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

¡Te damos la bienvenida a Scribd!

  • 17 vistas

    Ejemplo 4.3:: Solución: Si Usamos La Defi Nición 4.1, Tenemos

    Cargado por

    hernan ccorimanya sopanta
    Este documento presenta un ejemplo numérico para calcular la vida esperada de un dispositivo electrónico usando su función de densidad de probabilidad. Luego, introduce la noción de que si g(X) es una nueva variable aleatoria que depende de una variable aleatoria X original, la distribución de probabilidad de g(X) y su valor esperado pueden calcularse en términos de la distribución de X, como se resume en el Teorema 4.1.

    Copyright:

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

    Ejemplo 4.3:: Solución: Si Usamos La Defi Nición 4.1, Tenemos

    Cargado por

    hernan ccorimanya sopanta
    17 vistas1 página
    Este documento presenta un ejemplo numérico para calcular la vida esperada de un dispositivo electrónico usando su función de densidad de probabilidad. Luego, introduce la noción de que si g(X) es una nueva variable aleatoria que depende de una variable aleatoria X original, la distribución de probabilidad de g(X) y su valor esperado pueden calcularse en términos de la distribución de X, como se resume en el Teorema 4.1.

    Título original

    Untitled

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta un ejemplo numérico para calcular la vida esperada de un dispositivo electrónico usando su función de densidad de probabilidad. Luego, introduce la noción de que si g(X) es una nueva variable aleatoria que depende de una variable aleatoria X original, la distribución de probabilidad de g(X) y su valor esperado pueden calcularse en términos de la distribución de X, como se resume en el Teorema 4.1.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    17 vistas1 página

    Ejemplo 4.3:: Solución: Si Usamos La Defi Nición 4.1, Tenemos

    Cargado por

    hernan ccorimanya sopanta
    Este documento presenta un ejemplo numérico para calcular la vida esperada de un dispositivo electrónico usando su función de densidad de probabilidad. Luego, introduce la noción de que si g(X) es una nueva variable aleatoria que depende de una variable aleatoria X original, la distribución de probabilidad de g(X) y su valor esperado pueden calcularse en términos de la distribución de X, como se resume en el Teorema 4.1.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 1

    114 Capítulo 4 Esperanza matemática

    Ejemplo 4.3: Sea X la variable aleatoria que denota la vida en horas de cierto dispositivo electrónico.
    La función de densidad de probabilidad es
    20 ,000
    , x > 100,
    f (x ) = x3
    0, en otro caso.

    Calcule la vida esperada para esta clase de dispositivo.


    Solución: Si usamos la definición 4.1, tenemos
    ∞ ∞
    20, 000 20, 000
    μ = E (X ) = x dx = dx = 200.
    100 x3 100 x2

    Por lo tanto, esperamos que este tipo de dispositivo dure en promedio 200 horas.
    Consideremos ahora una nueva variable aleatoria g(X), la cual depende de X; es
    decir, cada valor de g(X) es determinado por el valor de X. Por ejemplo, g(X) podría ser
    X 2 o 3X – 1, y siempre que X asuma el valor 2, g(X) toma el valor g(2). En particular, si
    X es una variable aleatoria discreta con distribución de probabilidad f (x), para x = –1, 0,
    1, 2 y g(X) = X 2, entonces,

    P [g(X ) = 0] = P (X = 0) = f (0),
    P [g(X ) = 1] = P (X = −1) + P (X = 1) = f (−1) + f (1),
    P [g(X ) = 4] = P (X = 2) = f (2),
    así que la distribución de probabilidad de g(X) se escribe como
    g(x ) 0 1 4
    P [g (X) = g(x )] f (0) f(-1) + f (1) f (2)

    Por medio de la definición del valor esperado de una variable aleatoria obtenemos

    μg( X ) = E [g(x )] =0 f (0) + 1[ f(−1) + f (1)] + 4 f (2)


    =(−1) 2 f (−1) + (0) 2 f (0) + (1) 2 f (1) + (2) 2 f (2) = g(x ) f (x ).
    x
    Este resultado se generaliza en el teorema 4.1 para variables aleatorias discretas y con-
    tinuas.

    Teorema 4.1: Sea X una variable aleatoria con distribución de probabilidad f (x). El valor esperado de
    la variable aleatoria g(X) es

    μg( X ) = E [g(X )] = g(x )f (x )


    x
    si X es discreta, y
    ∞
    μg( X ) = E [g(X )] = g(x )f (x ) dx
    −∞

    si X es continua.

    También podría gustarte