Upload
profesor-alonso
View
165
Download
1
Embed Size (px)
DESCRIPTION
Estadística
Citation preview
UNIVERSIDAD TECNOLÓGICA NACIONAL
FACULTAD REGIONAL AVELLANEDA
PROBABILIDAD Y ESTADÍSTICA UNIDAD 4: VARIABLE ALEATORIA CONTINUA
Autores: Lic Luis Alberto Garaventa
Mg. María Cristina Kanobel
Año 2014
Unidad 4: Variable aleatoria continua 2
En el módulo 3 hemos definido el término variable aleatoria y clasificamos las variables
aleatorias según su recorrido. Utilizando estos conceptos estudiamos las variables aleatorias
discretas. En este módulo trabajaremos con las variables aleatorias continuas y analizaremos
algunos modelos muy utilizados en distintas disciplinas.
Esperamos que, al finalizar la lectura activa y comprensiva de este módulo, estén en condiciones
de reconocer una variable aleatoria en un experimento aleatorio como así también hallar su
distribución de probabilidades.
VARIABLE ALEATORIA CONTINUA
Al clasificar las variables aleatorias según su recorrido hemos llamado
variables aleatorias continuas a aquellas cuyo recorrido es infinito numerable,
es decir, intervalos de números reales. Podemos decir también que estas
variables están asociadas a procesos de medición.
En este caso, es imposible asignar una probabilidad a cada uno de los infinitos valores que toma
la variable continua. Para distribuir probabilidades se utiliza una función que mide
"concentración" de probabilidades alrededor de un punto, denominada función de densidad (fd)
y que se denota como f(x).
b
a
1)f x 0
2) f x .dx 1
3)Para cualquier a,b, tal que - a b se cumple que:
P(a x b) f x .dx
ACTIVIDAD
Una consecuencia de la definición anterior es que P(X=0).¿Podría justificarlo?
En vista de la propiedad justificada en la actividad anterior, podemos afirmar que:
Si X es una variable aleatoria continua, se cumple que: P(a x b) P(a x b) P(a x b) P(a x b)
Se dice que X es una variable aleatoria continua, si existe una función f,
llamado función de densidad de probabilidad (fdp) de X que satisface las
siguientes propiedades:
Unidad 4: Variable aleatoria continua 3
ACTIVIDAD
Sabiendo que k es una constante y considerando que 2kx 0 x 2
f (x)0 x
si
otro
calcule:
a) El valor de c para que f sea función de densidad de la variable X
b) Calcule P(1<x<1,5)
VALOR ESPERADO DE UNA VARIABLE ALEAOTRIA CONTINUA
En el módulo 3 hemos definido valor esperado de una variable aleatoria
discreta. De la misma manera, lo haremos para variables aleatorias continuas.
ACTIVIDAD
Calcule el valor medio de la variable aleatoria de la actividad anterior
PROPIEDADES DEL VALOR ESPERADO DE UNA V.A. CONTINUA
Para el cálculo del valor esperado de una variable continua valen las mismas
propiedades enunciadas para las variables aleatorias discretas:
.
El valor esperado es un operador lineal.
E ( k. X + c) = k. E( X ) + c donde k y c son constantes
La esperanza de una constante es la misma constante.
E(k)= k
Llamamos VALOR ESPERADO de una variable aleatoria continua a la
integral definida E(X) x.f (x).dx
con la condición de que
x .f (x).dx
sea finita
Unidad 4: Variable aleatoria continua 4
VARIANZA DE UNA VARIABLE ALEATORIA CONTINUA
Recordemos que
También tengamos en cuenta que la fórmula de cálculo que utilizaremos es:
2 2V(X) E(X ) E (X)
ACTIVIDAD
Calcule la varianza de la variable aleatoria correspondiente a la actividad de la
página 3.
DESVÍO DE UNA VARIABLE ALEATORIA CONTINUA
En el módulo anterior afirmamos que, para cualquier variable aleatoria (discreta
o continua):
Llamamos VARIANZA de una variable aleatoria al valor esperado del
cuadrado de la diferencia entre la variable y su valor esperado. Es decir
que:
2V(X) E(X E(X))
Dada una variable aleatoria discreta X y f(x) su función de densidad y
siendo Y = g(X) se define el valor esperado de la variable aleatoria de Y
como:
E ( Y ) = g(x).f (x).dx
Si dos variables aleatorias son independientes entonces el valor esperado
del producto entre ellas es igual al producto de los valores esperados de
dichas variables.
E( X. Y ) = E( X ). E( Y ) si X e Y independientes
El valor esperado de la suma de dos variables aleatorias es igual a la suma
de los valores esperados de dichas variables.
E( X+Y ) =E( X ) + E( Y )
Unidad 4: Variable aleatoria continua 5
ACTIVIDAD
Calcule el desvío standard de la variable aleatoria de la actividad de la página 3.
PROPIEDADES DE LA VARIANZA DE UNA V.A. CONTINUA
Las propiedades de la varianza enunciadas para variable aleatoria discreta son
válidas también cuando la variable es continua:
ACTIVIDAD
La cantidad de kilómetros que recorre un camión por viaje contratado es una
variable aleatoria uniforme entre 100 y 500 kilómetros Si la ganancia está dada
por G=0,30X+50 (donde X es la cantidad de kilómetros recorridos) Calcular la
ganancia esperada por viaje.
Llamamos DESVÍO STANDARD a la raíz cuadrada de la varianza
(x) V(X)
La varianza de la suma de dos variables aleatorias X e Y es igual a la suma
de sus varianzas sólo si X e Y son independientes.
V ( X + Y ) = V( X ) + V( Y )
Sean c y k constantes y X variable aleatoria se cumple que:
V ( c. X + k ) = c2. V( X)
Sean C una constante y X una variable aleatoria se cumple que:
V ( c . X ) = c2. V( X )
La varianza de una constante es cero.
V( c ) = 0
Unidad 4: Variable aleatoria continua 6
FUNCIÓN DE DISTRIBUCION DE VARIABLE ALEATORIA CONTINUA
Recordemos que:
Esto es:
F: / F(x) P(X x)
Esta función representa la probabilidad de que la variable aleatoria sea menor o igual que
un determinado valor x.
Analicemos el siguiente ejemplo:
La duración (en horas) de ciertos viajes está distribuida según
10;2
f (x) 2
0
si x
otro x
Hallaremos la función de distribución acumulada. Es decir: x
F(X) f (x).dx
Esto es: x
0
1F(x) dx
2
Luego:
1F(X) x
2 para x a;b
Entonces:
0
1F(X) x b
2
1
si x 0
si a<x
si x >1
Comparemos las gráficas de f(x) y F(X):
Se llama FUNCIÓN DE DISTRIBUCIÓN ACUMULADA O
ACUMULATIVA a la función tal que a cada número real le asigna la
probabilidad acumulada hasta dicho valor.
En el caso de las variables aleatorias continuas se calculará como: x
F(x) P(X x) f (t).dt
Unidad 4: Variable aleatoria continua 7
Observemos que:
<Definición>
PROPIEDADES DE LA FUNCIÓN DE DISTRIBUCIÓN ACUMULADA
DE UNA V.A. CONTINUA
f (X)
1
P(X<x)
0 1 x 2 X
F(X)
1
P(X<x)= F(x)
0 1 x 2 X
la función F(X) es continua siendo su valor mínimo 0 y su
máximo 1.
La imagen de la función de distribución para un valor x
representa la probabilidad acumulada hasta x (En cambio, para la
gráfica de f(x), esa probabilidad está representada por el área
debajo de la curva entre 0 y x)
1) F(x) es no decreciente.
2) x
x
lím F(x) 0
lím F(x) 1
3) Si X es variable aleatoria continua F(X) es continua
4) Si X es una variable aleatoria continua y F(x) es derivable
entonces se cumple que dF
f (x)dx
Unidad 4: Variable aleatoria continua 8
ACTIVIDAD
Deduzca una fórmula para calcular P(x X x ) utilizando F(X) (Recuerde
que: P(a X b) P(X b) P(X a) )
PROPIEDAD
De la actividad anterior se deduce que:
ACTIVIDADES
1. Analizar si la función
22
1
20)(
xx
xXF puede ser función de distribución
acumulada
2.a) Hallar la función de distribución acumulada para la variable X de la Actividad N º 2
b) Hallar F(1,5)¿Qué representa el valor obtenido
c) Calcular P 0 X 1,5 utilizando la F(X) definida en el punto a).
3. La ganancia semanal de un comerciante de autos en unidades de mil dólares se puede
considerar como una variable aleatoria X que tiene una función de densidad dada por:
2 1 x si 0 x 1f (x)
0 en caso contrario
a) Hallar F(x).
b) Utilizarla para determinar la probabilidad de que en cierta semana gane:
i) Menos de 500 dólares
ii) Más de 120 dólares
iii) Entre 300 y 800 dólares
DISTRIBUCIÓN UNIFORME
P(a<X<b)= P(a<X<b)= P(a<X<b)= P(a<X<b)= F(b) - F(a)
Una variable aleatoria, X, tiene distribución UNIFORME en el intervalo (a; b) si su función de densidad es:
(a;b)
f (x)
1 si xb-a
0 otro x
Unidad 4: Variable aleatoria continua 9 DISTRIBUCIÓN EXPONENCIAL NEGATIVA
Gráficamente:
ACTIVIDADES
1. Verifique que la función anterior cumple con las condiciones para ser
función de densidad de una variable aleatoria continua.
2. Halle la función de distribución acumulada de la variable aleatoria uniforme definida
en el intervalo (a; b).
3. a) Calcule el valor esperado de la variable uniforme usando la definición.
b) Calcule la varianza y el desvío de una variable uniforme usando la fórmula de
cálculo de la varianza.
4. En ciertos experimentos, el error cometido al determinar la densidad de una sustancia es
una variable aleatoria distribuida uniformemente entre -0,04 y 0,04. Calcular la probabilidad
de que el error:
a) Sea, en valor absoluto, menor que 0,01.
b) esté comprendido entre 0,001 y 0,002.
c) Sea mayor que 0,03.
DISTRIBUCIÓN EXPONENCIAL NEGATIVA
Gráficamente:
f(x)
x
f(x)
1
b a
a b X
Una variable aleatoria, X, tiene distribución EXPONENCIAL NEGATIVA de
parámetro si su función de densidad es:
f (x)
- x .e si x 0
0 otro x siendo >0
Unidad 4: Variable aleatoria continua 10
ACTIVIDADES
1. Verifique que la fórmula anterior corresponde a una función de
probabilidad de una variable discreta.
2. Halle la función de distribución acumulada.
3. a) Calcule el valor esperado de una distribución uniforme usando la definición del
valor esperado.
b) Calcule la varianza usando la fórmula de cálculo.
4. El tiempo que un reloj funciona sin necesidad de ser corregido se considera una
variable aleatoria con distribución exponencial negativa con parámetro
0,001horas)-1.
a) Hallar la probabilidad de que el reloj deba ser corregido antes de las 250 horas de
funcionamiento.
b) Hallar la probabilidad de que el reloj deba ser corregido antes de las 1250 horas de
funcionamiento si lleva 1000 horas si necesidad de ser corregido.
c) Hallar la probabilidad de que el reloj deba ser corregido antes de las 10250 horas de
funcionamiento si lleva 10000 horas de funcionamiento sin ser corregido.
d) Compare los resultados obtenidos en cada uno de los puntos de la actividad anterior.
¿Podría enunciar alguna propiedad general?
DISTRIBUCIÓN NORMAL
Por ejemplo, para μ= 2 y σ= 0,5 será:
Una variable aleatoria, X, tiene distribución NORMAL de valor medio y
desvío >0 si su función de densidad es:
21 x
21f (x) .e x
2
si -
Unidad 4: Variable aleatoria continua 11 DISTRIBUCIÓN NORMAL
DISTRIBUCIÓN NORMAL STANDARD
Es la variable aleatoria con distribución normal cuyo valor medio es = 0 y
desvío = 1. Se simboliza con la letra Z. Es decir que:
La siguiente imagen muestra el gráfico aproximado de la f.d. de la v.a. Z: N( 0, 1) comparado
con la X: N( 2; 0,5) del ejemplo anterior
Los valores que toma la función de distribución de la normal Z: N (0, 1) está tabulada en una
tabla a doble entrada.
Si queremos calcular P(Z<1,25) buscamos F(1,25) de la siguiente forma:
Se puede observar que:
x = es eje de simetría de la función
Hay dos puntos de inflexión en x = - y en x = + .
X = 0 es asíntota horizontal. Esta función no tiene primitiva conocida. Por esta razón no es posible calcular
probabilidades usando integrales.
Z: N ( 0, 1)
Por ser = 0 su gráfica es simétrica respecto del eje y.
El valor = 1 determina que los puntos de inflexión de la curva se
encuentran a una unidad del eje y, es decir en x = -1 y en x = 1.
Unidad 4: Variable aleatoria continua 12
ACTIVIDAD
Sabiendo que Z tiene distribución normal estándar hallar:
a) P(X 2,52) b) P(X -1,83) c) P(X 2,34)
d) P(X > -0,02) e) P(1,35 < X < 2.53) f) P(-0,73 < X < 1.96)
CÁLCULO DE PROBABILIDADES UTILIZANDO LA TABLA
NORMAL STANDARD
Para hallar probabilidades en los casos de otras distribuciones normales
X: N( ; ) utilizaremos la siguiente
Supongamos que X:N(10;2) y queremos calcular P(X<12,5)
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,500000 0,503989 0,507978 0,503989 0,515953 0,519939 0,523922 0,527903 0,468119 0,535856
0,1 0,539828 0,543795 0,547758 0,543795 0,555670 0,559618 0,563559 0,567495 0,507978 0,575345
0,2 0,579260 0,583166 0,587064 0,583166 0,594835 0,598706 0,602568 0,606420 0,547758 0,614092
0,3 0,617911 0,621719 0,625516 0,621719 0,633072 0,636831 0,640576 0,644309 0,587064 0,651732
0,4 0,655422 0,659097 0,662757 0,659097 0,670031 0,673645 0,677242 0,680822 0,625516 0,687933
0,5 0,691462 0,694974 0,698468 0,694974 0,705402 0,708840 0,712260 0,715661 0,662757 0,722405
0,6 0,725747 0,729069 0,732371 0,729069 0,738914 0,742154 0,745373 0,748571 0,698468 0,754903
0,7 0,758036 0,761148 0,764238 0,761148 0,770350 0,773373 0,776373 0,779350 0,732371 0,785236
0,8 0,788145 0,791030 0,793892 0,791030 0,799546 0,802338 0,805106 0,807850 0,764238 0,813267
0,9 0,815940 0,818589 0,821214 0,818589 0,826391 0,828944 0,831472 0,833977 0,793892 0,838913
1,0 0,841345 0,843752 0,846136 0,843752 0,850830 0,853141 0,855428 0,857690 0,821214 0,862143
1,1 0,864334 0,866500 0,868643 0,866500 0,872857 0,874928 0,876976 0,878999 0,846136 0,882977
1,2 0,884930 0,886860 0,888767 0,886860 0,892512 0,894350 0,896165 0,897958 0,868643 0,901475
1,3 0,903199 0,904902 0,906582 0,904902 0,909877 0,911492 0,913085 0,914656 0,888767 0,917736
1,4 0,919243 0,920730 0,922196 0,920730 0,925066 0,926471 0,927855 0,929219 0,906582 0,931888
1,5 0,933193 0,934478 0,935744 0,934478 0,938220 0,939429 0,940620 0,941792 0,922196 0,944083
1,6 0,945201 0,946301 0,947384 0,946301 0,949497 0,950529 0,951543 0,952540 0,935744 0,954486
1,7 0,955435 0,956367 0,957284 0,956367 0,959071 0,959941 0,960796 0,961636 0,947384 0,963273
1,8 0,964070 0,964852 0,965621 0,964852 0,967116 0,967843 0,968557 0,969258 0,957284 0,970621
1,9 0,971284 0,971933 0,972571 0,971933 0,973810 0,974412 0,975002 0,975581 0,965621 0,976705
2,0 0,977250 0,977784 0,978308 0,977784 0,979325 0,979818 0,980301 0,980774 0,972571 0,981691
fórmula de transformación de X a Z:N(0;1)
XZ
Unidad 4: Variable aleatoria continua 13
Entonces si, en la desigualdad, restamos = 10 en ambos miembros y dividimos por = 2, se
mantiene el sentido, es decir que:
X-10 12,5-10P(X<12,5) = P <
2 2
P(X<12,5) = P (Z < 1,25)
Luego:
P ( Z < 1,25)=F(1,25)
Si buscamos en la tabla normal standard obtendremos que:
P ( Z < 1,25 )=0,894350
ACTIVIDADES
1. Si X tiene distribución normal con =15 y = 3 , hallar:
2. El
tiempo de vida de un instrumento producido por cierta máquina tiene distribución
normal con vida media de 12 meses y desviación estándar de 2 meses. Hallar la
probabilidad de que un instrumento producido por la máquina dure:
a) menos de 7 meses.
b) entre 7 y 12 meses.
3. El diámetro de las barras de acero que produce una máquina tiene distribución normal
con media 2 cm y desviación estándar 0,05 cm. ¿Qué diámetro deberá tener una
arandela para que sólo puedan pasar por ella el 3% de las barras que produce la
máquina?
.
a) P(X 17,93) b) P(X 8,58) c) P( 2,92< X < 23,95)1