Escolar Documentos
Profissional Documentos
Cultura Documentos
Ingeniera en Administracin
Temas de Investigacin Conceptual
3er trabajo
15 de octubre de 2015
ndice
Qu es exactamente el azar?............................................................................... 4
Qu es una variable aleatoria?............................................................................ 4
Variables aleatorias discretas (definicin y ejemplos).............................................4
Ejemplo:........................................................................................................... 4
Antecedentes............................................................................................ 10
Caractersticas.......................................................................................... 10
Curva normal............................................................................................ 10
El modelo matemtico............................................................................... 11
Qu es exactamente el azar?
El azar es una cualidad presente en diversos fenmenos que se caracterizan por no
mostrar una causa, orden o finalidad aparente.
Variable aleatoria discreta.- Es una variable aleatoria que toma un nmero finito de
valores numerables.
Ejemplo:
- Lance una moneda e iguale X a 1 si sale cara, y 0 si sale cruz. Entonces, X es
discreta con valores 0,1.
-
Tire un dado al aire y tome para X el nmero orientado hacia arriba. Entonces X es
una variable aleatoria discreta con valores posibles 1, 2, 3, 4, 5 y 6.
Nmero de ralladuras en una superficie.
xi x
f ( xi )
Para una variable aleatoria discreta X, F(x) satisface las siguientes propiedades:
1) F(x) = p(X x ) =
xi x
f( x i )
2) 0 F(x) 1
3) Si xy, entonces F(x) f (y).
Valor esperado de una VAD (Esperanza matematica) (concepto y modelo)
La esperanza matemtica o valor esperado de una variable aleatoria discreta es la suma
del producto de la probabilidad de cada suceso por el valor de dicho suceso.
Para una variable aleatoria discreta con valores posibles
y sus
posibilidades representadas por la funcin de masa p (xi) la esperanza se calcula con
= E(X) =
xf (x )
x
(x)=
X=variable aleatoria discreta de inters
X = simo resultado de x
P(x )=probabilidad de ocurrencia del simo resultado de x
=1,2,, N
Valor Monetario Esperado
El valor monetario esperado es justamente la suma de los resultados finales de la
alternativa, es decir, cada ponderado por la probabilidad de que ocurra un resultado final.
El valor monetario esperado indica la ganancia promedio que se obtendra si se
seleccionara una estrategia particular en muchas situaciones de toma de decisiones
(como jugar muchas veces).
Asignacin de probabilidades; Para calcular el valor monetario esperado de las diversas
estrategias, debe asignarse un conjunto de probabilidades al listado mutuamente
excluyente y colectivamente exhaustivo de resultados y eventos. En muchos casos, no se
x ( x
2
= V(X) =
o V(X), es
f(x)
= [V ( 1/ 2
Caractersticas
Forma: Observamos que una distribucin binomial puede ser simtrica o sesgada.
Siempre que p = .5, la distribucin binomial ser simtrica sin importar qu tan grande o
pequeo sea el valor de n. Sin embargo, cuando P: f; .5, la distribucin estar sesgada.
Mientras ms cercana est p de .5 y mayor sea el nmero de observaciones, n, menos
sesgada ser la distribucin.
Media: Puede obtenerse fcilmente como el producto de sus dos parmetros, n y p.
Desviacin estndar. Se calcula usando la frmula de la distribucin binomial.
Distribucin Hipergeomtrica
La distribucin Hipergeomtrica es una distribucin discreta relacionada con muestreos
aleatorios y sin reemplazo. Supngase que se tiene una poblacin de N elementos de los
cuales, d pertenecen a la categora A y N-d a la B. La distribucin hipergeomtrica mide la
probabilidad de obtener x (0xd) elementos de la categora A en una muestra sin
reemplazo de n elementos de la poblacin original.
Propiedades
La funcin de probabilidad de una variable aleatoria con distribucin hipergeomtrica
puede deducirse a travs de razonamientos combinatorios y es igual a P(X=x)= (dx)
(Ndnx) (Nn), donde N es el tamao de poblacin, n es el tamao de la muestra
extrada, d es el nmero de elementos en la poblacin original que pertenecen a la
categora deseada y x es el nmero de elementos en la muestra que pertenecen a dicha
categora. La notacin (ax) hace referencia al coeficiente binomial, es decir, el nmero de
combinaciones posibles al seleccionar x elementos de un total a.
El valor esperado de una variable aleatoria X que sigue la distribucin hipergeomtrica es
E[X]=ndN
y su varianza,
Var [X]= (NnN1) (ndN) (1dN).
Tanto el valor esperado como la varianza de una variable aleatoria con distribucin de
Poisson son iguales a . Los momentos de orden superior son polinomios de Touchard en
cuyos coeficientes tienen una interpretacin combinatoria. De hecho, cuando el valor
esperado de la distribucin de Poisson es 1, entonces segn la frmula de Dobinski, el nsimo momento iguala al nmero de particiones de tamao n.
La moda de una variable aleatoria de distribucin de Poisson con un no entero es igual
a , el mayor de los enteros menores que (los smbolos representan la funcin
parte entera). Cuando es un entero positivo, las modas son y 1.
Los siguientes son algunos ejemplos de fenmenos con distribucin de Poisson:
matemtica
obtener X
para la distribucin de
xitos, dado que se esperan
Antecedentes
Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas.
Su propio nombre indica su extendida utilizacin, justificada por la frecuencia o
normalidad con la que los ciertos fenmenos tienden a parecerse en su comportamiento a
esta distribucin. Muchas variables aleatorias continuas presentan una funcin de
densidad cuya grfica tiene forma de campana. En otras ocasiones, al considerar
distribuciones binomiales, tipo B(n, p), para un mismo valor de p y de valores de n cada
vez mayores, se ve que sus polgonos de frecuencias se aproximan a una forma en forma
de campana.
Caractersticas
Tiene forma de campana y es simtrica en apariencia.
Sus mediciones de tendencia central (media, mediana, moda, alcance medio y
eje medio) son todas idnticas.
Su dispersin media es igual a 1.33 desviaciones estn dar.
Su variable aleatoria asociada tiene un alcance infinito (- 00 < X < + 00).
Su polgono slo puede ser aproximadamente de forma de campana y simtrico
en apariencia.
Sus mediciones de tendencia central pueden diferir ligeramente entre s.
El valor de su alcance intercuartil puede diferir ligeramente de 1.33
desviaciones estndar.
Curva normal
La forma de la distribucin de probabilidad normal es la curva acampanada.
El modelo matemtico.
Para la distribucin normal, el modelo usado para obtener las probabilidades deseadas
es:
El modelo
matemtico
El modelo o expresin
matemtica
que
representa una funcin de densidad de probabilidad se denota mediante el smbolo f(X).
Para la distribucin normal, el modelo usado para obtener las probabilidades deseadas es
Donde
e es la constante matemtica aproximada por 2.71828
es la constante matemtica aproximada por 3.14159
es la media de poblacin
es la desviacin estndar de poblacin
X es cualquier valor de la variable aleatoria continua, donde - < X < +
Su grfica es:
Modelo de estandarizacin
Es una distribucin cuya variable aleatoria Z siempre tiene una media z = 0 Y una
desviacin estndar 0z =l.
Sustituyendo en la ecuacin (8.1), vemos que la funcin de densidad de probabilidad de
una variable normal estndar Z es
.01
.02
.03
.04
0.00399 0.00798 0.01197 0.0159
5
0.04380 0.04776 0.05172 0.0556
7
0.08317 0.08706 0.09095 0.0948
3
.05
.06
.07
0.01994 0.02392 0.0279
0
0.05962 0.06356 0.0674
9
0.09871 0.10257 0.1064
2
.08
.09
0.03188 0.03586
0.07142 0.07535
0.11026 0.11409
Donde: