Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
II Corte - Actividad 3: Ejercicios Cagua, Diciembre, 2022 T.S.U Christian Miglionico C. I: 26.681.756 Estadística II Empresas - Empresas Semestre REPÚBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACION UNIVERSITARIA, CIENCIA Y TECNOLOGÍA UNIVERSIDAD PANAMERICANA DEL PUERTO FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES PROCASO UNIPAP - CUAM CAGUA 1. Estudie el material proporcionado, explique y de ejemplos de los siguientes procedimientos: a) Media de una variable aleatoria. b) Varianza y covarianza de variables aleatorias. 2. En la tabla siguente se presenta la distribución de probabilidad de X, el número de imperfecciones que hay en cada 10 metros de una tela sintética, en rollos continuos de ancho uniforme Calcule el número promedio de imperfecciones que hay en cada 10 metros de esta tela. 3. En una tarea de laboratorio, si el equipo está funcionando, la función de densidad del resultado observado X es: Calcule la varianza y la desviación estándar de X https://abe.unipaponline.com.ve/mod/resource/view.php?id=103899 1. Media de una variable aleatoria. Dado un espacio probabilístico (E, A, p) se llama variable aleatoria X(a) a una función que toma valores reales y está definida para los sucesos elementales a del espacio probabilístico. Además se supone para cada número real x el conjunto {a / X(a) £ x }de sucesos elementales a en que X toma valores menores o iguales que x es un suceso de la familia A. El caso de variable aleatoria discreta supone además que hay un numero finito o numerable de valores xi tales que P[X=xi] = pi ³ 0, Una variable aleatoria puede ser discreta o continua según sea el rango de esta función. Este conjunto de valores P[X=xi]=pi es lo que se llama la ley o distribución de la probabilidad de la variable X. En otras palabras se llama función de probabilidad de la variable aleatoria discreta X a la aplicación que asocia a cada valor xi de la variable aleatoria su probabilidad pi. Dada una variable aleatoria discreta X, a la función acumulativa: Ejemplo: Varianza y covarianza de variables aleatorias. La covarianza es el valor a través del cual se refleja en qué cuantía don variables cualesquiera varían de forma conjunta respecto de sus medias aritméticas. Así, esta medida nos permite conocer cómo se comportan las variables en cuestión respecto de otras variables. La covarianza puede adquirir valores negativos y positivos, y además puede adquirir valores iguales a 0. Supongamos que tenemos dos variables, X e Y, con los siguientes datos: X = (x1, x2, x3) = (0, 4, 8) Y = (y1, y2, y3) = (3, 9, 9) Ahora es el momento de calcular la media aritmética de cada una de las variables: X’ = (0 + 4 + 8) /3 = 4 Y’ = (3 + 9 + 9) /3 = 7 Una vez calculada la media aritmética hemos de calcular cuál es la covarianza. Vamos a ello: Cov (X, Y) = (0 – 4) x (3 – 7) + (4 – 4) x (3 – 7) + (8 – 4) x (9 – 7) / 3 = -2,67 En este supuesto, el valor que adquiere la covarianza es menor de 0. Significa que la variable X y la variable Y guardan una relación negativa, de manera que X e Y son inversamente proporcionales la una respecto de la otra, en palabras más sencillas, cuando una variable aumenta, la otra variable disminuye. La covarianza se representa por Discretas Sean X,Y variables aleatorias discretas con distribución conjunta f(x,y). Entonces la covarianza de X,Y es: Continuas Sean X,Y variables aleatorias continuas con densidad conjunta f(x,y). Entonces la covarianza de X,Y es: 2. ∪ = ∈ (𝑥) = ∑ 𝑥 𝑓(𝑥) 𝑥 ∪ = 0 𝑓(0) + 1 𝑓(1) + ⋯ + 4 𝑓(4) ∪ = 0 (0.41) + 1 (0.37) + 2 (0.16) + 3(0.05) + 4 (0.01) ∪ = 0.88 R//. La distribución de probabilidad de la variable aleatoria discreta X es 𝑓(𝑥) = ( 3 𝑥 ) ( 1 4 ) 𝑥 ( 3 4 ) −𝑥 , 𝑥 = 0,1,2,3,4 Calcule la media de X. Xi 0 1 2 3 4 F(xi) 3 𝑥 ( 1 4 )𝑥 ( 3 4 )−𝑥 3 𝑥 1 4 𝑚 = ∈ (𝑥) = 𝑎° 𝑋𝑖 𝑓(𝑋𝑖) 𝑚 = ∈ (𝑥) = 0 ( 3 𝑥 ) + 1 ( 1 4 ) 𝑥 + 2 ( 3 4 ) −𝑥 + 3 ( 3 𝑥 ) + 4 ( 1 4 ) 𝑚 = 11.75 R//. 3. 𝜎2 = ∈ (𝑥) − 𝜇2 𝜎2 = 2 ∫ 𝑥2 1 0 (1 − 𝑥)𝑑𝑥 − 𝜇2 𝜎2 = 2 ∫ 𝑥2 1 0 (1 − 𝑥)𝑑𝑥 − 1 9 𝜎2 = 2 ( 𝑥3 3 1 | 0 − 𝑥4 4 1 | 0 ) − 1 9 𝜎2 = 2 ( 1 3 − 1 4 ) − 1 9 𝜎2 = 1 6 − 1 9 𝜎2 = 1 18 𝜎 = √ 1 18 → 𝜎 = 0.24 R//. 𝜇 = ∫ 𝑥 𝑓(𝑥)𝑑𝑥 𝜇 = 2 ∫ 𝑥 1 0 (1 − 𝑥)𝑑𝑥 𝜇 = 2 (∫ 𝑥 1 0 𝑑𝑥 ∫ 𝑥2 1 0 𝑑𝑥) 𝜇 = 2 ( 𝑥2 2 1 | 0 − 𝑥3 2 1 | 0 ) 𝜇 = 2 ( 1 2 − 1 3 ) 𝜇 = 1 3 R//.
Compartir