Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 39 vistas

    Iteración p2

    Cargado por

    David Briceño
    Este documento introduce conceptos básicos sobre variables aleatorias discretas y continuas. Explica qué es una variable aleatoria y cómo se puede usar para asociar resultados de un experimento con números. También define la función de distribución de probabilidad para variables aleatorias discretas y continuas.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Iteración p2

    Cargado por

    David Briceño
    39 vistas2 páginas
    Este documento introduce conceptos básicos sobre variables aleatorias discretas y continuas. Explica qué es una variable aleatoria y cómo se puede usar para asociar resultados de un experimento con números. También define la función de distribución de probabilidad para variables aleatorias discretas y continuas.

    Descripción original:

    Iteración p2

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento introduce conceptos básicos sobre variables aleatorias discretas y continuas. Explica qué es una variable aleatoria y cómo se puede usar para asociar resultados de un experimento con números. También define la función de distribución de probabilidad para variables aleatorias discretas y continuas.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    39 vistas2 páginas

    Iteración p2

    Cargado por

    David Briceño
    Este documento introduce conceptos básicos sobre variables aleatorias discretas y continuas. Explica qué es una variable aleatoria y cómo se puede usar para asociar resultados de un experimento con números. También define la función de distribución de probabilidad para variables aleatorias discretas y continuas.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 2

    Iteración p1

    la Unidad anterior se examinaron conceptos b´asicos de probabilidad. Todos estos se conceb´ıan


    gracias a los
    experimentos, pues mediante estos, se defin´ıan los espacios muestrales con los cuales se ten´ıan los
    eventos. Sin
    embargo, es conveniente relacionar los resultados de un experimento con n´umeros reales, ya que
    de est´a manera
    se puede estudiar el comportamiento de los resultados del espacio muestral. Este proceso se define
    como variable
    aleatoria el cual proporciona un medio para relacionar cualquier resultado de un experimento con
    una medida
    num´erica.
    Definici´on 1 (Variable a leatoria). Sea una funci´on X :! R, el cual asocia a los resultados del
    espacio muestral
    a conjunto de los n´umero reales R. Se dice entonces que X es una variable aleatoria.
    Ejemplo 1. Sea el experimento _=Lanzamiento de una moneda, por lo tanto el espacio muestral es
    = {C, S}.
    Se define una variable aleatoria de la siguiente manera:
    X=
    (
    0 Si el resultado es C
    1 Si el resultado es S
    Ejemplo 2. Sea el experimento _=Lanzamiento de dos dados. Sea X la variable aleatoria la cual
    suma los
    resultados de las caras de ambos dados. La Tabla 1 se muestran los 36 resultados y los valores que
    tomar´ıa la
    variable aleatoria. Tambi´en se describe el n´umero de ocurrencias que puede tomar la variable y la
    probabilidad
    Teorema 1. Sea X una variable aleatoria discreta definida sobre un espacio muestral y suponga
    que X toma los
    valores x1, x2, . . . (finito o infinito). Sea f la funci´on de probabilidad de X. Entonces el valor
    esperado de cualquier
    funci´on g(X), simbolizada por E(g(X)), es igual a
    E(g(X)) =
    X
    k
    g(xk) · f(xk)
    Ejemplo 9. Suponga que una librer´ıa compra tres ejemplares de un libro a $10000 para venderlos a
    $20000,
    entendiendo que al terminar el periodo de tres meses cualquier ejemplar no vendido se vender´a a
    $3000. Si X es la
    variable aleatoria “n´umero de ejemplares vendidos”, entonces la utilidad neta es una variable
    aleatoria g(X) que
    depende de X y que est´a dada por:
    g(X) = 20000X + 3000(3 − X) − 30000
    Ahora supongamos que la variable aleatoria X tiene la siguiente funci´on de distribuci´on de
    probabilidad Entonces
    Tabla 6: Tabla de distribuci´on de probabilidad del ejemplo 9
    X0123
    f(X) 0.1 0.2 0.3 0.4
    Fuente: Llinas y Rojas (2006)
    la utilidad esperada es:
    E(g(X)) = g(0) × f(0) + g(1) × f(1) + g(2) × f(2) + g(3) × f(3)
    = (−21000) × 0.1 + (−4000) × 0.2 + (13000) × 0.3 + (30000) × (0.4)
    = 13000
    Definici´on 7 (Varianza de una variable aleatoria discreta). Sea X una variable aleatoria discreta
    definida sobre
    un espacio muestral y suponga que X toma los valores x1, x2, . . . (finito o infinito). Sea f y μ la
    funci´on de
    probabilidad de probabilidad y el valor esperado de X respectivamente. Entonces la varianza de X,
    simbolizada
    por _2 o V (X), se define como
    _
    En la secci´on anterior, en el ejemplo 2 se explic´o los valores que puede tomar una variable
    aleatoria cuando se lanza
    dos dados. Cada uno de estos valores notamos que tiene una probabilidad de ocurrencia. En esta
    secci´on estamos
    interesados en estudiar estas probabilidades, pero para ello, se prefiere utilizar una funci´on de
    probabilidad. A est´a
    funci´on se le conocen como distribuci´on de probabilidad. A continuaci´on se define una funci´on
    de distribuci´on de
    probabilidad para variable aleatoria discreta y continua.
    2.1. Distribuci´on de probabilidad discreta
    Definici´on 4 (Funci´on de probabilidad discreta). Sea X una variable aleatoria discreta definida
    sobre un espacio
    muestral . Decimos que una funci´on f : ! [0, 1] es una funci´on de probabilidad de X si f(x) = P(X =
    x) y
    cumple las siguientes propiedades:
    • f(x) _ 0, para todo x 2 R.
    •
    P
    x2R f(x)
    =1
    Ejemplo 5. Considere el ejemplo del lanzamiento de dos dados (Ejemplo 2). Si X es la variable

    También podría gustarte