


Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
variables aleatorias geométrica y su utilidad
Tipo: Apuntes
1 / 4
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!



Variable Aleatoria Geométrica El modelo geométrico se origina con el mismo experimento repitiéndose un número indefinido de veces. Los experimentos son independientes, en cada repetición caben dos alternativas: que ocurre un suceso A con probabilidad p , o que ocurre un suceso B con probabilidad 1 – p. El experimento se detiene cuando ocurre por primera vez el suceso A. La variable aleatoria geométrica es X , el número de repeticiones necesarias para que ocurra A. El conjunto de resultados posibles es entonces infinito, por ejemplo S = {A, BA, BBA, BBBA, …}. En este caso la variable X será 1 si A ocurre en el primer experimento, 2 si ocurre en el segundo, 3 si ocurre en el tercero, 4 si ocurre en el cuarto y así siguiendo. Las probabilidades asociadas con cada valor de la variable son: P( x = 1 ) = P( A ) = p P( x = 2 ) = P( BA ) = P( B )·P( A ) = ( 1 - p )· p (por la independencia) P( x=3 ) = P( BBA ) = P( B )·P( B )·P( A ) = ( 1 - p ) 2 · p La función de distribución de la variable geométrica es f(x)=P(x)=1-px-1.p ver figura 2 Se puede probar que la esperanza y la varianza de este modelo son: EJEMPLO 1 Modelo geométrico Un estudiante tiene un examen a las 8.00 de la mañana. Ese día se queda dormido y llega a la parada del colectivo que lo lleva a la facultad a las 7.40 hs. El colectivo tiene una frecuencia de 10 minutos en horas pico (desde las 7.00 hasta las 9.00 hs.) y el recorrido demanda 10 minutos. En este horario la probabilidad que el colectivo pase lleno y no pare es 75%. ¿Cuál es la probabilidad de que logre subir en el tercer colectivo que pase y llegue a horario al examen? La probabilidad que el colectivo pase vacio es la que interesa pues si pasa vacio el estudiante logra subir y se acaba el experimento. La probabilidad que pase lleno es dato, es 0,75 = 1 – p , la probabilidad que pase vacio es p = 0,25, x = 3 P( x ) = ( 1 - p )x-1· p P(x=3) = (1 – 0,25)3-1 (0,25) = 0, La probabilidad que llegue a horario a rendir el examen es de 0,14. Modelo Binomial Algunos datos geológicos provienen de poblaciones de datos nominales que tienen solamente dos categorías. Cada pozo perforado puede tener petróleo o no tenerlo, cada alumno puede aprobar o
desaprobar una prueba, etc., es decir son variables Bernoulli. Considere los experimentos que consisten en la observación de una serie de n variables Bernoulli, o sea pruebas idénticas e independientes que generar solamente dos resultados. Experimentos de este tipo originan variables que se adecuan al modelo binomial y reúnen las siguientes características: a) El experimento consta de n pruebas idénticas. b) Cada prueba tiene solamente dos resultados posibles. Se llama a uno éxito E y al otro fracaso F. c) La probabilidad de tener éxito en una sola prueba es igual a p , y permanece constante de prueba en prueba. La probabilidad de fracaso es igual a q = (1 - p). d) Las pruebas son independientes, es decir el resultado de una prueba no influye sobre el de las otras. e) La variable aleatoria bajo estudio es X , el número de éxitos observados en las n pruebas. f) La variable aleatoria binomial es discreta y tiene n + 1 valores posibles. g) La función de probabilidad que permite calcular la probabilidad de obtener exactamente x éxitos en las n pruebas independientes de un experimento, con p como la probabilidad de éxito es: Donde (n/x), son las combinaciones posibles de n elementos tomados en grupos de x elementos, La distribución binomial es simétrica cuando p = 0,5 y asimétrica cuando p ≠ 0,5. La asimetría es derecha cuando p < 0,5 y es a la izquierda para p > 0,5 (Fig. 3 a, b y c). Además, la asimetría se reduce al aumentar n. h) La función se probabilidad binomial se define con dos parámetros n y p. Además, el modelo binomial deriva su nombre del hecho que es un término de la expansión del binomio ( q + p ) n. i) La Esperanza de una variable binomial es E(X) = n·p. j) La varianza de una variable binomial es V(X) = n·p·q. k) La función de distribución acumulada de una variable binomial, como la de cualquier variable aleatoria discreta, da la probabilidad de obtener r éxitos ó menos en n pruebas, con r n , y se obtiene sumando las probabilidades individuales para todos los valores binomiales iguales o menores a r , es decir:
transforman en dicotómicas como el porcentaje de carbonato que define si una roca es o no una caliza o la concentración de un metal pesado límite para precisar si los sedimentos de un río están o no contaminados.