Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cursos PE
Laboratorio 2_1: Transformación de VA 1D y LLN y TLC
Código de ética
Declaración
Marco teórico
Desarrollo
Nombre Parámetros
8. Buscar (consultar) otra v.a. que no tenga esperanza. Programar la ley de los
grandes números y explicar ¿qué sucede con la media?.
9. Verificar el Teorema del Límite Central con la siguiente distribución:
Nota: Primero debe generar v.a. con la distribución de g y luego aplicar el TLC
Resultados
1. Si X~Bin(n,p), hallar la pdf de Y=2n-X. Simular y comprobar sus cálculos.
Estimar por simulación P(1<=Y<4), si n=8, y comprobar con el valor real.
4
∫ ( x +5 ) dx=37.5 ≠ 1
0
P ( Y = y )=P (3 x +6= y )
P ( Y = y )=P x= ( y−6
3 )
S y ={9,12,15,18 }
Uniforme Continua:
X U ( 4,7)
S x ={x : 4 ≤ x ≤ 7 }
P ( Y ≤ y )=P( 3 x +6 z ≤ y )
Departamento de Eléctrica y Electrónica
Cursos PE
P ( Y ≤ y )=P x ≤ ( y −6
3 )
( y−6
f y ( y ) =f x
3 )| dy 3 |
d y−6
f (
3 )
y −6 y −6
f ( y )=
y x
9
2
x
E ( x )=∫ dx=3<+ ∞ sicumple
4 2
2 2
x 28
E ( x )=∫
2
dx=
4 2 3
Departamento de Eléctrica y Electrónica
Cursos PE
28 1
Var ( x ) = −9=
3 3
4
4−a
P ( x> a )=∫
a 2
Si a=2.5
1
F x ( x )= con 2 ≤ x ≤ 4
4−2
Si no:
4−2.5 15 3
P ( x>2.5 )= = =
2 20 4
E (x) 3 6
= = por lotanto sicumple
2.5 25 5
10
{
1
f x ( x ) = 4 +2 sino−2 ≤ x ≤ 4
0
4
x
E ( x )=∫ dx=1 <+∞
−2 6
4
x2
E ( x )=∫ dx=4
2
−2 6
Var ( x ) =3 <+∞
(
P | X−1|>
1
10 ) ( 11
=P X > UX <
10
9
10 )
11
10
1 29
¿ 1−∫ dx=
9 6 30
2
Var ( X ) ( 3 )
= =900
ε2 1 2
10 ( )
Departamento de Eléctrica y Electrónica
Cursos PE
5. Simular
Nombre Parámetros
Departamento de Eléctrica y Electrónica
Cursos PE
Normal
Weibull
Bernoulli
Hyper-
Geométrica
Departamento de Eléctrica y Electrónica
Cursos PE
● En cada uno de los casos, sobreponer el histograma y su pdf, y
comparar los histogramas y las pdf para verificar la teoría
● ¿Qué sucede si aumenta el tamaño de la muestra?.
En el análisis anterior, es que a medida que aumenta el tamaño de la
muestra, la media muestral se acerca al valor esperado.
7. Si X es la distribución de Cauchy de parámetros a y b. Usando la ley de los
grandes números explicar ¿qué sucede con la media?.
Siendo
∑ X i el denominador promedio muestral.
X n i=1
n
El ejemplo más básico de esto consiste en lanzar una moneda. Cada vez que
lanzamos una moneda, la probabilidad de que caiga cara es 1/2.
Por lo tanto, la proporción esperada de caras que aparecerán en un número
infinito de lanzamientos es 1/2 o 0,5. Sin embargo, si lanzamos una moneda
10 veces, podríamos encontrar que solo cae cara 3 veces.
Esta simple idea de la ley de los grandes números es aplicada por muchos
tipos de empresas e industrias en la vida real.
Ejemplo:
La ley de los números grandes en los casinos Los casinos se basan en la ley
de los grandes números para generar ganancias de manera confiable. En la
mayoría de los juegos, el casino gana entre el 51 y el 55% de las veces.
Esto significa que las personas pueden tener suerte y ganar una cantidad
decente de vez en cuando, pero en el transcurso de decenas de miles de
Departamento de Eléctrica y Electrónica
Cursos PE
jugadores individuales, el casino ganará el 51- 55% esperado del tiempo. Por
ejemplo, Jessica podría jugar algunos juegos en el casino y ganar $ 50.
Mike también podría jugar algunos juegos y perder $ 70. John podría jugar
algunos juegos y ganar $ 25. Susan podría jugar algunos juegos y perder $
40.
Nota: Primero debe generar v.a. con la distribución de g y luego aplicar el TLC
3
∫ x 2 dx=9
0
Para que pueda ser pdf:
{
x2
otro caso si 0> x <3
g ( x )= 9
0
.
Departamento de Eléctrica y Electrónica
Cursos PE
Conclusiones
- Se concluye que, si se repite un experimento aleatorio, bajo las mismas
condiciones, un número ilimitado de veces; y si estas repeticiones son
independientes la una de la otra, entonces la frecuencia de veces que un evento A
ocurra, convergerá con probabilidad 1 a un número que es igual a la probabilidad de
que A ocurra en una sola repetición del experimento.
- Se considera que la ley de grandes números garantiza que, si un experimento no
planificado se repite en las mismas condiciones y en tiempos ilimitados, si estos
resultados no coinciden, la frecuencia del evento A con una probabilidad de 1 se
convierte en un número que ocurre al mismo tiempo que el experimento, y si el
número de armas aumenta, el número de ensayos es el número de ensayos.
Recomendaciones
- Se recomienda tener en cuenta la correcta instalación de las librerías que serán
utilizadas, y que sus especificaciones estén en orden con las necesidades incluidas
en el punto inicial del documento.
- Se recomienda realizar las verificaciones de los programas esenciales para la
resolución de los problemas, en especial del programa Python.
Bibliografía
[1] Curso de probabilidad con Python. Github
https://github.com/EdwinYauyo98/Curso-Probabilidad
[2] Estadística y Python. https://databits.ai/tienda/cursos/python/estadistica-para-
ciencia-de-datos/
Departamento de Eléctrica y Electrónica
Cursos PE
[3] López, R. (2016, 26 noviembre). Introducción a la teoría de probabilidad con
Python. Introducción a la teoría de probabilidad con Python.
https://relopezbriega.github.io/blog/2016/11/26/introduccion-a-la-teoria-de-
probabilidad-con-python/
Anexo
Ejercicio 1
Ejercicio 2
Departamento de Eléctrica y Electrónica
Cursos PE
Ejercicio 3
Departamento de Eléctrica y Electrónica
Cursos PE
Departamento de Eléctrica y Electrónica
Cursos PE
Ejercicio 4
Markov:
Tchebyshev:
Ejercicio 5
Departamento de Eléctrica y Electrónica
Cursos PE
Departamento de Eléctrica y Electrónica
Cursos PE
Ejercicio 6
Departamento de Eléctrica y Electrónica
Cursos PE
Ejercicio 7
Ejercicio 8
Ejercicio 9
Departamento de Eléctrica y Electrónica
Cursos PE