La app de estudio todo en uno
4.8 • +11 mil reviews
Más de 3 millones de descargas
Free
Seguro que recuerdas que lanzar un par de dados es un experimento de probabilidad. En este caso, hay la misma probabilidad de obtener cara que cruz. También seguro que sabes que muchos juegos de azar están relacionados con la probabilidad. En estos casos, por ejemplo, cada resultado tiene cierta probabilidad de que ocurra.Esto se parece un poco a las funciones…
Explore our app and discover over 50 million learning materials for free.
Lerne mit deinen Freunden und bleibe auf dem richtigen Kurs mit deinen persönlichen Lernstatistiken
Jetzt kostenlos anmeldenSeguro que recuerdas que lanzar un par de dados es un experimento de probabilidad. En este caso, hay la misma probabilidad de obtener cara que cruz. También seguro que sabes que muchos juegos de azar están relacionados con la probabilidad. En estos casos, por ejemplo, cada resultado tiene cierta probabilidad de que ocurra.
Esto se parece un poco a las funciones \(y=f(x)\) donde, por cada posible resultado \(f(x)\), hay una probabilidad que esto ocurra o \(y\). Eso significa que hay una función que nos dice la probabilidad de que algo pase. Esta se llama bastante obviamente, la función de probabilidad.
En probabilidad hay dos tipos de distribuciones que pueden ser:
Discretas: toman solo ciertos valores en un intervalo.
Continuas: toman cualquier valor en un rango específico.
Ambas tienen una función que define la probabilidad de que se obtenga un valor o la probabilidad de que un valor esté cerca de cierto rango.
Expliquemos un poco más.
Cuando se tiene una distribución de probabilidad discreta —es decir, que nos da valores separados entre sí— podemos hablar de una función de probabilidad, también conocida como función de masa de probabilidad. La definición exacta sería:
La función de masa de probabilidad nos dice la probabilidad de que una variable aleatoria discreta tome un valor específico.
Si se tira una perinola de diez lados, la función de masa de probabilidad nos arrojará \(\frac{1}{10}\) para cada posible resultado.
Solo en caso de que algo extraordinario suceda, algún resultado será menos probable que el otro.
Como vimos hace un rato, no todas las distribuciones son discretas. Vamos a explicarlo detalladamente con la ayuda de un ejemplo:
Supongamos que tenemos un bus que llega cada treinta minutos, pero tiene retrasos: a veces llega más tarde o más temprano. Por tanto, se puede decir que tiene ciertas desviaciones. Si la mayoría de las veces llega alrededor de cada treinta minutos y la probabilidad de que llegue antes o después decrece, lo que se tendría es una distribución normal como la siguiente:
Fig. 1: Imagen de una distribución que sigue la forma de una distribución normal de probabilidad.
Esta curva presenta los siguientes atributos:
La mayor probabilidad de que el bus llegue a cierta hora, o cada treinta minutos, es el valor central y el máximo (también conocido como la media); en este caso, en cero.
Debido a que el bus debe llegar en algún punto cada treinta minutos, es casi \(100\%\) seguro que llegará en el intervalo \([-a=-30, a=30]\). Por lo tanto, definimos que la curva tiene un área con un valor de \(1\).
De este modo, los valores a lo largo de la curva nos dicen qué tan probable es que el bus llegue antes o después del tiempo indicado.
Al igual que la función masa de probabilidad, los valores de esta función miden la probabilidad de que obtengamos cierto resultado. En este caso, la función está definida como:
\[P(a \leq X \leq b)=\int_a^b f(x)dx \]
Aquí \(a\) y \(b\) son los límites del intervalo.
Por ejemplo, en nuestro caso, si sabemos que el bus pasa con seguridad en un intervalo de tiempo, \(a\) sería el límite inferior y \(b\) el superior.
Pudimos observar la propiedad que nos dice que el área bajo la curva vale uno. Si la probabilidad de que el bus pase en el intervalo de \([a, b]\) es del \(100\%\), entonces la integral debe valer uno.
La varianza y la media también se pueden definir usando integrales y la función de densidad de probabilidad para las distribuciones continuas:
\[\mu=E(X)=\int_{-\infty}^{\infty} xf(x)dx\]
\[\sigma^2=\int_{-\infty}^\infty (x-\mu^2)f(x)dx \]
Generalmente, la función de probabilidad te es dada en tus cursos o problemas. Por tanto, tener que encontrarla es poco probable en tus cursos de bachillerato. Sin embargo, te diremos que la función se nombrará frecuentemente en tus problemas como \(P(x)\).
Hagamos unos ejemplos sencillos, para que te familiarices con las operaciones.
En un experimento hay una variable aleatoria que sigue la siguiente distribución:
\(P(x)=\frac{2}{3}x\) en el intervalo de \([1, 2]\) y \(P(x)=0\) en cualquier otro valor.
¿Cuál es el valor de la función en el punto 3?
Solución:
Vemos que la función se anula para todos los puntos antes de 1 y después de 2; sea cual sea este experimento, solo tenemos valores no nulos en el intervalo \([1, 2]\). De este modo, en el punto \(x=3\), la probabilidad de obtener un valor debe ser \(P(x)=0\).
Si se tira un dado, ¿cuál es el valor de la función de probabilidad cuando el valor del dado es 6?
Solución:
Al igual que la pregunta anterior, esta es un poco capciosa. Sabes que la función de masa de probabilidad se define para valores discretos; en este caso, para los valores que puede tomar el dado, que son \((1, 2, 3, 4, 5, 6)\). También sabes que la probabilidad de todos ellos es la misma: \(\dfrac{1}{6}\).
De este modo el valor de la función de masa de probabilidad es siempre \(\dfrac{1}{6}\), sea este un valor de seis, cinco, cuatro, etc.
Se tiene un experimento en el cual hay una variable aleatoria que sigue la siguiente distribución:
\(P(x)=\frac{1}{48} (x-1)\) en el intervalo de \([6, 12]\) y \(P(x)=0\) en cualquier otro valor.
Calcula la media de esta distribución.
Solución:
La media en este caso es igual a la integral de \(x\) por la función de probabilidad en el intervalo \([6,12]\):
\[\mu=E(X)=\frac{1}{48}\int_{6}^{12} x(x-1)dx\]
Esto es igual a la integral de:
\[\mu=E(X)=\frac{1}{48}\int_{6}^{12} (x^2-x)dx\]
Calculando la integral, obtenemos:
\[\mu=E(X)=\frac{1}{48} (\dfrac{x^3}{3}-\dfrac{x^2}{2})\]
Y si evaluamos en los límites de 6 a 12:
\[\mu=\frac{1}{48}(504-54)=\frac{450}{48}\]
Hasta el momento hemos visto la probabilidad de cierta función en cierto valor. Pero, ¿y si queremos la probabilidad de ese punto y todos los demás antes de él? En probabilidad, esto se denomina la función de distribución acumulada o, más simplemente la función de distribución; al igual que para la función de probabilidad, existe para los casos continuos y discretos.
Si se tiene un experimento con una variable aleatoria discreta, la función de distribución es igual a la suma de la probabilidad del punto a calcular más los puntos adyacentes.
Supongamos que se tiene una variable aleatoria que toma los valores \((1, 3, 6, 9, 10)\) y la probabilidad de estos es \(\left(\dfrac{1}{2}, \dfrac{1}{8}, \dfrac{1}{8}, \dfrac{1}{8}, \dfrac{1}{8}\right)\). En este caso, si se quiere calcular la función de distribución acumulada entre \(1\) y \(6\), esta será la suma de \(\dfrac{1}{2}, \dfrac{1}{8}, \dfrac{1}{8}\).
La fórmula, de manera formal, es:
\[P(X \leq x)=\sum_{\mu \leq x}f(x)\]
Aquí, \(X\) son los valores menores o iguales a \(x\) que la variable discreta puede tomar.
Justo como existe una distribución para una variable discreta, también existe para una continua. Esta es, también, la suma de las probabilidades de los posibles valores hasta cierto punto \(x\). En este caso, se integra la función\(f(x)\) en el intervalo requerido:
\[P(a \leq X \leq x)=\int_a^x f(x)dx \]
Hagamos un par de ejemplos, para que refuerces lo aprendido:
Se tiene un experimento en el cual hay una variable aleatoria que sigue la siguiente distribución:
\(P(x)=\frac{3}{970}(x^2-1)\) en el intervalo de \([0, 10]\) y \(P(x)=0\) en cualquier otro valor.
¿Cuál es la probabilidad acumulada en el intervalo \([0, 2]\)?
Solución:
En este caso, debemos integrar la función y evaluarla en el intervalo que nos piden:
\[\int_0^2 P(X)dx=\int_0^2 \frac{3}{970}(x^2-1)dx= \left.\frac{3}{970} \left( \dfrac{x^3}{3}-x \right)\right]_0^2=\dfrac{1}{485}\]
Si se tiene un dado, ¿cuál es la probabilidad acumulada de que obtengas un número par?
Solución:
En este caso, la probabilidad de cada resultado es fija; por lo que la probabilidad acumulada es la suma de la probabilidad de los pares, que son tres.
De este modo:
\[P(\text{par})=P(2)+P(4)+P(6)=\dfrac{1}{2}\]
Es la función que nos dice la probabilidad que tiene una variable aleatoria de tener cierto valor. Por ejemplo, la probabilidad de obtener un seis en una tirada de dados.
Generalmente, la función se nombrará en tus problemas como \(P(x)\).
La función de probabilidad y la función de una distribución normal son ejemplos de estas.
de los usuarios no aprueban el cuestionario de Función de probabilidad y de distribución... ¿Lo conseguirás tú?
Empezar cuestionarioHow would you like to learn this content?
94% of StudySmarter users achieve better grades.
Sign up for free!94% of StudySmarter users achieve better grades.
Sign up for free!How would you like to learn this content?
Free matematicas cheat sheet!
Everything you need to know on . A perfect summary so you can easily remember everything.
Siempre preparado y a tiempo con planes de estudio individualizados.
Pon a prueba tus conocimientos con cuestionarios entretenidos.
Crea y encuentra fichas de repaso en tiempo récord.
Crea apuntes organizados más rápido que nunca.
Todos tus materiales de estudio en un solo lugar.
Sube todos los documentos que quieras y guárdalos online.
Identifica cuáles son tus puntos fuertes y débiles a la hora de estudiar.
Fíjate objetivos de estudio y gana puntos al alcanzarlos.
Deja de procrastinar con nuestros recordatorios de estudio.
Gana puntos, desbloquea insignias y sube de nivel mientras estudias.
Cree tarjetas didácticas o flashcards de forma automática.
Crea apuntes y resúmenes organizados con nuestras plantillas.
Regístrate para poder subrayar y tomar apuntes. Es 100% gratis.