Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Primer Corte 01-03-2023 Es el Universo de resultados. Se simboliza Probabilidad y Procesos Estocásticos con Contenido : 1. Fundamentos de la Probabilidad 2. VariablesAleatorias . Tipos deespacio muestral- Numerable: finitos o 3.Vectores Aleatorios . infin . 4. Operaciones y Medidas Obre -No numerable: dense VariablesAleatorias. O no contable . 5. Distribuciones de Probabilidad Eventos : Un evento es cualquier subconjunto Especiales. del espacio muestral . Los eventos se 6. Proceso Estocásticos . simbolizan con letras mayúsculas como A ,,C, ete Fundamentos de la Probabilidad y se expresan en forma puntual (extual) o a través de una proposición equivalente dentro del · Fenómenos Deterministas contexto del experimento. Un mismo evento puede Realidad (Certeza) tener vartas proposiciones equivalentes. · Fenómenos Aleatorios Ocurrencia deun evento : Un evento arbitrario - Incertidumbre A se diceque ocurre si al llevarse a cabo el - experimento aleatorio el resultado es un elemento Observación ·Dato estadístico de A , de lo contraro, se diceque el evento - no ocurre Aporta información Probabilidad deun evento : Es una escala entre Experimento Aleatorio : montaje ldispositivo O y l que describe qué tan factible se considera · mecanismo para realizar observaciones la ocurrencia de un evento A, dondeO significa Homar datos estadísticos) en un fenómeno que el evento no ocurrirá y I significa que el aleatorio . evento ocurrirá con seguridad. Esta valoración Objeto de estudio de la Probabilidad se hace antes de conocer el resultadodel experimento aleatorio. · Rama de la matemática usada en muchas O 0! 3 * 0 , 3: máxima Ciencias aplicadas . & # incertidumbre - Define el concepto de incertidumbre o Extremos de certeza aleatoriedad desde un punto de vista Tipos de eventos : cuantitativo y define las leyes fundamentales - Correntes: ocurren algunas veces. Sobre que la rigen. ellos recae la incertidumbre. - Define herramientas analíticas para el - Segur : ocurren siempre . Son equivalentes elelo deprobabilidades (varables aleatorias, al universo e vectores aleatoros, valor esperado, varianza, Imposibles : nunca ocurren. Son equivalentes etc. ) al conjunto vacio - Construye modelos matemáticos para describir Ejemplo : Se lanza un dado y se observa el comportamiento de los fenómenos aleatorios el número que sale. distriburones deprobabilidad,procesos estocásticos, al Definir el espacio muestral. etc. b)Definir algunos eventos courrentes, seguros Espacio Muestral : El espacio muestral de un e imposibles . experimento aleatoro es el conjunto de todos el Suponer un resultado para el experimento los posibles resultados del experimento . e indicar cuáles eventos ocurren . 9)& = [1, 2, 3, 4, 3,6 - Espacio muestral Diagrama deVenn: numerable finito . IIIb) = "El número que sale es par :. AUB es un evento. / ~ B = "el número que sale es múltiplo de 3". C : "El número que sale es inferior a 5". Operaciones compuestas entre eventos : D= "el número que sale es superior a ". Diferencia : E = "El número que sale es inferior a 8 , 7.. - Notación: A-B F = "El número que sale es múltiplo de 7" - Proposición : A-B= "œurre A y no ocurre B". G = 21 , 43 A-B = A MBC A = 22, 4 ,6] = "Ocurre A pero no ocurre B" B = [3, 63 - Diagrama deVenn: e = 2 1, 2, 3,43 Evento corriente B D = 24 , 3 , 63 S ·. B es un evento. * E =e : evento seguro F : evento imposible 2) Intersección Iterada: = [1,4 : evento corrente -Nota :A. ... An = Ac i= 1 c) Resultado Final = 3 - Proposición : = "Ocurre i y ocurre Az Ocurrieron : B , C , E i= 1 y ... y ocurre An No ocurrieron : A, D , F , G = "ocurren los eventos" . Operaciones Básicas entre Eventos : s Complemento : - Diagrama de Venn : ~ - Notación : As Para n = 3 Al A2 - Proposición : A= "noocurre III · Diagrama de Venn: A3 / / / : : es un eventoeI A / /"·. es un evento. // S 3) Unien Iterada : 2) Intersección : - Notación: U ...An= Ai - Notación : AB · Proposición: Ocurre i o Ocurre As- Proposición : A B : "Ocurre A y Ocurre". - = "Ocurre A y B de Forma 0 ... 0 Ocurre An simultánea" = "ocurreal menos uno : "ocurren los dos eventos" . de los neventos". -Diagrama de Venn: -Diagramade Venn : ~ B Para n = 3 Al AzA 11 //S//: AB es un evento. / /I,aE 3) Unteni - Notación : AUB - Proposicion : AUB : "Ocurre A o ocurre B". . Al es un evento = "ocurre al menos uno de los dos eventos". Eventos Excluyentes : Dos eventos A y B son Partición de un Espacio Muestral : Una excluyentes cuando es imposible su ocurrencia colección de eventos Al, 2,..., An constituye simultánea , esto esi una partición del espacio muestral e si A1B = ① dichos eventos son mutuamente excluyentes y colectivamente exhaustivos, es decir, se Diagrama de Venn:- cumplen las siguentes condiciones :A B I iAj= , para i = j Contención de Eventos : Un evento A está contendo en un evento B cuando la III A e ·currencia de A implica la ocurrencia de B , esto es : ACB Gráficamente: Al Dragrama de Venn: A B En A e -- Leyes de Absorción : AB A Los eventos Al, ..., An son AUB = B las "piezas de un rompe Cabezas" 06 - 03 - 2023 Igualdad de Eventos : Dos eventos A y B Diagrama de árbol simple : con iguales si se cumple que: B y Al B A . A2 Eventos mutuamente excluyentes : Los eventos ⑳ A3 ↑ i, 2, ..., An son mutuamente excluyentes · si se comple que : Ai = para todo An i = j . Gráficamente: Notas acerca de las particiones : A I · Una partición es una forma alternativa A3 de expresar el espacio muestral. · Cuando se lleva a cabo el experimento Al An aleatoro, siempre ocurre exactamente un Eventos colectivamente exhaustivos : Los evento de la partición . eventos i, 2, ... An son colectivamente · Los elementos de constituyen como tal exhaustivos si secomple que A = e una partición del espacio muestral, la i = 1 cual se denomina "partición elemental" o "partición granulada". Gráficamente : Algunas particiones comunes: · En términos de l evento aubitrario A : LaI partición sería : E, la tral se denomina "partición binaría". Gráficamente : · En términos de 3 eventos arbitrarios, - A , By C : A Partición octal :[, B,A Ac · As ABC , ABC , ACABC,AMBINC, ABC , ABC3. · En términos de 2 eventos arbitrarios A - y B : Una partición posible es :E, A B Cada intersección H 2 ↑B, B, B que se denomina ↑ 6 dada anteriormente 3 3 "partición cuaternarra". se representa en 7 Gráficamente: C Orden por las & A . B zonas en el diagrama de Venn. En diagrama de árbol tenemos : En bragrama de árbol , se tiene : c - ABC A 1B B- AMB B C- ABC C & ABC A BARB A BC C - ABC A B & B-+ Ac1 B ⑧ c- ABCC ARBC Al B- ABC AC BEeBeeDiagrama de árbol simple Diagrama de árbol B c -ABC compuesto C-> Ac1B C · Otra partición en términos de AB Leyes básicas del álgebra de eventos EAMB , AB , A33 · (14)= A · ((AYY" = As - · ARB = BA · AUB = BUA ↓ ↓ - : AB · A (B) = (AB) CA I - : ABC · AU (BUC) = (ABUCIN ·AU) = (AJULANC) · A (B) = LAUB) (AUC) · (ANBJ:AUBC ; LAUBJ = AMBC ↳ En diagramas de árbol : Leyes de D'Morgan AMB B -0 A 1B O AMBC ⑧ A B2- AMB ·( = :A Ad * AC · A1A = A · AWA = A As · A 10 = ↑ · AW = A Dragrama Diagrama · A l = A · AUR = R Simple Compuesto : 12 : 4 · = = 1 · = (ABU (AnBC ↳ Excluyentesa · A = $ · AWA=- La probabilidad de A es la proporción · AUB = AUCANB) de veces que ocurreA cuando el * experimento se repite infinitas veces Excluyentes en condiciones idénticase · A = (AJ(AU (ANB) independientes . ↳ Aximas de la Probabilidad Excluyentes La probabilidad es un "operador" que Ejemplo : Se lanza un dado y se observa tiene como argumento un evento y retorna el número que sale. Definir une un número real entre 0 y 1 , el cual partición octal del espacio muestral satisface los siguientes axiomas : en términos de los siguientes Pr("evento") = 0 eventos : A "el número que sale es par". 0 PLAJEI, para cualquier evento A. B : "el número que sale es múltiplo de 3" P) = 1, para cualquier espacio Cel número que sale es menor que3. muestral e. [i) Si y B son excluyentes : Pr (AUB) n = 21 , 2 , 3 , 4 , 3 , 63 = Pr(A) + Pv(B) A = 22 , 4 , 6 B = [3 , 63 & C = [1 , 2 , 3 , 43 i - ABC: A - ABC : 263 -> ABC 1 C : 22, 43 - AMBIC : ↑ Leyes Derivadas de los Aximas -> A BC : 233 Propiedades de la Probabilidade ->ABC : ↑ -> AMBCC : < 13 1 . Pr(A) = 1-PrLA) - -> As 1BC : 253 A As Probabilidad de un Evento : Dado un evento abituarto A relacionado con un 2 . Pr(0) = 0 experimento aleatorio con espacio muestral 3. . Si l, 2, ..., An son mutuamente 2. Supóngase que el experimento se repite excluyentes : N n veces, donde cada repetición se hace Pr(A Pv(Ai) Al A3 en las mismas condiciones y cuyo i = 1 Az resultado es independiente de los demás, entonces, la probabilidad de A, * Si Al, 2, ..., An constituyen una denotada con PrCA), se define como partición de 1 : Pr(A) = Lim # de veces que ocurre A Pr( , Ai) = Pr (1) = 1~U-00 N 4. Pr (AMB = Pr(A)-PrCANB) 08 -03 - 2023 ch Cálculo de Probabilidades en espacios B muestrales discretos↑f La probabilidad de un evento arbitrario A perteneciente a un espacio muestral discreto e es igual a la suma de las 55. Pr(AUB) = Pr(AB+PrCAMB) +Pr (A B) probabilidades de los elementos - pertenecientes a A , esto es : A B IIIII Pr(A) = E Pr(EWil)III WiEA Ejemplo se elige aleatoriamente una 6 . Pr (AUB) = Pr(A) +PrCB) - PUCAMB) letra del conjunto a,,, ..., k, donde todas las letras tienen la misma probabilidad 7. En general : Pr C , Al EPULA de ser elegidas. Calcular la probabilidad de que la letra elegida sea una vocal. Cota de la unión e = 2a , b , c, d , e , t , g, h , i , j , k3 8. En general : to to to * i e Pr LA min (Pr(A) , PULA2), ...,Pr(An) ·espacio muestral equi-probable Cota de la intersección = "La letra elegida es una vocal" A = 2a , e , i3 9. Si AB : Pr(A) EPrCB) t Pr(A) = Pr((a]) + Pr (23) + Pr (2 : 3) Ley de absorción : H + + + = - B Ejemplo: Se elige aleatoriamente un estudiante A de un colegio. La probabilidad de que el estudiante practique futbol es de 0 , 7, la probabilidad de que practique basquet es de 0 , 35 y la probabilidad de que practique U na forma de entender la cota de la futbol pero no basquet es de 0,48. Con base intersección es entoncesi en esta información. Determinar : 9) La probabilidad de que el estudiante - practique los 2 deportes . A B Pr(ANB) EPr(A) b) La probabilidad de quepractique al * PrCANB) E Pr(B) menos uno de los dos deportes. c) La probabilidad de que el estudiante no practique ninguno de los dos deportes. d) La probabilidad de que el estudiante Pr(ANB) E min (PrCA) , PvCB) practique basquet pero no futbol . el La probabilidad de que el estudiante = 0 , 32 practique solo uno de los dos deportes. f La probabilidad de que el estudiante e tique solo basquet o ninguno de losPrac F dos deportes. B Pu(F) = 0 , 7 Pr (B) = 0, 35 ·e ae Pr(FB) = 0 , 48 : 0,ee i a) Pr(FNB) = ? - Pr(F(Bc) = Pr(F)-Pr(FNB) ↑ 0 , 48 = 0 , 7 - Pr (F1B) -> Pr(F1B) = 0 , 7 -0 , 48 = 0 , 22 Probabilidad Condicional b(Pv (FUB) = Pv(F) + Pv(B) -Pr(FRB) La probabilidad condicional de un = 0 , 7 + 0 ,33 - 0 , 22 evento A, dado otro evento B , es la = 0 ,83 Probabilidad de que ocurra A dando c) Pr(FB = 1 - Pr((F >(B) Por centado que el evento B ya ha = 1 - PrLFWBC ocurrido, es decir, es la probabilidad = 1 - 0 , 83 de que ocura A temendo información = 0 , 17 adicional acerca del resultado del d) Pr(BNFC) = Pr(B) -Pr(BF) experimento aleatorio . El evento que = 0 , 33 -0 , 22 se da por sentado se conoce como evento = 0 , 13 condicionante y constituye el nuevo universo e((U() =PFBPB para el cálculo de la probabilidad de A. d = 0 , 48 + 0 , 13 La probabilidad de A dado B se denota excluyentes = 0 , 61 con Pr(A/B) , y se define como : ()Pv((B1FC)U(F(B)) to d ↑r (A/B) = PrIAB) , donde Pr(B) O excluyentes Pr(B) =Pr(BF) + Pr(F > BC) = O , 13 + 0 , 17 ·Evento condicionante- Nuevo = 0 , 3 Universo 9) Pregunta adicional : ¿ Cuál es la -Operador de condicionamiento probabilidad de que el estudiante practique Propredades de la Probabilidad Condicional basquet o no practique futbol ? 10 Pr(A/B) E I 2) Pr(a(B) = 1 Pr(BWFC) = Pr(B) + Pr(FC) - Pr (B FC) 3) Si A y B son excluyentes : = 0 , 35 + (1 - 0 , 7) - 0 , 13 * Pr (AUB/C) = Pr(A/C) +Pr(B/C) = 0 , 35 + 0 , 3 - 0 , 13 * Pr(A/B) = O = 0 , 32 * PV (B(A) = O &tra forma : Pr (BUF) = 1 -Pr((BUF)< 4) Pr (AP/B) = 1 - Pr(A/B) = 10 Pr(B> 1F) 5)P- (& (B) = 0 = 1-0 , 48 63 5 : Al, 2, ... An son mutuamente Pr (F/B) = Pr(F1B) = 0 , 22 = 0 , 6283 excluyentes : Pr(B) 0 , 35 Pr(Al B)= PUCAB) 1) Si el estudiante no practica balancesto . ¿Cuál es la probabilidad de que praetique 7) Si Al, 2, ... An constituyen una partición Futbol ? de : Pr(8Ai/B) = 1 Pr(F(B2) = Pr(FB = 0 . 48 i = 1 Pr (BC) 1-0 , 35 - - = 0 , 7384 8) Si AB : * Pr(A/C) EPr(B/C) d) Si el estudiante no practica Futbol . * Pr (B/A) = 1 ¿Cuál es la probabilidad de que no practique A Pr(A/B) = Pr(ARB) = PrCA) ninguno de los dos deportes? Pr(B) Pv(B) 9) Pr(AUB/) =PrIA) PULAMBIC) Pu (F(RBC/F) = Pu(LFC BY FC +Pr(ACnBIC) Pr(FC) 10 P (AUB/C) = Pr(A/C) +Pr(B/C) = Pr((FF ( B) = Pr(FBY - Pr(A 1B/C) Pr(FC) Pr (F) Ejemplo : Se elige aleatoriamente un - 0 , 17 = 0 , 3666 estudiante de un colegio donde: 0 , 3 Pr (F) = 0 , 7 : Practica fútbol es si el estudiante no practica ninguno Pr( = 0,35 : Practica basquet de los deportes. ¿Cuál es la probabilidad Pr (FB) = 0 , 48 : Practica Fútbol pero no de que no practique basquet? basquet a) Si el estudiante practica Futbol . ¿Cual Pr(BF) = Pr(BC (FBY) es la probabilidad de que practique Pr (FC1B) basquet ? -> Pr((BCB F) = Pr(B> FC Pr(F< (B) Pr (FCB) Pr (B/F) = Pr(BMF) = Pr(FC1B) =I Pr (F) Pr (F BC) Pr (B (F) = Pr(FNB) F) Si el estudiante practique al menos un Pr(F(B = Pr(F) + PrCFB) deporte. ¿Cuál es la probabilidad de que 0 ,48 = 0 , 7 practique los dos deportes Pr(FB) = 0 , 7-0 , 48 = 0 , 22 Pr(FRB/FUB) = EnB)(FUB) Pr(FUB) Y , entonces : Pv(B/F) = Pr(BRF) -> La intersección entre la intersección y la Pr(F) unión de los eventos, nos queda la intersección . = 0 , 22 0 , 7 -> Pr(F1B) + 0 , 22 = 0 , 2650 = 0 , 3142 Pr(FUB) 0 , 83 b) ¿Cuál es la probabilidad de que el estudiante practique futbol dado que practica balancesto? 13-03-2023 · A B a c ..... AMBIC Regla de la Cadena de la Probabilidad PrCA) PrIBIAS PrICIAB) Por definición : Pr(A/B) = Pr (ANB) Pr(B) Regla de la cadena para 4 eventos y PULBIA) = Pr(BA) , por tanto : Pv(A) PULABERD) : PUCA PUBLAS PU (CIANB) PULD/ANBAC PAB) = PAPLBIA) Regla de la Regla de Bayes: =P((/ Cadena para 2 - Regla arimética que permite intercambiar eventos los papeles del evento condicionante y el evento condicionado . Pr(ANB) = Pr(A) Pr(BIA) = Secuencia de - PermiteCalcular Pr(B/A) a parter de ↳ ta ta Ocurrencias Pr(A/B) . Ocurrencia Ocurrencia Ocurrencia de B * Pr(B/A) = Pr(BA) = Pr(B) Pr (A/B) simultánea de A sujeta a la ocurrencia Pr(A) Pv(A) de A y B de A · Pr(B/A) = Pv(B) PrCAIB) Pr(A) O * A · B - AB Pr(A) Pv(B/A) Teorema de la Probabilidad Total ·Pr(A)(BIA) Se tiene un evento arbitrario A y los eventos Bi , B2, ..., Bu, los cuales constituyen Regla de la Cadena para 3 eventos una partición del espacio muestral, es decir : e ¿Cómo Calcular PABC) ? I) B : nBj = 0 , iF j ~A -- H) B:r ...Pr(AMBC) = Pr(CAMB)1C) . B7 = Pu (ANB) Pu(C/AB) = Pr(A)Pr(B/A)Pr(C/AB) La probabilidad de Aprobabilidad ->Pr(ABC) = Pu(ASPr(BIA) Pr(C/AB) tota está dada pori = Pv (A) Pr(C/A) Pr (B/AnC) % Pu (A) = Pr(AN ) = Pr(Ar( . Bi)) = Pr(C(Pr(B/C) Pr(A/BC = Pr(LABi)) = PrCAMBil - i = / G Formas Posibles = E pr(Bi) Pr(A/Bi) i = 1 PULABC) = PUCA) PUBIA) A PULC/AMB) ↓ ↓ to A - PV(A) = PULBSPUCA(BI) Ocurrencia Ocurrencia Ocurrencia Ocurrencia simultánea de A de B sujeta de C , sujeta de A, y C & A a AyB. ↳ Fermula de la probabilidad total de un evento A. ↑v (A) = Pv (Bi) Pr(A/Bi) +Pr(B2) Pv(A/B2) ... mayores. El 35 % de la población son ... + Pr (BnJPr(A/Bn) menores de edad, el 43%son adultos menores y el resto adultos mayores (20 % ). La probab. PLAIBi) A · ABI de que un menor de edad padezca problemas Bi AC · AB, cardracos es de 0, 1, mientras que la probat Pv(B) A · AB2 de que un adulto menor es de 0 , 32 y la B2 AC 8 probabilidad de que un adulto mayor sufra · Pr(B2) : e problemas cardíacos es de 0,72 . Se elige A ABU una persona al azar . Respender las siguientes PvLBn) Br A - A 1Bn preguntas : Pr (A" /Bn) a) 5 la persona elegida es un adultomayor. ¿Cuál es la probabilidad de que no sufra Bi , B2, ..., B Causas problemas carbracos ? PLBi), Pr(B2), ..., PLBn) Probabilidades -> apriori de las = "La persona elegida es menor de edad" Pr (Bi) = 1 causas . A = "La persona elegida es un adulto menor" (i = 1 ↓ V : "persona elegida es un adulto mayor A- Consecuentra M , A , B Constituyen una partición de 1 . PA) - Probabilidad de la consecuentra Pr(A/Bil- Probabilidades condicionales a priori de la consecuencia. -V Pr(Bi/A) -Probabilidades condicionales a L &posteron de las causas. Se A calcula usando la regla de Bayes. = "la persona elegida padeceproblemas La formamás simple del teorema de la cardíacos" . probabilidad total es cuando la partición de & es binarra, esto es Pv (m) = 0 , 33 ; Pr (A) = 0 , 43 ; Pr (V) : 0 , 20 [B , B , Así : Pr(C/m) = O , 1 Pr(C(A) = 0 , 32 Pr(A) = Pv(B)Pr(A/B) PU(B Pr(A/BC Pr(C/V) = 0 , 72 A * Pr(((V) = 1 - Pr(C/V) B As = 1 - 0 , 72- en O = = 0 , 28 Be A b) ¿Cual es la probabilidad de que la Ac Diagrama de Venn. persona elegida sufra problemas cardíacos? Diagrama de árbol . Ejemplo : Las personas de creuta población Pr(C) = Pr(m)Pr(C/m) +Pr(A)Pr/A) estánclasificadas en 3 categorras +Pr(V(Pr(C/V) excluyentes, a saber, menores de - (0 , 33)(0, 1) + (0 , 43) (0, 32) + 10 , 20 edad, adultos menores y abultos (0 , 72) = 0 , 323 e c) Si la persona elegida sufre problemas = 1-0 , 35 - 0 , 1-0 , 2 .0 , 72 cardracos. ¿Cual es laprobabilidad de que = se trate de un menor de edad? Pr(m/e) = Pr(MMC) F) Si la persona elegida no es un adulto Pr(C) mayor. ¿Cual es la probabilidad de que Pr (M) Pr(C/M) sufra problemas cardíacos? Pr(C) = 0 , 33 (0, Pr(C/V) = Pr(CMV) 0 , 323 Pr(V) = 0 , 1083 = PrCC (MUAL - 1-Pr(V) d) ¿Cuál es la probabilidad de que la = P((MUCA)) persona elegida sea un adulto menor y 1-Pr(V) no sufra problemas cardíacos? = Pr((1m) +PrCCAS 1 -Pr(V) Pv(A1() = Pr(C Pr(AICC) = Pv (m)Pr([/M) +Pr(A)Pu(CIA) Forma no recomendable 1-Pr(V) = Pv (A) Pv(C< /A) = 0,35.0, 1 + 0 ,43 . 0 , 32 = Pr (A) [1-Pr(CIAS] 1-0, 2 = 0 ,45 21-0 ,32] = 0 , 2237 me = 0 , 306 m 9) Si la persona no sufreproblemas el ¿Cual es la probabilidad de que la cardíacos. ¿ Cual es la probabilidad de persona elegada sea un adulto menor o que no sea un menor de edad? no sufra problemas cardíacos? Pr(Me/() = Pr(Mon() Pr(AUC) = Pr(A) + Pr(CC)-PrCAMC) Pr(CC) = 0 , 45 + (1-0 , 323) - 0 , 306 = Pr(c (AUV) : 0 , 821 1 - Pv(C) = Pv(((c1A) W((< NV)) Otra Forma : 1 - Pr(C) Pr (AU = 1-Pr((AUYY = Pr(CASPr(CV) = 1-PrCAMC) 1- Pr(C) = 1-Pr(A Pr (CIA) = PU (AJPUCCA) Pr(UJPV(CIV) 1 - PrLC) -> 1-Pr (A) Pr(C/MUV) = Pr (A) [1-Pr(C/A) +Pr([1-Pr(CNS] = 1-[1-Pr (AS] Pr(C(MUV)) 1 - Pr(C) Pr(MWV = 0 , 4521 - 0 ,32] + 0 , 2 21-0 , 72] = 1-0 , 55 Pr(((m)(((V)) 1-0, 323 Pr(m) +Pr(V) = 0 , 5347 mu =1 -0 , 55(r((m) +Pr(CNV) 0 , 35 + 0 , 2 Décimas para primer corte: 2 = 1-053 [PULM)Pr(C/M)+Pr(VPrCy Por diagrama de Árbol tenemos : Pr (ANB) = Pr(A) . Pr(B) , c C : 10 , 3510 , 1 : 0 , 033 Regla multiplicativa de la independencia. m a (0 ,30,) = 0 , 315 Implicaciones de la independencia entre 0, 33 A y Bi 0 , 3 + AC : 10,4320 , 32) : 0 , 144 Si A y B son eventos independientes, · 0,45 A también son independientes las siguentes 0 ,68 : 10,4310 , 68) = 0 , 306 parejas de eventos: 0 ,2 0 .72 C- V C : 20 ,2610 , 72) = 0 , 144 · A y B V · A y BC 0,28 (c+ VC : (8 ,2)(0, 28) = 0 , 036 · A y BC Solucionando el punto e y 7 por diagrama Demostración: de Árbol tenemos : · Si A y B son independientes, y B también son independientes . ePr(AU) = 0 , 315 + 0 , 144 + 0 , 3060 , 056 = 0 , 821 Pr(A31B) = Pr(BA = Pr(B) -Pr(ANB) en = Pr(B) - Pr(A)Pr(B) 7) Pr(C/V) = Pr(C/MUA) = PrCCMUAL) = Pr(B) [1- PrCA)] -- Pr(MUA) = 0 . 035 + 0 , 144 = 0 , 22375 Pr (AC) e 0 ,033 +0 , 313 +0 , 144 +0 , 306 = Pv (Ac . Pv(B) Recordar: Unión : O ; Intersección : y :. A y B son independientes . 13 - 03 - 2023 Notas : ne Independencia Estadística entre Eventos Dos eventos A y B son estadísticamente ¿Un evento A es independiente de si mismo? independientes cuando la ocurrencia de una de ellos no modifica la probabilidad de Pr (A) = 000 ocurrencia del otro, dicho de otra manera, Pr(A/A) = 1 el evento B no aparta información relevante Pr(A) = PUCA) - PUCA) acerca de la ocurrencia o no ocurrencia de PUCAS E [PUCA) ↑ y neversa. Matemáticamente,A y B son independientes ci se cumple que: :. A no es independiente de sí mismo. PvCA/B) = Pr(A) 3 ¿ Un evento A es independiente de su Pv (B(A) = Pr(B) complemento ? Alternativamente, la independencia entre PrLA = ... As aporta información A y implica que se cumpla la siguiente / = O muy relevante respecto a A. regla multiplicativa : :. A no es independiente de su complemento. Pr(AB) = Pr(A) Pr(B) = [1 - Pr(A)] Pr(B) ¿Si A y B son excluyentes, y B Son = (1 - E) · 5 = E independientes ? 2) ¿Cual es la probabilidad de que el Pv(ARB) = Pr (A) Pr(B) primer dado carga en número par o el Pr(4) = Pr(A) Pr(B) segundo dado carga en número 3? 0 = Pr(A)Pr(B) Pr(AUB) = 1 - Pr((AUB))C :. A y B no son independientes. = 1 - Pr (A< 1 BC) = 1 - Pv (A) Pr(BY ¿ Si y B son independientes, A y B son = 1 (t)(E)excluyentes ? = z = 0 , 5833 e Pr(ARB) = 0 ? 12 Pr (A) Pr(B) O :. A y B no son excluyentes EndependentaColectivaentreEventesete independientes sí se cumplen las siguientes & [ : A y B sen independientes A y AUB reglas multiplicativas : son independientes ? A PUCAMBC= Pr(A) Pr(B) Pr(C) * PV (ANB) = PU(A) Pr(B) SPr (AUB/A) = 1 PrCAUB) * Pr (ANC) = Pr (A) Pr(C) * Pr (BMC) = Pr(B)PrCC) :. A y AUB no son independientes Implicaciones de la independencia colectiva - entre A , B y C: Pr(ARCAUB)) = Pr(A) Pr (AUB) Pr(AC) = Pr(A) PrCC) - Pr (AcnC(B) = Pr (ACC) =Pr(APPr(C) Pr (A) EPr (A) PrCAUB) Pr(B/AUCC) = Pr(B) Pv(BUC/A4) = Pr(BUC) Ejemplo : Se lanzan dos dados legales. = 1- Pr (B CC) Determinar : = 1 - Pr (B4 Pr(CC) a) Si el primer dado cae en número par, cual Disponibilidad de Sistemas es la probabilidad de que el segundo dado Sistema: Interconexión de componentes carga en número 3 ? que funcionan demanera independiente bajo una A : "primer dado cae en par Configuración específica. B : "Segundo dado cae en 3 En general, para un sistema de N Pr(BIA) = Pu (B) = E componentes se definen los siguientes eventos : b ¿Cual es la probabilidad de que el primer dado carga en número impar y el Fi = "El componente i funciona", = 1, 2, ... N Segundo dado carga en el número 3 ? S = "el sistema funciona A la probabilidad del evento , esto 3Configuraciones Hibridas es, Pr(5) se le denomina Disponibilidad Combinan secciones en sere con secciones del sistema . en paralelo. Los eventos Fi, , Fa, ..., N se consideran ↓ 2 & colectivamente independientes. 4 & Configuraciones tipreasi 3 Il Configuración Ferre (Conexión en Serie Ejemplos : Calcular la disponibilidad de ·8 . - Na Cada uno de los siguentes sistemas: a) Sistema I ja as El sistema funciona cuando todas las 4 & componentes Funcionan . 3 0 , 9 0 , 8 SEFIRERESENTA b) L 2 3 4 I I 0 , 9 0,950 , 93 0 , 95 Pr(5) = Pr, Fil = , PUCF) c) 0 ,8 f f 2) Configuración Paralelo (Conexión Paralela) I -20 ,73 30 , 8 * f 4 0 , 9 O & D als = ((F,FUf3] rF4 / * N Pr (5) = Pr[((F , F2) F3) F4)] Sistema El sistema funciona cuando al menos = Pr ((Fi1F2) UF3) Pr (FP) una de las componentes funciona. =(1 - Pr((F/ &F2) F3] Pr(FP) SEFIUFUE ... VENI = [1 - Pr (F, &F2( > Pr(F3)] Pr(F4) I I = 21-0 - Pr (F, NF2)] Pr(F3] PrCFc) Pv(S) = Pr ( , Fil = (1 - [1 - Pr(Ev) Pr(F2)] Pr (F39]Pr(F4) = 1 - Pr() , Fi)C) = [1 - 21 - 0 , 9 . 0 ,95]0,2] 0 ,9 =1 - Pr( Fic) i = 1 = = 1 -A Pr(Fi) · Pr(5) = 1 - , [1-Pr(Fil) * Si se sabe que el componente 2 funciona, Usando el teorema de la probabilidad cuál es la probabilidad de que el sistema total, calcular la disponibilidad del funcione ? - Disponibilidad condrerenen sistema sando la partición [F3 , F3 Pv (5/F2) = ? Pr (5) = Pv(F3) Pr (5/F3) + Pr(F33) Pr (5) F3) & · 00 En e a 1 - 2 4 3 08 Pr(5/F2) = Pr((F( UF3) F4) = Pv (F(UF3) PU(F4) -P 8 4 = Pv(F4) = [1 - Pr(F) 1 F33]Pr(F4) = 0 ,9 = Pr (5/F3) = (l - Pr (F1PU(F337PUCF4) = (1 - 0 , 1 . 0 , 270, 9 Pr(5/F34 = 0 , 882 n - 2 - 40 * Si el componente 2 no funciona, cuál es & la probabilidad de que el sistema funcione? - 4 . ↑r(5/2)- Disponibilidad condicional Pv(5153) = Pv(F1) Pr(F2)Pr(Fa) ↑ ⑧ e = 0 , 9 - 0 , 93 - 0 , a O 0, 9 * = 3 0 , 9 0 ,8 Pv(5) : 0 , 8 : 0 , 9 + 0 , 2 . 0 , 7693 Nos queda entonces : = 0 , 8739 u 3 4 * Pr(5/FinF4) 0 , 8 0,9 Pr(5/F23) = Pr(F31F4) = Pr (F3) Pr(F4) Pregunta adicional : = 0 , 72 c I 2 Calculo alternativo de la disponibilidad 0 , 9 0 , 9 usando el teorema de la probabilidad total Pr(5) = 0 , 9 . 0 ,9 = 0 , 8 Pr(F , (5) = 1 Pr(5) = Pr(Fz) Pr(S(F2) +Pr(F2Pr(5/F23 Pr(Fil() = ? -> Pr (5) : 0 , 95 . 0 , 882 + 0 , 05 . 0 , 72 b) 5 = FilF21F31FC Pv (5) = 0 , 8739 ↑v (5) = Pr(Fi)Pv(F2) Pr(F3) Pr(Fa) nu = 0 . 9 . 0 , 95-0 , 93-0, 93 = 0 , 77163 Para Pr(5/F,F4) : Pr(F ,UFUF3UF4) = · 2 = 1 - [(1- Pr(F1)) (1- Pr(F2)) (1-Pr(F3)) (1-Pr(F)] 0 ,93 a 0 = 1 - ((0 , 2) (0 , 23)(0 , 2) (0 , 1] 3 = 1 - 20 , 001] 0 ,8 = 0 , 999 u Pr(5/F, F4) = Pr (F2UF3) ↑esolviendo el a por simplificación del Sistema: = 1 - Pv(F25 (F3 E = 1 - Pr (F23) Pr(F34 I Z = 1 - (0 , 05)(0, 2) 4 = 0 , 99 3 un E Para el Sistema: Pr(F, 1 F2) = Pr(Fi) Pr(Fz) = 0 , 9 . 0 , 95 : 0 , 833 I 2 Pr(F3) = 0 , 8 0 , 9 0 , 9 Simplificando : · Pv (5) = 0 , 9 . 0 , 9 = 0 , 81 7 - S 4 · Pr(F1(5) = 1 G Pr(F . /5) = Pr(Fi) Pr(5/Fi) ↑v (FSUFG) = 1 - [ (1- Pr(Fs))(1-Pr(fo)] Pr (5) = 1 - ((0, 145) (0, 21] Pero : Pr(5/F1) : 8 28 , 9 = 0 , 971 -> Pr(5/Fi) = Pr(F2) = 0 , 9 Simplificando, tenemos : Entonces : Pr (F115) = 0 , 9 0 , 9 7 4 0 , 81 = 0 , 81 = Is Pr(F7 1F4) = Pr(F7)Pr(fu) = 0 , 971 · 0 , 9 0 , 81 = 0 , 8739 ↑ el Pr (5) = 0 , 8739 · Pr (F , /5% = Pr(Fi) Pr(5Fi) Pv (5C) 22-03-2023 # Aleatorias Pero Pr([/F1) = 1 - Pr(5/F) = 1 - 0 , 9 Definición : = 0, Una vanable aleatoria X es una función que - Pr(F , (5) = 0 , 9 (0, 1) = 0 , 47368 asigna un número real a cada posible e 1-0, 81 resultado del experimento aleatorio, es decir, convierte en un número real cada elemento de 1. . [) El resultado del experimento es ~ incierto. O # El resultado del experimento sepuede O expresar a través de un único número O 1 I I ↑ IR real . & ⑧ X(w) Notación para variables aleatorias Las variables aleatorias se simbolizan con letras mayúsculas como X , Y, , , Una variable aleatoriaX es una función etc, sus recorridos se notan como ex, de la forma: , , , etc, y sus realizaciones X : 1 IR como , y , , , ete respectivamente. ver · X(w) Ejemplo : Se tiene un experimento -Cada posible valor que puede tomar aleatorio que consiste en lanzar 2 X se conoce como "realización de X" dados legales, uno rojo y una azul . y se simboliza o . Determinar cuales de las siguientes - El conjunto de todos los valores que observaciones pueden ser consideradas puede tomar X (conjunto de todas las como variables aleatorias. En caso posibles realizaciones de) se conoce afirmativo indicar el tipo de variable Como "Recorrido de X" o "Soporte al que corresponde . de X" y se simboliza con X. as "Número que sale en el dado azul - Ex es el nuevo espacio muestral · Es incierta numérico del experimento aleatorio, · Es una variable aleatoria es el "Universo" de X. · Es una v. . a. discreta b) "Tiempo que tarda en quedarse Tipos de variables aleatorias queto el dado rojo" Según la naturaleza del recorrido, · Es una variable aleatoria las variables aleatorias se pueden · Es una va. Continua clasificar en : el "Color del primer dado que se queda *Discretas : Si ex es un conjunto quieto" numerable (finito o infinito) de · No es unavariable aleatoria porque no números reales . sepuede expresar en un número real. ex : d) "Número de caras del primer dado 1 10 1 / 11 que se queda quieto" Continuas: Si ex es un conjunto · No es incierta,pero se puede representar denjo de números reales . en un número real, por lo tanto, no es una 2X : variable aleatoria. el "Pareja de números que salen " · No es una variable aleatoria ¿Cómo surgen las varables aleatorias # "Suma de los números que salen En general, podemos afirmar que el · Es una variable aleatoria discreta. resultado de un experimento es una vanable aleatoria si se cumplen 2 condiciones: Distribución deProbabilidad de una PX(E) Pr(X = X0) Variable aleatoria O & La distribución de probabilidad de una vartable aleatoria X es una función O ·. ique asignaprobabilidades a vero & similitudes a cada elemento de su Xo recorrido . Ejemplo: Sea X una variable aleatoria * Las variables aleatorias discretas discreta con pmf: tienen una "función de probabilidad" 1 pmf : probability mass function). Px(z) = K * Las variables aleatorias continuas ! (3- ( /23 tienen una "función de densidad de Probabilidad" (pdf :probability density Con X = 0 , 1 , 2 , 3 funetron) . donde k es una constante positiva Variables Aleatorias Discretas Determinar: Una variable aleatoria X tiene asociada a El valor de k una función de probabilidad () que b) Pr(X = 2) Se define comeri 2) Pr(X2 1) d(Pr(x <3/X21) Py(x) = Pr(X= ) , E el Pr((X - 1) 2 = 1) F) Pr(x2= 1) 9) Pv (sen(X) = O) PX() es la probabilidad del evento EX= , donde E. Solución : 2x = 20 , 1 , 2 , 33 Py(7) = +0 , sixE-x · Py(z) = 0 E =0 , si Ex · 2 Px(2) = 1 & En general, PX(2) satisface 3 condiciones : X PX(E) O 4 K ilpx(z)10 , ER E ↓ . .(:eii) = Px(z) = 1 [ Si A es un evento relacionado con la I (). variable aleatoria X, 3 3 ()3= Pr(A) = I Px(z) EA Para hallar el valor de Ki La Función P() se puede expresar en forma analítica, en forma gráfica, en forma de 8k + 12k + 6k + k = 1 función por tramos o en forma de tabla. 162162162162 27k = · 27k = 162 = Pr(X=2) + Pr(X= 0) 162 k = 162 = Py(2) + Py (0) k = G 27 = + = Cuando 2 = 0 -Py(x)= (6) = 8 #) Pr(x2 = 1) = Pr((X1 = 1) 27 = Pr(X= 1 UX = -1) Cuando 2 = 1 - py(z) = 2 (6) = La = Pr(X = 1) + Pr(X = - 1) Cuando k = 2 + px(x) = (6) 27 = + 0 = E = 27 Cuando z=3 + px(X) : (6) = & 9)Pv (sen(Ex) = 0) = Py(k = 0) + py(z=2) 162 27 Px(z) a · . E = + : D ↑ 1127 2 Ejemplo : Se lanzan 3 monedas legales.- Jo I 2 3 SeaX la variable aleatoria discreta que representa el número de caras obtenidas. b) Pr(X =2) = px(x) = E= Determinar la distribución de probabilidad de X . a(Pv (X21) = PX(1) +px(2) + px (3) X= "número de caras obtenidas al lanzar 3 monedas legales" = 12+ 671 = 1 27 27 X- v . a. discreta Otra Forma : Pr(1 = 1-Pr(XX1) = 1 - PX(0) PX(z) = P = 1 - 8 = 19 27 27 = "cara en la iésima moneda" Si : "Sello en la ésima moneda" d Pr(x3/x11) = Pr(X31X21) Pr(X21) i = 1 , 2 , 3 = Pr(11 X <3) 1/2 (3 : (C , (2, (3) = 118 Pr(X21) 11222112 53 : (Ci , (2 , 53) = 1/8 = Px(1) + Py(2) = 2 + 7 18 112 [ ,252 11 23 : (D , 52 , (3) = 118 PX(1) + PX(2) +PX(3) = L 19 In s 1/2 53 : (Ci , 52 , 53) = 1/8 27 L /2 1/2 e) Pv((X- 1)= 1) = Pr((X- 11 = 1) C2 (3 : (51 , (2 , (3) = 1/8 = Pr(X- 1 = 1 UX- 1 = - 1) 1/2 53 : (51 , 22 , 53) = 18 = Pr(X = 2 u X =0 12 S2 112 (3 : (51 , 52, (3) = 118 X d Excluyentes 1/2 53 : (51 , 32 , 53) = 118 En orden , entonces : = 118 = E1-1/8 X (CI , (2, (3) I 3 27 -03 - 2023 (C, C2, 53) 2 Variables Aleatorias Continuas (C , 52 , (3) 2 ex = 30, 1 , 2 ,33 Sea X una vartable aleatoria con I recorrido denso X , entonces sediceC,32,s2 que X es continua. La distribución de (51 , 22, 53) I probabilidad de X se denomina "función (51 , 52,(3) de densidad de probabilidad", la cual se (51 , 22 , 53) O simboliza con () y se define como: PX(2) = Pr(X = z) , 2 = 0 , 1 , 2 , 3 fy(z) = Lim Pu(2-E1EX=z +E/2) E+Ot E PX(0) = Pr(X = 0) : 1/8 Sus unidades soni Unidades de xPx(1) = Pr(X = 1) = I HI = También se denomina: Función de verosimilitud. Py(2) = Pr(X = 2) = 1+ = #() no representa la probabilidad del PX(3) = Pr(X= 3) = 118 evento EX=3 , sino la probabilidad por unidad de variable aleatoria presente en Entonces , la función deprobabilidad nos ese punto . queda : La Función F() se abrera con la PX(z) sigla pdf (probability density fruction), 3/8 318 y satisface 2 condiciones : 1/8 118 I)5x()O, ER . ↓ ↑ I G ↑ 2 X II)S (sdx = 1 Pregunta adicional, fx(z) Si se sabe que hay al menos I sello, ¿erál es la probabilidad de que los 3 lanzamientos hayan caído en sello ? X= "número de caras" 3- = "número de sellos" - N f X -- Pr (3 -x = 3/3 -x 21) 2x # = Pr(X =0/X = 2) Curva no negativa,con = Pr(x= 01X E2) = PXCO) área bajo la curva igual a 1 . PrCXE2) 1 - PX(3) El recorrido deX es el intervalo donde Fx() O. La probabilidad de un evento arbituarro A Pr(X1 b) = Pr(X =Ub X =b relacionado con la variable aleatoria * continua X se define como: Excluyentes -> Pv(X=a) +Pv(a <X <b) + Pr(X =b)PUCA) :S FXLEk f 0 Por tanto, si es de la forma :<D. Pr(a<b) = Pr(ax<b) Pula = x < b) = Excesbx Ejemplo : El tiempo en minutos quehura una llamada telefónica es una variable ->Pr() = "reabajo la curva aleatoria continua X cuya densidad de 5x(z) de Fx() sobre el probabilidad se muestra en la figura. fx(z) [1/min]~interlocupado por 7 :.i 2k- k : constante positiva K - La probabilidad de un evento de la forma: =C, está dada por: o i 2 & [mins] C+D as ¿Cuál es el recorrido de X ? PULX =J =Lin+x() m x()o ex = ? & Esto quiere decir que si X es una variable ex = 10, 3] aleatoria contrava, la probabilidad de Cualquier evento puntual es O , por tanto b) Calcular el Valor de para que la Ex= 3, con EX , es un " evento improbable" distribución de probabilidad sea válida. A partir de lo anterior,se deducen las 5x(z) = 2kx S OXEl siguientes igualdades para las probabilidades E K , 1x X 13 sobre variables aleatorias continuas : O , 0 . U Pr(a < X < b) = Pr(aXEb) fx()20 , E = Pr(a(X = b) f = Pr(aEX <b) , (i) ( = I fx(z) ~Priebreademalinea -so+N I & + (00¢x = 1 = x + kx13 = = k + 2k = 1 nk = 1/3 ¿Cual es el valor más verosimil dex L = SES X Pr(X<2) RIX1 - "el tiempo mas verosimil para Ex (2) by la Llamada es Imin" " d)¿Cual es la probabilidad de que la = 5x = 35 ¢ = =1 Llamada dure menos de 903? 31 - Pr(x22) 1 - 35¢x 1 la 905 - Y ? = 3/2min 60s - Imin 3/2 : = - 5 = ! Pr(X < 312) =/Fxlzsd 1 - 3 + 23 sock + ) xx+ x 7) Supóngase que la potencia en vatios que consume la llamada telefónica está dade por: = + 312 te P =4+ [], donde X es el tiempo que dura la llamada. = 6 + 3 = = E18 ¿Cual es la probabilidad de que la potencia consumida por la llamada sea de al menos 17 W? fx(z) [1/min] Pr(X< 3/2) Pr (p > 17) = Pr(4X2+12(7) 213 III: = Pr(4X2216) - & = Pr (x224)It o p ↳ ↳ & [mins] = Pr(/X122)d = Pr(X22 UX1 -2) * ↓ el Si se sabe que la llamada dura Excluyentes menos de 2 minutos, cual es la probab. = Pr(x22) +PrLXE -2) de que dicha llamada duremás de un ↓ minuto? Evento imposible Pr(X > 1/x (2) = Pr(x>11x <2) = ss+Es Pr(X <2) - d IIII = Bdx + 0dx = El =- ↑ ↑~↑- J ↑ 2 3 - Lo común 9) ¿Cuál es la probabilidad de que la 3-2 = 0.1 3-2 : 0 . 3 llamada dure 2minutos y medio? 3 Pr(X = 2. 5) = 0 - = 2 . 7 mins - Evento improbable Prix = d) = 0 . 9 jo = 09h)¿ Cual es la probabilidadde que la llamada - X O dx Sdure más de 4 minutos? Pr(X> 4) = 0 xx + x = 0 - Evento imposible 1)¿Cual es la probabilidad de que la * Llamada dure a lo sumo 5 minutos? Pr(x (5) = 1 * = - Evento seguro 1 +d - 1 = 0 . 9 3 Con esto se ve la verosimilitud. ¿ Cuál es la duración de la llamada E = 0. debajo de la cual se encuentrael 90% de los casos ? 2 = 2 .7 mins 5x(z) k) ¿Cual es el tiempo encima del cual se encuentra el 90% de los casos? / Pr(X) = 0 . 1 o también : & I & ·0. 0.9 && I/V ↑ O ! 4 Z Pr(X 28) = 0 . 9a De la forma: Pr(XEB) : 0 . 1 Pv(X 12) = 0 .9 + 2 =? 1 -Pr(X>B) = 0 . 1 1 - Pr(X> 2) = 0 .9 1- 0 . 1 = Pr(X>B) 0 . 9 = Pr(X)B) - Pr(x > 2) = 0 . 1 - (sx = 0 . 1 fx(z) [1/min] - x = 0 . 1- =0 213 &V - i↳IIII& OB p ↳ ↳ & [mins] 9 = xxt) = 0 PX(z) B I - ↑ ↑ E Fx(x) O El escalen sube al valor de la- 3 -t : e ⑧ & Probabilidad en ese punto. i ↑ & Fx(o) : es la suma de las - 1- 33 +3 - 1 = 0 . 9 8 J probabilidades quehay 3 X8 & a la izquierda de 20 . + 3 - 32 = 0 . 9 -03-B = 2 . 7 · 5 : X es una variable aleatoria continuar 3 3 - 2. 7 = B2 0 . 3 = B2 FX(): ( -Recopilación de ↓ I Área bajo la cura - 3 = 1 0. 3 de izquierda a derecha -> 3 = 0 . 3477 mins ↳FX() es una función monótona creciente Pr(XEB) : 0 . 1 en en - 0. -> B = 0 . 5477 mins 29 - 83-2023 3 de ser Funciones de Distribución Acumulativa ↓ máximoI . La función de distribución acumulativa o E Led : commulative distribution function) de Propredades generales de la e.d . F una variable aleatorra X , se simboliza conF y sedefine como la probabilidad El, ER. del evento EX , donde puede ser cualquier número real, , esto es : * Fx(-0) = Lim Fx() = O A- - 00 FX(z) = Pr(X), E * FX(+b) = Lim Fx() = 1 2 -1 +0 · Si es una variable aleatoria discreta : * 5ia < b : Fx(a) < FX(b) FX()= () -Recopilación de probabilidad. Pr(X 2) =E (2) - Ex (El I ↑ de izquierda a derecha ↳F () es una función escalonada creciente. Si es discreta: ()= -FX() * Si x es continua: 5x() =X( PX(2) : FX(I -FX (2) = · = 2 0de = Fxs(z) * 5 : X es continua , FX() es una PX (2. 1) = FX (2. (H - FX(2. 1 =. Función continua. Pr(X(2) = Ex (2) = 7 E Parcial 1 : Miércoles 19 de Abril Pr(X21 = 1-Pr(XE1) = 1-FXCI n = 1 - 1 = 1Demostración de las propredades de la c. d. F : FXCK 3. Fx(0)=05x(z)dz = 1 Pr(/EX (3) = PU(X= 1) + Pr(1 < X3) = FX((t) - Fx(1 - ) +Fx(3) - FXCI 4. / / FX(a) = Pr(X) = t - 8 t A b FX(b) = PrLXEb) = PUXED = 7 = Pr(x(a) + Pv(a <X=b) & Ejemplo : Obtener la c.d .f de una v. a X Ejemplo: Determinar y graficar la función con pbf : de distribución acumulativa de la Fx(z) varable aleatoria X = "Número de caras al lanzar 3 veces una 2/3 - moneda legal" " 1/3 - Px(E) o i 2 z 3/8 3/8 1/8 118 5x(z) = 213X , OEXEl ↑ ↑ ↑ ↓ 1/3 -1 < X 23 Jo ↑ 2 ¿ S O , 0 . W Fx(2) Z Fx(7) = Pr(X) =J fxlz)dz - ⑧ E-- ⑳ ↓ fx (z] 213- - E I - ↑ h ·.e Z ⑧I & ·Para 0 : FX() :A z =Od = FX(E) ↑S ↑ S ~ 1/2 - & - - -- ~· Para El 1 13 ↑ ↑ p ! ↑ ↑ ↑ ↑ p ↑ ↑ X -> I f 2 3 4 S E#x (a)= (de =no z - Preguntas : = z = * Pr(x13/2) = Y · Para 13 = 1 - Pv(X < 3/2) = 1- FX(3/2) FXCas= = no z = 1 - 312 = 13 + 55 dz * Pr (112 X < 3/2) = Fx (3/2) - Fx (112) = z +El = . - 5 + = 34 = Es *Pr(x> //x < 312) = ? ·Para = Pr(X> 11X <312) Pr(X < 312) FX() :( =8pztjzza = Pv((XX < 5(2) +3 Pr(X15/2) = Fx (3/2) - Fx (1) = 0 +z % + p Fx(5/2) =a - t = 0 + 1 +2t 0 = 3 Entonces : 3 FX(2) = E J , X0 = 315 = 0 . 6 X2/3 02E ! S X/3 , 1 < 213 Himo ejemplo por hoy 1 , >3 Ejemplo : Sea X una variable aleatoria con +x(z) la 2 . d . F : Fx(z) = 112ex , X0S 1, O - E Otra Forma : a Qué tipo de variable aleatoriaes? PI62=S s b) Calcular Pr(IX-12) 10-04-2023 e Determinar la pmf/pdf VariablesAleatorias Indicador f S Fx(E) Una variable aleatoria indicador de un evento arbitrario A es una variable discretain X que toma el valor de l cuando ocurre - y toma el valor de 8 cuando no ocurre A, E esto esi a) X es una variable aleatoria continua, E ya que FX() es montona creciente X = ,si ocurretre A b) Pr(/X- 11 2) por tanto : PX(1) = Pr(X = 1) = PrCA) , así : =Pr(X - / 2 UX- 1 < - 2) PX(z) : 1- Pu(A) , X= 0 = Pr(X3 U XX- 1 IIII E PrCA) I X= 1 J O . W Excluyentes ↑ S ↑ PX() · Pr (A) = Pr (X>3) + Pr (XX- 1) 1 - PvCAS ⑧ = 1- Pr(X13) +Pr(XX- 1) = 1 - Fx (3) + FX(- 1) G ↑ E = 1 - (1 fe] + /1 e) Ejemplo : Una uma contiene 3 canicas =e = 0 . 2088 azules, 2 rojas y 4 blancas Se extraenL 2 canicas al azar sin sustitución. Determinar es le) = Flet Let , xo la función de probabilidad de la variable aleatoria indicador del evento "Las 2EÉ, 0 cancas extraídas son del mismo color" = 1 Distribución de · ⑧ · Laplace ⑧ Gráfico de la urna · A : "Iésima canica azul". Lo anterior, si X es discreta Bi : "I ésima canica blanca". Ri : "ésima cantea roja" Ahora, si X es continua : ↓ = 1, 2 - Porqueson 2 extracciones X EXIALES : E , paraE Pr(A2(Al A2 : 2/8 : PrCAzIAl I S o, para A R2 : 2/8 : Pr(R2/AI J Al B2 : 418 : Pr (B2/A) O Así mismo, la distribución de probabilidad Pr(Ai) A2 : 318 · O "total" de X se puede obtener a partir de O R1 R2 : 1/8 ↓ las condicionales como: Pr(RI) B2 : 418 O A2 : 318 O Pr(B1) BI R2 : 218 : PX(7) = PULASPXI() +Pr(APXIACCES O I I B2 Pr(B2/Bi) : 318 : Pv(B2/B) I ↳ si x es discreta. Pr(A1) = 319 5x(2) = Pr(ASSXIAL) (AXIALES ,Pr (R1) = 2/9 I Pr (B1) = 4/9 ↑ si X es continua. Pr(X = 1) = 3 . + . . =20 o En general, si l, 2,..., An son una partición de 1, se tiene que: Luego : PX() = (1,10,xce PX(z) = PLASPXIALE) X = 1 I i = 1 I E ↳ X discreta ↑ f PX(2) 5x() = "PLAISFXIrilas & 13/18 I [ = 1 I · 5/18 · X continua. E D f Ejemplo : Sea X una variable aleatoria discreta con punf : Distribuciones de Probabilidad Condicionales Lo Truneadas) -x = 2 - 112 , 112 , 1 , 2 , 33 ta ! Sea X una variable aleatoria y sea A un evento arbitrario relacionado con X. La Hallar y graficar : /El (E) distribución de probabilidad condicional Lo truncada de X dado A se define como: Inicialmente: PX(7) PXIALES : PA,Para Ent ⑧ ↑ ↑ ↑ 0 . 2 0 . 2E O 0. 4 O:1 o 0 . 1 & - in 1 2 3 E Pr(IXIEl) = Px (-112) +py (112) + PX(1) = 0 . 7 ·5x(x2 (z) = X, El E E ↓ 0 , 0 . 1 fPXIIII = PLE, ER , FXIXE() 3 I - · PXIIIEl = 0.27,El heS G O. M 1 - ↑ ↑ 0. 110 . 7, E = 1 0 E f & S Ejemplo: En cierto lugar, la temperatura PXIXIEl y la luva están relacionadas de la ·4/7 siguiente manera: Cuando llueve, la temperatura (2) es una 217 & 1/7 variable aleatoria continua con ↑ ↑ ↑ E pdf : 116, para 1521. - 1/2 1/2 I Cuando no llueve , la temperatura (C) es una variable aleatoria Ejemplo : Sea X una variable aleatoria continua con pdf: 1/10, para continua con paf : 16 26 . Si la probabilidad de que no llueva triplica la probabilidad fx(z) = 2x , 0= =1 de que llueva,determinar :E 0 , 0 . U al La probabilidad de que la temperatura Hallar y graficar FXIX 112() Supere los 180C. fx(z) ↳: "Leve", = "No llueve" II" X : "Temperatura" (OC)I &IVTie Pr(L( +Pr(L) = 1 - P= = 3Pr(L) Pr(L) +3 PULL) = 1 5X1() : FES , EERL · 4Pr(L) = 1 E J , O . W Pr(L) = 1/4 + Pr(L3) = 314 = E2 sEX 5xi(xs = 2 15 = x = 21 0 , 0 . 4 0 , 0. 4 5 x1 = L , 18 = z = 26 c) Determinar y graficar la densidad de probabilidad de la temperatura (C). O , 0 . W fx(2) = Pr(L) fxiz() + Pr (L)fxic() - : 5 xiL(z) 1- - : fx/L(z) 1/10 ·5xlz) : +2 1 , 1EEe 8 ig i i X(OC) O , 0. w Pv(x > 18) = Pu(L)Pu(X>18/L) = 2p , 1= x =21 + (0 , 16= z =2 +Pr(L)Pr(X > 18/LC) S 0 , 0 . U 0 , 0 . 4 = xitz · fx(x) =+ 213 ,213 + 216 , 212 = +Al E ¢x + =s o I: Función identidad o función uno 716e = 3/40 I 5x(z) [oe] : FX(E) -- 112---- = + +3 = 324 = 29 = 0 . 7 · i 202 ↑ 40 18 36 [0[] b) Si la temperatura supera los 18°C. ¿Cual es la probabilidad de queesté lloviendo? Pr(L/X > 18) = ? · Pv(L) Pr(x > 18/L) Pr(X>18) =14 Exilkee =18 ¢x =10.e = 0 . 1724
Compartir