ESTADISTICA COMPLEJA

TRABAJO COLABORATIVO No 2

PRESENTADO POR:
AIDE LORENA GONZALEZ C.C. 27.249.876
DALIA FABIOLA DELGADO C.C. 27.281.909
ANGIE REVELO PASTRANA C.C. 27.091.002
MARIA LAURENTINA GUALMATAN C.C. 27.090.200

PRESENTADO A:
JAVIER ERNESTO RODRIGUEZ

GRUPO: 301014 - 23

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

ESCUELA DE CIENCIASAS SOCIALES ARTES Y HUMANIDAD
28/05/2014

DESARROLLO DEL TRABAJO

ASPECTOS TEORICOS.
Leccin 16: CONCEPTO DE VARIABLE ALEATORIA
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.
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. 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.

Leccin 18: VARIABLE ALEATORIA CONTINUA

En el tema anterior se present el concepto de variable aleatoria como una
funcin de valor que asigna un nmero real finito (o infinito contable) a cada
resultado en el espacio muestral de un experimento aleatorio; variables
aleatorias que han sido denominadas discretas. En este tema, donde las
variables aleatorias pueden tomar valores en una escala continua, el
procedimiento es casi el mismo.

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.
La distribucin de probabilidad de una variable aleatoria continua X est
caracterizada por una funcin f(x) que recibe el nombre de funcin de
densidad de probabilidad. Esta funcin f(x) no es la misma funcin de
probabilidad de una variable aleatoria discreta.
La grfica de la funcin f(x) es una curva que se obtiene para un nmero muy
grande de observaciones y para una amplitud de intervalo muy pequea.
Recuerde que la grfica de una funcin de probabilidad de una variable
aleatoria discreta es escalonada, dando la sensacin de peldaos en
ascendencia (ver
Figura 1.1. (a)).
Esta funcin de densidad de probabilidad f(x) permite calcular el rea bajo la
curva que representa la probabilidad de que la variable aleatoria continua X
tome un valor entre el intervalo donde se define la funcin.
Leccin 27: DISTRIBUCION UNIFORME
En teora de probabilidad y estadstica, la distribucin uniforme continua es
una familia de distribuciones de probabilidad para variables aleatorias
continuas, tales que cada miembro de la familia, todos los intervalos de igual
longitud en la distribucin en su rango son igualmente probables. El dominio
est definido por dos parmetros, a y b, que son sus valores mnimo y
3

mximo. La distribucin es a menudo escrita en forma abreviada como U(a,

b).
La distribucin uniforme es aquella que puede tomar cualquier valor dentro
de un intervalo, todos ellos con la misma probabilidad.
Es una distribucin continua porque puede tomar cualquier valor y no
nicamente un nmero determinado (como ocurre en las distribuciones
discretas).

Dnde:
b: es el extremo superior
a: es el extremo inferior
Ejemplo:

f(x)
=

= 0,05

1 140 -

El valor medio de esta distribucin se calcula:

En el ejemplo:

E (x)
=

A+b
2

E(x)=
140 +
2
4

= 130

Leccin: Proceso de Poisson

Dado un intervalo de nmeros reales y suponiendo que ocurren conteos al
azar a lo largo del intervalo.se puede hacer la particin de intervalos en sub
intervalos con longitud suficiente pequeas donde

La probabilidad de ms de un conteo en un sub intervalo es cero.

La probabilidad en un conteo en un sub intervalo es la misma para

todos los sub intervalos y proporcional a la longitud del sub intervalo.

El conteo de un sub intervalo es independiente de los dems sub

intervalos, entonces el experimento aleatorio se denomina proceso de

poisson
Si el numero promedio de conteos en el intervalo es

> 0, la visible

aleatoria X, que es igual al nmero de conteos en el intervalo tienen una

distribucin de poisson con parmetro , y la funcin de probabilidad es
i x= 0, 1,2,
La funcin de distribucin acumulada es P(x < X)=
Esperanza de la distribucin de poisson E(x9=
Varianza de la variable de poisson es var (X)=

Leccin 22: DISTRIBUCION BINOMIAL

Son las ms tiles en la distribuciones probabilidades discretas, las
diferentes ares de aplicacin en las cuales se la utiliza son en ventas,
medicina, mercadotecnia, entre otras.

Permite realizar un enfrentamiento

cuando los resultados pertenecen a dos categoras relevantes, este tipo de

5

experimento aleatorio se lo conoce como ensayo de Bernoulli, los resultados

posibles son tomados por el xito y el fracaso.
La probabilidad de xito lo definen con la letra ( p)
La probabilidad de Fracaso, se lo define con 1p
Cuando los ensayos son independientes, cuando el ensayo es de tipo
Bernoulli y cuando permanece constante la probabilidad p, se lo conoce
como:
Experimento Binomial.
Su funcin de probabilidad es

Donde

Siendo

las

Frmula para la probabilidad del xito

b(x; n, P) = nCx * Px * (1 - P)^(n - x) x
Cuando hay una probabilidad de fracaso se lo simplifica de la siguiente
manera.
f(x;p,n)=(n/x).p.q
La distribucin binomial se tabula de manera extensa, la manera para su
clculo de los valores n y p.

DISTRIBUCIONES DE PROBABILIDAD CONTINUA

DISTRIBUCION UNIFORME
En teora de probabilidad y estadstica, la distribucin uniforme continua es
una familia de distribuciones de probabilidad para variables aleatorias
continuas, tales que cada miembro de la familia, todos los intervalos de igual
longitud en la distribucin en su rango son igualmente probables. El dominio
est definido por dos parmetros, a yb, que son sus valores mnimo y
mximo. La distribucin es a menudo escrita en forma abreviada
como U(a,b).
La distribucin uniforme es aquella que puede tomar cualquier valor dentro
de un intervalo, todos ellos con la misma probabilidad.
Es una distribucin continua porque puede tomar cualquier valor y no
nicamente un nmero determinado (como ocurre en las distribuciones
discretas).

Dnde:
b: es el extremo superior
a: es el extremo inferior
Ejemplo:

f(x)
=

= 0,05

1 140 -

El valor medio de esta distribucin se calcula:

En el ejemplo:

E (x)
=

A+b
2
E(x)=
7

140 +
2

= 130

EJERCICIOS:

EJERCICIO No 1
DESARROLLO
CAPITULO 4: ejercicio #5
Suponga que un comerciante de joyera antigua est interesado en comprar
una gargantilla de oro para la cual las probabilidades de poder venderla con
una ganancia de $ 250, $ 100, al costo, o bien con una prdida de $150 son:
respectivamente: 0.22, 0.36, 0.28, 0.14. Cul es la ganancia esperada del
comerciante?
Solucin:
La variable x es 250, 100, 0,150
La probabilidad es 0,22, 0,36, 0,28, 0,14
E( x)= n.p(x)
E1p= 2500,22=$55
E2p= 1000,36=$36
E3p= 00,28=0
E4p=1500,14=$21
E(X)=E1p+E2p+ E3p-E4p=55+36+0-21=70
70 es l ganncia esperada del comerciante.

EJERCICIO No 2
DESARROLLO
CAPITILO 5: ejercicio # 7
Un ingeniero de control de calidad inspecciona una muestra, tomada al azar,
de dos calculadoras manuales, de cada lote que llega de 18, y acepta el lote
si ambas estn en buenas condiciones de trabajo; de otra manera, se
inspecciona todo el lote y el costo se carga al vendedor, determine la
probabilidad de que un lote se acepta sin inspeccin adicional, si contiene: a)
Cuatro calculadoras que no estn en buenas condiciones de trabajo b) Ocho
calculadoras que no estn en buenas condiciones de trabajo
SOLUCION:
a) La variable x es igual a 0 par que el lote no sea devuelto donde N=18,
n=2, k=4

f(x)=P(X=x)=h(x,N,n,k)

f(x)=h(0,8,2,4)=

k
( kx)( Nnx
)
( Nn )

(40 )(142)
(182 )

1 91
153

91
= 153

= 0.59

La probabilidad de que se acepte el lote con cuatro calculadoras en

malas condiciones es de 0.59

10

b) la variable x es igual 0 para que el lote no sea devuelto donde N=18, n=2,
k=8

f(x)=p(X=x)= h(x,N,n,k)=

F(x)=h (0, 18, 2,8)=

k
(kx)( Nnx
)
( Nn )

(80 )(12o)
( 182)

1 41
153

45
= 153

= 0.294

La probabilidad de que se acepte el lote con ocho calculadoras en

malas condiciones es de 0,294

EJERCICIO No 3
DESARROLLO
CAPITULO 6: ejercicio #8
Los 460 alumnos de un centro tienen 156 cm. de estatura media con una
varianza de 81 cm. a) Determine el porcentaje de alumnos que miden ms
de 160 cm. b) Cuntos alumnos miden entre 140 y 150 cm. ?
Solucin:
a)

Z=

160156
9

=0,44

11

Pr= 1-0,67003=0,32997
32,997%
El 32,997% de los estudiantes miden 160 cm.
b)

Z1=

150156
9

=- 0,67

Z2=

140156
9

= -1,78

Pr= 0,25143-0,03754=0,21389
n0 =4600,21389= 98,389= 98
98 estudiantes miden entre 140 y 150 cm.

EJERCICIO No 4
DESARROLLO
CAPITULO 4, ejercicio No 4

12

Un jugador lanza un dado corriente. Si sale un nmero igual o menor a 4,

gana tantos cientos de dlares como marca el dado, pero si sale un nmero
mayor a 4, pierde tantos cientos de dlares como marca el dado.
Determinar la funcin de probabilidad y la esperanza matemtica del juego
Experimento lanzar un dado corriente
Funcin de probabilidad F(X)= 1

para

{1, 2, 3, 4, 5,6}

6
Esperanza

X=x
P(X= x)

X;
X; p;

100

200

300

400

-500

-600

100

200

300

400

-500

-600

E (X)= X; p; = 1 (100 200 300 400 500 600)

6
= - 100

= - 16.7 dlares

13

EJERCICIO No 5
DESARROLLO
CAPITULO 5, ejercicio No 8
Un estudio sobre las filas en las cajas registradoras de un supermercado
revel que durante un cierto periodo, en la hora ms pesada, el nmero de
clientes en espera era en promedio de cuatro.
Cul es la probabilidad de que durante ese periodo no haya clientes
esperando?
4

La variable aleatoria X= nmero de clientes en espera en las filas

de
P (X=0)

las cajas registradoras de un supermercado.

Tiene distribucin de poisson

P(X = x) =

. x

P(X= ) =

- 4. 4

= (4x) = 0, 018

O sea que es el 18%

EJERCICIO No 6
DESARROLLO
CAPITULO 6, ejercicio No 6

14

De un equipo de ftbol se seleccionan al azar tres jugadores para un examen

antidoping. Suponga que cuatro tomaron sustancias prohibidas antes del
juego. Cul es la probabilidad de que los tres elegidos resulten positivos en
la prueba

Sea la variable X. Jugadores que resulte positivo en la prueba antidoping

N = 11

Esta variable tiene distribucin hipergeometrica

n= 3

(k) (N-k
P(x=x) =

x n-x
(N)

P (X= 3)

(4) (7)
3

(11)

1X 1 = 0,006

165

EJERCICIO No 7
DESARROLLO
CAPITULO No 4. Ejercicio 2.
Se seleccionan al azar dos calcetines y de manera sucesiva, se sacan de un
cajn que contiene siete 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 Encuentre el valor esperado E(x),
15

Solucin:
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
Para hallar la funcin de probabilidad se debe valorar las probabilidades de
que x=0 x=1 y x=2
Primero se debe encontrar el nmero de posibilidades de sacar dos
calcetines combinados o no de entre el total de 11 que hay en el cajn.

C211=11!11-2!2!=55
Luego las probabilidades se deben calcular como
Sigue: PX=0=C07C2455=1655=655
PX=1=C17C1455=7455=2855
PX=2=C27C0455=21155=2155
Funcin de Probabilidad
X|0|1|2|
F(x) | 6/55 | 28/55 | 21/55 |
Encuentre el valor esperado E(x), la varianza V(x) y la desviacin estndar
S(x)
Valor esperado
x=EX=xx.f(x)
x=0655+12855+22155=7055=1411
16

EJERCICIO No 8
DESARROLLO
CAPITULO 5 EJERCICIO 3
Al revisar un autobs de turistas, un agente de migracin sabe que el 80%
de los ocupantes son extranjeros.
Cul es la probabilidad de que el noveno turista al azar sea el sexto
extranjero que entrevista?

SOLUCION
Distribucin binomial negativa p igual a 0,80 q igual a 0,20 K igual a 6 P ( X
igual a 9) = 0.1174
P = 80/100 = 0.80
q = 1 0.80 = 0.20
K=6
X=9

b (9;6,0.80) = (9/6)0.80(0.20) = 0.1174

EJERCICIO No 9
DESARROLLO
CAPITULO 6 - EJERCICIO 7

17

Una empresa ha encontrado que la duracin de sus llamadas telefnicas

tienen una distribucin normal con media tres minutos y desviacin estndar
de 1,8 minutos.
a.- En qu proporcin las llamadas tendran una duracin de ms de dos
minutos pero menos de tres y medio minutos.
b.- Si una secretaria va a realizar una llamada cual es la probabilidad de que
la llamada dure ms de cinco minutos.
SOLUCION
a Es lo mismo que la probabilidad, la proporcin de las llamadas que
comple entre las llamadas totales.
Sea X la variable aleatoria de la duracin de la llamada, en una N (3,1.8)
Para buscar las probabilidades en la tabla se tipifican los valores
restndoles la media y dividiendo entre la desviacin.
Z = (x-3) / 1/8
P(2X3.5) = P[(2-3) / 1.8 z (3.5-3) / 1.8] =
P (-0.5555 < Z < 0.27777 ) =
P ( Z < 0.27777 ) P ( Z < -0.5555) =
P ( Z < 0.27777) - [ 1 P ( Z 0.5555)] =
Tabla (0.27) = 0.6064
Tabla (0.28) = 0.6103
Valor para 0.27777 = 0.6064 + 0.27777 ( 0.6103 0.6064) = 0.6094333
Tabla (0.55) = 0.7088
Tabla (0.56) = 0.7123
Valor para 0.5555 = 0.7088 + 0.55555 (0.7123 0.7088) = 0.7107444
= 0.6094333 - ( 1 0.7107444) = 0.3201777

18

b P ( x > 5) = 1 P ( X 5) =
1 P [ Z ( 5 3 ) / 1.8 ] = 1 P ( Z < 1.111) =
Tabla (1.11) = 0.8665
Tabla (1.12) = 0.8686
Valor para 1.111 = 0.8665 + 0.1111 (0.8686 0.8665 ) = 0.8667333
= 1 0.8667333 = 0.1332666

EJERCICIO No 10
DESARROLLO
CAPITULO 4 - EJERCICIO 3
En una lotera se venden 200 boletos, de los cuales uno gana $500.000, 2
son ganadores de $100.000, siete son ganadores de $50.000, cinco son
ganadores de $20.000 y cincuenta de $5.000. Sea X la variable aleatoria que
representa la ganancia del jugador, Determinar la funcin de probabilidad y el
valor esperado del juego.
Solucin:
P(X=500.000) = 1/200
P(X=100.000) = 2/200 = 1/100
P(X=50.000) = 7/200
P(X=20.000) = 5/200 = 1/40
P(X=5.000) = 50/200 = 1/4
f(X) = 1/200 X = 500.000

19

f(X) = 1/100 X = 100.000

f(X) = 7/200 X = 50.000
f(X) = 1/40 X = 20.000
f(X) = X = 5.000
EJERCICIO No 11
DESARROLLO
CAPTULO 5 EJERCICIO 10
10.- El futbolista Falcao convierte en gol el 40% de los tiros libres que
ejecuta. Determine la probabilidad de que el dcimo tiro libre que cobre en
las eliminatorias para el mundial sea el tercero que convierta en gol.
Solucin:
=0645
Ya que la distribucin binomial negativa p igual a 0,40 q igual a 0,60 K igual
a 3 P (X igual a 10)

EJERCICIO No 12
DESARROLLO
CAPTULO 6 EJERCICIO 10
El Departamento de Talento Humano de una universidad ha hecho un
estudio sobre la distribucin de las edades del profesorado y ha observado
que se distribuyen normalmente con una media de 34 aos y una desviacin
tpica de 6 aos. De un total de 400 profesores hallar:
a.- Cuntos profesores habrn con edad menor o igual a 35 aos?
Solucin:

20

 = 34
=6
Profesores que habr con edad menor o igual a 35 aos
P= (x35)=Z2=(X-)/=(35-34)/6=1/6=0.16
P = (z<0.16)=0.5636
Los profesores con menor con edad menor o igual a 35 aos son de
400*0.5636 =225.44 aproximadamente 225 profesores

b.- Cuntos de 45 aos o ms?

P= (x>45) =Z2 = (X-)/ = (45-34)/6 = 11/6=1.83
P = (z>1.83)=1 - P= (z<1.83) = 1-p

21

BIBLIOGRAFIA

Adriana Morales Robayo, (2010), Modulo de Estadstica Compleja Bogot

D,C

22