Scribd Logo
Upload

Welcome to Scribd!

  • Discretas y Continuas PDF

    Uploaded by

    Daniel Marenco
    14 views8 pages

    Original Title

    Discretas y continuas.pdf

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    14 views8 pages

    Discretas y Continuas PDF

    Uploaded by

    Daniel Marenco

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 8
    84 Capitulo 3 Variables aleatorias y distribueiones de probabilidad en una escala continua, se le denomina variable aleatoria continua. A menudo los po- sibles valores de una variable aleatoria continua son precisamente los mismos valores ineluidos en el espa critas en los ejemplos 3.6 y 3.7 son variables aleatorias continuas. En la mayorfa de los problemas précticos las variables aleatorias continuas repre- sentan datos medidos, como serfan todos los posibles pesos, alturas, temperaturas, dis- tancias o periodos de vida; en tanto que las variables aleatorias discretas representan datos por conieo, como e! niimero de articulos defectuosos en una muestra de k articulos © el nimero de accidentes de carretera por afio en una entidad especifica, Observe que tanto Ycomo M, las variables aleatorias de los ejemplos 3.1 y 3.2, representan datos por conteo: ¥el ntimero de bolas rojas y M el niimero de emparejamientos correctos de cascos. jo muestral continuo, Bs evidente que las variables aleatorias des- 3.2. Distribuciones discretas de probabilidad Definicion 3.4: Una variable aleatoria discreta toma cada uno de sus valores con cierta probabilidad. Al lanzar una moneda tres veces, Ia variable X, que representa el niimero de caras, toma el valor 2 con 3/8 de probabilidad, pues 3 de los 8 puntos muestrales igualmente proba- bles tienen como resultado dos caras y una cruz. Si se suponen pesos iguales para los eventos simples del ejemplo 3.2, la probabilidad de que ningin obrero reciba el casco correcto, es decir, la probabilidad de que M tome el valor cero, es 1/3. Los valores posi- bles mt de M y sus probabilidades son m PM Observe que los valores de mt agotan todos los casos posibles, por lo tanto, las probabi- lidades suman 1 Con frecuencia es conveniente representar todas las probabilidades de una variable aleatoria X usando una formula, 1a cual necesariamente serfa una funcidn de los valores numericos x que denotaremos con f(x), gtx), rla) Y asi sucesivamente. Por lo tanto, escti- bimos f(x) = P(X = x); es decir, (3) = P(X = 3). Al conjunto de pares ordenados (x, fd) se le llama funcién de probabilidad, funcién de masa de probabilidad o distri- buci6n de probabilidad de la variable aleatoria discreta X. El conjunto de pares ordenados (x,/(x)) es una funcién de probabilidad, una funcién de masa de probabilidad o una distribuci6n de probabilidad de la variable aleatoria discreta X si, para cada resultado x posible, 1. fO) 20, 2. Df) =1, 3. P(X =x) =f). Ejemplo 3.8:[ Un embarque de 20 computadoras portitiles similares para una tienda minorista contic- ne 3 que estén defectuosas. Si una escuela compra al azar 2 de estas computadoras, cal- cule la distribueién de probabilidad para el ntimero de computadoras defectuosas. Solucién: Sca X una variable aleatoria cuyos valores x son los ntimeros posibles de computadoras dafectuosas compradas por la escuela. Entonces xv sélo puede asumir los niimeros 0, | y 2. Asi, 3.2 Distribuciones discretas de probabilidad 85 Ejemplo 3.9: Definicion 3.5: fa 4 Si una agencia automotriz vende 50% de su inventario de cierto vehfoulo extranjero equipado con bolsas de aire laterales, calcule una férmula para la distribucién de proba- bilidad det nvimero de automdviles con bolsas de aire laterales entre los siguientes 4 ve- hiculos que venda la agencia, omo la probabilidad de vender un automévil con bolsas de aire Iaterales es 0.5, los 2 = 16 puntos del espacio muestral tienen Ia misma probubilidad de ocurrencia. Por lo tanto, el denominador para todas las probabilidades, y también para nuestra funcién, es 16, Pura obtener el néimero de formas de vender tres automéviles con bolsas de aire la- terales necesitamos considerar el mimero de formas de dividir 4 resultados en 2 celdas, con 3 automéviles con bolsas de aire laterales asignados a una celda, y el modelo sin bolsas de aire laterules asignado a la otra. Esto se puede hacer de (3) = 4 formas. En general, el evento de vender x modelos con bolsas de aire laterales y 4 — x modelos sin bolsas de aire laterales puede ocurrir de (;) formas, donde x puede ser 0, 1, 2,3 0.4. Por consiguiente, la distribucién de probabilidad f(x) = P(X =x) es (4 > fe es): P 0,1,2,3,4. i Fxisten muchos problemas en los que desearfamas caleular Ia probahilidad de qu cl valor observado de una variable aleatoria X sea menor o igual que algtin nimero real x, Al escribir F(x) = P(X 4. FI) = Entonces, 1 8 3 =Fe)-Fajyett-5 23 fQ)= FQ)-FU) = - 7g =% 4 A menudo es titil ver una distribucién de probabilidad en forma grifica. Se pueden graficar los puntos (x, /(x)) del ejemplo 3.9 para obtener Ia figura 3.1. Si unimos los puntos al eje x, ya sea con una linea punteada o con una linea s6lida, obtenemos una arifica de funcién de masa de probabilidad. La figura 3.1 permite ver fécilmente qué valores de X tienen més probabitidad de ocurrencia y, en este caso, también indica una situacién perfectamente simétrica. Sin embargo, en vez de graficar los puntos (x, /(4)), lo que hacemos mds a menudo es construir rectingulos como en la figura 5.2, Aqui los rectangulos se construyen de manera que sus bases, con la misma anchura, se centren en cada valor x, y que sus alturas igualen a las probahilidades correspondientes dadas por f(x). Las bases se construyen de forma tal que no dejen espacios entre los rectangulos. La figura 3.2 se denomina histo- grama de probabilidad. Como cada base en la figura 3.2 tiene el ancho de una unidad, P(X = x) es igual al area del rectangulo centrado en x. Incluso si las bases no tuvieran el ancho de una uni- dud, podriamos ajustar las alturas de los rectingulos para que tengan freas que igualen Jas probabilidades de X de tomar cualquiera de sus valores x. Este concepto de utilizar 3.3 Distribuciones de probabilidad continua 87 6) fb) G16 . we S16 atte ane . % ang| ane ang| 216 26 were : 16 a T 2 3 4 x 0 t 2 3 4 * Figura 3.1: Grafica de funcidn de masa de probabilidad. Figura 3.2: Histograma de probabilidad. reas para representar probabilidades es necesario para nuestro estudio de la distribucién de probabilidad de una variable aleatoria continua. La gréfica de la funcién de la distribucién acumulativa del ejemplo 3.9, que aparece como una funcién escalonada en la figura 3.3, se obtiene graficando los puntos (x, Fix) Ciertas distribuciones de probabilidad se apliean a mas de una situacién fisica, La distribucidn de probabilidad del ejemplo 3.9 también se aplica a la variable aleatoria ¥, donde ¥ es el niimero de cars que se obtienen cuando una moneda se lanza 4 veces, 0 & la variable aleatoria W, donde W es el nimero de cartas rojas que resultan cuando se sacan 4 cartas al azar de una baraja de manera sucesiva, se reemplaza cada carta y se baraja antes de sacar la siguiente. En el capitulo 5 se estudiardn distribuciones discretas espe- ciales que se aplican a diversas situaciones experimentales. Fe 34 — a Figura 3.3: Funcién de distribucisn acumulativa discreta, 3.3 Distribuciones de probabilidad continua Una variable alestoria continua tiene una probabilidad 0 de adoptar exacramente eual- quiera de sus valores, En consecuencia, su distribucién de probabilidad no se puede 88 Capitulo 3 Variables aleatorias y distribueiones de probabilidad presentar en forma tabular. En un principio esto pareceria sorprendente, pero se vuel- ve mas probable cuando consideramos un ejemplo especifico. Consideremos una varia- ble aleatoria cuyos valores son las estaturas de todas lus personas mayores de 21 afios de edad. Entre cualesquiera dos valores, digamos 163.5 y 164.5 centimetros, o incluso entre 163.99 y 164.01 centimetros, hay un mimero infinito de estaturas, una de las cuales es 164 centimetros. La probabilidad de seleccionar al azar a una persona que tenga exacta- mente 164 centimetros de estatura en lugar de una del conjunto infinitamente grande de estaturas tan cercanas a 164 centimetros que humanamente no sea posible medir la dif rencia es remota, por consiguiente, asignamos una probabilidad 0 a tal evento, Sin em- bargo, esto no ocurre sinnos referimos a la probabilidad de seleccionar a una persona que mida al menos 163 centimetros pero no més de 165 centimetros de estatura. Aquf nos referimos a un intervalo en vez de a.un valor puntual de nuestra variable aleatoria. Nos interesamos por el calculo de probabilidades para varios intervalos de variables aleatorias continuas como Pla < X c), etc, Observe que cuando X es continua, Pla Figura 3.5: Pa < X

    You might also like