Unidad I: Fundamentos y elementos bsicos de la teora de decisiones. 1.2.

- Fundamentos bsicos: Variables Aleatorias

Anteriormente los experimentos se conceban de tal manera que los resultados del espacio muestral eran cualitativos. Como ejemplos de resultados cualitativos podemos citar: + El lanzamiento de una moneda, su espacio es: S= cara, cruz! +"roducto manu#acturado en una #$brica puede ser: S= de#ectuoso, no de#ectuoso! + %na persona en particular puede pre#erir la loci&n: S= x,'! (ebido a que resulta interesante en al)unos casos cuanti#icar el comportamiento aleatorio de un espacio muestral, se introduce el concepto de la variable aleatoria, la cual permite relacionar cual uier resultado con una medida cuantitativa. !e"inici#n: Sea S un espacio muestral sobre el que se encuentra de#inida una #unci&n de probabilidad. Sea * una #unci&n de valor real de#inida sobre S, de manera que trans#orme los resultados de S en puntos sobre la recta de los reales. Se dice entonces que * es una variable aleatoria. (e otra #orma, dado un experimento aleatorio cu'o espacio muestral es S, una #unci&n * que asi)na a cada elemento + de S un n,mero real, denotado por *-+., se denomina variable aleatoria. $rans"orma todos los posibles resultados del espacio muestral en cantidades num%ricas. "or otro lado, el t/rmino aleatoria se utiliza para indicar que antes de realizar el experimento no es posible determinar el valor espec#ico que va a tomar *, 'a que el mismo depende del resultado que ocurra al e#ectuarse el experimento. Como 'a se 0a dic0o, a trav/s de * se establece una correspondencia entre los elementos del espacio muestral * ' los n,meros reales , ' en consecuencia, con la #inalidad de simpli#icar &'emplo 1: Consideren el lanzamiento de una moneda. El espacio muestral est$ constituido por dos posibles resultados 1cara2 ' 1cruz2 . Entonces sea *-cara.=3 ' *-cruz.= 4. (e esta manera se trans#orma los dos posibles resultados del espacio muestral en puntos sobre la recta. A0ora bien, "-*=3. es la probabilidad de que cai)a cara cuando se lance la moneda. &'emplo 2: %n experimento aleatorio consiste en re)istrar en secuencia el sexo de los dos primeros bebes que nacen en un 0ospital un da cualquiera. Si utilizamos 5 para var&n ' 6 para 0embra, el espacio muestral viene dado por : S= 55,56,65,66!. Consideremos la variable aleatoria * de#inida de la si)uiente manera: *: 7,mero de 0embras en los dos reci/n nacidos. "or lo tanto * permite asociara los elementos de S los si)uientes n,meros reales:

*- 55!. = 3 *- 56!.= *- 65!.= 4 *- 66!.=8 El dominio de * es el conjunto 55, 65,56,66! ' el ran)o es 3,4,8!, lue)o, "-*=3.= "- 55!. = 9 "-*=4.= "- 56, 65!. = 8:; ="- 56!.+ "- 65!.=4:; + 4:; = < "-*=8.= "- 66!. = 9 =as variables aleatorias se dividen en dos tipos: Variables aleatorias discretas y variables aleatorias continuas. Variables aleatorias discretas: %na variable aleatoria es discreta cuando puede tomar un n,mero #inito o in#inito contable de valores, es decir, que pueden ordenarse en secuencia. Son ejemplos de variables aleatorias discretas: +El n,mero de accidentes de tr$nsito que ocurren en una autopista en un lapso de tiempo determinado. +El n,mero de artculos de#ectuosos que se encuentran en una muestra aleatoria de 43 artculos producidos por una m$quina. +El n,mero de veces que se lanza una moneda 0asta que apar/zcala primera cara. >+El n,mero de 0ermanos de una persona seleccionada al azar. !istribuci#n de probabilidad de una Variable aleatoria discreta: Se denomina distribuci&n de una v.a -variable aleatoria. discreta * al conjunto #ormado por los valores x que puede tomar esa variable ' las correspondientes probabilidades "-*=x. con que * puede tomar esos valores. En toda distribuci&n de probabilidad de una variable aleatoria discreta debe cumplirse : a.? que todas las probabilidades deben estar entre 3 ' 4, ' b.? que la suma de ellas es i)ual a la unidad, es decir, a.? 3 @ "-*=x. @ 4 x b.? A"-*=x.= 4

=a distribuci&n de probabilidad de una v.a. describe te&ricamente la #orma en que varan los resultados de un experimento aleatorio. Bntuitivamente se tratara de una lista de los resultados posibles de un experimento con las probabilidades que se esperaran ver asociadas con cada resultado.

&'emplo (:

Cbserven que la v.a del ejemplo 8 tiene una distribuci&n de probabilidad dada por la si)uiente tabla: * "-*=x. 3 9 4 < 8 9 =4

D la suma de las probabilidades es i)ual a 4 &speran)a matemtica de una variable aleatoria discreta: Originalmente el concepto de esperanza matemtica surgi en relacin con los juegos de azar y en su forma ms simple es el producto de la cantidad que un jugador puede ganar y la probabilidad de ganar. Sea * una variable aleatoria discreta con una distribuci&n "-*=x. ' sea E-x., una #unci&n de esa variable aleatoria. =a esperanza matem$tica o valor esperado de -x., est$ denotado por: E-x.= A x"-x. Es decir, la sumatoria del valor de la variable aleatoria -x. por su correspondiente probabilidad. &'emplo *: (ado el ejemplo 8. 7os piden 0allar la esperanza matem$tica o valor esperado de bebes que nacen en un 0ospital un da cualquiera, donde * est$ representada por: el n,mero de 0embras en esos nacimientos. Eenemos las probabilidades de ocurrencia de cada caso, por lo tanto su esperanza matem$tica est$ dada de la si)uiente #orma: E-x.= 3-4:;.+4-4:8.+8-4:;.= E-x.= 3 +4:8 +4:8 = 4 Interpretaci#n: El 0ec0o de que E-*.=4 no quiere decir que cada vez que nazcan dos bebes, uno de ellos va a ser 0embra. Esto lo que representa es el n,mero esperado de 0embras cuando nacen dos bebes. &'emplo +: Consideremos el si)uiente jue)o. Se selecciona una carta al azar de una baraja espaFola, en donde son ;3 cartas de las cuales -8G est$n numeradas del 4 al H., si sale un n,mero %d. Iana 4 JsK. "ero si sale una #i)ura -sota, caballo o re'., ud. "ierde L JsK. MEs justo el jue)oN ,oluci#n: &-perimento: Seleccionar una carta al azar de una baraja espaFola &vento: A: ,acar un n.mero /20 cartas1 2: ,acar una "i3ura /12cartas 1 &spacio muestral: A451,2,(,*,+66.207 245sota, caballo, rey7 8alculamos su probabilidad: 9/A14 20:*; 9/214 12:*;

A0ora bien, si desi)namos a * la variable aleatoria 1)anancia del ju)ador2, observamos que /sta s&lo puede tomar dos valores: 4 cuando )ana ' ?L cuando pierde-se coloca el si)no menos cuando 0a' que pa)ar esa cantidad.. "or lo tanto, las probabilidades asociadas a esos valores vienen dadas por: "-*=4. = 8G:;3 "-*=?L.= 48:;3 =ue)o, la )anancia esperada del ju)ador es: E-*.= 4-8G:;3. + -?L.-48:;3.= ?3.83 Js. K Es decir, que el jue)o no es justo, 'a que a la lar)a se espera que el ju)ador pierda 3,83 Js. K. "ara que el jue)o sea justo debe cumplirse que E-*.=3 es decir ni )ane ni pierda. Variables aleatorias continuas: %na variable aleatoria es continua cuando puede tomar cualquier valor en un intervalo de n,meros reales. =a estatura, el nivel de colesterol en la san)re, el in)reso diario en un 0otel, el volumen de lluvia en una re)i&n, etc. Son ejemplos de variables continuas. Si bien al)unas de ellas son medidas usando al),n tipo de redondeo que puedan 0acerlas parecer como variables discretas, en realidad conceptualmente son continuas ' deben tratarse como tal. =a #unci&n de densidad de una variable aleatoria continua tambi/n llamada distribuci&n de probabilidad viene dada de la si)uiente #orma: #-x. Sea X una variable aleatoria continua, entonces una #unci&n de densidad de probabilidad de X es una #unci&n f(x) tal que para dos n,meros cualesquiera a ' b con ,

Es decir, la probabilidad de que X tome un valor en el intervalo Oa, bP es el $rea arriba de este intervalo ' bajo la )r$#ica de una #unci&n de densidad. =a curva f(x) se llama curva de densidad. =as variables aleatorias continuas, por ser un poco m$s complejas ' por ameritar muc0o m$s tiempo para su explicaci&n ' utilizar Bnte)rales , s&lo se de#inir$n con el prop&sito de que el participante sepa el concepto de ambas variables aleatorias. 9robabilidad 8ondicional: =a probabilidad condicional de un evento A dado otro evento J, se denota por "-AQJ., que es la probabilidad de que el evento A ocurra cuando sabemos que el evento J 'a ocurri&. Esta es la raz&n por la cual se llama condicional. =a probabilidad de que el evento A ocurra, est$ condicionada por la ocurrencia de J. Entonces: "-AQJ.= "-ARJ. "-J. & "-JQA. = "-ARJ. "-A.

&'emplo:

En el cuadro se presentan los trabajadores de una industria, clasi#icados se),n el car)o ' el sexo. <=>2?&, G3 L3 ; 11* >U@&?&, 44L 4H T 1(B $=$AA&, 4SL ;H 43 2+;

=breros &mpleados !irectores $otales

El dueFo de la empresa desea otor)arun premio estmulo especial ' para ello decide seleccionar al azar uno de los trabajadores. Consideremos los eventos: A: ser empleado J: ser Uujer Asumiendo que cualquiera tiene la probabilidad: "-A.= ;H = ;.100 "-J.= 8V3 8V3

4LT

= ;.+**

Esto porque "-A. D "-J. no est$n condicionadas, es decir, "-A. representa la probabilidad de que la persona seleccionada sea un empleado ' "-J. es la probabilidad de que sea mujer. A0ora bien, 'a la selecci&n se realiz& ' lo ,nico que se sabees que la persona #avorecida es mujer, es decir, que el evento J 'a ocurri&, por lo tanto queremos calcular la probabilidad de que la persona sea empleado. En otra palabras nos interesa calcular "-AQJ., es decir, que la persona sea empleada. (ado que se seleccion& a una mujer, la in#ormaci&n re#erente a los 0ombres es irrelevente, por lo tanto, el espacio muestral se restrin)e al caso de las mujeres. Entonces, la probabilidad de que la mujer sea seleccionada sea empleada, viene dada por la proporci&n de empleadas que 0a' dentro de la porci&n de mujeres. "-AQJ. = 4H = 3.48V 4LT &'emplos: W A los 0abitantes de una )ran ciudad se les 0izo una encuesta con el prop&sito de determinar el n,mero de lectores de el 7acional ' el %niversal. =os resultados de la encuesta #ueron los si)uientes : 83X de los 0abitantes leen el 7acional, el 4TX lee el %niversal ' 4X lee ambos peri&dicos. Si se selecciona al azar a un lector del nacional : C 8ul es la probabilidad de ue tambi%n lea el universalD

?4 Sean A ' J los eventos que representan a las personas que leen el nacional ' el universal respectivamente, entonces: "-A.= 3.83 "-J.= 3.4T "-ARJ. = 3.34 "-AQJ. = "-ARJ. "-A. = 3.34 = 3.3V 3.83

"or otra parte tambi/n puede determinarse la probabilidad de que un lector del universal lea tambi/n el nacional: "-AQJ. = "-ARJ. "-J. = 3.34 = 3.3T8V 3.4T

WAl)unos ejemplos de la vida diaria donde un evento depende de la ocurrencia del otro. W %n alta 0umedad relativa aumenta las posibilidades de que llueva en un lu)ar: "-llueva Q 0umedad relativa de G3X o mas. W %n #umador tienen ma'ores probabilidades de contraer en#isema pulmonar. "-Contrai)a en#isemaQ la persona #uma V ci)arrillos o mas al da. W Uanejar en estado de embria)uez, aumenta la probabilidad de su#rir accidentes. "-=a persona se accidentaQ 0a in)erido licor. W "-A.= 3.8V "-J.= 3.43 MCu$l es la probabilidad de A sabiendo que 0a ocurrido JN &'ercicio: =a probabilidad de que a un autom&vil al que se le llena el tanque de )asolina necesite tambi/n un cambio de aceite es de 3.8V, de que requiera un nuevo #iltro de aceite es de 3.;3Y ' que le 0a)a #alta tanto cambio de aceite como de #litro es de 3.4;. a.? Si debe cambiarse el aceiteM Cu$l es la probabilidad de que necesite un #iltro nuevoN Sean los eventos: "-A.: Zue necesite cambio de aceite 3.8V "-J.: Zue necesite #iltro de aceite 3.;3 "-ARJ. : 7ecesite tanto cambio de aceite como #iltro 3.4; Entonces:

Se nos pide la probabilidad condicional "-JQA. "-JQA.= "-JRA. "-A. = 3.4; = 3.VT 3.8V

b.? Si necesita un #iltro nuevo: M Cu$l es la probabilidad de que requiera que se le cambie el aceiteN "-AQJ.= "-ARJ. "-J. = 3.4; = 3.LV 3.;3