t2-100402_153-1
TRANSCRIPT
TRABAJO COLABORATIVO NO. 2
Presentado Por:
JUAN CARLOS RIAÑO JIMENEZ
Presentado A:
ROBILSON LEONEL VELASCO
Tutor de Probabilidad
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
II SEMESTRE
2010
INTRODUCCION
En el presente trabajo se desarrolla la profundización y transferencia de la Unidad 2 del Modulo de Probabilidad, del cual se estudiaron los temas referentes a Variables aleatorias y Distribuciones de Probabilidad, por medio del ejercicios con los se busca identificar, comprender e interiorizar los conceptos fundamentales Definición de Variable Aleatoria discreta, distribución de probabilidad y valor esperado para una variable aleatoria discreta, Definición de variable aleatoria continua, distribución de probabilidad y valor esperado para una variable aleatoria continua, Distribución binomial, Distribución binomial negativa y geométrica, Distribución hipergeométrica, Distribución uniforme discreta y uniforme continua, Distribución de Poisson y Distribución normal.
OBJETIVOS
- Desarrollar un taller de ejercicios propuestos por el grupo, que comprendan los contenidos de los capítulos 1, 2 y 3 de la Unidad 2 del modulo y que permitan profundizar en los temas allí tratados.
- Implementar y aplicar técnicas y herramientas en la generación de nuevos conocimientos y experiencias educativas que promuevan los aprendizajes autónomo, cooperativo y desde la conectividad.
Ejercicio 3.1 Tomado de Canavos, George C. Probabilidad y Estadística, Aplicaciones y métodos. Primera edición en español. Editorial McGraw-Hill.1988, página 84.
Sea X una variable aleatoria que representa el número de llamadas teléfonicas que recibe un conmutador en un intervalo de cinco minutos y cuya función de probabilidad está dada por
p ( x )=e−3 (3 )x / x !, x=0, 1, 2, … .
a) Determinar las probabilidades de que X sea igual a 0, 1, 2, 3, 4, 5, 6 y 7.b) Graficar la función de probabilidad para estos valores de X. c) Determinar la función de distribución acumulativa para estos valores de X.d) Graficar la función de distribución acumulativa.
SOLUCIÓN:
a) X es una variable aleatoria, entonces por definición se denomina P(X=x) p(x) a la función de probabilidad de la variable aleatoria X. “P(X=x)=” es una forma breve de decir “la probabilidad de que la variable aleatoria X sez igual a la variable x es:”. La función p(x) dara como resultado la probabilidad para una x dada. Como x solo toma valores enteros positivos se dice que esta función es discreta. Se puede mostrar que satistace las propiedades que tiene una función de probabilidad discreta. Es evidente
que p(x)≥0 para toda x∈N puesto que e−3>0, (3 ) x>0 y x! >0 para toda x∈N . La
segunda propiedad de las funciones de probabilidad también se cumple debido a la serie de Clorin Maclaurin (1698-1746) (que no es más que una serie de Brook Taylor (1685-1731) desarrollada alrededor de cero) de la función exponencial con base e.
Como ∑x=0
∞ (3 )x
x !=e3, entonces se ve fácilmente que ∑
x=0
∞
p (x)=1. Así las probablidades
pedidas son:
P (X=0 )=p (0 )=e−3 (3 )0
0 !=e−3=0,049787068.
P (X=1 )=p (1 )= e−3 (3 )1
1 !=3e−3=0 ,149361205.
P (X=2 )=p (2 )= e−3 (3 )2
2 !=92e
−3
=0 ,224041808.
P (X=3 )=p (3 )= e−3 (3 )3
3!=276e−3
=92e−3
=0 ,224041808.
P (X=4 )=p (4 )= e−3 (3 )4
4 !=8124e−3
=278e−3
=0 ,168031356.
P (X=5 )=p (5 )= e−3 (3 )5
5!=243120
e−3
=8140e−3
=0,100818813.
P (X=6 )=p (6 )= e−3 (3 )6
6 != 729720
e−3
=8180e−3
=0 ,050409407.
P (X=7 )=p (7 )=e−3 (3 )7
7 !=2.1875.040
e−3
=243560
e−3
=0,021604031.
b)
c) La función de distribución acumulativa de la variable aleatoria X es la probablidad de que X sea menor o igual a un valor específico de x y está dada por:
F (x) P (X ≤x )=∑x i≤ x
p(x i¿)¿.
Entonces: F (0 )=∑0
0
p ( x )=p (0 )=¿0,049787068¿.
F (1 )=∑0
1
p (x )=p (0 )+ p (1)=¿e−3+3e−3=4 e−3=0,199148273¿.
F (2 )=∑0
1
p (x )=p (0 )+ p (1 )+ p (2 )=¿e−3+3 e−3+ 92e−3
=172e−3
¿
⟹ F (2 )=0,423190081.
F (3 )=∑0
3
p ( x )=p (0 )+ p (1 )+ p (2 )+ p(3)=¿ 172e−3 +92e−3
=13e−3¿
⟹ F (3 )=0 ,647231889.
F (4 )=F (3 )+ p (4 )=13e−3+ 278e
−3
=1318e
−3
=0,815263245 .
F (5 )=F (4 )+ p (5 )=1318e
−3
+ 8140e
−3
=73640e−3=92
5e−3=0,916082058.
F (6 )=F (5 )+ p (6 )=925e
−3
+ 8140e
−3
=155380
e−3=0,966491465.
F (7 )=F (6 )+ p (7 )=115380
e−3
+ 243560
e−3
=155380
e−3=0,988095496.
Se deduce de las anteriores operaciones que p(x)=F(x)-F(x-1).
d)
Se puede observar en la gráfica de distribución acumulativa que limx⟶∞
F ( x )=1.
Ejercicio 3.3. Tomado de Canavos, George C. Probabilidad y Estadística, Aplicaciones y métodos. Primera edición en español. Editorial McGraw-Hill.1988, página 84.
Sea X una variable aleatoria continua.
a) Determinar el valor de k, de tal manera que la función
f ( x )={ k x2−1≤ x≤10 paracualquier otro valor
sea la función de densidad dela probabilidad de X.SOLUCIÓN
Para que f(X) sea una función de probabilidad se debe cumplir que
∫−∞
∞
f ( x )dx=1
Entonces ∫−1
1
k x2dx=1
kx3
3 |−1
1
=1
k ¿
k (13−−13 )=1
k (23 )=1k=32
b) Determinar la función de distribución acumulativa de X y graficar F(x).SOLUCIÓN
F ( x )=∫−∞
x
f ( t )dt=∫−1
x32t 2dt ¿ 3
2t 3
3 |−1x
=12
¿ si -1≤x≤1.
c) Calcular P(X≥1/2) y P(−1 /2≤ X ≤1/2) .P(X=1/2)=0
P(X>12 )=1−F ( 12 )=1−12 (( 12 )
3
+1)=1−12 ( 18 +1)=1−12 ( 98 )=1− 916
= 716
P(−12 <X< 12 )=F ( 12 )−F (−12 )=12 (( 12 )
3
+1)−12 ((−12 )3
+1)= 916
−12 (1−18 )
P(−12 <X< 12 )= 9
16−12 ( 78 )= 9
16− 716
= 216
=18
.
Ejercicio 4.1. Tomado de Canavos, George C. Probabilidad y Estadística, Aplicaciones y métodos. Primera edición en español. Editorial McGraw-Hill.1988, página 122.
Sea X una variable aleatoria con distribución binomial y parámetros n y p. Mediante la función de probabilidad binomial verificar que p(n-x;n,1-p)=p(x;n,p)
p ( x ;n , p )= n!(n−x )! x !
px (1−p )n−x si xЄN
p (n−x ;n ,1−p )=p ( x ;n , p )
p (n−x ;n ,1−p )= n !
(n−(n−x ) )! (n−x )!(1−p )n−x (1−(1−p ) )n−(n−x )
p (n−x ;n ,1−p )= n!(n−n+x ) ! (n−x ) !
(1−p )n−x (1−1+ p )n−n+ x
p (n−x ;n ,1−p )= n !x ! (n−x ) !
(1−p )n−x (p )x
p (n−x ;n ,1−p )= n !(n−x )! x !
(1−p )n−x (p )x=p ( x ;n , p )
Ejercicio 3-71. Tomado de Montgomery,D. (2003) Probabilidad y Estadística aplicadas a la Ingeniería. Estados Unidos: John Wiley & Sons, Inc
Suponga que la variable aleatoria X tiene una distribución geométrica con p=0.5. Determine las siguientes probabilidades:
a) P(X=1)
g ( x ; p )=g (1 ;0.5 )=qx−1∗p= (1−0.5 )1−1∗0.5=0.50∗0.5=1∗0.5=0.5
b) P(X=4)
g (4 ; 0.5 )=qx−1∗p=(1−0.5 )4−1∗0.5=0.53∗0.5=0.54=0.625
c) P(X=8)
g (8 ;0.5 )=qx−1∗p=(1−0.5 )8−1∗0.5=0.57∗0.5=0.58=0 .00390625
d) P(X>2)
P (X>2 )=1−P (X ≤2 )=1−[P (X=1 )+P (X=2 ) ]=1−{[ (1−0.5 )1−1∗0.5 ]+ [ (1−0.5 )2−1∗0.5 ] }=1− {[0.50∗0.5 ]+[0.51∗0.5 ] }=1− {[1∗0.5 ]+[0.52 ]}=1− {[1∗0.5 ]+[0.52 ] }1−{0.5+0.25 }=1−0.75=0.25
P (X>2 )=0.25
g (8 ;0.5 )=qx−1∗p=(1−0.5 )8−1∗0.5=0.57∗0.5=0.58=0 .00390625