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
viernes, 6 de marzo de 2015
jueves, 5 de marzo de 2015
Probabilidad condicionada
Etiquetas:
Probabilidad,
probabilidad condicionada
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 ...
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),
$$E[X]=2$$
$\square$
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),
$$E[X]=2$$
$\square$
Etiquetas:
constante de normalización,
esperanza matemática,
series aritmético-geométricas,
suma de una serie aritmético-geométrica,
variable aleatoria,
variable aleatoria discreta
lunes, 2 de marzo de 2015
Cálculo de la abscisa dado el valor de la función de distribución de probabilidad de una variable aleatoria normal
ENUNCIDADO:
Sea una variable aleatoria $X$ con una distribución $N(1040,50)$. Calcular el valor de la abscisa $\alpha$ tal que $P\lbrace X \le \alpha \rbrace = 0'975$
SOLUCIÓN:
En términos de la variable aleatoria $Z$ ( normal tipificada, $N(0,1)$ ), podemos escribir $P\lbrace Z \le \alpha' \rbrace = 0'975$
Con este valor de probabilidad acumulada, consultamos las tablas de la función de distribución de probabilidad, $F(z)$, encontrando la siguiente abscisa: $\alpha'=1'96$.
Y, finalmente, de acuerdo con la transformación de tipificación, $Z=\dfrac{X-\mu}{\sigma}$,
$$1'96=\dfrac{\alpha-1040}{50}$$
con lo que, despejando, obtenemos $$\alpha=1'96\cdot 50+1040=1138$$
$\square$
Sea una variable aleatoria $X$ con una distribución $N(1040,50)$. Calcular el valor de la abscisa $\alpha$ tal que $P\lbrace X \le \alpha \rbrace = 0'975$
SOLUCIÓN:
En términos de la variable aleatoria $Z$ ( normal tipificada, $N(0,1)$ ), podemos escribir $P\lbrace Z \le \alpha' \rbrace = 0'975$
Con este valor de probabilidad acumulada, consultamos las tablas de la función de distribución de probabilidad, $F(z)$, encontrando la siguiente abscisa: $\alpha'=1'96$.
Y, finalmente, de acuerdo con la transformación de tipificación, $Z=\dfrac{X-\mu}{\sigma}$,
$$1'96=\dfrac{\alpha-1040}{50}$$
con lo que, despejando, obtenemos $$\alpha=1'96\cdot 50+1040=1138$$
$\square$
Etiquetas:
distribución de Gauss,
distribución normal,
variable aleatoria
Ejercicios con el modelo de distribución de probabilidad normal
ENUNCIADO:
Los salarios de los trabajadores de una cierta población, A, siguen una distribución $N(2000,\sigma)$. Se pide:
a) Calcular el valor de la desviación estándar, $\sigma$, para que la probabilidad de ganar más de $2100$ euros sea de $0'33$
b) Sabiendo que los salarios de otra población, B, siguen una distribución $N(2000,200)$, ¿ en cuál de las dos poblaciones es más fácil ganar más de $2100$ euros al mes ?
SOLUCIÓN:
(a)
Como $P\lbrace X_A \succ 2100 \rbrace = 0'33$ ( información del enunciado ), podemos escribir $P\lbrace X_A \le 2100 \rbrace = 1-0'33=0'67$
Veamos ahora cuál es la abscisa en las tablas de la función de distribución de $Z \sim N(0,1)$. Encontramos: $z_{0'67}=0'44$. Y como, al tipificar la variable aleatoria normal $X_A$, hacemos $Z=\dfrac{X_A-\mu}{\sigma}$, esto corresponde a
$z_{0'67}=\dfrac{x_{0'67}-2000}{\sigma}$, y teniendo en cuenta que $x_{0'67}$ es $2100$
encontramos
$$0'44=\dfrac{2100-2000}{\sigma}$$
despejando $\sigma$,
$$\sigma=\dfrac{100}{0'44} \approx 227 \, \text{euros}$$
(b)
Para contestar esta pregunta es necesario comparar los valores de $P\lbrace X_A \succ 2100 \rbrace $ y $P\lbrace X_B \succ 2100 \rbrace $, donde $X_A \sim N(2000, 227)$ y $X_B \sim N(2000, 200)$.
$P\lbrace X_A \succ 2100 \rbrace = P\lbrace Z_A \succ\dfrac{2100-2000}{227} \rbrace $ ( tipificando la variable $X_A$ ), que es igual a $P\lbrace Z_A \succ 0'44 \rbrace $, y por tanto a $1- P\lbrace Z_A \le 0'44 \rbrace \overset{\text{tablas} \, N(0,1)}{=} 1-0'6700 = 0'33$
Por otra parte, $P\lbrace X_B \succ 2100 \rbrace = P\lbrace Z_A \succ\dfrac{2100-2000}{200} \rbrace $ ( tipificando la variable $X_B$ ), que es igual a $P\lbrace Z_B \succ 0'5 \rbrace $, y por tanto a $1- P\lbrace Z_B \le 0'5 \rbrace \overset{\text{tablas} \, N(0,1)}{=} 1-0'6915 = 0'3085$
Y como $0'33 = P \lbrace X_A \succ 2100 \rbrace \succ P \lbrace X_B \succ 2100 \rbrace = 0'3085$, es más "fácil" ( probable ) ganar un salario de $2100$ euros en la población A que en la población B. $\square$
Los salarios de los trabajadores de una cierta población, A, siguen una distribución $N(2000,\sigma)$. Se pide:
a) Calcular el valor de la desviación estándar, $\sigma$, para que la probabilidad de ganar más de $2100$ euros sea de $0'33$
b) Sabiendo que los salarios de otra población, B, siguen una distribución $N(2000,200)$, ¿ en cuál de las dos poblaciones es más fácil ganar más de $2100$ euros al mes ?
SOLUCIÓN:
(a)
Como $P\lbrace X_A \succ 2100 \rbrace = 0'33$ ( información del enunciado ), podemos escribir $P\lbrace X_A \le 2100 \rbrace = 1-0'33=0'67$
Veamos ahora cuál es la abscisa en las tablas de la función de distribución de $Z \sim N(0,1)$. Encontramos: $z_{0'67}=0'44$. Y como, al tipificar la variable aleatoria normal $X_A$, hacemos $Z=\dfrac{X_A-\mu}{\sigma}$, esto corresponde a
$z_{0'67}=\dfrac{x_{0'67}-2000}{\sigma}$, y teniendo en cuenta que $x_{0'67}$ es $2100$
encontramos
$$0'44=\dfrac{2100-2000}{\sigma}$$
despejando $\sigma$,
$$\sigma=\dfrac{100}{0'44} \approx 227 \, \text{euros}$$
(b)
Para contestar esta pregunta es necesario comparar los valores de $P\lbrace X_A \succ 2100 \rbrace $ y $P\lbrace X_B \succ 2100 \rbrace $, donde $X_A \sim N(2000, 227)$ y $X_B \sim N(2000, 200)$.
$P\lbrace X_A \succ 2100 \rbrace = P\lbrace Z_A \succ\dfrac{2100-2000}{227} \rbrace $ ( tipificando la variable $X_A$ ), que es igual a $P\lbrace Z_A \succ 0'44 \rbrace $, y por tanto a $1- P\lbrace Z_A \le 0'44 \rbrace \overset{\text{tablas} \, N(0,1)}{=} 1-0'6700 = 0'33$
Por otra parte, $P\lbrace X_B \succ 2100 \rbrace = P\lbrace Z_A \succ\dfrac{2100-2000}{200} \rbrace $ ( tipificando la variable $X_B$ ), que es igual a $P\lbrace Z_B \succ 0'5 \rbrace $, y por tanto a $1- P\lbrace Z_B \le 0'5 \rbrace \overset{\text{tablas} \, N(0,1)}{=} 1-0'6915 = 0'3085$
Y como $0'33 = P \lbrace X_A \succ 2100 \rbrace \succ P \lbrace X_B \succ 2100 \rbrace = 0'3085$, es más "fácil" ( probable ) ganar un salario de $2100$ euros en la población A que en la población B. $\square$
Suscribirse a:
Entradas (Atom)

