ESTADISTICA COMPLEJA

INTEGRANTE
Liliana Andrade Bonilla
CODIGO; 31 713 074

Grupo 58

TUTOR
Javier Ernesto Rodrguez Hernndez

UNIVERSIDAD NACIONAL AVIERTA Y ADISTANCIA UNAD

PROGRAMA DE PSICOLOGIA
Abril DEL 2015

INTRODUCCIN
En el desarrollo de este trabajo se pretende dar una retroalimentacin deforma
muy sencilla de nuestro primer acercamiento a la Unidad 2 de la
Asignatura Probabilidad. Resolveremos a travs del trabajo y colaboracingrupal
las actividades planteadas en esta etapa. Entendemos la importancia de la
probabilidad como una de las herramientas matemticas bsicas para la
construccin y desarrollo de los procesos lgicos de solucin de problemas,
adems como un paso fundamental para la resolucin de problemas en la vida
practica

Anlisis terico de la unidad 2 de estadstica compleja

Variables aleatorias
Estas pueden ser discretas o continuas.
Variables discretas; si est asociada a un espacio muestral con un numero finito
de elementos o una cantidad finita numerable.
Variable continua: si est asociada a un espacio muestral con un nmero infinito
de puntos igual a un nmero de puntos en un segmento lineal.
Una distribucin binomial o de Bernoulli tiene las siguientes caractersticas:
1. En cada prueba del experimento slo son posibles dos resultados: xito y
fracaso.
2. La probabilidad de xito es constante, es decir, que no vara de una prueba a
otra. Se representa por p.
3. La probabilidad de fracaso tambin es constante, Se representa por q,
q=1p
2. El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.

5. La variable aleatoria binomial, X, expresa el nmero de xitos obtenidos en

las pruebas. Por tanto, los valores que puede tomar X son: 0, 1, 2, 3, 4, ..., n.
La distribucin binomial se expresa por B(n, p)
Clculo de probabilidades en una distribucin binomial

n es el nmero de pruebas.
K es el nmero de xitos.
p es la probabilidad de xito.
q es la probabilidad de fracaso.
El nmero combinatorio
DISTRIBUCIONESDEPROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD
En teora de la probabilidad y estadstica, la distribucin de probabilidad de una
variable aleatoria es una funcin que asigna a cada suceso definido sobre la
variable aleatoria la probabilidad de que dicho suceso ocurra. La distribucin de
probabilidad est definida sobre el conjunto de todos los sucesos, cada uno de los
sucesos es el rango de valores de la variable aleatoria. Cuando la variable
aleatoria toma valores en el conjunto de los nmeros reales, la distribucin de
probabilidad est completamente especificada por la funcin de distribucin, cuyo
valor en cada rea lx es la probabilidad de que la variable aleatoria sea menor o
igual que x.
Capitulo 4
1. Un embarque de 8 televisores contiene 2 unidades defectuosas. Un hotel
realiza una compra al azar de 3 de
los televisores. Si X es una variable aleatoria discreta que representa el nmero de
unidades defectuosas que
compra el hotel:
a .Encuentre la funcin de probabilidad f(x)
b. Encuentre el valor esperado E(x), la varianza V(x) y la desviacin estndar S(x)

solucin:
la funcin de probabilidad F(x) es:
f(x)=(2x)(6(3-x))/((83) )
x012
F(x) 5/14 15/28 3/28
Valor esperado:
E(x)=_(i=0)^3(05/14)+(115/28)+(23/28)
E(x)=3/4=0,75
Varianza:V(x)=_(i=0)^3(0^25/14)+(1^215/28)+(2^23/28)-(3/4)^2
V(x)=45/112=0,401
Desviacin estndar:
S(x)=(V(x) )=0,6338
2. Sea X una variable aleatoria continua con funcin de densidad
f (x) = a (3x -x2) 0 x 2
1
en otro caso

Sean adems los sucesos:

A = {0 X 1}.
B = {2 X 2}.
C = { 1 2 X +}.
D = {X toma uno de estos valores: 0, 1/2, 1, 2}.
E = {0.5 X 1.5}
Calcular la probabilidad de los sucesos A, B, C, D, E, A C. Calcular tambin P(A|
E)

3. Una empresa ha medido el nmero de errores que cometen las secretarias

recin contratadas a lo largo de los ltimos tres aos (X), encontrando que
stas cometen hasta cinco errores en una pgina de 20 lneas y que esta
variable aleatoria representa la siguiente funcin de probabilidad. Si se
escoge una secretaria al azar, cual es la probabilidad de que cometa
mximo 2 errores? Cul es la probabilidad de que cometa exactamente 2
errores?
X
0
1
2
3
4
5
f (X)
0,50
0,28
0,07
0,06
0,05
0,04

Solucin:
La probabilidad de que cometa mximo 2 errores es:
f(0) + f(1) + f(2) = 0,5 + 0,28 + 0,07 = 0,85
La probabilidad de que cometa exactamente 2 es:f(2)=0,07

4. Un jugador tiene tres oportunidades de lanzar una moneda para que aparezca
una cara, el juego termina en el momento en que cae una cara o despus de tres
intentos, lo que suceda primero. Si en el primero, segundo o tercer lanzamiento
aparece cara el jugador recibe $20000, $40000 o $80000 respectivamente, si no
cae cara en ninguno de los tres
Pierde $ 200000. Si X representa la ganancia del jugador
a. Encuentre la funcin de probabilidad f(x)
b. Encuentre el valor esperado E(x), la varianza V(x) y la desviacin estndar S(x)
solucion
P(cara)=1/2 = 0.50
P(no sales cara) = 0.50
Por tanto
Cara en el primer intento --> P(cara)= 0.50
Cara en el segundo --> P(no sale cara) * P(Cara) = 0.50 * 0.50 = 0.25
Cara en el tercero --> P(no sale cara ) P(no sale cara ) * P(Cara) = 0.50 * 0.50 *
0.50 = 0.125
Ninguno --> P(no sale cara) * P(no sale cara) * P(no sale cara) = 0.50*0.50*0.50 =
0.125
a)
funcin de probabilidad de X
X --> f(x)
20000 --> 0.50
40000 --> 0.25
80000 ---> 0.125

-200000 ---> 0.125

b)
E(X) = suma de X*f(X)
E(X) = 20000*0.50 + 40000*0.25 + 80000*0.125 + (-200000)*0.125 = 5000
Varianza = suma de f(x)*(X-E(X))^2
0.50*(20000-5000)^2 + 0.25*(40000-5000)^2 + 0.125*(80000-5000)^2 + 0.125*(200000-5000)^2 = 6375000000
La desviacin es la raiz cuadrada de la varianza
S(X)=raiz(6475000000) = 79843.5971

Una persona pide prestado un llavero con cinco llaves, y no s

abe cul es la que abre un candado. Por tanto, intenta con cada
llave hasta que consigue abrirlo. Sea la variable aleatoria X que
representa el nmero de intentos necesarios para abrir el
candado.
a.Determine la funcin de probabilidad de X.
b.Cul es el valor de P ( X 1
5,

Para que sea distribucin de probabilidad debe cumplir La variable x seria 1, 2, 3,

4y5

P (1)=
P (2) =

1
5
4 1 1
=
5 4 5

P (3 )=

4
3
5
1 =

4
3

P (4) =

4
3
5

2
1
3
=
3

24
1
=
120
5

P (5 ) =

4
3
5

2
1
3
=
3

24
1
=
120
5

P (X=X) =

12
1
=
60
5

1 1 1 1 1
+ + + + =1
5 5 5 5 5