Documentos de Académico
Documentos de Profesional
Documentos de Cultura
a. Encuentre las siguientes probabilidades de la tabla: d. Encuentre la probabilidad de un falso positivo, que
P(D), P(DC), P(NDC), P(ND). el examen sea positivo, dado que la persona no tiene
b. Use la Regla de Bayes y los resultados del inciso a) enfermedad.
para hallar P(DN). e. Encuentre la probabilidad de un falso negativo, que
c. Use la definición de probabilidad condicional para el examen sea negativo, dado que la persona tiene la
hallar P(DN). (Su respuesta debe ser igual a la enfermedad.
respuesta del inciso b).) f. Cualquiera de las probabilidades de los incisos d) o e)
¿son suficientemente grandes como para preocuparnos
por la confiabilidad de este método de selección?
Explique.
Variables aleatorias
Una variable x valuada numéricamente varía o cambia, dependiendo del resultado par-
ticular del experimento que se mida. Por ejemplo, suponga que se tira un dado y se mide
x, el número observado en la cara superior. La variable x puede tomar cualquiera de seis
valores: 1, 2, 3, 4, 5, 6, dependiendo del resultado aleatorio del experimento. Por esta
razón, la variable x se conoce como variable aleatoria.
Al igual que en el capítulo 1, las variables aleatorias cuantitativas se clasifican ya sea co-
mo discretas o como continuas, de acuerdo con los valores que x pueda tomar. Es impor-
tante distinguir entre variables aleatorias discretas y continuas, porque se usan técnicas dife-
rentes para describir sus distribuciones. Nos concentramos en variables aleatorias discretas
en el resto de este capítulo; las variables aleatorias continuas son el tema del capítulo 6.
Distribuciones de probabilidad
En los capítulos 1 y 2, usted aprendió a construir la distribución de frecuencia relativa
para un conjunto de mediciones numéricas en una variable x. La distribución dio esta
información acerca de x:
www.FreeLibros.me
Usted también aprendió a usar la media y desviación estándar para medir el centro y
variabilidad de este conjunto de datos.
En este capítulo, definimos la probabilidad como el valor limitando de la frecuencia
relativa cuando el experimento se repite una y otra vez. Ahora definimos la distribución
de probabilidad para una variable aleatoria x como la distribución de frecuencia rela-
tiva construida para toda la población de mediciones.
• 0
p(x)
1
• S p(x) 1
EJEMPL O 4.25 Lance al aire dos monedas imparciales y sea x igual al número observado de caras.
Encuentre la distribución de probabilidad para x.
Solución Los eventos simples para este experimento con sus respectivas probabi-
lidades se muestran en la tabla 4.7. Como E1 HH resulta en dos caras, este evento
simple resulta en el valor x 2. Del mismo modo, el valor x 1 se asigna a E2, y así
sucesivamente.
Para cada valor de x, se puede calcular p(x) al sumar las probabilidades de los eventos
simples en ese evento. Por ejemplo, cuando x 0,
1
p(0) P(E4) __
4
y cuando x 1,
1
p(1) P(E2) P(E3) __
2
www.FreeLibros.me
Los valores de x y sus probabilidades respectivas, p(x), aparecen en la tabla 4.8. Observe
que las probabilidades totalizan 1.
1/4
0
0 1 2
x
MI APPLET
Hay dos applets de Java que permiten al usuario aproximar las distribuciones de pro-
babilidad discreta usando métodos de simulación. Esto es, aun cuando las probabili-
dades p(x) sólo se pueden hallar como las frecuencias relativas a largo plazo, cuando
el experimento se repite un número infinito de veces, podemos acercarnos a estas
probabilidades si repetimos el experimento un gran número de veces. Los applets
denominados Flipping Fair Coins (Lanzamiento de monedas justas) y Flipping
Weighted Coins (Lanzamiento de monedas no justas) son dos de estas simulacio-
nes. La forma más rápida de generar la distribución aproximada de probabilidad para
x, el número de caras en n tiros de la moneda, es repetir el experimento “100 a la vez”,
usando el botón de la parte inferior del applet. La distribución de probabi-
lidad aumentará en forma más bien rápida. Se pueden aproximar los valores de p(x) y
comparar contra los valores reales calculados usando reglas de probabilidad. Usare-
mos estos applets para los ejercicios Mi Applet al final del capítulo.
†
La distribución de probabilidad de la tabla 4.8 también se puede presentar usando una fórmula, que se da en la
sección 5.2.
www.FreeLibros.me
F I G U R A 4 . 16
●
Applet Flipping Fair
Coins
(Lanzamiento de monedas
justas)
F I G U R A 4 . 17
●
Applet Flipping
Weighted Coins
(Lanzamiento de monedas
no justas)
x 0 1 2
p(x) 1/4 1/2 1/4
www.FreeLibros.me
1 1 1
(0) (1) (2)
4 2 4
Observe que el primer término de esta suma es (0)p(0), el segundo es igual a (1)p(1) y
el tercero es (2)p(2). El valor promedio de x, entonces, es
1 2
Sxp(x) 0 1
2 4
Este resultado da alguna justificación intuitiva para la definición del valor esperado de
una variable aleatoria x discreta.
Podríamos usar un argumento similar para justificar las fórmulas para la varianza
poblacional s 2 y la desviación estándar de la población s. Estas medidas numéricas
describen la dispersión o variabilidad de la variable aleatoria usando el “promedio” o
“valor esperado” del cuadrado de las desviaciones de los valores x desde su media m.
EJEMP LO 4.26 Una tienda de electrónica vende un modelo particular de computadora portátil. Hay sólo
cuatro computadoras en existencia y la gerente se pregunta cuál será la demanda de hoy
para este modelo particular. Ella se entera en el departamento de marketing de que la
distribución de probabilidad para x, la demanda diaria para la laptop, es como se muestra
†
Se puede demostrar (prueba omitida) que s 2 S(x m)2p(x) Sx 2p(x) m2. Este resultado es análogo a la
fórmula de computación para la suma de cuadrados de las desviaciones dadas en el capítulo 2.
www.FreeLibros.me
x 0 1 2 3 4 5
p(x) .10 .40 .20 .15 .10 .05
Solución La tabla 4.9 muestra los valores de x y p(x), junto con los términos indi-
viduales empleados en las fórmulas para m y s2. La suma de los valores en la tercera
columna es
s 2 S(x m)2p(x)
(0 1.9)2(.10) (1 1.9)2(.40) (5 1.9)2(.05) 1.79
y
s
s 2
1.79 1.34
F I G U R A 4 . 18
●
Distribución de proba-
.4
bilidad para el
ejemplo 4.26
.3
p(x)
.2
.1
0
0 1 2 3 4 5
x
www.FreeLibros.me
EJEMP LO 4.27 En una lotería realizada a beneficio de una institución local de caridad, se han de vender
8000 boletos a $10 cada uno. El premio es un automóvil de $24 000. Si usted compra dos
boletos, ¿cuál es su ganancia esperada?
Solución Su ganancia x puede tomar uno de dos valores. O bien perderá $20 (es
decir, su “ganancia” será $20) o ganará $23 980, con probabilidades de 7998/8000 y
2/8000, respectivamente. La distribución de probabilidad para la ganancia x se muestra
en la tabla:
x p(x)
$20 7998/8000
$23 980 2/8000
La ganancia esperada será
m S xp(x)
7998 2
($20) ($23 980) $14
8000 8000
Recuerde que el valor esperado de x es el promedio de la población teórica que resultaría
si la lotería se repitiera un número infinitamente grande de veces. Si se hiciera esto, su
ganancia promedio o esperada por boleto de lotería sería una pérdida de $14.
EJEMP LO 4.28 Determine la prima anual para una póliza de seguro de $10 000 que cubre un evento
que, en un largo tiempo, ha ocurrido a razón de 2 veces en 100. Sea x igual a la ganancia
financiera anual para la compañía de seguros, que resulte de la venta de la póliza, y sea
C igual a la prima anual desconocida. Calcule el valor de C tal que la ganancia esperada
E(x) iguale a cero. Entonces C es la prima requerida para que haya punto de equilibrio.
Para esto, la compañía sumaría costos administrativos y utilidad.
Solución El primer paso en la solución es determinar los valores que la ganancia x
puede tomar y luego determinar p(x). Si el evento no ocurre durante el año, la compañía
de seguros ganará la prima de x C dólares. Si el evento ocurre, la ganancia será nega-
tiva; esto es, la compañía perderá $10 000 menos la prima de C dólares ya recolectada.
Entonces x (10 000 C) dólares. Las probabilidades asociadas con estos dos valo-
res de x son 98/100 y 2/100, respectivamente. La distribución de probabilidad para la
ganancia se muestra en la tabla:
x Ganancia p(x)
C 98/100
(10 000 C ) 2/100
Como la compañía desea una prima de seguro C tal que, a largo plazo (para muchas póli-
zas similares), la ganancia media sea igual a cero, se puede establecer el valor esperado
de x igual a cero y despejar C. Entonces
m E(x) Sxp(x)
98 2
C [10 000 C)] 0
100 100
o
98 2
C C 200 0
100 100
Despejando C de esta ecuación, se obtiene C $200. Por tanto, si la compañía de
seguros cobró una prima anual de $200, el promedio de ganancia calculada para un gran
www.FreeLibros.me
número de pólizas similares sería igual a cero. La prima real sería igual a $200 más cos-
tos administrativos y utilidad.
El método para calcular el valor esperado de x para una variable aleatoria continua
es similar a lo que acabamos de hacer, pero en la práctica requiere el uso de cálculo. No
obstante, los resultados básicos respecto a expectativas son los mismos para variables
aleatorias continuas y discretas. Por ejemplo, sin considerar si x es continua o discreta,
m E(x) y s2 E[(x m)2].
4.8 EJERCICIOS
www.FreeLibros.me