Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Unidad 4 VARIABLES ALEATORIAS • Variables aleatorias: Clasificación Unidad 4 Unidad 4 Unidad 4 Esperanza de una variable aleatoria: Ejemplo • Esperanza y Varianza de la variable aleatoria que corresponde a esta situación Unidad 4 a) E(X)= 0.1/16+ 1. 4/16 + 2. 6/16 +3. 4/16 + 4. 1/16 = 2 b) V(X)= 1 c) Interpretar Unidad 4 Funciones de : Probabilidad-Distribución-Densidad Unidad 4 Distribuciones Discretas: a) Distribución de Bernoulli Se ha observado en cierto lugar y en un determinado período de tiempo que, de 200 incendios forestales observados al azar, 30 fueron intencionales. Se considera el suceso : el incendio es provocado intencionalmente. Entonces, el experimento aleatorio puede ser descripto Unidad 4 La distribución de Bernoulli- Ejemplo Entonces, el experimento aleatorio puede ser descripto mediante la v.a. discreta X que toma los valores 0 si el incendio no es intencional y 1 caso contrario. Esto es X es variable aleatoria Bernoulli. Teniendo en cuenta la noción de probabilidad , la probabilidad de que el evento ocurra es p=P(X=1)= 30/200. Mientras que no ocurra es q=170/200. Unidad 4 La Distribución Binomial Unidad 4 La Distribución Binomial- Ejemplo Unidad 4 La Esperanza y la Varianza de una distribución Binomial : EJEMPLO: Un experimento aleatorio consiste en realizar 80 Un experimento aleatorio consiste en realizar 80 juegos independientes entre sí, en cada uno de los cuales, la probabilidad de ganar es 0,4. Tratándose de una distribución Binomial, entonces : E(x)= 80. 0,4 = 32 y V(X)= 80. 0,4 . 0,6 = 19.2 Ello indica que el promedio de juegos ganados, sobre 80 jugados, es 32. Dicho de otro modo, que en 80 partidos jugados, cabe esperar que se ganen 32. El resultado de cada ensayo de un experimento se clasifica en una de dos categorías mutuamente excluyentes (éxito o fracaso) La variable aleatoria cuenta el número de éxitos en una cantidad fija de ensayos. Unidad 4 La Distribución Binomial- Características cantidad fija de ensayos. La probabilidad de un éxito permanece igual en todos los ensayos. Lo mismo sucede con la probabilidad de un fracaso. Los ensayos son independientes, lo cual significa, que el resultado de un ensayo no afecta el resultado de algún otro. • La variable aleatoria discreta X , cuyos valores posibles son: 0,1,2,3,4,…… etc, tienen una distribución de Poisson con parámetro λ si su función de probabilidad es : Unidad 4 La Distribución de Poisson UNIDAD 04 . Describe la cantidad de veces que ocurre un evento en un determinado intervalo de tiempo o espacio. La distribución se basa en dos supuestos. •La probabilidad es proporcional a la extensión del intervalo (a mayor magnitud del intervalo mayor Unidad 4 La Distribución de Poisson- Características intervalo (a mayor magnitud del intervalo mayor probabilidad). •Los intervalos son independientes ( el número de ocurrencias en un intervalo no afecta a los otros intervalos). Unidad 4 Aproximación de la distribución Binomial a la Distribución de Poisson Unidad 4 Distribución de Poisson como aproximación de la distribución Binomial EJEMPLOS: A) Tomando el primer ejemplo sobre la distribución Binomial, vemos que n>30 y p < 0,1. Por lo tanto se puede aproximar la Binomial mediante la distribución de Poisson. Unidad 4 Ejemplo B) Usando como aproximación la Poisson( n>30 y p< 0.1) calcular P(3) y comparar los resultados obtenidos. UNIDAD 04 Muchos fenómenos que podemos medir tanto en las ciencias exactas como las sociales se asemejan en su frecuencia al modelo que aporta esta distribución. Sirve para acercarse a varias distribuciones de probabilidad discreta, entre estas la distribución de Poisson y la distribución Binomial. LA DISTRIBUCIÓN NORMAL Poisson y la distribución Binomial. La distribución normal tiene ciertas propiedades matemáticas que nos permiten predecir qué proporción de la población (estadística) caerá dentro de cierto rango si la variable tiene distribución normal. Sus propiedades han permitido el desarrollo de muchas técnicas de inferencia estadística UNIDAD 04 GRÁFICA DE LA FUNCIÓN DE DENSIDAD DE UNA VARIABLE ALEATORIA CON DISTRIBUCIÓN NORMAL: LA CAMPANA DE GAUSS UNIDAD 04 A) Los puntos de inflexión coinciden con µ - σ y µ +σ . La distancia entre los puntos de inflexión y la media nos dice cuál es la dispersión de la distribución Normal . Las ramas de la curva se extienden asintóticamente a los ejes, de modo que cualquier valor “muy alejado “ de la media es teóricamente posible (aunque poco probable). CARACTERÍSTICAS DE LA CAMPANA DE GAUSS UNIDAD 04 B) Cuanto menor sea σ , mayor será la cantidad de masa de probabilidad concentrada alrededor de la media y , cuanto mayor, más aplastada será la curva. UNIDAD 04 LA DISTRIBUCIÓN NORMAL ESTANDARIZADA: UNIDAD 04 LA DISTRIBUCIÓN NORMAL ESTANDARIZADA-SU APLICACIÓN
Compartir