5/24/2018 Unidad1.ArreglosAleatorios-slidepdf.com http://slidepdf.com/reader/full/unidad-1-arreglos-aleatorios 1/20 1 Probabilidad II Unidad 1 Arreglos aleatorios Clave 50920415 Octubre de 2011
1
Probabilidad II
Unidad 1
Arreglos aleatorios
Clave
50920415
Octubre de 2011
2
II. Desarrollo de contenidos por unidad
Unidad 1. Arreglos Aleatorios
Presentacin de la unidad
Cuando se analizan situaciones aleatorias del entorno, generalmente no se interesa en
un espacio muestral (conjunto) sino en un evento (subconjunto), cuyos miembros tienen
una caracterstica comn, se debe analizar las probabilidades de ocurrencia y no
ocurrencia de tal evento. Para esto, es necesario que aprendas a hacer anlisis
cualitativo y cuantitativo de situaciones que se le presentan, para su interpretacin es
necesario emplear estrategias que surgen de la probabilidad.
De acuerdo con este planteamiento, la presente unidad proporciona elementos tericos
sobre arreglos aleatorios, distribuciones e independencia para estimar las posibilidades de
ocurrencia y no ocurrencia de resultados, incluido en las lecturas y ejercicios, que
permitirn el logro del aprendizaje a travs de la prctica.
Propsitos
Al finalizar la unidad:
Clasificars elementos dentro de un conjunto para formar subconjuntos.
Determinars una funcin de densidad conjunta mediante la distribucin de dos
variables.
Utilizars variables aleatorias condicionadas para obtener una distribucin
condicional.
Competencia especfica
Generar un sentido terico y prctico para estimar las posibilidades de ocurrencia de
resultados en las diversas situaciones que as lo requieran en problemas de su profesin.
3
1.1. Definiciones bsicas
Dentro de la ciencia de las matemticas, la teora de la probabilidad es responsable del
estudio de los experimentos aleatorios. Un experimento aleatorio es aquel que al repetirse
bajo las mismas condiciones iniciales, no produce el
mismo resultado.
Partiendo de esto, la teora de la probabilidad es
responsable de modelar matemticamente cualquier
experimento aleatorio ubicando arreglos aleatorios.
Un arreglo aleatorio es un conjunto, agrupacin o
zona de almacenamiento continuo, que contiene una
serie de elementos o variables del mismo tipo,
asociados a un proceso, cuyo resultado no es
previsible ms que en razn de la intervencin del
azar. El estudio de los fenmenos aleatorios queda
dentro del mbito de la teora de la probabilidad.
1.1.1 Sigmas lgebras
Sigma lgebra denotado por - algebra es una coleccin de subconjuntos del espacio
muestral que contiene el conjunto vaco y es cerrada bajo uniones contables y
complementacin de esos subconjuntos.
Observa que el conjunt potencia 2x siempre es un una - lgebra del conjunto X
Un espacio muestral puede tener ms de un -lgebra, y puede aplicar con las
operaciones de conjuntos ms comunes (unin, interseccin, complemento, diferencia,
etc.)
Notacin (conjunto de los subconjuntos). Sea X un conjunto.
Entonces denotemos por 2X al conjunto de todos los subconjuntos
de X, este conjunto se le llama conjunto potencia de X
Definicin de -algebra, espacio medible o evento. Una coleccin F de
subconjuntos de es una -lgebra si cumple las siguientes condiciones:
4
X F. F es cerrado bajo complementos: si A F, entonces X \A F. F es cerrado bajo uniones numerables: si Ai F para todo i N y
B =iN Ai, entonces B F.
Espacio muestral. El conjunto es llamado espacio muestral o espacio muestra, y tiene
como objetivo agrupar a todos los posibles resultados del experimento aleatorio en
cuestin. No es imprescindible darle esta interpretacin al conjunto , y matemticamente
se le considera entonces como un conjunto arbitrario.
Espacio de probabilidad. Un espacio de probabilidad es una terna (, F, P), en donde
es un conjunto arbitrario, F es una -algebra de subconjuntos de , y P es una medida de
probabilidad definida sobre F.
1.1.2. Ejemplos
Ejemplo 1.
Se tiene S= {1, 2, 3, 4}
Evaluar si S={, {1, 2, 3, 4}} es -lgebra
Para resolver este planteamiento, Tendramos que consultar las tres condiciones que nos
permiten verificar su pertenece a un -lgebra o no.
Solucin:
La condicin 1 se cumple, si A= {} entonces su complemento Ac = {{ 1, 2, 3, 4}}, y de
esta manera tambin se cumple la condicin 2.
Verificando la condicin 3 si A1 = , A2 = {1, 2, 3, 4} entones la condicin de ambos
conjuntos tambin pertenece al -lgebra An S
Ejemplo 2.
Sea el conjunto S = {1, 2, 3, 4,}
2. Evaluar si el conjunto S es -lgebra: S = {, {1}, {2}, {2, 3, 4}, {1, 3, 4}, {1, 2, 3, 4}}
Como se puede apreciar que las dos primeras condiciones se cumplen fcilmente. Para
el caso de la segunda condicin A={2}, su complemento Ac est en el conjunto S y todo
esto se da para todo conjunto potencial A.
5
Actividad 1. Sigma lgebra
Al finalizar la actividad sers capaz de:
Identificar un sigma lgebra.
Clasificar elementos en conjuntos y subconjuntos.
De acuerdo a lo descrito en el tema 1.1 Definiciones bsicas. Realiza lo siguiente:
1. Descarga el documento sigma lgebra. Ubicado en la pestaa de la unidad 1.
2. Observa la imagen y clasifica los elementos que pueden ser un conjunto y una
sigma lgebra.
3. Entra al foro sigma lgebra y presenta tu propuesta en el foro.
4. Entra al foro, lee con atencin las propuestas de tus compaeros y comenta una
de las propuestas de tus compaeros. No olvides que debes realizar tus
comentarios con claridad, precisin y respeto.
5. Concluye la actividad del foro mencionando un ejemplo de conjuntos con los
elementos que lo componen.
6. Consulta la Rbrica de participacin del foro en la seccin Material de apoyo.
1.2. Distribuciones
Por medio de las distribuciones podemos explicar y resolver algunos problemas de
probabilidad, en donde est implcito el azar y donde podemos tener diversas variables
para dar solucin o enfoque a los resultados solicitados.
Entre las principales distribuciones para Variables Aleatorias discretas tenemos:
Distribucin Uniforme
Distribucin de Bernoulli
b,axab
1)x(f
)b,a(x
ab
ax)x(F
)1,0(xP1)x(F)x1)(P1(Px)x(f
6
Distribucin Binomial
Distribucin Poisson
Distribucin Hipergeomtrica
Distribucin Multinomial
Distribucin Gamma
Distribucin Exponencial 0xa1)x(Fae)x(f axax
Distribucin Beta
Distribucin de Weibull
Distribucin de Gumbel
Distribucin Logstica
Distribucin de Pareto
rnr )P1(Pr
n)rS(P)r(f
!ke)kX(P
k
kx x
k
x
1
k1
kk11 PPxx
!n)xX,,xX(P
0x,dueu)a(
1)x(Fex
)a(b
1)x(f
b/x
0
u1ab
x
1a
a
)1,0(x)x1(x)b,a(
1)x(f 1b1a
0x0)X(F
0xe1)X(F
0x0)x(f
0xxea2)x(f
22
22
xa
xa2
xb
xaexpexp)X(F
xb
xaexp
b
xaexp
a
1)x(f
x
b
axexp1
1)x(F
x
b
axexp1b
b
axexp
)x(f
bx0)x(f
bxxab)x(f 1aa
)!nN!*(n
!N
)!knN)!*(kn(
!N
)!kN!*(k
!N
n
N
kn
N
k
N
)xX(p 2
2
1
121
7
Distribucin de Laplace
Distribucin de Cauchy
Distribucin Geomtrica
Distribucin Erlang
f x x x x( ; , )
( )exp( / ),
1
01
1.2.1. Distribucin conjunta
Si X y Y son dos variables aleatorias sobre un espacio de probabilidad comn (.A, P ).
Se les llama funcin de distribucin conjunta o simplemente distribucin conjunta de X y
Y, a la funcin.
F(x, y) = P (X x, Y y)
Para representarlos podemos utilizar dos formas FX,Y(x, y) o en su caso F(x,y). Estas dos
formas indican que es una distribucin conjunta de X e Y.
Para representarlo grficamente y poder darle una definicin, se pude mencionar que la
F(x,y) es la probabilidad de que el punto (x,y) se localice dentro del cuadrante que queda
abajo y a la izquierda del punto (x,y), incluyendo el borde.
Si analizamos las dos figuras podemos obtener de esta manera:
F(x,y) = P({w: X(w) x} {w: Y(w) y})
b
xaexp
2
11)x(Fy
b
axexp
2
1)x(F
xb
axexp
b2
1)x(f
x
b
axarctan
1
2
1)x(F
b)ax(
b)x(f
22
r)P1(P)r(f
y (x,y)
x
a
d (x,y)
b
b
c
a
8
Si unimos la formula anterior con los elementos de la formula obtenemos.
P(a < X b, c
9
1.2.2. Distribuciones marginales
Las funciones de probabilidad marginal de X y de Y son representadas por y
Se denotan por
De tal forma que para poder obtener la funcin de probabilidad marginal de X
, con un valor por ejemplo de 100, la distribucin de
se suman a los valores posibles de y para de esta formar obtener la
funcin de probabilidad marginal de X, sin hacer ninguna referencia a Y. De esta manera
es posible calcular las probabilidades de eventos en los que interviene de manera
excluyen X o Y.
Ejemplo:
En un experimento se obtuvieron los siguientes resultados que muestra la tabla de
frecuencias absolutas y que corresponde a 180 observaciones de una variable
bidimensional. Calcular las distribuciones marginales de X y de Y,
X \ Y 10 15 20 25 30 35
8 8 10 10 6 0 10
10 10 20 0 14 10 0
12 24 10 10 6 20 10
Respuesta:
La ltima fila contiene la distribucin marginal de la variable Y, y la ltima columna
contiene la distribucin marginal de la variable X.
X \ Y 10 15 20 25 30 35 nI
8 8 10 10 6 0 10 44
10 12 20 0 14 10 0 56
12 24 10 10 6 20 10 80
nj 44 40 20 26 30 20 180
10
Ejercicios
Sea (x, y) un vector aleatorio discreto con las siguientes distribuciones de probabilidad.
x/y 0 1 2 3
1 0 3/5 2/5 1/5
2 1/5 0 0 1/5
Calcular las distribuciones marginales de X e Y.
1.2.3. Vectores aleatorios discretos
Un vector aleatorio discreto es un modelo de probabilidad conjunta y se caracteriza por
una funcin de probabilidad conjunta, que es el resultado de cada uno de sus posibles
valores.
Entonces, un vector aleatorio (X, Y) es discreto cuando slo puede tomar un nmero finito
o numerable de valores, podemos apreciar lo anterior mediante una tabla de doble
entrada
X\Y y1 y2 y yn
x1
x2
x P( X=xn,; Y=yn )
xn
1.2.4. Densidades y densidades marginales
Las funciones de densidad de probabilidad marginal de X y Y, denotadas por y
vienen dadas por
11
1.2.5. Distribuciones condicionales
Sean X,Y dos variables aleatorias continuas con funcin de densidad de probabilidad
conjunta y la funcin de densidad de probabilidad marginal , se tiene que
para cualquier valor de x de X para el que , la funcin de densidad de
probabilidad condicional de Y dado que X=x es
*Notese que la formula es muy proxima a la probabilidad condicional de que
Es decir la probabilidad de que ocurra B dado que ya ocurrio A
Ya sabemos que si P(A) > 0
Si X y Y son variables aleatorias discretas y tenemos los eventos (A:X =x), (B: Y = y),
entonces (a) se convierte en
Donde f(x,y) = P(X=x, Y=y) es la funcin de probabilidad conjunta y f1 (x) es la funcin de
probabilidad marginal para X. Definimos
Y la llamamos funcin de probabilidad condicional de Y dado X. de igual manera, la
funcin de probabilidad condicional de X, dado Y, es
Definicin. (Funcin de distribucin condicional). Sea (X, Y) un vector aleatorio
absolutamente continuo con funcin de densidad f X,Y (x, y), y sea y tal que fY (y) 0. A
la funcin
12
Se le conoce como la funcin de distribucin condicional de X dado que Y toma el valor y.
Actividad 2. Identificacin de variables
Propsitos
Al finalizar la actividad sers capaz de resolver un ejercicio en el cual tienes que
identificar la funcin de distribucin de dos variables.
1. Resuelve los siguientes ejercicios en un documento de Word.
Ejercicio. Revisa las siguientes variables y asigna la letra que corresponda:
( ) Variable
independiente
a)
( ) Variable continua b)
( ) Variable aleatoria
discreta
c)
( ) Variable aleatoria d)
2. Envatu documento con la nomenclatura:PRO2_U1_A2_XXYZ. Sustituye las XX
por las dos letras de tu primer nombre, la Y por la inicial de tu apellido paterno y la
Z por la inicial de tu apellido materno. El peso del archivo no debe exceder los 4
MB.
3. Espera la retroalimentacin de tu facilitador(a).
Actividad 3. Agencia automotriz
Al finalizar la actividad sers capaz de determinar una funcin de densidad conjunta
mediante la distribucin de dos variables, aplicado en actividades que pueden realizar
robots en una agencia automotriz.
13
1. Descarga el documento Agencia automotriz. ubicada en la pestaa de la unidad
1
2. Lee y resuelve el problema que ah se plantea.
3. Enva tu documento con la nomenclatura PRO2_U1_A3_XXYZ. Sustituye las XX
por las dos letras de tu primer nombre, la Y por la inicial de tu apellido paterno y la
Z por la inicial de tu apellido materno. El peso del archivo no debe exceder los 4
MB.
4. Espera la retroalimentacin de tu facilitador(a).
Actividad 4. Distribucin condicional
Propsitos
Al finalizar la actividad sers capaz de resolver un ejercicio el cual implica un el desglose
de distribucin condicional.
1. Descarga y resuelve el siguiente problema: Distribucin condicional, ubicada
en la pestaa de la unidad 1.
2. Enva tu documento con la nomenclatura: PRO2_U1_A4_XXYZ. Sustituye las XX
por las dos letras de tu primer nombre, la Y por la inicial de tu apellido paterno y la
Z por la inicial de tu apellido materno. El peso del archivo no debe exceder los 4
MB.
3. Espera la retroalimentacin de tu facilitador(a).
1.3. Independencia
Dos eventos A y B son independientes si P (A|B)=P(A), de lo contrario son dependientes
o son independientes si y solo si la probabilidad de que ocurran ambos es el
producto de cada una de las probabilidades y lo podemos comprobar mediante
14
Se puede mencionar que dos eventos son independientes cuando uno de ellos no afecta
el resultado del otro, para representar esta definicin podemos ejemplificarlo de la
siguiente manera:
Ejemplo 1: Eventos independientes.
Lanzamiento de moneda (Primer evento)
El resultado puede ser cara o cruz
Lanzamiento de moneda (2 evento)
El resultado puede ser cara o cruz y no
depende del resultado del primer evento
Estos dos eventos son independientes
Ejemplo 2: Eventos no independientes
Cul es la probabilidad de lanzar dos dados. La suma de los resultados sea 7?
Son eventos no independientes o dependientes
Ejemplo:
Un equipo de ventas tiene una probabilidad de ganar en un negocio de 0.6 una
probabilidad de no ganar, ni perder de 0.3 y una probabilidad de perder el dinero invertido
El resultado del tiro
del Primer dado
El resultado del tiro
del segundo dado
15
de 0.1, si este equipo de ventas participa en dos negocios con las mismas caractersticas
determine la probabilidad de que:
a) Obtenga ganancias en el segundo negocio
b) Obtenga ganancias en ambos negocios
c) Obtenga ganancias en uno de los dos negocios
d) Obtenga ganancias en el primer negocio y pierda en el segundo negocio
Si representamos grficamente el problema tendramos lo siguientes:
Si identificamos el espacio muestral nos quedara de la siguiente forma:
(GG, GE, GP, EG, EE, EP, PG, PE, PP)
Solucin:
a) p (Ganancias en el Segundo Negocio)
= p (GG, GE, GP)
= (0.6) (0.6) + (0.6) (0.3)+ (0.6) (0.1)
= 0.18+ 0.06 + 0.18+ 0.06
= 0.48
b) p (Gane en ambos negocios)
p (G, G)
= (0.6) (0.6)
= 0.18
0.6 gane
0.6
0.3
0.1
0.3 ni gane , ni pierda
0.6
0.3
0.1
0.1 pierda
0.6
0.3
0.1
16
c) p (Gane en uno de los negocios)
= p (GE, GP, EG, PG)
= (0.6)(0.3)+(0.6)(0.1)+(0.3)(0.6)+(0.1)(0.6)
= 0.18 + 0.06 + 0.18 +0.06
=0.48
d) p (Gane en el primer negocio y ni gane, ni pierda en el segundo negocio)
= p (GE)
= (0.6)(0.3)
= 0.18
Ejercicio:
Resuelve el ejercicio siguiente para medir el avance de tu conocimiento.
En los juegos panamericanos del 2011, un boxeador mexicano gana 5 de 8 peleas en las
que compite, si este boxeador participara en tres peleas en categoras diferentes, en los
prximos 5 meses, determina la probabilidad de que:
a) Gane dos de las peleas
b) Si ganara dos peleas, Cul es la probabilidad sea que sea la primera y la tercera?
c) Qu gane la segunda pelea
1.3.1. Convolucin
La convolucin se puede mencionar que es un operador matemtico por el cual dos
funciones de transforman f y g en una tercera funcin, la cual se estudia, para ver la
magnitud en la que se superponen f y una versin trasladada e invertida de g.
La convolucion de f y g se denota como f * g, se determina como la integral del
producto de ambas funciones despus de desplazar una de ellas una distancia , es
decir:
( f * g ) ( t ) =
El intervalo de integracin depender del dominio sobre el que estn definidas las
funciones, en el caso de un rango de integracin finito, f y g se consideran a menudo
como extendidas.
17
Tomemos el siguiente ejemplo, sean dos funciones:
f ( t ) = e t y g ( t ) = Sen ( t )
Encontremos la convolucion de f y g, para esto emplearemos de la integracin por
partes:
e t * Sen (t) =
=
Cabe mencionar que las leyes conmutativa, asociativa y distributiva se pueden aplicar,
como se aprecia a continuacin:
Ley Conmutativa: f * g = g * f
Ley Asociativa ( f * g ) * h = f * ( g * h )
Ley Distributiva f * ( g + h ) = f * g + f * h
La convolucion la podemos encontrar en muchas aplicaciones de ingeniera y
matemticas, como veremos a continuacin.
1.3.2. Aplicaciones de la Convolucin
Algunas de las aplicaciones de convolucin, las enlistamos a continuacin:
Cuando se manejan la suma de dos variables independientes se puede
mencionar que es la convolucin de cada una de sus distribuciones de
probabilidad
En estadstica, un promedio mvil ponderado es una convolucin.
En ptica muchos tipos de manchas se describen con convoluciones. Por ejemplo
la sombra que proyecta un cuerpo entre una fuente de luz y un fondo es la
convolucin de la forma de la fuente de luz que crea la sombra y del cuerpo que
se est proyectando
18
En el campo de la acstica se representa una convolucin cuando el sonido
original estn en funcin con los objetos que la reflejan.
Este es un ejemplo de convolucin en un dispositivo ptico
Autoevaluacin
Felicidades, haz llegado al final de la Unidad.
Para finalizar la unidad resuelve el siguiente crucigrama, al contenido visto en la unidad.
Analiza cada pregunta y de acuerdo a eso anota la respuesta en el nmero del cuadro
que corresponda.
HORIZONTALES
1. -algebra es un evento o espacio?
2. Es un tipo de variable al cual no se le puede medir exactamente
VERTICALES
3. son los elementos de un conjunto
4. Es el tipo de distribucin donde X es simplemente la Ley de probabilidad de X
haciendo caso omiso de la informacin de Y.
5.
esta es una funcin de probabilidad
PSF
Objeto
Imagen
19
Evidencia de aprendizaje. Caso de estudio distribucin condicional
Al finalizar la actividad sers capaz de resolver ejercicios que implican el desglose de
distribucin condicional.
1. Descarga el documento llamado Estudio distribucin condicional.ubicada en la
pestaa de la unidad 1.
2. Resuelve el problema que en el documento se plantea.
3. Guarda tu documento con la siguiente nomenclatura PRO2_U1_EA_XXYZ.
4. Recuerda sustituir las XX por las dos primeras de tu primer nombre, la Y por la
inicial de tu apellido paterno y la Z por la inicial de tu apellido materno.
5. Enva el documento a tu facilitador (a) mediante la herramienta de Portafolio de
Evidencias.
20
Autorreflexiones
Al finalizar, consulta el Foro: Preguntas de autorreflexin para realizar el ejercicio
correspondiente y enviarlo a travs de la herramienta Autorreflexiones, recuerda que
tambin se toman en cuenta para la calificacin final.
Para saber ms
Puedes revisar la siguiente pgina:
http://www.gestiopolis.com/recursos/experto/catsexp/pagans/eco/45/probabeco.htm
La informacin mencionada en la pgina de Gestiopolis.com te permitir obtener un
panorama ms amplio de distribucin de probabilidad, variable aleatoria y valor esperado.
Podrs obtener un ejemplo especfico y determinar procesos de mejora para resolver los
ejercicios planteados en el programa desarrollado.
Otra pgina que te recomendamos consultar es:
http://www.uaq.mx/matematicas/estadisticas/xu4-5.html
Fuentes de consulta
Milton J y Arnold J. (2004). Probabilidad y estadstica con aplicaciones para ingeniera y
ciencias computacionales. Mxico: Mc Graw Hill.
Rincon L. (2007). Curso intermedio de probabilidad. Mxico: Departamento de
matemticas, Facultad de Ciencias, UNAM.
Spiegel M. (2006). Probabilidad y estadstica. Madrid: Mc Graw Hill.