Professional Documents
Culture Documents
n
i=1
P(B
i
)P(A|B
i
)
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.29/45
Teorema de Bayes
P(B
k
|A) =
P(B
k
)P(A|B
k
)
P(A)
P(B
k
|A) =
P(B
k
)P(A|B
k
)
n
i=1
P(B
i
)P(A|B
i
)
Ejemplo: Respecto al ejemplo anterior, determine la
probabilidad de que una lmpara defectuosa haya sido
comprada al proveedor Y.
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.29/45
Teorema de Bayes
P(B
k
|A) =
P(B
k
)P(A|B
k
)
P(A)
P(B
k
|A) =
P(B
k
)P(A|B
k
)
n
i=1
P(B
i
)P(A|B
i
)
Ejemplo: Respecto al ejemplo anterior, determine la
probabilidad de que una lmpara defectuosa haya sido
comprada al proveedor Y.
P(Y |D) =
P(D|Y )P(Y )
P(D)
P(Y |D) =
(0.05)(0.4)
0.034
= 0.588
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.29/45
Variable aleatoria
Una variable aleatoria es una funcin que asigna un valor
numrico a cada elemento del espacio muestral. Puede
ser discreta o continua. Ejemplos:
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.30/45
Variable aleatoria
Una variable aleatoria es una funcin que asigna un valor
numrico a cada elemento del espacio muestral. Puede
ser discreta o continua. Ejemplos:
X: Suma de los nmeros obtenidos al lanzar dos dados.
X es una variable aleatoria discreta que puede tomar los
valores 2,3,4,..,12
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.30/45
Variable aleatoria
Una variable aleatoria es una funcin que asigna un valor
numrico a cada elemento del espacio muestral. Puede
ser discreta o continua. Ejemplos:
X: Suma de los nmeros obtenidos al lanzar dos dados.
X es una variable aleatoria discreta que puede tomar los
valores 2,3,4,..,12
X: Nmero de caras obtenidas al lanzar 2 monedas. X es
una variable aleatoria discreta que puede tomar los
valores 0,1 y 2
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.30/45
Variable aleatoria
Una variable aleatoria es una funcin que asigna un valor
numrico a cada elemento del espacio muestral. Puede
ser discreta o continua. Ejemplos:
X: Suma de los nmeros obtenidos al lanzar dos dados.
X es una variable aleatoria discreta que puede tomar los
valores 2,3,4,..,12
X: Nmero de caras obtenidas al lanzar 2 monedas. X es
una variable aleatoria discreta que puede tomar los
valores 0,1 y 2
X: instante en que fallar una lmpara. X es una variable
aleatoria continua
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.30/45
Funcin de probabilidad
La probabilidad de que la variable aleatoria discreta X
tome el valor de 2 se denota P(X = 2). La funcin de
probabilidad de X se denota f(x) y se dene como:
f(x) = P(X = x)
f(x) tambien se conoce como distribucin de
probabilidad
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.31/45
Funcin de probabilidad
La probabilidad de que la variable aleatoria discreta X
tome el valor de 2 se denota P(X = 2). La funcin de
probabilidad de X se denota f(x) y se dene como:
f(x) = P(X = x)
f(x) tambien se conoce como distribucin de
probabilidad
Se debe cumplir:
f(x) 0
x
f(x) = 1
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.31/45
Funcin de distribucin acumulada
Esta funcin reporta la probabilidad de que la variable
aleatoria discreta X tome un valor menor a x, se denota
F(x) y se dene como:
F(x) = P(X x) =
tx
f(t)
Si a b entonces F(a) F(b)
F() = 0 y F() = 1
f(x
i
) = F(x
i
) F(x
i1
)
P(a < X b) = F(b) F(a)
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.32/45
Ejemplo: 2 Dados
X: Suma de los nmeros obtenidos al lanzar dos dados.
2 3 4 5 6 7 8 9 10 11 12
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
Funcin de distribucin de
probabilidad
0 2 4 6 8 10 12 14
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Funcin de distribucin acumulada
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.33/45
Funcin de densidad de probabilidad
Para variables aleatorias contnuas, la funcin f(x)
conocida como densidad, es aquella para la que se
cumple:
P(a < X < b) =
_
b
a
f(x)dx
10 8 6 4 2 0 2 4 6 8 10
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
Nota: f(x) 0 x > 0
Importante:
_
f(x)dx = 1
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.34/45
Funcin de distribucin acumulada
F(x) = P(X x) =
_
x
f(v)dv
8 6 4 2 0 2 4 6 8
0
0.2
0.4
0.6
0.8
PDF
8 6 4 2 0 2 4 6 8
0
0.2
0.4
0.6
0.8
1
CDF
Nota:f(x) =
dF(x)
dx
Nota:P(a < X b) = F(b) F(a)
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.35/45
En las distribuciones contnuas:
A diferencia de las distribuciones discretas, en las
distribuciones continuas:
P(a < X < b) = P(a < X b) =
= P(a X < b) = P(a X b)
P(X = a) = 0
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.36/45
Ejemplo
El desgaste en miles de Km que experimenta cierto tipo
de neumtico es una variable aleatoria con densidad:
f(x) =
_
1
30
e
x
30
x > 0
0 x < 0
Determine la probabilidad de que un neumtico dure
menos de 20,000 Km
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.37/45
Ejemplo
El desgaste en miles de Km que experimenta cierto tipo
de neumtico es una variable aleatoria con densidad:
f(x) =
_
1
30
e
x
30
x > 0
0 x < 0
Determine la probabilidad de que un neumtico dure
menos de 20,000 Km
P(X > 20) =
_
20
0
1
30
e
x
30
dx =
_
e
x
30
20
0
P(X > 20) = [e
20
30
1] = 0.4866
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.37/45
Distribuciones Conjuntas
Suponga que se lanzan dos monedas
X: Nmero de caras obtenidas en el primer lanzamiento
Y: Nmero de caras obtenidas en el segundo lanzamiento
1
0.5
0
0.5
1
1.5
2
1
0.5
0
0.5
1
1.5
2
0
0.1
0.2
0.3
0.4
PDF
1
0.5
0
0.5
1
1.5
2
1
0
1
2
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
CDF
x=1
x=0
y=1
y=0
f(x, y) = 1
f(0, 0) +f(0, 1) +f(1, 0) +f(1, 1) =
1
4
+
1
4
+
1
4
+
1
4
= 1
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.38/45
50 Refrigeradores
X: Nmero de defectos de acabado
Y: Nmero de defectos mecnicos
Y \ X 0 1 2 3 4 5 f
2
(y)
0 11/50 4/50 2/50 1/50 1/50 1/50 20/50
1 8/50 3/50 2/50 1/50 1/50 0 15/50
2 4/50 3/50 2/50 1/50 0 0 10/50
3 3/50 1/50 0 0 0 0 4/50
4 1/50 0 0 0 0 0 1/50
f
1
(x) 27/50 11/50 6/50 3/50 2/50 1/ 50 1
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.39/45
Densidad multivariable
P(a < X < b, c < Y < d) =
_
b
a
_
d
c
f(x, y)dydx
_
f(x, y)dydx = 1
f(x, y) 0 x y
P(X x, Y y) = F(x, y) =
_
x
_
y
f(x, y)dydx
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.40/45
Densidad marginal
f
1
(x) =
_
f(x, y)dy
f
2
(y) =
_
f(x, y)dx
En general:
f
k
(x
1
, x
2
, .., x
k1
, x
k+1
, .., x
n
) =
_
f(x
1
, x
2
, .., x
n
)dx
k
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.41/45
Determine P(0 < X <
1
2
, 1 < Y < 2)
f(x, y) =
_
3
5
(xy + x
2
) 0 < x < 1, 0 < y < 2
0 en cualquier otra parte
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.42/45
Determine P(0 < X <
1
2
, 1 < Y < 2)
f(x, y) =
_
3
5
(xy + x
2
) 0 < x < 1, 0 < y < 2
0 en cualquier otra parte
P(0 < X <
1
2
, 1 < Y < 2) =
_
2
1
_ 1
2
0
3
5
(xy + x
2
)dxdy
_
2
1
_
3x
2
y
10
+
3x
3
15
1
2
0
dy =
_
2
1
3y
40
+
1
40
dy =
_
3y
2
80
+
y
40
2
1
=
11
80
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.42/45
Independencia
Dos Variables aleatorias X y Y son independientes si y
solo si:
f(x, y) = f
1
(x)f
2
(y)
En general, las variables aleatorias X
1
, X
2
, ..., X
n
son
independientes si y solo si:
f(x
1
, x
2
, .., x
n
) = f
1
(x
1
)f
2
(x
2
) . . . f
n
(x
n
)
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.43/45
Ejemplo
Son independientes las variables X y Y? dado:
f(x, y) =
_
3
5
(xy + x
2
) 0 < x < 1, 0 < y < 2
0 en cualquier otra parte
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.44/45
Ejemplo
Son independientes las variables X y Y? dado:
f(x, y) =
_
3
5
(xy + x
2
) 0 < x < 1, 0 < y < 2
0 en cualquier otra parte
f
1
(x) =
_
2
0
3
5
(xy + x
2
)dy =
_
3xy
2
10
+
3x
2
y
5
2
0
=
12x
10
+
6x
2
5
f
2
(y) =
_
1
0
3
5
(xy + x
2
)dx =
_
3x
2
y
10
+
3x
3
15
1
0
=
3y
10
+
3
15
f
1
(x)f
2
(y) =
6
5
(x + x
2
)
1
10
(3y + 2)
f
1
(x)f
2
(y) =
3
25
(3xy + 2x + 3x
2
y + 2x
2
) =
3
5
(xy + x
2
)
Por tanto, X y Y no son variables independientes
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.44/45
Densidad condicional
f(x|y) =
f(x, y)
f
2
(y)
f(y|x) =
f(x, y)
f
1
(x)
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.45/45
Densidad condicional
f(x|y) =
f(x, y)
f
2
(y)
f(y|x) =
f(x, y)
f
1
(x)
Determinar P(X <
1
2
|y = 1) Para el ejemplo
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.45/45
Densidad condicional
f(x|y) =
f(x, y)
f
2
(y)
f(y|x) =
f(x, y)
f
1
(x)
Determinar P(X <
1
2
|y = 1) Para el ejemplo
f(x|y) =
3
5
(xy+x
2
)
1
10
(3y+2)
=
6x(x+y)
3y+2
P(X <
1
2
|y = 1) =
_ 1
2
0
f(x|1)dx =
_ 1
2
0
6x(x+1)
5
dx
P(X <
1
2
|y = 1) =
6
5
_
x
3
3
+
x
2
2
1
2
0
=
6
5
(
1
24
+
1
8
) =
1
5
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.45/45
Este libro fue distribuido por cortesa de:
Para obtener tu propio acceso a lecturas y libros electrnicos ilimitados GRATIS
hoy mismo, visita:
http://espanol.Free-eBooks.net
Comparte este libro con todos y cada uno de tus amigos de forma automtica,
mediante la seleccin de cualquiera de las opciones de abajo:
Para mostrar tu agradecimiento al autor y ayudar a otros para tener
agradables experiencias de lectura y encontrar informacin valiosa,
estaremos muy agradecidos si
"publicas un comentario para este libro aqu".
INFORMACIN DE LOS DERECHOS DEL AUTOR
Free-eBooks.net respeta la propiedad intelectual de otros. Cuando los propietarios de los derechos de un libro envan su trabajo a Free-eBooks.net, nos estn dando permiso para distribuir dicho
material. A menos que se indique lo contrario en este libro, este permiso no se transmite a los dems. Por lo tanto, la redistribucin de este libro sn el permiso del propietario de los derechos, puede
constituir una infraccin a las leyes de propiedad intelectual. Si usted cree que su trabajo se ha utilizado de una manera que constituya una violacin a los derechos de autor, por favor, siga nuestras
Recomendaciones y Procedimiento de Reclamos de Violacin a Derechos de Autor como se ve en nuestras Condiciones de Servicio aqu:
http://espanol.free-ebooks.net/tos.html