Nota 3
Nota 3
Nota 3
Cali - Colombia
MODELOS PROBABILÍSTICOS
0.5
0.4
Probabilidad
0.3
0.2
0.1
0.0
0 1 2 3 4 5
Tiempo en minutos
0.8
0.8
0.6
0.6
0.6
Probabilidad
Probabilidad
Probabilidad
0.4
0.4
0.4
0.2
0.2
0.2
0.0
0.0
0.0
0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10
Variable Variable Variable
0.6
0.6
0.6
Probabilidad
Probabilidad
Probabilidad
0.4
0.4
0.4
0.2
0.2
0.2
0.0
0.0
0.0
0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10
Variable Variable Variable
0.20
0.15
Probabilidad
0.10
0.05
0.00
0.8
0.8
0.6
0.6
0.6
Probabilidad
Probabilidad
Probabilidad
0.4
0.4
0.4
0.2
0.2
0.2
0.0
0.0
0.0
0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10
Variable Variable Variable
0.6
0.6
0.6
Probabilidad
Probabilidad
Probabilidad
0.4
0.4
0.4
0.2
0.2
0.2
0.0
0.0
0.0
0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10
Variable Variable Variable
100%
0 6 12
50%
0 6 12
25%
0 6 12
50%
0 6 12
16.6%
0 6 12
0.924 0.31
0.076 0.69
0.24 0.24
24%
0.20 0.20
Frecuencia relativa
Probabilidad
20% 20%
0.16 0.16
0.12 0.12
12% 12%
0.08 0.08
0.04 6% 6% 0.04
0.00 0.00
[ 45 - 50 ] ( 50 - 55 ] ( 55 - 60 ] ( 60 - 65 ] ( 65 - 70 ] ( 70 - 75 ] ( 75 - 80 ] 40 45 50 55 60 65 70 75 80 85
Variable Variable
Por lo tanto, todo el área bajo la curva es equivalente al 100% de los datos, es
decir que en términos de frecuencias, la suma de todas los valores de las
barras del histograma suman 1 o 100%.
Universidad Santiago de Cali Estadística Aplicada Carlos Garibello
MODELOS PROBABILÍSTICOS
PROPIEDAD CONTINUAS
f(x)
Función de No se interpreta como una
densidad de probabilidad, pues no está
probabilidad acotada entre 0 y 1
P(X = x) = 0, para todo x.
Función de P(X ≤ x) = F(x)
distribución Es la probabilidad acumulada de
acumulada que X sea menor o igual a x.
P(X > c) 1 – P(X ≤ c)
P(a ≤ X ≤ b) P(X ≤ b) – P(X ≤ a)
Donde 𝑥, 𝑎, 𝑏 y 𝑐 son valores observados de la variable aleatoria 𝑋
P ( X = x ) = f ( t ) dt = 0
x
f (x) x
Entonces:
P ( X c) P ( X c)
P ( X c) P ( X c)
P(X = x)
F ( x) = P ( X x)
f (x)
f ( t ) dt
x
=
Linf
P(X ≤ x)
P (a X b) = P ( X b) − P ( X a)
f (x)
= f ( x ) dx
b
P(a ≤ X ≤ b)
a b x
dt = tdt = t 2 = ( x 2 − 32 )
t 1 x 1 1
F ( x ) = P ( X x ) = f ( t ) dt =
x x
3 3 8 8 3 16 3 16
F ( x) =
16
( x − 9) ,
1 2
3 x 5.
=
16
(
1 2
4 − 9 ) =
1
16
(16 − 9 ) =
1
16
( 7 ) = 0.4375
=
16
(
1 2
5 − 9 ) − ( 42 − 9 ) = ( 25 − 9 ) − (16 − 9 )
1
16
1
16
1
16
1 1
= (16 ) − ( 7 ) = 1 − 0.4375 = 0.5625
16 16
Universidad Santiago de Cali Estadística Aplicada Carlos Garibello
MODELOS PROBABILÍSTICOS
Ejemplo 1:
Sea X la variable aleatoria que representa la cantidad de dinero que
ahorra un estudiante durante el día (valores en miles de pesos), cuya
función de densidad de probabilidad está dada por:
x
, 3 x 5
f ( x) = 8
0, en cualquier otro caso
Determine lo siguiente:
4. La probabilidad de ahorrar de ahorrar más de 3 mil quinientos pesos.
Apoyándonos en la función de distribución acumulada se tiene que:
P ( X 3.5 ) = 1 − P ( X 3.5 ) = 1 − F ( 3.5 )
= 1−
1
16
( 3.52 − 9 ) = 1 − (12.25 − 9 ) = 1 − ( 3.25 )
1
16
1
16
= 1 − 0.2031 = 0.7969
4 p = 96.5
96.5
p= = 24.125 𝑝
4 23.75 26.25 𝑦
El tiempo de vida (en años) hasta que falla una batería del nuevo
modelo de su celular, es una variable aleatoria Y con función de
distribución acumulada dada por:
( )
F ( y) = 1− e
− y2
, y0
Determinar:
a) La probabilidad de que la batería funcione dos años o menos.
b) La probabilidad de que la batería funcione más de dos años.
c) La probabilidad de que la batería funcione entre uno y dos años.
d) El tiempo de vida de las baterías, si se desea que solo el 30% de las
baterías duren ese tiempo o menos.
e) El tiempo de vida de las baterías, si se desea que solo el 10% de las
baterías duren más que ese tiempo.