ENUNCIADO:
Sea la variable discreta $X$ con la siguiente distribución de probabilidad: $\lbrace x_i=i, P_{X}(x_i)=k/2^i \rbrace$, $i=1,2,\ldots,n,\ldots$. Se pide:
a) Calcular el valor de la constante de normalización, $k$, para que la función de masa $P_{X}(i)$ esté bien definida
b) Calcular la esperanza matemática $E[X]$
SOLUCIÓN:
(a)
Para que la función de masa esté bien definida debe estar normalizada a la unidad, por tanto
$$\displaystyle \sum_{i=1}^{\infty}\,\dfrac{k}{2^i}=1$$
como $k$ es constante,
$$\displaystyle k\,\sum_{i=1}^{\infty}\,\left(\dfrac{1}{2}\right)^i=1$$
y despejando,
$$\displaystyle k = \dfrac{1}{\displaystyle \sum_{i=1}^{\infty}\,\left(\dfrac{1}{2}\right)^i}$$
El denominador es la suma de los $n$ términos consecutivos de una sucesión geométrica de razón $1/2$ y primer término igual a $1/2$, con $n \rightarrow \infty$, y que, por tanto es igual a $$\lim_{n \rightarrow \infty} \, \dfrac{1}{2}\left(\dfrac{\left(1/2\right)^{n}-1}{1/2-1}\right)=1$$
y por tanto
$$k=1$$
con lo cual
$$P_{X}(x_i)=1/2^i, i=1,2,\ldots,n,\ldots$$
(b)
Por definición de esperanza matemática de una variable aleatoria,
$$E[X]=\displaystyle \sum_{i=1}^{\infty}\,i\,\dfrac{1}{2^i} \quad \quad (1)$$
Así, pues, debemos averiguar ahora el valor de la suma de los infinitos términos de la sucesión aritmético-geométrica cuyos términos son $\dfrac{i}{2^i}$, para $i=1,2,\ldots, n, \ldots $
Denotando por $S_n$ a $\displaystyle \sum_{i=1}^{\infty}\,\dfrac{i}{2^i}$, podemos escribir:
$S_n=\dfrac{1}{2}+\dfrac{2}{2^2}+\dfrac{3}{2^3}+\dfrac{4}{2^4}+\ldots+\dfrac{n}{2^n}+\dfrac{n+1}{2^{n+1}}+\ldots$   (2)
y multiplicando ambos términos por $1/2$,
$\dfrac{1}{2}\,S_n=\quad \dfrac{1}{2^2}+\dfrac{2}{2^3}+\dfrac{3}{2^4}+\dfrac{4}{2^5}+\ldots+\dfrac{n}{2^{n+1}}+\ldots$   (3)
Restando la (3) de (2), miembro a miembro
$$\dfrac{1}{2}\,S_n=\dfrac{1}{2}+\dfrac{2-1}{2^2}+\dfrac{3-2}{2^3}+\dfrac{4-3}{2^4}+\ldots+\dfrac{n-(n-1)}{2^n}+\dfrac{(n+1)-1}{2^{n+1}}+\ldots$$
esto es
$$S_n=1+\dfrac{1}{2}+\dfrac{1}{2^2}+\dfrac{1}{2^3}+\ldots+\dfrac{1}{2^n}+\ldots$$
y como el segundo miembro es la suma de los infinitos términos de una sucesión geométrica de razón $r=\dfrac{1}{2}$ ( menor que uno y por tanto convergente ) y primer término igual a $1$, obtenemos
$$\displaystyle S_n=\lim_{n \rightarrow \infty}\,\dfrac{\left(1/2\right)^n-1}{1/2-1}=2$$
Por tanto, de (1),
$$E[X]=2$$
$\square$
Un blog con cuestiones, ejercicios, problemas, aplicaciones y comentarios relacionados con los contenidos de Matemáticas del segundo curso de Bachillerato en la modalidad de Ciencias Sociales
Mostrando entradas con la etiqueta esperanza matemática. Mostrar todas las entradas
Mostrando entradas con la etiqueta esperanza matemática. Mostrar todas las entradas
martes, 3 de marzo de 2015
Sea la variable discreta $X$ con la siguiente distribución de probabilidad: $\lbrace x_i=i, P_{X}(x_i)=k/2^i \rbrace$, $i=1,2,\ldots,n,\ldots$. Se pide ...
Etiquetas:
constante de normalización,
esperanza matemática,
series aritmético-geométricas,
suma de una serie aritmético-geométrica,
variable aleatoria,
variable aleatoria discreta
lunes, 23 de febrero de 2015
Media y varianza de una distribución binomial
Sea una variable aleatoria $X \sim B(n,p)$, entonces $E[X]=np$ y $V[X]=npq$, donde $p$ denota la probabilidad de éxito, y $q=1-p$, la probabilidad de fracaso, en cualquiera de las $n$ pruebas de Bernouilli independientes. Vamos a justificar estas propiedades.
Como las $n$ pruebas de Bernouilli $B(1,p)$ son independientes, podemos contemplar la variable aleatoria $X \sim B(n,p)$ como $X_1+\ldots+X_n$, donde $X_i \sim B(1,n)$, $i=1,\ldots, n$. Entonces, por las propiedades de la esperanza matemática, $E[X]=E[X_1]+\ldots+E[X_n]$; y como $E[X_i]=1\cdot p + 0 \cdot q = p$; así, $E[X]=p+\overset{n}{\ldots}+p=np$
Veamos ahora la varianza. Por el hecho de ser las $n$ pruebas de Bernouilli, $\lbrace X_i \rbrace$, independientes, y como $X=X_1+\ldots+X_n$, podemos escribir la varianza de $X$ como la suma de las varianzas de dichas variables aleatorias de Bernouilli, esto es $V[X]=V[X_i]+\ldots+V[X_n]$. Dichas varianzas tienen todas el mismo valor; calculémoslo: como $V[X_i]=E[X_{i}^{2}]-\left(E[X]\right)^2$; donde $\left(E[X_i]\right)^2=p^2$ y $E[X_{i}^{2}]=1^{2}\cdot p +0^2 \cdot q=p$, obtenemos $V[X_i]=p-p^2=p(1-p)=pq$ para $i=1,\ldots,n$. Así, $V[X]=pq+\overset{n}{\ldots}+pq=npq$. $\square$
Como las $n$ pruebas de Bernouilli $B(1,p)$ son independientes, podemos contemplar la variable aleatoria $X \sim B(n,p)$ como $X_1+\ldots+X_n$, donde $X_i \sim B(1,n)$, $i=1,\ldots, n$. Entonces, por las propiedades de la esperanza matemática, $E[X]=E[X_1]+\ldots+E[X_n]$; y como $E[X_i]=1\cdot p + 0 \cdot q = p$; así, $E[X]=p+\overset{n}{\ldots}+p=np$
Veamos ahora la varianza. Por el hecho de ser las $n$ pruebas de Bernouilli, $\lbrace X_i \rbrace$, independientes, y como $X=X_1+\ldots+X_n$, podemos escribir la varianza de $X$ como la suma de las varianzas de dichas variables aleatorias de Bernouilli, esto es $V[X]=V[X_i]+\ldots+V[X_n]$. Dichas varianzas tienen todas el mismo valor; calculémoslo: como $V[X_i]=E[X_{i}^{2}]-\left(E[X]\right)^2$; donde $\left(E[X_i]\right)^2=p^2$ y $E[X_{i}^{2}]=1^{2}\cdot p +0^2 \cdot q=p$, obtenemos $V[X_i]=p-p^2=p(1-p)=pq$ para $i=1,\ldots,n$. Así, $V[X]=pq+\overset{n}{\ldots}+pq=npq$. $\square$
Etiquetas:
distribución binomial,
esperanza matemática,
media,
varianza
Suscribirse a:
Entradas (Atom)