Académique Documents
Professionnel Documents
Culture Documents
ndice
Modelos de probabilidad
Julio de 2011
ndice
ndice I
Variables aleatorias
1
2
Denicin
Generalidades
Probabilidad
1
2
3
4
5
6
7
8
ndice
ndice II
Modelos de probabilidad
Clasicacin de los modelos de probabilidad
Caracterizacin de los modelos de probabilidad
Parmetros de los modelos de probabilidad
ndice
ndice III
La funcin de distribucin
1
ndice
Variables aleatorias I
Objetivo
ndice
ndice
ndice
ndice
ndice
10
ndice
11
ndice
12
ndice
Qu es la probabilidad?
ndice
Si E es el suceso seguro:
P (E ) = 1
14
P (S ).
j
=1
ndice
ndice
Observaciones
16
ndice
17
ndice
O bien,
P
18
19
ndice
condicionada
a la
( | )=
P S1 S2
S2 )
,
P (S2 )
P S1
de donde:
(
P S1
ndice
Probabilidad VIII
( | ) = P (S1 )
P S1 S2
20
( | ) = P (S2 )
P S2 S1
ndice
Probabilidad IX
Observacin
21
ndice
Probabilidad X
Observaciones
22
ndice
Observaciones
23
24
ndice
P S
Casos favorables
Casos posibles
ndice
25
1
4 3
=
40 39 130
ndice
ndice
Modelos de probabilidad I
ndice
Modelos de probabilidad II
29
ndice
ndice
30
ndice
31
ndice
32
33
ndice
ndice
Grcamente:
La ordenada en cada
punto representa la
probabilidad de que la
variable tome ese valor.
34
ndice
Observaciones
ndice
() = 0,19;
( 2 ) = 0,32;
( 3 ) = 0,26;
( 4 ) = 0,23.
Como
f (x ) 0, para x {, 2 , 3 , 4 } y
f () + f ( 2 ) + f ( 3 ) + f ( 4 ) = 1.
36
ndice
p xi
con
= 1, 2, . . .
entonces:
=
X
i
xi pi
=1
Y
2
X
i
37
=1
(xi )2 pi .
38
ndice
El proceso de Bernoulli I
ndice
El proceso de Bernoulli II
ndice
El modelo binomial I
Definicin
(
P X
= k) =
n
k
p
(1 p )nk
ndice
El modelo binomial II
2 = np (1 p ).
41
42
ndice
43
ndice
El proceso de Poisson I
ndice
El proceso de Poisson II
ndice
El modelo Poisson I
Definicin
P X
45
= k) =
ndice
El modelo Poisson II
En un modelo P ():
=
2 = .
ndice
= X1 + X2 + + Xn
47
48
ndice
ndice
49
ndice
Grcamente,
P (a X b) =
50
Rb
a
f(x) dx.
ndice
Observaciones
ndice
(x ) =
x+
7
cuando
4
[10 5; 30 5]
0
en otro caso
Como f (x ) 0 para todo x , y adems
R +
f (x ) = 1
Resulta que f es una funcin de densidad.
52
ndice
Grcamente,
Observacin
(3 5, 1)
b
1,5
3,5
ndice
xf
(x )dx .
Y
2
54
(x )2 f (x )dx .
ndice
El modelo Normal I
1
e 2
f (x ) =
2
55
2
ndice
El modelo Normal II
Grcamente,
P (a X b) =
Rb
a
f(x) dx.
ndice
57
ndice
El modelo Normal IV
58
ndice
El modelo Normal V
En cualquier variable N (, ) se
cumple que:
P
( X + ) = 00 6827
b
b
+
06827
ndice
El modelo Normal VI
En cualquier variable N (, ) se
cumple que:
P
(2 X +2) = 00 9545
b
b
+ 2
09545
ndice
En cualquier variable N (, ) se
cumple que:
P
(3 X +3) = 00 9973
b
b
+ 3
09973
62
ndice
= 3.
N (, ):
Z
N (0, 1)
ndice
63
64
ndice
El modelo exponencial I
(t ) = e t
= .
ndice
El modelo exponencial II
65
ndice
66
(t ) = e t .
ndice
La t de Student I
67
ndice
La t de Student II
68
69
ndice
La
ndice
La
II
70
ndice
La funcin de distribucin I
( ) = P (X x0 )
F x0
72
ndice
La funcin de distribucin II
P (X x0 )
0
b
x0
x0
P (X x0 )
ndice
F ak
73