2012

ESTADISTICA III
Es una ciencia que estudia la recoleccin, anlisis e interpretacin de datos, ya sea para ayudar en la toma de decisiones o para explicar condiciones regulares o irregulares de algn fenmeno o estudio aplicado, de ocurrencia en forma aleatoria o condicional. Sin embargo estadstica es ms que eso, en otras palabras es el vehculo que permite llevar a cabo el proceso relacionado con la investigacin cientfica.

WILDER ALEJOS CARBAJAL

V Ciclo De Computacin E Informtica I.S.T. TELESUP

Dedico el presente trabajo a mis padres que me vieron nacer y que su enseanza y sus buenas costumbres han creado en mi sabidura haciendo que hoy tenga el conocimiento de lo que soy.

INDICE
1 VARIABLE ALEATORIA 1.1 1.2 1.3 1.4 INTRODUCCION DEFINICION TIPOS DE VARIABLE ALEATORIA VARIABLE ALEATORIA DISCRETA 1.4.1 Definicin de variable aleatoria discreta 1.4.2 Funcin de probabilidad (Funcin de Cuanta) 1.4.3 Distribucin de probabilidad 1.4.4 Funcin de probabilidad acumulativa 1.4.5 Distribucin de probabilidad acumulada VARIABLE ALEATORIA CONTINUA 1.5.1 Definicin 1.5.2 Funcin de probabilidad (funcin de densidad) 1.5.3 Funcin de probabilidad acumulativa

1.5

VALOR ESPERADO Y VARIANZA DE UNA VARIABLE ALEATORIA 2.1 VALOR ESPERADO O ESPERANZA MATEMATICA 2.1.1 Introduccin 2.1.2 Definicin 2.1.3 Valor esperado de una funcin de una variable aleatoria VARIANZA DE UNA VARIABLE ALEATORIA 2.2.1 Definicin 2.2.2 Desviacin estndar de una variable aleatoria PROPIEDADES DE LA ESPERANZA MATEMATICA Y DE LA VARIANZA

2.2

2.3 3

DISTRIBUCIONES DISCRETAS IMPORTANTES 3.1 DISTRIBUCION DE PROBABILIDAD BINOMIAL 3.1.1 Introduccin 3.1.2 Definicin 3.1.3 Funcin de cuanta 3.1.4 Funcin de distribucin 3.1.5 Valor esperado 3.1.6 Varianza 3.1.7 Uso de tabla DISTRIBUCION DE PROBABILIDAD POISSON 3.2.1 Definicin 3.2.2 Funcin de cuanta 3.2.3 Valor esperado 3.2.4 Varianza 3.2.5 Uso de tabla DISTRIBUCION CONTINUAS HIPERGEOMETRICA 3.3.1 Definicin 3.3.2 Funcin de cuanta 3.3.3 Valor esperado 3.3.4 Varianza 3.3.5 Casos en que se emplea

3.2

3.3

DISTRUCIONES CONTINUAS IMPORTANTES 4.1 DISTRIBUCION DE PROBABILIDAD NORMAL 4.1.1 Definicin 4.1.2 Funcin de densidad funcin de distribucin acumulada 4.1.3 Distribucin normal estandarizada 4.1.4 Uso de la tabla N

VARIABLE ALEATORIA

1.1 INTRODUCCIN

En el anlisis estadstico de una variable es frecuente encontrar que su valor en una futura observacin no se puede predecir con certeza; as por ejemplo, cuando se estudio el consumo de los clientes de una tienda, resulta difcil saber con precisin cunto gastar el siguiente cliente que ingrese a dicha tienda. En estos casos, el anlisis ser ms sencillo si se puede establecer cul es el comportamiento probabilstica de dicha variable para as poder establecer una metodologa para estimar su comportamiento futuro.
1.2 DEFINICIN DE VARIABLE ALEATORIA

Sea E un experimento aleatorio y un espacio muestral asociado a este experimento. Una funcin X: - R tal que a cada elemento de le asocia un nmero real, se llama variable aleatoria. Es decir, una variable aleatoria es una funcin que tiene como dominio a un espacio muestral y como rango un subconjunto de los nmeros reales. Una variable aleatoria es esencialmente un nmero aleatorio. En cualquier caso, el azar proviene de una experiencia concreta que es la que dicta la frecuencia de los diversos valores que nos interesan. Una variable aleatoria siempre se concentra en el comportamiento general de toda la poblacin. Una variable aleatoria se estudia para: Hallar una medida de centralizacin (valor esperado) Hallar la medida de dispersin de los valores (varianza). Calcular probabilidades para valores o rangos especficos.
1.3 TIPOS DE VARIABLE ALEATORIA

Segn el tipo de rango que se genere, las variables aleatorias se puede clasificar en: Variable aleatoria discreta. Variable aleatoria continua.
1.4 VARIABLE ALEATORIA DISCRETA 1.4.1 Definicin de Variable Aleatoria Discreta

Una funcin X: - R es una variable aleatoria discreta si el rango de X es un conjunto finito numerable.

Rx = {x1 ,x2 , .........xn}

Es decir, son aquellas variables cuyo rango es un conjunto numerable; es decir, si con los valores posibles que puede tomar la variable X se puede formar un conjunto con un nmero finito de elementos, si este conjunto tiene infinitos elementos pero es numerable.

La mayor parte de las experiencias aleatorias producen resultados interpretables como nmeros. Nos interesa el estudio del experimento desde el punto de vista numrico. Por ejemplo, un tcnico de sistemas tiene la informacin del nmero de usuarios que estn conectados a la pgina Web de la Universidad Telesup mediante la observacin en diferentes momentos. El tcnico anota como "O" si la paginacin en el sistema es normal y "1" si la paginacin es elevada. Una variable aleatoria es una aplicacin de Omega en la recta real, de manera que a cada resultado se le aplica un valor numrico. Para que se considere una variable aleatoria discreta, el conjunto de los valores numricos que son requeridos debe ser un conjunto discreto. Adems, para cualquier x, el conjunto de resultados que se asocian a este valor x debe ser un acontecimiento con una probabilidad definida. Ejemplos: 1.Un experimento aleatorio consiste en lanzar cinco monedas. Hallar el rango de la variable aleatoria X: nmero de sellos que se obtienen.

=>

Rx = {0, 1, 2, 3, 4, 5}

2.Si se lanza una moneda tres veces. Hallar el dominio y el rango de la variable aleatoria X: N de caras - N de sellos. Dx = = {CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS} Rx = {-3,-1, 1,3}

1.4.2 Funcin de probabilidad (Funcin de cuanta)

Sea X una variable aleatoria discreta que tiene como rango Rx; luego una funcin f(x) es llamada funcin de probabilidad de la variable aleatoria X si tiene como dominio a Rx, y como rango a un conjunto de nmeros reales P [X=xi]=f (xi) que cumplen las siguientes condiciones: 1. P [X=xi] =f (xi) 0, xi Rx 2. 0 f (xi) 1, xi Rx 3.

f
xi Rx

(xi) = 1

1.4.3 Distribucin de probabilidad Muestra los valores que puede tomar la variable aleatoria X y las probabilidades asociadas con tales valores. Se representa mediante una tabla o un grfico.

1.4.4 Funcin de probabilidad acumulativa Sea X una variable aleatoria discreta con funcin de probabilidad f(x); luego, la funcin de probabilidad acumulativa de la variable aleatoria X se define como:

1.4.5 Distribucin de probabilidad acumulada Se representa por medio de una tabla o grafico:

1.5 VARIABLE ALEATORIA CONTINUA 1.5.1 Definicin de Variable Aleatoria Continua

Una variable aleatoria X: -> R se llama continua cuando el rango de X es un intervalo o una coleccin de intervalos de la recta real. Es decir, son aquellas variables cuyo rango es un conjunto no numerable; es decir, si con los valores posibles que puede tomar la variable X se puede formar un conjunto con un nmero infinito de elementos, siendo este conjunto no numerable. Ejemplos:

X: Tiempo de vida de una computadora. Rx = [0, + [ X: Duracin (en horas) de un tubo de televisor. Rx = [0, + [ 1.5.2 Funcin de Probabilidad (Funcin de Densidad) Una funcin f(x) es llamada funcin de probabilidad o funcin de densidad de la variable aleatoria continua X si cumple con las siguientes condiciones:

1.5.3 Funcin de Probabilidad Acumulativa Sea X una variable aleatoria continua con funcin de densidad f(x); luego, la funcin de probabilidad acumulativa de la variable aleatoria X se define como:

VALOR ESPERADO Y VARIANZA DE UNA VARIABLE ALEATORIA

2.1 VALOR ESPERADO O ESPERANZA MATEMTICA 2.1.1 Introduccin Una de las inquietudes que se tiene cuando se analiza una poblacin mediante muestras aleatorias viene a ser cual ser el valor promedio que uno esperara tener como resultado de la observacin repetida de una variable, o una funcin de una variable. Por ejemplo, si se observa el precio de una artculo dentro de un distrito, una inquietud podra ser sobre el valor del precio promedio que esperaramos obtener cuando se observa un gran nmero de veces el comportamiento del precio dentro del distrito. Al valor promedio que esperaramos encontrar mediante la observacin repetida de una variable aleatoria se le llama valor esperado o esperanza matemtica. 2.1.2 Definicin de Valor Esperado de una Variable Aleatoria Sea X una variable aleatoria con funcin de probabilidad f(x); entonces el valor esperado o esperanza matemtica de la variable aleatoria X se define como:

2.1.3 Valor Esperado de una Funcin de una Variable Aleatoria Sea X una variable aleatoria con funcin de distribucin de probabilidad f(x) y sea Y=g(X) una funcin real de la variable X; entonces, el valor esperado o esperanza matemtica de g(X) se define como:

2.2 VARIANZA DE UNA VARIABLE ALEATORIA 2.2.1 Definicin de Varianza de una Variable Aleatoria

La varianza de una distribucin proporciona una medida de variabilidad o de dispersin de la distribucin de probabilidad alrededor de su media. La varianza de la variable aleatoria X, denotada por V(X), se define:

V(X) es un nmero que representa la varianza terica o varianza poblacional. Es un parmetro que mide el grado de dispersin o variabilidad de los valores de la variable aleatoria X con respecto a su media terica. Y por definicin es la media de los cuadrados de las desviaciones de los valores de la variable aleatoria X con respecto a su valor cuadrado.
NOTA:

SI X es una variable aleatoria con funcin de probabilidad f(x); entonces la media x y la varianza la variable aleatoria X se definen como:

2.2.2 Desviacin Estndar de una Variable Aleatoria La raz cuadrada positiva de la varianza se denomina desviacin tpica o desviacin estndar y se denota por

son los parmetros de mayor uso en la Estadstica Terica como en la Aplicada.

2.3 PROPIEDADES DE LA ESPERANZA MATEMTICA Y DE LA VARANZA Sea X, Y dos variables aleatorias, y a, b dos constantes reales cualquiera. Luego se cumple:

DISTRIBUCIONES DISCRETAS
3.1 Distribucin de Probabilidad Binomial 3.1.1 Introduccin

Como complemento a las dos unidades anteriores en el que definimos todos los conceptos relativos a variables aleatorias, describimos en ste las principales leyes de probabilidad que encontramos en las aplicaciones del clculo de probabilidades. Atendiendo a la clasificacin de las variables aleatorias en discretas y continuas describiremos las principales leyes de probabilidad de cada una de ellas, las cuales constituirn el soporte subyacente de la inferencia estadstica y a las que ser necesario hacer referencia en el estudio de dicho bloque. Iniciamos esta unidad con el estudio de las distribuciones para variables aleatorias discretas.
3.1.2 Definicin

Un experimento Binomial se caracteriza por ser un experimento aleatorio que: Consiste de n pruebas o ensayos independientes donde slo puede haber dos resultados mutuamente excluyentes llamados xito y fracaso. La probabilidad de xito p permanece constante en cada una de las n pruebas.

Ejemplos: Lanzar una moneda dos o ms veces para observar el nmero de caras. Seleccionar dos o ms diskettes de un lote que contiene un % de defectuosos para verificar cuntos diskettes defectuosos contiene la muestra. 3.1.3 Funcin de Cuanta

3.1.4 Funcin de Distribucin

3.1.5 Valor Esperado

E(x) = n p
3.1.6 Varianza

V(x) = n p q
3.1.7 Uso de Tabla Tabla de Trminos Individuales: Lectura directa. Si p > 0,50:

P(X = x) = b(x, n, p)
Tabla de Trminos Acumulativos:

P(X = x) = b(n-x, n, q)

P(X x) = B(x, n, p)

Lectura directa.

3.2

DISTRIBUCIN DE PROBABILIDAD POISSON

3.2.1 Definicin Una variable aleatoria X tiene una distribucin de Poisson cuando el fenmeno se presenta aleatoria o independientemente en el tiempo o espacio en el cual slo interesa la ocurrencia del fenmeno un nmero determinado de veces y no interesa la no ocurrencia del fenmeno. Ejemplos: La cantidad de llamadas telefnicas en un periodo de una hora en cierta oficina. El nmero de accidentes de trnsito durante un mes. El nmero de errores tipogrficos por pgina en un libro. El nmero de fallas de una computadora durante una semana de operacin.

3.2.2 Funcin de Cuanta

3.2.3 Valor Esperado

E(x) =
3.2.4 Varianza

V(x) =
NOTA:

La distribucin de Poisson tiene aplicaciones en Control de Calidad y muestreo de aceptacin. Adems, ciertas distribuciones continuas importantes utilizadas en teora de confiabilidad y teora de colas dependen del proceso de Poisson. 3.2.5 Uso de Tabla

p(xx) = F(x)
3.3

Lectura directa.

DISTRIBUCIN DE PROBABILIDAD HIPERGEOMTRICA

3.3.1 Definicin Sea una poblacin de tamao N, donde hay A elementos que tienen una caracterstica W definida como xito, y B elementos que no tienen la caracterstica W, siendo N=A+B. Si de dicha poblacin se toma una muestra aleatoria de tamao n y se define la variable aleatoria X como el nmero de xitos obtenidos; entonces, la variable X tendr como funcin de probabilidad que sigue a continuacin. 3.3.2 Funcin de cuanta

Donde X = Nmero de xitos obtenidos en una muestra sin reemplazo de tamao n. Nota: Si el nmero de elementos de la poblacin (N) es grande y la fraccin de muestreo (f=n/N) es pequea; es decir, si f<0.05, entonces las probabilidades de la distribucin hipergeomtrica se pueden aproximar mediante la distribucin binomial, para lo cual se considera: =A/N. 3.3.3 Valor Esperado La media de la variable aleatoria X es:

3.3.4 Varianza La varianza de la variable aleatoria X es:

3.3.5 Casos en que se emplea Se emplea la distribucin hipergeomtrica si: a).- El muestreo se realiza sin reposicin, es decir la probabilidad de xito no permanece igual de un ensayo a otro. b).- Si el tamao de la muestra n es mayor que 5% de la poblacin N.

DISTRIBUCIONES CONTINUAS IMPORTANTES

4.1

DISTRIBUCIN DE PROBABILIDAD NORMAL

4.1.1 Definicin La distribucin normal o de Gauss es la distribucin de probabilidad continua ms importante y la de mayor uso. En la prctica es frecuente observar que la mayora de las distribuciones para un nmero grande de casos, se distribuyen como una curva normal. Su apariencia grfica es una curva simtrica en forma de campana. El modelo de probabilidad normal de parmetros y , N (, 2), siendo ya constantes, con > 0, cumple un papel fundamental en estadstica, ya que todas las tcnicas o procedimientos inferenciales dependen directa o indirectamente de esta variable aleatoria.

4.1.2 Funcin de densidad Su funcin de densidad es:

Funciones de densidad de dos distribuciones normales con varianzas 1/4 y 1; ambas distribuciones tienen media 10.

Como funcin de probabilidad se asume que el rea encerrada por la curva y el eje X es igual a 1.

P(a X b) = rea entre a y b

4.1.2 Funcin de Distribucin Acumulada: Supongamos que X es una variable aleatoria normal con media , y varianza
2

Para una variable aleatoria continua X, la probabilidad de que X tome un valor menor o igual que x0 est determinada por el rea comprendida entre la curva y el eje de abscisas desde - hasta x0. 4.1.3 Distribucin Normal Estandarizada La Distribucin Normal puede simplificarse, haciendo un cambio de variable; es decir transformando la variable original X en una nueva variable aleatoria Z mediante la relacin:

Esta transformacin constituye la estandarizacin de la curva normal, cuya funcin de probabilidad es:

La grfica de la funcin densidad, conocida como campana de Gauss, para la variable normal tipificada o estndar, definida para = 0 y = 1 es:

4.1.4 Uso de la Tabla N (0,1):

La tabla de la distribucin normal N (0,1) permite calcular probabilidades relativas a cualquier distribucin N (, ). Para ello basta con tipificar o estandarizar la variable es decir calcular el valor z correspondiente a los valores x indicados, mediante la operacin: En la tabla N (0,1) aparece directamente la P (Z < z) para valores de z entre -4 y 4. Para valores mayores que 4 la probabilidad es prcticamente igual a 1. Para valores menores que -4 la probabilidad es cero.