Escolar Documentos
Profissional Documentos
Cultura Documentos
Matemticas PSU
D-5
Matemtica 2016
Datos y Azar
Nombre:
f(x)
P(a<x<b)
Recuerda que, al igual que para una variable aleatoria discreta, el dominio de la
variable aleatoria continua corresponde al espacio muestral del experimento y su
recorrido corresponde a los valores que sta puede tomar (dependiendo de cmo se
defina). Por otra parte, el dominio de la funcin de densidad de probabilidad
corresponde al recorrido de la variable aleatoria, mientras que su recorrido
corresponde a la probabilidad asociada a cada uno de los elementos del dominio, es
decir, a los reales comprendidos entre 0 y 1.
Definicin.: Sea X una variable aleatoria continua. A toda variable continua X se le
puede asociar una funcin f(x), de variable real, llamada funcin de densidad de
probabilidad, que debe satisfacer las siguientes propiedades:
i)
ii)
f(x) 0 , x
f(x)dx 1
2. El rea bajo la curva de f en su dominio debe ser 1. Esto porque, por definicin,
la suma de las probabilidades asociadas a cada uno de los elementos del dominio de
f debe ser la unidad (o el 100 %).
Si la grfica de f no cumple con alguno de los puntos mencionados, entonces no se
trata de una funcin de densidad de probabilidad.
Ejemplo: Verifica si la funcin de la grfica es una funcin de probabilidad de una
variable aleatoria continua
f(x)
0,5
-0,5
0,5
1,0
Dado que la probabilidad de que una variable aleatoria continua tome un valor
en particular es 0, se cumple que:
P(a < X < b) = P(a X b)
= P(a X < b)
= P(a < X b)
Ejercicios Propuestos
1. Cul(es) de las siguientes funciones puede(n) ser funcin de densidad de
una variable aleatoria continua?
a) f(x) = 0,5 , con x
[-1, 1]
b) f(x) = x - 1, con x
[1, 3]
[-1, 0]
d) f(x) =
[-1, 1]
con x
A)
B)
C)
D)
E)
0,4
0,46
0,54
0,60
0,24
A)
B)
C)
D)
E)
0,125
0,325
0,375
0,625
0,750
Distribucin normal
Media:
Varianza : 2
Aproximadamente el 99,7% de la
poblacin se encuentra en el intervalo
]-3,+3 [
Ejercicios Propuestos
Ejercicios PSU DEMRE 2015
Sea X una variable aleatoria continua, tal que X N(, 2), donde se sabe que
P(X + ) = 0,6826 y P(2X + 2) = 0,9545. Cul es el valor de
P(+ X + 2)?
A) 0,13595
B) 0,2719
C) 0,86405
D) 0,81855
E) Ninguno de los anteriores.
Estandarizacin (Tipificacin)
Existen muchos fenmenos reales que pueden representarse estadsticamente
mediante la distribucin normal. No obstante el anlisis matemtico solo se
considera para la distribucin normal tipificada(es decir de promedio (media)
0 y de desviacin estndar 1).Para el estudio de una distribucin estndar de
media y desviacin estndar , esta se puede transformar en una
distribucin normal tipificada realizando un cambio de variable, para luego
aplicar todo el anlisis valido para este tipo de distribucin
Cualquier variable X que se distribuya N(,) puede transformarse a una
variable Z de distribucin N(0,1) mediante el siguiente cambio de variable
X
Z
P X x P
x
x
P Z
Algunas igualdades
a) P(Z a) 1 P(Z a) , o
Existe una tabla que permite conocer el rea bajo la curva hasta cualquier valor de la variable,
lo que indica directamente la proporcin de datos que son menores o iguales que dicho valor
Ejemplo:
Se mide la masa en gramos de los huevos producidos en un gallinero. S dichas
masas se distribuyen de forma normal con =54 g y =16 g, cul es la
probabilidad de que al elegir aleatoriamente un huevo su masa sea menor que
52 g.
Sea X: masa de los huevos producidos en un gallinero, entonces X se distribuye
normal con media =54 g y desviacin estndar =16 g y se denota
X N(54,16)
Para calcular P(X<52) se tipificar la variable X
1
X 52 54
P X 52 P
P Z P Z 0,125
16
8
As P(X<52)=P(Z<-0,125)=P(Z>0,125)
PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361
Ejercicios Propuestos
1. Calcula , utilizando la tabla los valores de Z ,las siguientes probabilidades
a) P(Z>1,84) =
b) P(-1,97<Z<0,86) =
c) P(Z>z0) =0,7486
d) P(Z<0,83) =
e) P(Z<-1,27) =
f) P(Z>0,83) =
g) P(0,47<Z<1,08) =
Respuestas:
a) 0,0329
b) 0,7807
c) z0=-0,67
d) 0,7967
e) 0,1020
f) 0,2033
g) 0,1791
Problemas de Aplicacin
1. En un examen final de un curso universitario aplicado a 200 estudiantes de
primer ao, los resultados se ajustan a una distribucin normal con media de
72 puntos y desviacin estndar de 8 puntos. aproximadamente cuantos
estudiantes obtuvieron ms de 76 puntos? (138)
3. Cierto tipo de batera dura un promedio de tres aos, con una desviacin
estndar de 0,5 aos. Suponiendo que las duraciones de las bateras son
normalmente distribuidas, encuentre la probabilidad de que una determinada
batera dure menos de 2,3 aos (0,0808)
10
11
Intervalo de Confianza
Imaginemos que queremos saber el valor medio del colesterol en sangre de la
poblacin de nuestra ciudad, en la cual viven cuatro millones de habitantes. Hay
modo de conocer este dato? Claro!, solo tenemos que hacer cuatro millones de
extracciones, analizar las muestras y hacer el clculo. Pero el problema es evidente:
no resulta prctico intentar medir el colesterol a toda la poblacin. As que decidimos
tomar una muestra al azar, por ejemplo, de 100 personas, y determinamos su
colesterol en sangre. Obtenemos una media de 236 mg/dl con una desviacin
tpica de 41 mg/dl.
La cuestin, claro est, es que 236 es el valor medio de nuestra muestra, pero
nosotros lo que queremos saber es el valor medio de la poblacin de la que procede
la muestra. Seguramente estar prximo a ese valor, pero lo ms probable es que
sea diferente. Hay alguna forma de solucionar el problema?
Por desgracia, no existe forma de conocer el valor exacto en la poblacin (a no ser
que midamos el colesterol en los cuatro millones, sin excepcin), pero s podemos
obtener un valor dentro de un rango determinado, aunque siempre con un grado de
incertidumbre que, eso s, podemos elegir nosotros.
Un intervalo de confianza es un rango de valores que probablemente contiene al
valor del parmetro que se quiere estimar. Los valores que establecen los lmites
del intervalo de confianza se denominan lmites de confianza, y el nivel de confianza
es la probabilidad de que el intervalo calculado contenga al verdadero valor del
parmetro. As, un intervalo de confianza de (1- )100% para le media de
poblacin , con dada , es:
IC()= x
1
2
,x z
1
2
x es su promedio
Ejemplo:
1. Si el tiempo en minutos de atencin se distribuye N(,4), construye un intervalo
de confianza al 95% para el tiempo de atencin (). Para esto considera una
muestra aleatoria de 100 clientes, el tiempo promedio de atencin es de 8
minutos. (7,216; 8,784)
Datos:
12
1
1
2
,
75
1
,
96
;
2
,
75
1
,
96
40
40
1
1
400
400
1
1
D) 0,95
;
0
,
95
20
20
B)
E)
1
1
2
,
75
1
,
96
;
2
,
75
1
,
96
20
20
13
Distribucin Binomial
Un experimento sigue el modelo de distribucin binomial si:
i.
ii.
iii.
n
n x
P( X x) p x 1 p
x
con x n,
x 0 , n , 0 p 1
n
n
n
n
n 1
n x
P( X x) p 0 1 p p1 1 p .... p x 1 p
0
1
x
E(X)= np
, Var(X)= npq
Ejemplo:
1. La probabilidad de que un celular sea aprobado por un control de calidad en
una industria, antes de salir al mercado, es 0,6
Determina la probabilidad de que exactamente 2 de 6 celulares sean aprobados
por el control de calidad (0,13824)
14
15
9
0,2 6 0,8
6
15
6
B) 0,2 9 0,8
6
15
10
C) 0,2 5 0,8
5
15
6
D) 0,2 9 0,8
9
15
9
E) 0,5 6 0,5
6
A)
15
100 1
A)
20 6
100
5
6
20
120 1
B)
20 6
100
5
6
20
120 1
C)
20 6
120
120 1
D)
20 6
20
1
E)
6
Solucion: 2) A
3) A
4)B
np q
B(n,p) N(n p, n p q)
16
Ejemplo
Se lanza un dado 360 veces. cul es la probabilidad de obtener un 3, menos de 55
veces?
Solucin: X v.a.: nmero de veces que obtenemos un tres (3), de entre los 360
lanzamientos
Tenemos entonces una distribucin binomial de parmetros n=360; p=1/6; q=5/6
Adems, se cumple np=60 5
y
nq = 300 5 por lo que podemos aplicar
la aproximacin a una normal N(, ).
=np=360(1/6)=60
n p q 360
1 5
7.07
6 6
Se aproxima entonces a N (60; 7,07); luego habr que tipificar para obtener las
probabilidades pedidas:
P(X<55) = P Z
55 60
P Z 0,707
7, 07
17
18