Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRESENTADO POR:
Mg.Ing. Wilbert Chávez Irazábal
1
SUCESOS
Suceso:
Es cada posibles resultados de un experimento aleatorio
Se llama suceso a un subconjunto del espacio muestral.
A A
A’
B
B B
SUCESOS
A B = A B
A B = A B
A = A
2
VARIABLES ALEATORIA (v.a)
CONCEPTO:
3
VARIABLES ALEATORIA (v.a)
Se llama v.a discreta a aquella variable que solo puede tomar un numero
finito de valores dentro de un intervalo.
Por ejemplo: si realizamos el experimento de salir a calle y seleccionar 10
personas al azar para un examen sorpresa de matemáticas, podemos definir
la variable aleatoria A:
A = número de personas que aprobaron el examen.
Los valores que asume A (en su rango), van del 0 al 10 (0, 1, 2, 3, 4, 5, 6,
7, 8, 9, 10). El rango lo expresaríamos de la siguiente manera:
RA = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
4
VARIABLES ALEATORIA (v.a)
Como la función FX(x) es continua, entonces la variable aleatoria X es continua. Sea M >0
una constante. Las graficas de las funciones de distribución de las variables X y la
constante M
5
PROCESOS ALEATORIOS (P.A)
Por ejemplo:
El Ruido Blanco es Estacionario
6
TIPOS DE PROCESOS ALEATORIOS
Si
Para t=0
7
PROBABILIDAD
PROBABILIDAD
Propiedades:
1. P(A) >=0
2. P(Ω) =1
3. P(A U B) = P(A) + P(B), A,B mutuamente excluyentes.
4. P(A U B) = P(A) + P(B)+ P(A B)
5. P(ø) =0
6. Si A ⊂ B, entonces, P (A) ≤ P(B)
7. 0 ≤ P(A) ≤ 1 , P(A) = 1 – P(A)
8. Diferencia de sucesos(A-B): Elementos de A que no
pertenecen a B : A – B = AB
Si A B P(B-A) = P(B) - P(AB).
8
PROBABILIDAD CONJUNTA
De forma equivalente:
PROBABILIDAD CONDICIONAL
Dado un suceso B con probabilidad distinto de cero.
9
PROBABILIDAD CONDICIONAL
PROPIEDADES:
2.-
3.-
4.-
PROBABILIDAD CONDICIONAL
PROPIEDADES:
6.-
7.-
10
PROBABILIDAD CONDICIONAL
EJEMPLO-1:
Considerar el siguiente sistema de filtros junto con la probabilidad de que
cada el filtro funcione correctamente.
Calcular la probabilidad de que el sistema filtre correctamente:
P(A)=0,9
P(B)=0,8 P(C)=0,7
PROBABILIDAD CONDICIONAL
EJEMPLO-2:
11
PROBABILIDAD CONDICIONAL
TEOREMA DE BAYES:
P ( Bn A) P ( A Bn )
P( Bn \ A) = .....I P ( A \ Bn ) = ....II
P( A) P ( Bn )
PROBABILIDAD CONDICIONAL
TEOREMA DE BAYES:
Si
Entonces
P ( A \ Bn ) P ( Bn )
P (Bn \ A) = K
i =1
P ( A \ Bi ) P ( Bi )
12
PROBABILIDAD CONDICIONAL
TEOREMA DE BAYES:
EJEMPLO-1:
En este aula el 70% de los alumnos son mujeres. De ellas el 10% son fumadoras. De
los varones, son fumadores el 20%.
Si se elije a un individuo al azar y es fumador cual seria 0,1 Fuma
la ¿Probabilidad de que sea un hombre?
0,7 Mujer
0,9
No fuma
Estudiante
Fuman Hombre
Mujer
0,3 0,2
Fuma
Hombre
P( H F ) P( H ) P ( F | H ) 0,3 0, 2
P( H | F ) =
P( F )
= =
P( H ) P( F | H ) P(M ) P( F | M ) 0,3 0, 2 0,7 0,1
= 0, 46 0,8 No fuma
PROBABILIDAD CONDICIONAL
TEOREMA DE BAYES:
EJEMPLO-2:
Un procesador para computadores puede provenir de cualquiera de tres fabricantes
con probabilidades: p1 = 0,25 ; p2 = 0,50 ; p3 = 0,25.
Las probabilidades de que un procesador funcione correctamente durante 10.000 horas
es 0,1; 0,2 y 0,4 respectivamente para los 3 fabricantes:
A. Calcular la probabilidad de que un procesador elegido al azar funcione durante
10.000 horas.
B. Si el procesador funcionó correctamente durante el período de 10.000 horas ¿cuál es
la probabilidad de que haya provenido del 3er fabricante?
SOLUCION:
13
TEOREMA DE BAYES
Ejemplo: En una empresa manufacturera de antenas tiene dos maquinas, una
máquina A, produce el 60% de la producción total, mientras que una máquina
B el restante 40%.
El 2% de las unidades producidas por A son defectuosas, mientras que B
tiene una tasa de defectos del 4%.
Se cuenta con una unidad defectuosa, se desea conocer la probabilidad de
que venga de la máquina A.
14
OPERACIONES DE V.A
PRESENTADO POR:
Mg.Ing. Wilbert Chávez Irazábal
I. -PROMEDIO ESTADISTICO:
Dada una variable aleatoria discreta X que toma valores x1,x2,x3....xn con
distribución de probabilidad P(x=xi),=Pi se define la esperanza matemática
de una variable aleatoria como:
X = Xf ( x) dx
15
I. -PROMEDIO ESTADISTICO:
PROPIEDADAES:
4.
I. -PROMEDIO ESTADISTICO:
PROPIEDADAES:
5. E[X+Y]= E[X]+E[Y]
16
II. - DISPERSION:
Sea X una v.a tiene una media diferente de cero, entonces existirá una
dispersión que constituye un ensanchamiento de la v.a y su medida esta
dad por:
d x 2 ( x) = (X X )
2
f ( x)dx
2
d x 2 ( x) = X 2 X d x 2 ( x) = m2 m12
II. - DISPERSION:
Propiedades:
2
3.- d ( x ) 0 4.- d Z 2 = d X 2 d Y 2 Z=X+Y donde X e Y , son independientes entre si.
2 2 2
5.- d ( x y ) = d ( x) d ( y ) 2Cov( x, y ) Si x e y no son independientes entre si.
17
III. - COVARIANZA:
III. - COVARIANZA:
Si Entonces:
Propiedades:
1.- Si x e y son v.a independientes entre si entonces: d xy = xy x y
0 = xy x y x y = xy
18
III. - COVARIANZA:
Propiedades:
6.- d (aX , bY ) = abd ( X , Y )
IV. - CORRELACION
RXY = E[ XY ] = xyf ( x, y)dxdy
19
IV. - CORRELACION
PROPIEDADES:
1.- RXY = E[ X ]E[Y ] Solo si solo si x e y son incorrelados, entonces son
independientes entre si.
COEFICIENTE DE CORRELACIÓN: r
V. – AUCORRELACION:
Rxx (t , t t ) = E[ X (t ) X (t t )]
Rxx (t ) = E[ X (t ) X (t t )]
20
V. – AUCORRELACION:
PROPIEDADES:
1.- 2.- 3.-
5.- Si X(t) es un proceso ergodico con valor medio igual a cero y no tiene
componentes periódicas, entonces:
Rxy (t , t t ) = E[ X (t )Y (t t )]
Rxy (t ) = E[ X (t )Y (t t )]
21
VI.- CORRELACION CRUZADA:
PROPIEDADES:
1.- Si X(t) e Y(t) se dice que son procesos ortogonales entonces.
Rxy (t , t t ) = 0
2.- Si dos procesos son estadísticamente independientes, la función de
correlación cruzada es: R x y ( t , t t ) = E [ X ( t ) ] E [ Y ( t t ) ]
3.- Si dos procesos son estadísticamente independientes, además es
estacionarios en sentido amplio: Rxy (t ) = X Y
4.- 5.-
6.- 7.-
RESUMEN
RELACION DE SEÑALES ELECTRICAS
22
Universidad Nacional del Callao
Facultad de Ingeniería Eléctrica y Electrónica
23