Reporte de Aprendizaje Unidad 3

Adriana Medina Novas
Reporte de Aprendizaje unidad 3.

Para cualquier experimento en particular una variable aleatoria puede definirse
de modo que cada resultado experimental posible genere exactamente un valor
numérico para la variable aleatoria. Por ejemplo, si consideramos el
experimento de vender automóviles un día en una concesionaria, podríamos
describir los resultados experimentales en función de la cantidad de
automóviles vendidos. En este caso, si x = cantidad de automóviles vendidos, x
se conoce como variable aleatoria. El valor numérico particular que asume este
tipo de variable depende del resultado del experimento; es decir, el valor
específico de la variable aleatoria no se conoce hasta que se observa el
resultado experimental. Por ejemplo, si cierto día se venden tres automóviles,
el valor de la variable aleatoria es 3; si otro día (una repetición del experimento)
se venden cuatro automóviles, el valor es 4.
Una manera de determinar si una variable aleatoria es discreta o continua es
pensar en los valores de la variable como si fueran puntos de una recta. Elija
dos puntos que representen los valores que la variable aleatoria podría asumir.
Si el segmento de recta entero entre los dos puntos también representa los
valores posibles que la variable aleatoria puede asumir, ésta es continua.
Podemos demostrar el uso de una variable aleatoria discreta al considerar las
ventas de automóviles en De Carlo Motors, Inc., con sede en Saratoga, Nueva
York. El propietario de esta compañía está interesado en el volumen de ventas
diario de los automóviles. Suponga que x es una variable aleatoria que denota
la cantidad de automóviles vendidos en un día determinado. Los registros de
ventas muestran que 5 es el número máximo de automóviles que De Carlo
vendió en un día. El propietario considera que el historial de ventas anterior
representa de manera adecuada lo que ocurrirá en el futuro, así que
esperaríamos que la variable aleatoria x asumiera uno de los valores
numéricos 0, 1, 2, 3, 4 o 5. Los valores posibles de la variable aleatoria son fi
nitos; por tanto, clasificaríamos a x como una variable aleatoria discreta.
Distribución de probabilidad de una variable aleatoria discreta.
Suponga que al revisar los registros de ventas de Carlo descubrimos que el
año pasado la empresa estuvo abierta durante 300 días. El volumen de ventas
generado y la frecuencia de su ocurrencia se resumen en la tabla 3.2. Con
estos datos históricos disponibles, el propietario de esta empresa piensa que el
método de frecuencia relativa proporcionará un medio razonable para evaluar
las probabilidades de la variable aleatoria x. La función de probabilidad,
denotada por f(x), determina la probabilidad de que la variable aleatoria x tome
un valor específico.
Después de establecer una variable aleatoria y su distribución de probabilidad,
podemos determinar una variedad de información de probabilidad adicional,
dependiendo de las necesidades e intereses de quien toma las decisiones.
Después de construir la distribución de probabilidad para una variable aleatoria,
con frecuencia queremos calcular la media o valor esperado de esa variable. El
valor esperado de una variable aleatoria discreta es un promedio ponderado de

todos los valores posibles de la misma, donde los pesos son las probabilidades
asociadas con los valores.
Varianza.
El valor esperado proporciona una idea del valor medio o central para la
variable aleatoria, pero con frecuencia queremos una medida de la dispersión,
o variabilidad, de los valores posibles de esta variable. Por ejemplo, si los
valores de la variable aleatoria varían de muy grandes a muy pequeños,
esperaríamos un valor grande para la medida de la variabilidad. Si los valores
muestran sólo una variación modesta, esperaríamos un valor relativamente
pequeño. La varianza es una medida que se utiliza comúnmente para resumir
la variabilidad de los valores que asume una variable aleatoria.
Distribución de probabilidad binomial.
En esta sección consideramos una clase de experimentos que cumple con las
condiciones siguientes:
1. El experimento consiste en una secuencia de n ensayos idénticos.
2. Dos resultados son posibles en cada ensayo. Nos referimos a un resultado
como un éxito y al otro como un fracaso.
3. Las probabilidades de los dos resultados no cambian de un ensayo a otro.
4. Los ensayos son independientes (por ejemplo, el resultado de un ensayo no
afecta al resultado del otro).
El problema de Nastke Clothing Store.
Para ilustrar la distribución de probabilidad binomial considere el experimento
de los clientes que entran a la tienda Nastke Clothing Store. Para mantener el
problema relativamente pequeño, restringimos el experimento a los siguientes
tres clientes. Si, con base en la experiencia, el gerente de la tienda estima que
la probabilidad de que un cliente haga una compra es 0.30, ¿cuál es la
probabilidad de que exactamente dos de los tres clientes siguientes hagan una
compra? Primero queremos demostrar que tres clientes que entran a la tienda
de ropa y deciden si hacen una compra o no puede considerarse como
experimento binomial.
Valor esperado y varianza para la distribución binomial.
A partir de la distribución de probabilidad de la tabla 3.6 podemos utilizar la
ecuación (3.3).
para calcular el valor o el número esperados de clientes que hace una compra:
a f (x) 0(0.343) 1(0.441) 2(0.189) 3(0.027) 0.9.
Note que podríamos haber obtenido este mismo valor esperado con sólo
multiplicar n (el
número de ensayos) por p (la probabilidad de éxito en cualquier ensayo):

np 3(0.30) 0.9
Para el caso especial de una distribución de probabilidad binomial, el valor
esperado de la variable aleatoria está dado por: np (3.6).
En esta sección consideraremos una variable aleatoria discreta, la cual con
frecuencia resulta útil cuando tratamos con el número de ocurrencias de un
evento durante un intervalo específico de tiempo o espacio. Por ejemplo, la
variable aleatoria de interés podría ser la cantidad de automóviles que llega a
un centro de lavado en una hora, el número de reparaciones necesarias en 10
kilómetros de carretera, o de fugas en 100 kilómetros de tubería.
En esta sección se presentan las distribuciones de probabilidad para las
variables aleatorias continuas. Recuerde que en la sección 3.1 se estableció
que las variables aleatorias que asumen cualquier valor en cierto intervalo o
colección son continuas. Quizás la distribución de probabilidad más importante
utilizada para describir una variable aleatoria continua es la distribución de
probabilidad normal.
Excel cuenta con la capacidad para calcular probabilidades para varias
distribuciones de probabilidad discretas, incluidas la binomial y la de Poisson.
En este apéndice se describe cómo usar Excel para calcular las probabilidades
de cualquier distribución de probabilidad binomial. Los procedimientos para las
distribuciones de probabilidad de Poisson son parecidos a aquellos que se
describieron para la distribución de probabilidad binomial.
Excel tiene una función para calcular probabilidades para varias distribuciones
de probabilidad continuas, incluidas las distribuciones de probabilidad normal y
exponencial. En este apéndice se describe cómo usar Excel para calcular
probabilidades para cualquier distribución de probabilidad normal. Los
procedimientos para las distribuciones de probabilidad exponenciales y
continuas son similares a aquellos descritos para la distribución de probabilidad
normal.
El procedimiento de Excel para generar probabilidades es similar al
procedimiento que acabamos de describir. El paso 4 se puede utilizar para
elegir el nombre de la función expondist (distr.exp). El cuadro de diálogo del
paso 5 guiará al usuario a lo largo de los valores de entrada requeridos para
calcular la probabilidad buscada. Observe que el valor introducido en el cuadro
lambda es 1. Cuando se hace clic en ok (Aceptar) en el paso 5, la probabilidad
exponencial acumulada aparece en la hoja de trabajo.

Reporte de Aprendizaje Unidad 3

Cargado por

Copyright:

Formatos disponibles

Reporte de Aprendizaje Unidad 3

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Reporte de Aprendizaje Unidad 3

Cargado por

Copyright:

Formatos disponibles

Adriana Medina Novas

Reporte de Aprendizaje unidad 3.

valor esperado de una variable aleatoria discreta es un promedio ponderado de

número de ensayos) por p (la probabilidad de éxito en cualquier ensayo):

También podría gustarte