Post on 08-Oct-2018
transcript
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
1
Distribuciones Discretas de
Probabilidad
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
2
Contenido
1. Variables Aleatorias.2. Distribuciones Discretas de
Probabilidad.3. Valor Esperado y Varianza.
Propiedades.4. Distribución de Probabilidad Binomial.
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
3
1. Variables Aleatorias (VA)
Asocia un número al resultado de un experimento. Puede ser un conteo, una medición, un valor, una ganancia monetaria, etc.
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
4
1. Variables Aleatorias Discretas
VA Discretas: solo toma los valores 0,1,2,...,etc.Ejemplos:
ExperimentoVariable aleatoria
Valores posibles de la variable aleatoria
Inspección de una muestra de 50 radios
Número de radios
defectuosos 0, 1, 2,..., 49, 50
Llenado de un formato
Número de errores en el
llenado 0, 1, 2,...
Intento de venta de un bien raíz
Resultado del intento 0, 1
Funcionamiemto de una agencia de autos
un díaNúmero de autos
vendidos 0, 1, 2,...
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
5
1. Variables Aleatorias Contínuas.
Conceptualmente podrían tomar TODOS los valores sobre un intervalo o conjunto de intervalos. (exactitud del aparato de medición)Ejemplos:
ExperimentoVariable aleatoria
Valores posibles de la variable aleatoria
Fabricación de barras de jabón
Humedad de la pasta de jabón. 0<x<100%
Manufactura de un detergente
Concentración de ingrediente activo 0<x<30%
Llenar un botella de cerveza. (max
365 ml)Volumen de
líquido 0<x<365 ml
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
6
2. Distribuciones Discretas de Probabilidad.
Distribución de probabilidad de una variable aleatoria discreta: describe las probabilidades de cada uno de los valores posibles de la variable aleatoria.Función de probabilidad: define numéricamente la probabilidad de cada valor de la variable aleatoria. Se denota por f(x).
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
7
2. Distribuciones Discretas de Probabilidad.
Ejemplo: DiCarlo Motors, NY.x=número de autos vendidos al día.Método frecuentista para asignar probabilidaes, ventas de 300 días.
x f(x)0 0.181 0.392 0.243 0.144 0.045 0.01
Para x=0:En 54 días de los 300no se vendió un solo auto.
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
8
2. Distribuciones Discretas de Probabilidad.
Algunos ejemplos de uso de f(x).La cantidad más probable de autos que se venda en un día es de uno.Si A={Se venden 3 o más autos}, entonces
P(A)=f(3)+f(4)+f(5)=0.19
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
9
2. Distribuciones Discretas de Probabilidad.
Condiciones requeridas para cualquier función de probabilidad discreta.
Representación gráfica.
∑ =≥ 1)x(f0)x(f y
01
23
45
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
f(x)
Autos vendidos por día
Distribución Discreta de Probabilidad
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
10
3. Valor Esperado.
Valor esperado de una variable aleatoria: medida de tendencia central de la variable.También coincide con el valor promedio de la VA si se observara una gran cantidad de veces. Valor promedio a la larga.Fórmula de cálculo: ∑== )x(xf)x(E µ
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
11
3. Valor Esperado.
Ejemplo: Di Carlo Motors
Se espera que en 30 días de operaciones se vendan alrededor de 30(1.5)=45 autos.
x f(x) x*f(x)0 0.18 01 0.39 0.392 0.24 0.483 0.14 0.424 0.04 0.165 0.01 0.05
E(x)= 1.5 ∑== )x(xf)x(E µ
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
12
2. Distribuciones Discretas de Probabilidad
Representación gráfica valor esperado.
01
23
45
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
f(x)
Autos vendidos por día
Distribución Discreta de Probabilidad
E(x)=1.5
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
13
3. Varianza.
Varianza de una variable aleatoria: Es una medida de dispersión o variabilidad alrededor del valor esperado.Resume la variabilidad de los valores de la variable aleatoria.Fórmula de cálculo:
222 )x(E)x(f)x()x(Var µµσ −=−== ∑
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
14
3. Varianza.
Ejemplo: Di Carlo Motors.
Var(x)=1.25 autos2
x x-µ (x-µ)^2 f(x) f(x)*(x-µ)^20 -1.5 2.25 0.18 0.4051 -0.5 0.25 0.39 0.09752 0.5 0.25 0.24 0.063 1.5 2.25 0.14 0.3154 2.5 6.25 0.04 0.255 3.5 12.25 0.01 0.1225µ= 1.5 Var(x)= 1.25
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
15
3. Desviación Estándar.
Es una medida de variabilidad que tiene las mismas unidades que la variable aleatoria.
Ejemplo Di Carlo Motors: σ=1.118 autos
2σσ =
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
16
3. Propiedades del Valor Esperado y la Varianza.
Si a es una constante entonces:)x(aE)x(axf)ax(E == ∑
)x(Ea)x(xf)x(af
)x(f)xa()xa(E
+=+=
=+=+
∑∑∑
)x(Vara)ax(Var 2=
)x(Var)xa(Var =+
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
17
3. Ejemplo, utilidad esperada.
Juego con dados. Jugar cuesta 100 pesos. Si la suma sale 7 se le pagan 200 pesos. ¿Vale la pena jugar?
==7 sale si 200
7 sale no si pagan me que lo
0x
==
=200 xsi 1/60 xsi 6/5
)x(f
...33.33)6/1(200)6/5(0)x(E =+=
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
18
3. Ejemplo, utilidad esperada.
Lo que importa es la utilidad.
Mi utilidad esperada.
La mayoría de los juegos de azar tienen una utilidad esperada positiva para la casa. En promedio ¡la casa gana!
100xu −=
-66.66...100-33.33... ==−=−= 100)x(E)100x(E)u(E
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
19
4. Distribución de Prob. Binomial
Experimento binomial.1. n intentos o ensayos idénticos.2. Solo dos resultados en cada ensayo:
éxito ó no éxito.3. Probabilidad de éxito en cada ensayo = p4. Los ensayos son eventos independientes
x= Número de éxitos en n ensayos
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
20
4. Distribución de Prob. Binomial
x= Número de éxitos en n ensayos.x=Variable aleatoria binomial.Valores posibles de x
0,1,2,...,nSu distribución de probabilidad se llama distribución de probabilidad binomial.
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
21
4. Distribución de Prob Binomial
Experimento: lanzar 5 veces una moneda
Éxito = cae águila x=número de águilasM=32 puntos muestrales n=5 p=0.5
Lanzamientopunto
muestral 1 2 3 4 5 x1 águila águila águila águila águila 52 águila águila águila águila sol 43 águila águila águila sol águila 44 águila águila sol águila águila 4... ...30 sol sol sol águila sol 131 sol sol sol sol águila 132 sol sol sol sol sol 0
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
22
4. Distribución de Prob. BinomialExperimento: 3 clientes entran a una tienda de ropa
Éxito = compra x = número clientes que compranM=8 puntos muestrales n=3 p = 0.3
Clientepunto
muestral 1 2 3 x Probabilidad1 compra compra compra 3 ppp2 compra compra no compra 2 pp(1-p)3 compra no compra compra 2 p(1-p)p4 compra no compra no compra 1 p(1-p)(1-p)5 no compra compra compra 2 (1-p)pp6 no compra compra no compra 1 (1-p)p(1-p)7 no compra no compra compra 1 (1-p)(1-p)p8 no compra no compra no compra 0 (1-p)(1-p)(1-p)
x 0 1 2 3f(x) (1-p)(1-p)(1-p) 3p(1-p)(1-p) 3pp(1-p) ppp (en general)f(x) 0.343 0.441 0.189 0.027 (en particular)
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
23
4. Función de Probabilidad Binomial
Para x=0,1,2,...,n.f(x)=probabilidad de x éxitos en nintentos.p=probabilidad de éxito en cada intento
xnxnx )p1(pC)x(f −−=
en xn de nesCombinacio =nxC
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
24
4. Función de Probabilidad Binomial
Cálculo con Excel:=DISTR.BINOM(0,3,0.3,0)
xnpAcumulado (0=no, 1=si)
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
25
4. Función de Probabilidad Binomial
Cálculo con TABLA 5
n x 0.1 ... 0.3 ... 0.5
3 0 0.729 ... 0.343 ... 0.1251 0.243 ... 0.441 ... 0.3752 0.027 ... 0.189 ... 0.3753 0.001 ... 0.027 ... 0.125
4 0 0.6561 ... 0.2401 ... 0.06251 0.2916 ... 0.4116 ... 0.252 0.0486 ... 0.2646 ... 0.3753 0.0036 ... 0.0756 ... 0.254 0.0001 ... 0.0081 ... 0.0625
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
26
4. Gráficos Función de Probabilidad Binomial
3.0p3n
==
0 2 4 6 8
10 12 14
00.05
0.1
0.150.2
0.25
0.3
0.35
0.4
0.45
f(x)
x
Función de Probabilidad Binomial
0 2 4 6 8
10 12 14
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
f(x)
x
Función de Probabilidad Binomial
5.0p5n
==
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
27
4. Distribución de Prob Binomial
Valor Esperado, Varianza y Desviación Estándar.Fórmulas particulares:
(se obtienen también de la fórmula con sumatoria)
)p1(np
)p1(np)x(Varnp)x(E
−=
−==
σ
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
28
4. Distribución de Prob Binomial.
Ejemplo, Valor Esperado, Varianza y Desviación Estándar.
n 3p 0.3
x f(x) x*f(x) x-µ (x-µ)^2 f(x)*(x-µ)^20 0.343 0 -0.9 0.81 0.277831 0.441 0.441 0.1 0.01 0.004412 0.189 0.378 1.1 1.21 0.228693 0.027 0.081 2.1 4.41 0.11907
µ= 0.9 Var(x)= 0.63
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
29
4. Distribución de Prob Binomial. Ejemplo.
40% de las personas que viajan por negocios llevan laptop o celular (USA Today, 12 sep 2000). En una muestra aleatoria de 15 personas:
a) ¿Cuál es la probabilidad de que tres tengan laptop o celular?
b) ¿Cuál es la probabilidad de que doce no tengan laptop ni celular?
c) ¿Cuál es la probabilidad de que por lo menos tres tengan laptop o celular?
d) ¿Cuál es el número esperado y desviación estándar de personas que tengan laptop o celular?
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
30
4. Distribución de Prob Binomial. Ejemplo.a) p = 0.4, n =15; f(3)=0.0634 de TABLA 5b) p’ = 0.6, n =15; f(12)=0.0634 con Excelc) A={por lo menos 3 tienen laptop o celular},
p = 0.4, n =15; P(A)=1-P(AC)= 1-[f(0)+f(1)+f(2)]= 1-[0.0005+0.0047+0.0219] de TABLA 5
d) E(x)=15(0.4)=6; Var(x)=15(0.4)(0.6)=3.6; σ=1.8973
Dr. Víctor Aguirre Torres, ITAM. Guión 6.
31
Problemas recomendados Capítulo 5.1. Variables Aleatorias: 3, 6.2. Distribuciones Discretas de
Probabilidad: 8, 10.3. Valor Esperado y Varianza: 17, 21.4. Distribución de Probabilidad Binomial:
28, 30.