TRABAJO COLABORATIVO 2

GRUPO: 10042_230
KERWIN TORRES CASTILLO
EDWIN YESID GRISALES
JHON JAIRO DUARTE
RENE FERNANDO AMADO

TUTOR:
EDWIN GARZN





UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA ECBTI
INGENIERA DE SISTEMAS
NOVIEMBRE 2013
INTRODUCCION

Los principios de Probabilidad, las propiedades bsicas y leyes, se definen las
variables aleatorias y se establece la diferencia entre variables aleatorias discretas
y continuas, en trminos de su funcin de probabilidad, valor esperado, varianza y
desviacin estndar y se desarrolla la desigualdad de Chbyshev que se aplica a
cualquier variable aleatoria discreta o continua. Las distribuciones de probabilidad,
es pertinente comentar que en todo fenmeno, los datos obtenidos tienen un
comportamiento especfico, es as como el anlisis de las distribuciones de
probabilidad permite determinar que distribucin de probabilidad es la pertinente
para un conjunto de datos.
Las distribuciones de probabilidad son de tipo discreto y continuo, segn la
variable aleatoria que este en cuestin, luego en este aparte se estudiaran dichas
distribuciones, sus principios, la funcin que la identifica, sus propiedades y los
campos de aplicacin de las mismas.














ASPECTOS TEORICOS
VARIABLES ALEATORIAS
Una variable aleatoria puede concebirse como un valor numrico que est
afectado por el azar. Dada una variable aleatoria no es posible conocer con
certeza el valor que tomar esta al ser medida o determinada, aunque s se
conoce que existe una distribucin de probabilidad asociada al conjunto de valores
posibles. Por ejemplo, en una epidemia de clera, se sabe que una persona
cualquiera puede enfermar o no (suceso), pero no se sabe cul de los dos
sucesos va a ocurrir. Solamente se puede decir que existe una probabilidad de
que la persona enferme.
Para trabajar de manera slida con variables aleatorias en general es necesario
considerar un gran nmero de experimentos aleatorios, para su tratamiento
estadstico, cuantificar los resultados de modo que se asigne un nmero real a
cada uno de los resultados posibles del experimento. De este modo se establece
una relacin funcional entre elementos del espacio muestral asociado al
experimento y nmeros reales.
Una variable aleatoria es, una funcin que asigna un nmero real a cada resultado
en el espacio muestral de un experimento aleatorio. Ellas se denotan con una letra
mayscula, tal como X.
Se dice que X es aleatoria porque involucra la probabilidad de los resultados del
espacio muestral, y se define X como una funcin porque transforma todos los
posibles resultados del espacio muestral en cantidades numricas reales.
Se pueden definir variables aleatorias cuyos valores sean contables o no, y al ser
una caracterizacin cuantitativa de los resultados de un espacio muestral, ellas
pueden ser discretas o continuas.
VARIABLE ALEATORIA DISCRETA
Se denomina variable aleatoria discreta aquella que slo puede tomar un nmero
finito de valores dentro de un intervalo. La variable aleatoria X es discreta si el
nmero de valores que puede tomar es finito (o infinito contable).
Por ejemplo, el nmero de componentes de una manada de lobos, pude ser 4 5
6 individuos pero nunca 5,75 5,87. Otros ejemplos de variable discreta seran
el nmero de pollos de gorrin que llegan a volar del nido o el sexo de los
componentes de un grupo familiar de babuinos.

VARIABLE ALEATORIA CONTINUA
Se dice que una variable aleatoria X es continua si el nmero de valores que
puede tomar estn contenidos en un intervalo (finito o infinito) de nmeros reales.
Dichos valores pueden asociarse a mediciones en una escala continua, de manera
que no haya huecos o interrupciones.
En algunos casos, la variable aleatoria considerada continua en realidad es
discreta, pero como el rango de todos los valores posibles es muy grande, resulta
ms conveniente utilizar un modelo basado en una variable aleatoria continua.
Ejemplos
Resultado de un generador de nmeros aleatorios entre 0 y 1. Es el
ejemplo ms sencillo que podemos considerar, es un caso particular de una
familia de variables aleatorias que tienen una distribucin uniforme en un
intervalo [a, b]. Se corresponde con la eleccin al azar de cualquier valor
entre a y b.
Estatura de una persona elegida al azar en una poblacin. El valor que se
obtenga ser una medicin en cualquier unidad de longitud (m, cm, etc.)
dentro de unos lmites condicionados por la naturaleza de la variable. El
resultado es impredecible con antelacin, pero existen intervalos de valores
ms probables que otros debido a la distribucin de alturas en la poblacin.
Ms adelante veremos que, generalmente, variables biomtricas como la
altura se adaptan un modelo de distribucin denominado distribucin
Normal y representado por una campana de Gauss.
Dentro de las variables aleatorias continuas tenemos las variables aleatorias
absolutamente continuas.

DISTRIBUCIONES DE PROBABILIDAD DISCRETA
Las probabilidades que se asocian a cada uno de los valores que toma la variable
aleatoria x constituyen lo que se conoce como DISTRIBUCIN DE
PROBABILIDAD, la cual puede ser representada mediante una funcin
matemtica, una grfica o una tabla de valores. La diferencia consiste en que la
funcin matemtica se transforma en una funcin probabilstica.

La distribucin de probabilidad para una variable aleatoria discreta puede ser:
1. Una relacin terica de resultados y probabilidades que se puede obtener de
un modelo matemtico y que representa algn fenmeno de inters.
2. Una relacin emprica de resultados y sus frecuencias relativas observadas.
3. Una relacin subjetiva de resultados relacionados con sus probabilidades
subjetivas o artificiales que representan el grado de conviccin del encargado en
tomar decisiones sobre la probabilidad de posibles resultados.
Sabemos que una variable aleatoria discreta o discontinua es aquella en la que
existe una distancia bien definida entre dos de los valores consecutivos que
asume; y dichos valores son numerables.
Existen varios modelos matemticos que representan diversos fenmenos
discretos de la vida real. Las ms tiles son:
1.- La distribucin uniforme discreta.
1.- La distribucin de probabilidad Binomial o de Bernoulli.
2.- La distribucin de probabilidad Hipergeomtrica.
3.- La distribucin de probabilidad de Poisson.

DISTRIBUCIN UNIFORME DISCRETA
La variable aleatoria discreta ms sencilla es aquella que toma slo un nmero
finito de valores posibles n, cada uno con la misma probabilidad. Ella se denomina
entonces variable aleatoria discreta uniforme y su distribucin
uniforme discreta est dada por:

Para una variable aleatoria discreta uniforme X, que puede tomar los valores 1, 2,
, n, la media es:

Y su desviacin estndar es:



LA DISTRIBUCION BINOMIAL
Esta distribucin fue elaborada por Jacobo Bernoulli y es aplicable a un gran
nmero de problemas de carcter econmico y en numerosas aplicaciones como:
Juegos de azar, Control de calidad de un producto, en educacin, en las finanzas,
etc. La distribucin binomial posee las siguientes propiedades esenciales.
En general, un experimento aleatorio que consiste de n ensayos repetidos tales
que:
Los ensayos son independientes.
Cada ensayo es de tipo Bernoulli. Esto es, tiene slo dos resultados posibles:
xito o fracaso.
La probabilidad de xito de cada ensayo, denotada por p, permanece constante.
recibe el nombre de experimento binomial.

Si se denota la probabilidad de fracaso como q = 1 p , la funcin de probabilidad
binomial se simplifica de la siguiente manera:

dnde:
p = Probabilidad caracterstica o probabilidad de xito.
q = Probabilidad de fracaso
x = Nmero de xitos deseados
n = Nmero de ensayos efectuados

DISTRIBUCIN MULTINOMIAL

Ocurre cuando en el experimento binomial cada intento tiene ms de dos
resultados posibles.


Ejemplo: Calcular la probabilidad de obtener dos veces el nmero 4, dos veces el
nmero 5 y una vez el nmero 2, en el lanzamiento de un dado 5 veces.

LA DISTRIBUCIN HIPERGEOMTRICA

Se emplea para calcular la probabilidad de obtener determinado nmero de xitos
en un espacio muestral de n ensayos; pero a diferencia de la distribucin binomial
es que los datos de la muestra se extraen sin reemplazo en una poblacin finita.
Dado un espacio muestral S de tamao N con los subespacios M N y (N - M)
N entonces, la probabilidad de que en n ensayos x pertenezca a M y (n - x)
pertenezca a (N - M) est dada por:

DISTRIBUCIN DE POISSON

Esta funcin de distribucin de variable discreta se emplea para calcular las
probabilidades asociadas a la variable aleatoria dentro de un intervalo continuo de
tiempo o espacio; este intervalo es generalmente una unidad de medida conocida:
cm2, km, gramos, litros, pulgadas, etc.

Se dice que se da un proceso de Poisson si se pueden observar eventos discretos
en un intervalo continuo en forma tal que si se acorta el intervalo lo suficiente:

1.- La probabilidad de observar exactamente un xito en el intervalo es estable.
2.- La probabilidad de observar dos o ms xitos en el intervalo es cero.
3.- La ocurrencia de un xito en cualquier intervalo es estadsticamente
independiente de que
suceda en cualquier otro intervalo.

La distribucin de Poisson se expresa mediante la siguiente frmula.









EJERCICIOS
CAPITULO 4

EJERCICIO No. 1. Un inspector de aduanas decide revisar 2 de 6 embarques
provenientes de Madrid por la va area. Si la seleccin es aleatoria y 3 de los
embarques contienen contrabando; Encuentre la distribucin de probabilidad para
Y, donde Y es la variable aleatoria que representa el nmero de embarques que el
inspector podra encontrar con contrabando. Encuentre el valor esperado.

SOLUCION.

Nmeros de los embargues del 1 al 6
Embargues con contrabando 1,2 y 3
Embargues sin contrabando 4, 5 y 6
Las combinaciones posibles de inspeccin son
C(6,2) = 6 * 5/2 = 15
Las que no tienen ningn embarque con contrabando son las combinaciones de
4,5 y 6
C(3,2) = 3 * 2/2 = 3
Las que tienen dos embarques con contrabando son las de 1,2 y3
C(3,2) = 3 * 2/3 = 3
Las que tienen un embarque con contrabando las podemos calcular como el resto
15 - 3 - 3 = 9

La distribucin de probabilidad de Y es

P(0) = 3/15 = 1/5 = 0.2
P(1) = 9/15 = 3/5 = 0.6
P(2) = 3/15 = 1/5 = 0.2

Valor esperado
E = 0 0.2 + 0.6 1 + 0.2 2 = 0 + 0.6 + 0.4 = 1





EJERCICIO No. 2. Se seleccionan al azar dos calcetines y de manera sucesiva,
se sacan de un cajn que contiene tres calcetines cafs y cuatro verdes, Defina la
variable aleatoria X que represente el nmero de calcetines cafs que se
selecciona. Encuentre la funcin de probabilidad f(X), y el valor esperado E(X).

SOLUCION

Sea X la variable aleatoria que representa el nmero de calcetines cafs que se
sacan del cajn cuyos valores pueden ser 0,1 o 2.

f(x)
f(0) = 3/8*2/7=6/56=3/28

1........2*5/8*3/7=30/56=15/28
2........5/8*4/7=20/56=10/28

Valor...F(x)
0.........3/28
1.........18/28
2.........1

E(x)=0*3/28+1*15/28+2*10/28=1,25
V(x)=(0-1,25)^2*0*3/28+
+(1-1,25)^2*15/28+
+(2-1,25)^2*10/28=0,234375
D(x)= raiz(0,234375)=0,48412292


CAPITULO 5

EJERCICIO No.12. Los registros muestran que el 30% de todos los pacientes
admitidos a una clnica mdica no pagaron sus cuentas y estas nunca fueron
cobradas. Si llegan cuatro pacientes nuevos a la clnica, encuentre la probabilidad
de que una cuenta de estas no sea cobrada.

SOLUCION

P = 30% = 0,3 n = 4 x = 1

f (x, P, n) = (
n
x
) P
x
(1 - P)
n - x

P (x = 1) = (
4
1
) 0,3
1
(1 - 0,3)
4 - 1


P (x = 1) = 0,4116