distribuciones de probabilidad
DESCRIPTION
Distribuciones de probabilidad. Matem á ticas aplicadas a las CCSS II Ana Pola IES Avempace. Ley de los grandes n ú meros. - PowerPoint PPT PresentationTRANSCRIPT
Distribuciones de probabilidad
Matemáticas aplicadas a las CCSS II
Ana PolaIES Avempace
Ley de los grandes números Al repetir, en condiciones estables, un gran número de veces un mismo experimento, las frecuencias relativas correspondientes a cada uno de los sucesos tienden a estabilizarse en un determinado valor.
Este valor recibe el nombre de probabilidad.
xi fi fri xi fi fri xi fi fri
1 14 0,117 1 173 0,144 1 736 0,153
2 16 0,133 2 201 0,168 2 806 0,168
3 18 0,150 3 221 0,184 3 835 0,174
4 29 0,242 4 177 0,148 4 766 0,160
5 20 0,167 5 202 0,168 5 825 0,172
6 23 0,192 6 226 0,188 6 832 0,173
Suma 120 1 Suma 1200 1 Suma 4800 1
Variable estadística Variable aleatoria
xi
1 1/6=0,166…
2 1/6=0,166…
3 1/6=0,166…
4 1/6=0,166…
5 1/6=0,166…
6 1/6=0,166…
Suma
pi
1
Del modelo experimental al modelo teórico
0,000
0,050
0,100
0,150
0,200
0,250
0,300
1 2 3 4 5 6
120 lanzamientos
0,000
0,050
0,100
0,150
0,200
0,250
0,300
1 2 3 4 5 6
1200 lanzamientos
0,000
0,050
0,100
0,150
0,200
0,250
0,300
1 2 3 4 5 6
4800 lanzamientos
Variable aleatoria Es una variable
numérica cuyo valor viene determinado por el azar.
Es una función tal que a cada suceso elemental del espacio muestral le asigna un número real.
Se lanza tres veces una moneda.Contamos el número de caras
E R
XXX
XXC
XCX
CXX
CCX
XCC
CXC
CCC
0
1
2
3
Función de probabilidad Llamamos función de probabilidad P de una variable aleatoria
X, o distribución de probabilidad de esa variable, a una función que hace corresponder a cada valor de la variable su probabilidad:
Como la variable aleatoria recorre todos los sucesos del espacio muestral, la suma de las probabilidades asociadas debe ser 1:
Distribuciones discretas de probabilidad 1 Una variable aleatoria es discreta cuando toma un
número de valores finito. Ejemplo 1:
Se tira un dado. Se define la variable aleatoria: puntuación obtenida.
A cada valor de la variable aleatoria se le asocia su probabilidad.
P(X = x1)+P(X = x2)+P(X = x3)+P(X = x4)+P(X = x5)+P(X = x6) == 1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 1
Suceso: s 1 2 3 4 5 6
X(s)=x i 1 2 3 4 5 6
p(x i)=P(X=x i) 1/6 1/6 1/6 1/6 1/6 1/6
0
1/6
1/3
1/2
2/3
5/6
1
1 2 3 4 5 6
Distribución uniforme
Distribuciones discretas de probabilidad 2 Ejemplo 2:
Se tira tres veces una moneda. Se define la variable aleatoria: número de caras.
P(X = x1)+P(X = x2)+P(X = x3)+P(X = x4) = 1/8 + 3/8 + 3/8 + 1/8 = 1.
Distribución no uniforme
Suceso: s XXX XXC XCX CXX XCC CXC CCX CCC
X(s)=x i 0 3
p(x i)=P(X=x i) 1/8 1/8
1
3/8
2
3/8
0,0
0,1
0,2
0,3
0,4
1 2 3 4
Valor esperado Llamamos valor esperado o esperanza matemática de la variable aleatoria X al valor:
La expresión valor esperado alude a los juegos de azar. Es la ganancia que se espera recibir, en promedio, por jugar a una sola opción en dicho juego.
Si E(X) = 0 no existe ventaja para el jugador ni para la “banca” Si E(X) > apuesta el juego es favorable al jugador Si E(X) < apuesta el juego es desfavorable al jugador
Dos ejemplos En el experimento del lanzamiento de 3 monedas:
= 0·1/8 + 1·3/8 + 2·3/8 + 3·1/8 = 12/8 = 1,5Es decir, por término medio, se espera que la mitad de las veces salga cara y la otra mitad cruz.
En una rifa de 10000 números, se vende cada uno a 10€ y hay la posibilidad de ganar un coche valorado en 12000€.La función de probabilidad es y la esperanza matemática es
Es decir, la ganancia media del jugador es 1,2 €.Para que la rifa fuera justa, cada número debería venderse a 1,2 €-
Sucesos perder ganar
X 0 12000
P(X)9999/100
001/10000
Varianza y desviación típica Dada una variable aleatoria discreta X, con su
correspondiente distribución de probabilidad, definiremos la varianza de esa distribución como:
Se puede demostrar que esta fórmula es equivalente a esta otra:
Llamaremos desviación típica de esta variable aleatoria a la raíz cuadrada de su varianza:
Un juego de azar con apuesta Una urna contiene 5 bolas: 3 rojas y 2 azules. Extraemos
dos bolas. Ganamos 100 € cuando salen 2 bolas rojas. Perdemos 20 € cuando salen de distinto color y 150 € cuando salen las azules.
En cada jugada esperamos ganar 3 €. Por tanto, en 100 jugadas la ganancia esperada sería de 300 €.El juego es arriesgado porque en una jugada la pérdida o ganancia se sitúa, muy probablemente, en el intervalo:
[3 - 74.03 , 3 + 74.03] = [-71.03 , 77.03]
r
r
ra
aa
3/5
2/5
2/4
2/4
3/4
1/4
P(rr) = 3/5·2/4 =3/10
P(ra) = 3/5·2/4 =3/10
P(ar) = 2/5·3/4 =3/10
P(aa) = 2/5·1/4 =1/10
Suceso: s rr ra ar rr
X(s)=x i 100 -150
p(x i)=P(X=x i) 3/10 1/10
-20
3/5