Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ALEATORIAS
UNIDIMENSIONALES
Estadstica Aplicada 1
Variables Aleatorias
Como
se vio en el captulo 2, no necesariamente
Definicin
Considere
un experimento aleatorio con
un espacio muestral . Una funcin que
asigna a cada elemento un y slo un
nmero , es llamada variable aleatoria.
Matemticamente:
Observaciones
Observaciones
(continuacin)
Ejemplo
Supongamos
que deseamos realizar el
experimento aleatorio de seleccionar a una
persona de una poblacin dada con el fin de
conocer (medir) su altura (en centmetros,
por ejemplo). Podramos referirnos a los
resultados posibles como una v.a. . Luego
varias preguntas podramos hacernos, tales
como: . Sin embargo una vez que escogemos
a una persona y medimos su altura,
obtenemos un valor especfico de X,
denotado por . As no sera importante
preguntar
por
6
Ejemplo
Considere
el experimento, ampliamente
estudiado a travs del curso, consistente
en el lanzamiento de una moneda. El
espacio
muestra
asociado
a
este
experimento es: . Luego, definimos la v.a.:
Ejemplo
siguiente figura esquematiza a la
La
variable aleatoria como una funcin del
espacio muestral .
S
Cara
Sell
o
X(Cara) =
1
0
1
X(Sello) =
0
Eventos Equivalentes
Considere
un experimento aleatorio con
un espacio muestral . Sea una v.a.
definida en y sea su recorrido. Sea un
evento respecto a , es decir, .
Supongamos que se define,
Eventos Equivalentes
y son dos eventos equivalentes ya que
ocurren simultneamente, por significar lo
mismo en el experimento aleatorio.
A
s
RX
X(s)
10
Clculo
de Probabilidades en
Sea
un evento en el recorrido . Definimos
entonces como sigue:
, en donde
Es decir, definimos , que es igual a la
probabilidad del evento , que es
equivalente a .
11
Ejemplo
Considere
el experimento consistente en el
lanzamiento de una moneda 3 veces
seguidas. El espacio muestral asociado a
este experimento es
= {CCC, CCS, CSC, CSS, SCC, SSC, SCS,
SSS}.
Definamos la v.a. : el nmero de caras que
aparecieron en los 3 lanzamientos, luego el
rango de es = {}.
Calcular la probabilidad del evento =
{obtener ms caras que sellos}.
12
Variables aleatorias
discretas
dice que es una v.a. discreta si el
Se
nmero de valores posibles de (esto es, ,
el recorrido) es finito o infinito numerable.
Es decir, si se pueden anotar los valores
posibles de como
16
Propiedades
Para
una v.a. , satisface las siguientes
propiedades:
17
Ejemplo
Verifique
que las siguientes distribuciones
son pmf:
18
19
Propiedades de la cdf
Ejemplo
Considere
un grupo de cinco donadores
potenciales de sangre (A, B, C, D y E), de los
cuales slo A y B tienen tipo de sangre 0+. Cinco
muestras de sangre, una de cada individuo, se
clasificarn en orden aleatorio hasta que sea
identificado un individuo 0+. Sea nmero de
clasificaciones necesarias para identificar un
individuo 0+.
a) Calcule la pmf y luego la cdf de . Grafique.
b) Usando la cdf, calcule la probabilidad de sea
necesario hacer ms de una clasificacin.
21
22
23
Ejemplo
Considere
un grupo de cinco donadores
potenciales de sangre (A, B, C, D y E), de
los cuales slo A y B tienen tipo de sangre
0+. Cinco muestras de sangre, una de
cada individuo, se clasificarn en orden
aleatorio hasta que sea identificado un
individuo
0+.
Sea
nmero
de
clasificaciones necesarias para identificar
un individuo 0+.
Cul es el nmero esperado de
clasificaciones necesarias para identificar
24
Ejemplo
Considere
la v.a. discreta : el nmero de
bebs que tiene una familia hasta que
nace el primer varn. Luego, sabiendo que
la pmf de es:
26
Ejemplo
Una
tienda de computadores ha comprado tres
computadores de cierto tipo en US$ 500 cada uno y
los vender a US$ 1.000. El fabricante ha aceptado
volver a comprar en US$ 200 cualquier computador
que no se haya vendido en el tiempo especificado. Sea
el nmero de computadores vendidos con pmf:
0
0,1
1
0,2
2
0,3
3
0,4
29
30
Propiedades de la varianza
propiedades para la varianza, son
Las
iguales en el caso discreto y continuo:
Identidad Fundamental
31
Ejemplo
Una
tienda de computadores ha comprado tres
computadores de cierto tipo en US$ 500 cada uno
y los vender a US$ 1.000. El fabricante ha
aceptado volver a comprar en US$ 200 cualquier
computador que no se haya vendido en el tiempo
especificado. Sea el nmero de computadores
vendidos con pmf:
0
1
2
3
0,1
0,2
0,3
0,4
Ejemplo
Durante el transcurso de un da, una
mquina produce tres tems del mismo tipo,
uno en la maana, uno en la tarde y uno en
la noche. La calidad de cada tem es medida
como buena (B), mala (M) o psima (P).
Segn datos histricos de la mquina, la
mitad de los tems producidos son de buena
calidad, y de la mitad restante, hay dos
veces ms productos malos que psimos.
33
Ejemplo (continuacin)
tem B producido genera ingresos para la
Un
compaa por $2, uno M por $1 y uno P no
genera ingresos. Sea : el ingreso diario (en
$) para la compaa por productos
producidos por la mquina en cuestin.
Asuma que la calidad de los tems
producidos
es
independiente
de
los
anteriores. Encuentre la pmf de . Calcule y
e interprtelos en el contexto adecuado.
34
Variables aleatorias
continuas
Distribuciones de probabilidad
para v.a. continuas (pdf)
distribucin de probabilidad o funcin
La
de densidad de probabilidad (pdf:
probability density function) de una v.a.
continua es una funcin , tal que para
cualesquiera dos nmeros reales y , con ,
entonces:
36
Distribuciones de probabilidad
para v.a. continuas (pdf)
Esto
es, la probabilidad de que tome un
valor en el intervalo es el rea bajo la
grfica de la funcin de densidad, como lo
ilustra la figura. La grfica de , se conoce
a veces como curva de densidad.
37
Propiedades
Para
una v.a.
propiedades:
Note que:
38
Propiedades
las propiedades se desprende que:
De
39
Propiedades
Entonces,
usando el teorema del valor
medio, tenemos que para un valor de
muy pequeo, es decir ,
40
Propiedades
41
Ejemplo
profesor nunca termina su clase antes del
Un
trmino del bloque, mas nunca se pasa de 2
minutos de ste. Sea : el tiempo que transcurre
entre el trmino del bloque y el trmino efectivo de
la clase. Suponga que la pdf de viene dada por:
Funcin de distribucin
acumulada (cdf)
cdf de una v.a. continua con pdf est
La
definida por:
43
Propiedades
es continua.
44
Propiedades
figura ilustra el clculo de
La
probabilidades entre y como una
diferencia entre las probabilidades
acumuladas en la cdf (reas).
45
Ejemplo
Suponga
que la pdf de la magnitud de una
46
Ejemplo
grficas correspondientes a la pdf y
Las
cdf de se muestran en la figura.
47
48
Ejemplo
un blanco, de ecuacin , se lanzan
En
dardos. Sea la v.a. la distancia entre el
dardo y el centro del blanco. Calcule la pdf y
cdf de .
(Sugerencia: calcule primeramente la cdf de
)
49
Valor esperado de
una v.a. continua
media o el valor esperado de una v.a.
La
continua , con pdf es:
50
Ejemplo
distribucin de la cantidad de grava (en
La
toneladas) vendida a una empresa en
particular proveedora de materiales para
la construccin, en una semana dada, es
una v.a. continua con pdf:
51
Ejemplo
La distribucin de la cantidad de grava (en
toneladas) vendida a una empresa en
particular proveedora de materiales para la
construccin, en una semana dada, es una
v.a. continua con pdf:
54
Ejemplo
La distribucin de la cantidad de grava (en
toneladas) vendida a una empresa en
particular proveedora de materiales para la
construccin, en una semana dada, es una
v.a. continua con pdf:
Distribuciones
Condicionadas
El concepto de probabilidad condicionada
Distribucin Acumulada
Condicionada
cdf condicionada se define como la
La
probabilidad condicionada , es decir:
57
Propiedades
58
Caso Discreto
pmf condicional de una v.a. discreta ,
La
condicionada a la ocurrencia de un
evento , con , viene definida por:
59
60
Ejemplo
Un
estudiante va a rendir un examen
repetidamente, con un mximo de
intentos, en cada uno de los cuales tiene
una
probabilidad
de
aprobarlo,
independientemente
del
nmero
de
intentos previos. Cul es la pmf del
nmero de intentos, dado que el alumno
aprob la prueba?
61
Caso Continuo
pdf condicional de una v.a. continua ,
La
condicionada a la ocurrencia de un
evento , con , viene definida por:
62
63
Ejemplo
la Industria es habitual probar ciertos artculos
En
electrnicos hasta cierto instante de tiempo y as
medir su durabilidad (confiabilidad). Este tipo de
procedimiento
se
llama
procedimiento
de
censura.
Suponga que cierto componente electrnico se pone
a prueba en el instante (suponga que no presenta
falla instantnea) y se prueba su durabilidad hasta
las 2.000 horas (es decir, aunque el componente
siga funcionando se apaga de todas maneras).
64
Ejemplo (continuacin)
tiempo de vida
El
de estos componentes
(expresado en miles de horas) viene dado
por la siguiente pdf:
del
de
65
Independencia
Diremos
que una v.a. , condicionada a la
ocurrencia de un evento , es
independiente del mismo si:
o bien
66
67
Definicin
son eventos disjuntos y exhaustivos con
Si
, , entonces la cdf de cualquier v.a. viene
dada por:
68
Definicin
As,
finalmente llegamos a la cdf de es:
69
Ejemplo
viajero tiene tres alternativas de viaje a
Un
su trabajo: A, B y C y se sabe que usa estos
medios de transporte el 50%, 30% y 20%
del tiempo, respectivamente. El tiempo de
viaje de cada medio de transporte es una va
(en horas) con:
Teorema de Bayes
Primeramente
recordemos que si
son
eventos disjuntos y exhaustivos con ,
entonces para cualquier otro evento B
tenemos:
71
Ejemplo
viajero tiene tres alternativas de viaje a su
Un
trabajo: A, B y C y se sabe que usa estos medios
de transporte el 50, 30 y 20% del tiempo,
respectivamente. El tiempo de viaje de cada medio
de transporte es una va (en horas) con:
73
Ejemplo
viajero tiene tres alternativas de viaje a su
Un
trabajo: A, B y C; y se sabe que usa estos medios
de transporte el 50, 30 y 20% del tiempo,
respectivamente. El tiempo de viaje de cada medio
de transporte es una va (en horas) con:
74
Ejemplo
Un
constructor de casas necesita ordenar
materiales cuyo leadtime (tiempo de entrega) con
pdf:
77
78
79
Ejemplo
Sea
es una v.a. cuya pmf viene dada por:
80
Ejemplo
Sea
una v.a. discreta con pmf:
81
82
83
Ejemplo
es una v.a. cuya pdf viene dada por:
Sea
84
85
Definiciones
Notacin
Nodo Decisin
Nodo Estado
Rama Terminal
87
Procedimiento
1. Desarrolle el rbol de decisin, identificando en
cada rama el estado o la decisin correspondiente,
hasta llegar a cada una de las ramas terminales.
2. Una vez desarrollado el rbol, complete ste desde
las ramas terminales hasta el comienzo (de
derecha a izquierda), en cada estado calcule su
valor esperado (comnmente beneficio esperado o
costo esperado) y en cada decisin elija la rama
que tiene el mayor valor esperado (los costos
deben indicarse con signo negativo). Luego, se
deben tarjar las ramas seleccionadas.
3. La ruta tarjada ser la estrategia a seguir.
88
Ejemplo
Se est considerando filmar la historia de Don
Harnett. Se sabe que si la pelcula es un fracaso, se
perdern US$ 4.000.000, y si la pelcula es un xito,
se obtendrn US$ 15.000.000. De antemano, se
cree que hay una probabilidad de 10% que la
historia de Don Harnett sea un xito. Antes de
filmar, se tiene la opcin de pagar al clebre crtico
de cine Roger Alert US$ 1.000.000 por su punto de
vista acerca de la pelcula. En el pasado, Alert ha
predicho 60% de los xitos actuales como xitos y
90% de los fracasos actuales como fracasos. Se
quieren maximizar las ganancias esperadas. Utilice
un rbol de decisin para determinar la mejor
estrategia a seguir.
89
Ejemplo
La empresa Colaco, posee en la actualidad US$
150.000 en activos (dinero disponible para su
inversin) y quiere decidir si comercializa una nueva
bebida con sabor a chocolate, Chocola. Colaco tiene
tres opciones:
Opcin 1: Promocionar Chocola en el mercado
local, luego utilizar los resultados del estudio de
mercado para determinar si se comercializa
Chocola a nivel nacional.
Opcin 2: Comercializar Chocola de inmediato (sin
promocionar) a nivel nacional.
Opcin 3: Decidir de inmediato no comercializar
Chocola a nivel nacional.
90
Ejemplo (continuacin)
En ausencia de un estudio de mercado, Colaco cree que
Chocola tiene una probabilidad del 55% de ser un xito
nacional, y una probabilidad del 45% de ser un fracaso
nacional. Si Chocola es un xito nacional, los activos de
Colaco se incrementarn en US$ 300.000 y si Chocola es un
fracaso nacional, los activos disminuirn en US$ 100.000.
Si Colaco lleva acabo un estudio de mercado (a un costo de
US$ 30.000), hay una probabilidad del 60% de que el
estudio produzca resultados favorables (indicados como un
xito local) y una probabilidad del 40% de que el estudio
produzca resultados no favorables (mencionados como un
fracaso local). Si se observa un xito local, hay una
probabilidad del 85% de que Chocola sea un xito nacional.
Si se observa un fracaso local, hay slo una probabilidad del
10% de que Chocola sea un xito nacional. Si Colaco desea
91
maximizar su cantidad esperada de activos, qu estrategia
Ejemplo
La compaa Fruit Computer fabrica chips de
memoria en lotes de diez chips. Los chips
son fabricados en dos plantas, de las cuales
una tiene mejores antecedentes en cuanto a
la calidad de los chips que ah se fabrican. El
80% de los chips son fabricados en la planta
que posee mejores ndices de calidad. Por
experiencia, Fruit sabe que el 10% de los
lotes fabricados en la planta de alta calidad
son defectuosos. Por otra parte, el 50% de
los lotes fabricados en la planta de baja
calidad son defectuosos.
92
Ejemplo (continuacin)
Si se enva un lote bueno de chips (es decir, 10% de
chips defectuosos) al siguiente paso de produccin,
se incurren en costos de proceso por un valor de
US$ 1.000, y si se enva un lote malo (50% de chips
defectuosos), se incurre en costos equivalentes a
US$ 4.000. Fruit tambin tiene la opcin de
reprocesar un lote de chips, a un costo de US$
2.000. Con seguridad un lote reprocesado es bueno
(10% de chips defectuosos). Por otro lado, por un
costo de US$ 100, Fruit puede probar un chip de
cada lote en un intento por determinar si el lote es
defectuoso. Determine cmo Fruit Computer puede
minimizar el costo total esperado por lote.
93
Ejemplo
Una
panadera vende pan batido a $800 el kg. Esta
panadera ha estimado que el costo de fabricar un kg. de
pan batido es de $600 el kg. Si queda pan batido al final
del da, para no perderlo, la panadera lo remata a $550
el kg a unas personas que siempre se llevan todo lo que
queda. Por otra parte, la panadera ha estimado, que la
demanda es aleatoria, cuya funcin de densidad es:
a) Determine la cantidad ptima de pan que debe
producir diariamente esta panadera.
b) Cunto pan es de esperar que quede al final de un
da cualquiera?
c) Cunta demanda insatisfecha (en kg.) es de esperar
que ocurra en un da cualquiera?
96