PROBABILIDAD
VARIABLE ALEATORIA CONTINUA
Una variable aleatoria X es continua si su conjunto de posibles valores es todo un
intervalo (finito o infinito) de números reales. Si X puede asumir cualquier valor en algún
intervalo I se llama una variable aleatoria continua.
Ejemplo , una variable aleatoria continua puede ser el tiempo de retraso con el que un
alumno o un profesor llega al salón de clases ,el peso o la estatura de los estudiantes de
la universidad.
Ejemplo: Con el fin de realizar un control de calidad en una fábrica de baterías, se mide el
tiempo de duración de baterías elegidas al azar y se define la variable .aleatoria continua .
X: tiempo de duración de una batería
FUNCION DE DENSIDAD DE PROBABILIDAD
Una función de densidad es una función estadística que representa gráficamente la
probabilidad de ciertos eventos. La función de densidad más común es la función de
densidad en forma de campana de la densidad normal. Cada distribución de probabilidad
tiene dos curvas de densidad.
La importancia de las funciones de densidad es que te permiten saber mucho acerca de
una distribución de probabilidad de una sola gráfica. Puedes determinar cuál es el valor
más común, cuáles son los valores más extremos y la probabilidad aproximada de
cualquier valor
La función f(x) es una función de densidad de probabilidad para la variable aleatoria
continua X, definida sobre el conjunto de los números reales, sí:
EJEMPLO
¿Qué probabilidad tengo de obtener una personas entre 150cm y 166 cm? Simplemente
calculas el área debajo la función entre 150cm y 166cm..
La función de densidad es precisamente este contorno. Es una linea continua que
representa la distribución de densidad de TODA LA POBLACIÓN.
FUNCION DE DISTRIBUCCION ACUMULADA
Es una función matemática de la variable real: x (minúscula); que describe la probabilidad de
que X tenga un valor menor o igual que x .
asumiendo la función f como la ley de distribución de probabilidad, la FDA sería la función
con la recta real como dominio, con imagen del área hasta aquí de la función f,
siendo aquí el valor x para la variable aleatoria real X.
La FDA asocia a cada valor x, la probabilidad del evento: "la variable X toma valores
menores o iguales a x".
El concepto de FDA puede generalizarse para modelar variables
aleatorias multivariantes definidas los números reales
Propiedades de la función de distribución acumulada: Sea X una Variable aleatoria
continua,
i) ∀ x∈ ℜ, F (x)∈[ ] 0,1 X .
ii) F (x) X es monótona no decreciente, es decir que si ( ) ( ). 1 2 1 2 x x F x F x < ⇒ X ≤ X
iii) F (x) X es continua en todo punto.
ESPERANZA PARA LA VARIABLE ALEATORIA CONTINUA
Sea X una v.a. continua con función de densidad f (x) , la esperanza o valor esperado de
X se define como
siempre que .
Si esta integral es ∞, la esperanza no puede definirse y decimos que no existe.
Significado de la esperanza :Como valor medio teórico de todos los valores que puede
tomar la variable. Representa una medida de centralización.
Esperanza Matemática Ejemplo: La distribución de la cantidad de grava (en toneladas)
vendida a una empresa en particular proveedora de materiales para la construcción, en
una semana dada, es una variable aleatoria X continua con función de densidad de
probabilidad:
¿Cuántas toneladas esperarías que se vendan durante esa semana?
Lo cual significa que esperaríamos que se vendieran 0 375 0 8 −∞ cual significa que
esperaríamos que se vendieran 0,375 [Ton] ó 375 [kg] de grava a la empresa proveedora
de materiales para la construcción.
VARIANZA DE LA VARIABLE ALEATORIA CONTINUA
Medida del cuadrado de la distancia promedio entre la media y cada elemento de la
población. Sea X una variable aleatoria continua con distribución de probabilidad f(x) y
media μ. La varianza de X es calculada por medio de:
DISTRIBUCCION NORMAL
Ejemplo 1 El tiempo que tarda un automovilista en reaccionar a las luces de freno traseras
de otro vehículo al desacelerar, es crítico para ayudar a evitar una colisión. Suponga que
esta variable se puede modelar como una distribución normal con media de 1,25
segundos y desviación estándar de 0,46 segundos. ¿Cuál es la probabilidad de que el
tiempo de reacción se encuentre 1 y 1,75 segundos?
A continuación se muestra el cálculo de esta probabilidad en f áf á forma gráfica,
mostrando la equivalencia en el área entre la distribución normal y la estándar
DISTRIBUCCION BINOMIAL
Una distribución binomial es una distribución discreta que modela el número de
eventos en un número de ensayos fijo. Cada ensayo tiene dos resultados posibles, y
evento es el resultado de interés en un ensayo.
Utilice la distribución binomial para describir un proceso donde los resultados se
pueden etiquetar como un evento o un no evento y cuando esté interesado en la
ocurrencia de un evento y no en su magnitud. Por ejemplo, un elemento pasa o no
pasa una inspección o un partido político gana o pierde. La distribución binomial se
usa frecuentemente en control de calidad, sondeos de opinión pública, investigaciones
médicas y seguros.
Por ejemplo, utilice la distribución binomial para calcular la probabilidad de que 3 o
más elementos defectuosos se encuentren en una muestra de 25 elementos si la
probabilidad de un elemento defectuoso en cada ensayo es 0.02. El número de
elementos defectuosos (X) sigue una distribución binomial con n = 25 y p = 0.02.
El número de eventos (X) en n ensayos sigue una distribución binomial si se cumplen
las siguientes condiciones:
El número de ensayos es fijo.
Cada ensayo es independiente de otros ensayos.
Cada ensayo tiene uno de dos resultados: evento o no evento.
La probabilidad de un evento es igual para cada ensayo.
Una de las propiedades de la distribución binomial es que cuando n es grande, la
distribución binomial puede ser aproximada razonablemente por la distribución
normal. Por ejemplo, para la siguiente distribución binomial, n = 100 y p = 0.5.
BIBLIOGRAFIA.
[Link]
and-random-data/supporting-topics/distributions/normal-distribution/
[Link]
[Link]
[Link]
[Link]