1 .05 1*.05=.05 1-4.05=-3.05 9.3025 9.3025*.05=0.465125 2 .09 2*.09=.18 2-4.05=-2.05 4.2025 4.2025*.09=0.378225 3 .03 3*.03=.09 3-4.05=-1.05 1.1025 1.1025*.03=0.033075 4 .42 4*.42=1.68 4-4.05=-.05 0.0025 0.0025*.42=0.00105 5 .41 5*.41=2.05 5-4.05=.95 0.9025 0.9025*.41=0.370025 Total 1 4.05 1.2475 3 total 1 445 E(x)=µ=445 b. Suponga que cada unidad demandada genera $70 de ganancia y que cada unidad ordenada cuesta $50. ¿Cuánto ganará o perderá la empresa en un mes si coloca una orden con base en su respuesta al inciso a y la demanda real de este artículo es de 300 unidades? 300*70=21000,445*50=22250 21000-22250=Perderá $1 250 21. El estudio 2002 New York City Housing and Vacancy Survey indicó que había 59 324 viviendas con renta controlada y 236 263 unidades con renta estabilizada construidas en 1947 o después. A continuación, se da la distribución de probabilidad para el número de personas que viven en estas unidades (www.census.gov, 12 de enero de 2004). a. ¿Cuál es el valor esperado para el número de personas que viven en cada tipo de unidad? x f(x) xf(x) 1 .61 1*.61=.61 2 .27 2*.27=.54 3 .07 3*.07=.21 4 .04 4*.04=.16 5 .01 5*.01=.05 6 0 6*0=0 Total 1 1.57 E(x)=µ=1.57 http://www.census.gov/ http://www.census.gov/ 4 y f(y) yf(y) 1 .41 1*.41=.41 2 .30 2*.30=.60 3 .14 3*.14=.42 4 .11 4*.11=.44 5 .03 5*.03=.15 6 .01 6*.01=.06 total 1 2.08 E(y)=µ=2.08 22. ¿Cuál es la varianza para el número de personas que viven en cada tipo de unidad? x x- µ (x- µ)2 f(x) (x- µ)2 f(x) 1 1-1.57=-.57 0.3249 .61 0.3249*.61=0.198189 2 2-1.57=.43 0.1849 .27 0.1849*.27=0.049923 3 3-1.57=1.43 2.0449 .07 2.0449*.07=0.143143 4 4-1.57=2.43 5.9049 .04 5.9049*.04= 0.236196 5 5-1.57=3.43 11.7649 .01 11.7649*.01=0.117649 6 6-1.57=4.43 19.6249 0 19.6249*0=0 Total 1 .7451 Var(x) =.7451 y y- µ (y- µ)2 f(y) (y- µ)2 f(y) 1 1-2.08=-1.08 1.1664 .41 1.1664*.41=0.478224 2 2-2.08=-.08 0.0064 .30 0.0064*.30=0.00192 3 3-2.08=.92 0.8464 .14 0.8464*.14=0.118496 4 4-2.08=1.92 3.6864 .11 3.6864*.11=0.405504 5 5-2.08=2.92 8.5264 .03 8.5264*.03=0.255792 6 6-2.08=3.92 15.3664 .01 15.3664*.01=0.153664 Total 1 1.4136 Var(y) =1.4136 5 23. Haga comparaciones entre el número de personas que viven en una unidad de renta controlada y el número de personas que viven en una unidad de renta estabilizada. En proporción la renta controlada es un valor esperado de 1.57 y la renta estabilizada con un 2.08 en margen la renta estabilizada tiene .51 más que la renta contralada. 24. J. R. Ryland Computer Company está considerando hacer una expansión a la fábrica para empezar a producir una nueva computadora. El presidente de la empresa debe determinar si hacer un proyecto de expansión a mediana gran escala. La demanda del producto nuevo es incierta, la cual, para los fines de planeación puede ser demanda pequeña, mediana o grande. Las probabilidades estimadas para la demanda son 0.20, 0.50 y 0.30, respectivamente. Con x y y representando ganancia anual en miles de dólares, los encargados de planeación en la empresa elaboraron el siguiente pronóstico de ganancias para los proyectos de expansión a mediana y gran escala. a. Calcule el valor esperado de las ganancias correspondientes a las dos alternativas de expansión. ¿Cuál de las decisiones se prefiere para el objetivo de maximizar la ganancia esperada? x f(x) xf(x) y f(y) yf(y) 50 .20 50*.20=10 0 .20 0*.20=0 150 .50 150*.50=75 100 .50 100*.50=50 200 .30 200*.30=60 300 .30 300*.30=90 Total 1 145 Total 1 140 Mediana E(x)=µ=145 Grande E(x)=µ=140 6 b. Calcule la varianza de las ganancias correspondientes a las dos alternativas de expansión. ¿Cuál de las decisiones se prefiere para el objetivo de minimizar el riesgo o la incertidumbre? para minimizar riesgos la expansión a mediana escala es mejor y que la variación es menor a comparación de la gran escala x x- µ (x- µ)2 f(x) (x- µ)2 f(x) 50 50-145=-95 9,025 .20 9,025*.20=1,805 150 150-145=5 25 .50 25*.50=12.5 200 200=145=55 3025 .30 3025*.30=907.5 Total 1 2,725 Var(x) =2,725 y y- µ (y- µ)2 f(y) (y- µ)2 f(y) 0 0-140=-140 19,600 .20 19,600*.20=3,920 100 100-140=-40 1,600 .50 1,600*.50=800 300 300-140=160 25,600 .30 25,600*.30=7,680 total 1 12,400 Var(y) =12,400 7 Conclusiones Con los ejercicios desarrollados, podemos concluir que las distribuciones de probabilidad nos permiten establecer toda la gama de resultados probables que puedan ocurrir en un experimento determinado, además, de que es una herramienta primordial, ya que con ella es posible diseñar un panorama a futuro de los acontecimientos, considerando tendencias actuales de diversos fenómenos. Sabiendo las dos características principales ( 𝑓(𝑥) ≤ 0 y que la suma de ellas debe dar 1), es posible anticipar estos escenarios sin necesidad completa de realizar el experimento en su totalidad. 8 Fuentes consultadas Anderson, D. R., & Sweeney, D. J. (2008). Estadistica para administracion y economia/ Statistics For Business And Economics (10a ed.). Cengage learning. https://drive.google.com/file/d/1e2-FvCdHVHxPNJTdFa5-cqb47IP4ltQ3/view https://drive.google.com/file/d/1e2-FvCdHVHxPNJTdFa5-cqb47IP4ltQ3/view
Compartir