Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
II Corte - Actividad 4: 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 ejemplo de los procedimientos: a) Medias y varianzas de combinaciones lineales de variables aleatorias b) Teorema de Chebyshev 2- Suponga que una tienda de abarrotes compra 5 envases de leche descremada al precio de mayoreo de $1.20 por envase y la vende a $1.65 por envase. Después de la fecha de caducidad, la leche que no se vende se retira de los anaqueles y el tendero recibe un crédito del distribuidor igual a tres cuartas partes del precio de mayoreo. Si la distribución de probabilidad de la variable aleatoria es X y el número de envases que se venden de este lote es Calcule la utilidad esperada. 1. Medias y varianzas de combinaciones lineales de variables aleatorias. Estas propiedades nos permitirán ocuparnos de las esperanzas matemáticas en términos de otros parámetros que ya conocemos o que ya calculamos con facilidad. Si a y b son constantes, entonces, 𝐸 𝑎𝑋+𝑏 =𝑎𝐸 𝑋 +𝑏 Ejemplo: Suponga que el numero de automóviles X que pasa por un local de lavado de autos entre las 4:00 p.m. y las 5:00 p.m. de cualquier viernes soleado tiene la siguiente distribución de probabilidad: Sea g(X) = 2X – 1 la cantidad de dinero en dólares que el administrador paga al operador. Calcule las ganancias esperadas del operador en este periodo específico. x 4 5 6 7 8 9 P(X=x) 1/12 1/4 1/6 Ahora se procede a: 𝐸 𝑔(𝑋) =𝐸 2𝑋−1 =𝐸 2𝑋 −1 𝐸 𝑔(𝑋) =2𝐸 𝑋 −1 Entonces 𝐸 𝑋 = 𝑥 𝑥𝑓 𝑥 𝐸 𝑋 = 𝐸 𝑋 = 41 6 x 4 5 6 7 8 9 P(X=x) 1/12 1/4 1/6 Finalmente como 𝐸 𝑋 = 41 6 y deseando determinar 𝐸 𝑔(𝑋) =2𝐸 𝑋 −1 Reemplazamos 𝐸 𝑔(𝑋) = −1 𝐸 𝑔(𝑋) =$12,67 Teorema de Chebyshev. La desigualdad de Chebyshev , también conocida como teorema de Chebyshev, hace una declaración bastante amplia pero útil sobre la dispersión de datos para casi cualquier distribución de datos. Este teorema establece que no más de 1 / k 2 de los valores de la distribución estarán a más de k desviaciones estándar de la media. Visto de otra manera, 1 – (1 / k 2 ) de los valores de la distribución estarán dentro de k desviaciones estándar de la media. Si bien esta ecuación a menudo da como resultado un rango relativamente amplio de valores, es útil porque solo requiere conocimiento de la desviación estándar y media, las cuales se calculan fácilmente a partir de cualquier muestra o población de datos. El teorema proporciona lo que podría llamarse una mirada del peor de los casos a la dispersión de datos dentro de cualquier distribución de datos. Fórmula de desigualdad de Chebyshev Para investigar este teorema, primero comparemos los cálculos con la regla empírica 68- 95-99.7 para distribuciones normales. Dado que esos números representan los datos que se encuentran dentro de los límites, usamos la desigualdad de Chebyshev para los datos dentro de los límites: Probabilidad = 1 – (1 / k 2 ) Matemáticamente, los valores menores o iguales a 1 no son válidos para este cálculo. Sin embargo, introducir los valores de k para 2 y 3 es relativamente sencillo: P ( k = 2) : 1 – (1/2 2 ) = 1 – 0,25 = 0,75 (75%) P ( k = 3) : 1 – (1/3 2 ) = 1 – 0,11 = 0,89 (89%) En estos casos, la desigualdad de Chebyshev establece que al menos el 75% de los datos estarán dentro de 2 desviaciones estándar de la media, y se espera que el 89% de los datos estén dentro de 3 desviaciones estándar de la media. Esto es menos preciso que los valores del 95% y 99,7% que se pueden utilizar para una distribución normal conocida. Sin embargo, la desigualdad de Chebyshev es cierta para todas las distribuciones de datos, no solo para una distribución normal. Ejemplo: Dado un rango requerido de valores, qué porcentaje de nuestros datos debería estar dentro de esos límites. Por ejemplo, suponga que estamos fabricando aparatos que pesan, en promedio, 150 gramos. Los pesos individuales son algo aleatorios debido a las impurezas en nuestras materias primas, pero oscilan entre 146,4 y 153,6 gramos, con una desviación estándar calculada de 1,188 gramos. Solo podemos mantener widgets que pesen entre 147 y 153 gramos. Usando la desigualdad de Chebyshev, ¿qué porcentaje mínimo de widgets debería estar en ese rango? En este caso, derivamos el valor k asociado, que se expresa en desviaciones estándar, y lo conectamos a nuestra fórmula. Tanto el límite superior como el inferior devolverán los mismos resultados. Usando el límite superior: k = (153 – 150) / 1,188 = 3 / 1,188 = 2,526 P ( k = 2.526) : 1 – (1 / 2.526 2 ) = 1 – 0.156 = 0.843 (84.3%) Sin saber nada más sobre nuestros datos que la media y la desviación estándar, podemos afirmar con confianza que al menos el 84,3% de nuestros widgets caerán en el rango requerido. 2. Si X es el número de envases vendido tienes que la ganancia estimada es: Estamos usando que por cada unidad vendida ganamos 1.65; que por cada una no vendida recibimos 3/4 de su precio de coste; y que cada una de las cinco compradas cuesta 1.20. Aplicando esperanzas queda:
Compartir