Ejemplo: Suponga que el error de la temperatura de reaccin, en C, para un experimento controlado de laboratorio es una variable aleatoria continua X, que tiene funcin de densidad de probabilidad:
a) Verifique la condicin ii) b) Encuentre la P(0<X<=1) directamente y usando F(X)
3.4 Variables aleatorias/ valor esperado Sea X una variable aleatoria discreta con funcin de probabilidad p(x). El valor esperado (o esperanza) de X se define como: 3.4 Variables aleatorias/ valor esperado Ejemplo:
E(X) X 7 11 12 16 20 P(X=x) 2/20 2/10 1/10 4/10 1/10 3.4 Variables aleatorias/ valor esperado Si la integral diverge, el valor esperado no est definido. Sea X una variable aleatoria continua con funcin de densidad f(x). El valor esperado (o esperanza) de X se define como: Siempre que: 3.4 Variables aleatorias/ valor esperado Ejemplo: Suponga que el error de la temperatura de reaccin, en C, para un experimento controlado de laboratorio es una variable aleatoria continua X, que tiene funcin de densidad de probabilidad:
E(X)=
3.4 Variables aleatorias/ valor esperado E(X) tambin es llamada la media de X y representa el centro de la masa de la funcin de frecuencia (caso discreto) o de la funcin densidad (caso continuo). Una notacin x = E(X).
Algunas propiedades son: El valor esperado es un operador lineal. Es decir,
Si X e Y son variables aleatorias, entonces:
Si X e Y son variables aleatorias con esperanzas bien definidas y tales que X() Y() para todo , entonces E(X)E(Y).
3.4 Variables aleatorias/ valor esperado Sea X una variable aleatoria discreta con funcin de probabilidad p(x) y sea g una funcin con dominio en y valores en |R. EL valor esperado de g(X) est dado por: 3.4 Variables aleatorias/ valor esperado
Sea X una variable aleatoria continua con funcin densidad f(x) y sea g una funcin con dominio en y valores en |R. EL valor esperado de g(X) est dado por:
3.4 Variables aleatorias/ valor esperado Ejemplo: el costo de cierta prueba de diagnstico de un vehculo depende del nmero de cilindros de X en el motor. Supngase que la funcin de costo est dada por h(X)= 20+3X+0,5X. Como X es una v.a. aleatoria , tambin lo es Y=h(X). La funcin de probabilidad de X es:
E(X) E(Y)
x 4 6 8 p(x) 0,5 0,3 0,2 3.4 Variables aleatorias/ varianza La varianza de una variable aleatoria X se define como:
V(X) = E[( X E(X))]
Siempre que E(X) exista. La notacin usual es x = V(X). La desviacin estndar de X, x corresponde a la raz cuadrada de la varianza. 3.4 Variables aleatorias/ varianza Algunas propiedades de la varianza son:
V(X)= E(X)- E(X)
Si X=c entonces V(X)=0
V(aX + b) = aV(X) 3.4 Variables aleatorias/ varianza Si X e Y son variables aleatorias, entonces:
Solo en el caso que X e Y sean independientes, se tiene que:
V(X+Y)= V(X) + V(Y) 3.4 Variables aleatorias/ varianza Ejemplo: una biblioteca tiene un lmite superior de 6 en el nmero de vdeos que puede sacar una persona a la vez. Tenga en cuenta solo a quienes echan un vistazo a los vdeos y deje que X denote el nmero de videos que pide prestados para una persona seleccionada al azar. La funcin de probabilidad de X es la siguiente:
3.4 Variables aleatorias/ D. Bernoulli Distribucin Bernoulli
Consideremos un experimento con solo dos resultados posible: xito E o fracaso F. Los resultados sucesivos e independientes de tal experimento se llaman pruebas o experimentos Bernoulli. X ~ Bernoulli(p)
Y su funcin de probabilidad est dada por:
3.4 Variables aleatorias/ D. Bernoulli La esperanza y varianza de una variable aleatoria X con Distribucin Bernoulli estn dadas por:
E(X) = p
V(X) = p(1-p) 3.4 Variables aleatorias/ D. Binomial Distribucin Binomial Un experimento que consiste en n ensayos Bernoulli independientes, cada uno con probabilidad de xito p, se llama Binomial (n,p). n: nmero de ensayos p: probabilidad de xito Entonces, X se llama v.a. Binomial con parmetros n y p y se denota: X ~Bin (n,p)
Y su funcin de probabilidad est dada por
3.4 Variables aleatorias/ D. Binomial La esperanza y varianza de una variable aleatoria X con Distribucin Binomial estn dadas por:
E(X) = np
V(X) = np(1-p) 3.4 Variables aleatorias/ D. Binomial Ejemplo: En las moscas de la fruta, cuatro de cada 100.000 espermatozoides presentan una mutacin del color rojo de los ojos a blanco o viceversa.
a) Cuntas mutaciones esperara usted que se produjeran en 200.000 espermatozoides?. Justifique
b) Calcule la probabilidad de que se produzcan entre 6 y 10, ambas inclusive para el caso de 200.000 espermatozoides.
3.4 Variables aleatorias/ D. Geomtrica Si se realizan repetidos experimentos Bernoulli independientes con probabilidad de xito p, entonces la distribucin de la v.a. X, el nmero de experimentos necesarios hasta encontrar el primer xito sigue una Distribucin Geomtrica (p) de parmetro p y se denota por:
X ~ Geo(p)
Con funcin de probabilidad dada por:
3.4 Variables aleatorias La esperanza y varianza de una variable aleatoria X con Distribucin Geomtrica estn dadas por:
E(X) = 1/p
V(X) = (1-p)/p 3.4 Variables aleatorias Ejemplo: Para promocionar sus helados de paleta, una fbrica pone cada 15 helados una etiqueta que dice vale otro. Cualquier persona que compre un helado y le salga vale otro, obtiene uno gratis. Estos helados cuestan $100 cada uno. Si usted decide comprar estos helados hasta obtener uno gratis, cunto esperara gastar?
3.4 Variables aleatorias Consideremos ensayos Bernoulli independientes con probabilidad de xito p en cada ensayo. Si X es el nmero de ensayos necesarios para observar el r- simo xito, entonces X se llama v.a Binomial Negativa con parmetros r y p. Se denota por:
X ~ BinNeg(r,p)
Su funcin de probabilidad est dada por:
3.4 Variables aleatorias La esperanza y varianza de una variable aleatoria X con Distribucin Binomial Negativa estn dadas por:
E(X) = r/p
V(X) = r(1-p)/p 3.4 Variables aleatorias Ejemplo: Un basquetbolista efecta repetidos lanzamientos desde una lnea de tiros libres. Suponga que sus lanzamientos son ensayos de Bernoulli independientes con probabilidad de acertar 0,7. a) Cul es la probabilidad que le tome menos de cinco lanzamientos para efectuar un segundo acierto? b) Cul es la probabilidad que le tome menos de cinco lanzamientos para efectuar su primer acierto? 3.4 Variables aleatorias/ D. Poisson Una v.a. X que cuenta el nmero de eventos que ocurren en un perodo de tiempo tiene Distribucin Poisson de parmetro >0, y su funcin de probabilidad est dada por:
Y se denota por X ~Poisson()
3.4 Variables aleatorias/ D. Poisson La esperanza y varianza de una variable aleatoria X con Distribucin Poisson estn dadas por: