Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
PROBABILIDAD Y
ESTADÍSTICA
CONSULTA TEÓRICA U3
INGENIERÍA EN SISTEMAS
COMPUTACIONALES
L–V
7 – 8 HRS
B – 21
IMPARTIDA POR:
MARIA ISABEL PIÑA VILLANUEVA
EQUIPO CONFORMADO POR:
MARIO ORLANDO TORRES SALAZAR
19051220
BRANDON ALEXIS PRADO CASTRO
19051178
MAURICIO EZEQUIEL PUENTE ROCHA
19051181
OMAR SEGURA SENA
19051213
▬▬▬▬▬
Ej. 1: Ante el experimento: Lanzar un dado diez veces de forma que la variable aleatoria
X = nº de ases que se obtengan: X = {0,1,2,3,4,5,6,7,8,9,10} (v.a. discreta de orden finito)
Ej. 2: Ante el experimento: Contemplar los coches que pasen por un tramo de carretera
se aleatoriza de forma que la variable aleatoria X = nº de coches que pasen: X= {0,1,2,
3, ...} (X = N) (v. a. discreta de orden infinito)
Con una distribución de probabilidad discreta, cada valor posible de la variable aleatoria
discreta puede estar asociado con una probabilidad distinta de cero. Por lo tanto, una
distribución de probabilidad discreta suele representarse en forma tabular.
Con una distribución discreta, a diferencia de una distribución continua, usted puede
calcular la probabilidad de que X sea exactamente igual a algún valor. Por ejemplo,
puede utilizar la distribución discreta de Poisson para describir el número de quejas de
clientes en un día. Supongamos que el número promedio de quejas por día es 10 y usted
desea saber la probabilidad de recibir 5, 10 y 15 quejas de clientes en un día.
x P (X = x)
5 0.037833
10 0.12511
15 0.034718
Usted también puede visualizar una distribución discreta en una gráfica de distribución
para ver las probabilidades entre los rangos.
En el caso de que la variable aleatoria sea discreta, pueden existir varios tipos de
distribuciones, las principales son la distribución binomial, la distribución
hipergeométrica y la distribución de Poisson.
Distribución Binomial
Fue desarrollada por Jacob Bernoulli, posee diversas aplicaciones en el área de
bioestadística, específicamente en la realización de experimentos, también es conocida
como distribución de Bernoulli.
Un experimento o estudio tiene una distribución binomial cuando se cumplen las
siguientes condiciones:
• En el experimento solo existen dos posibles resultados, el éxito o el fracaso.
• La repetición del mismo experimento presenta un resultado que es independiente
de los resultados anteriores.
• La probabilidad del éxito o del fracaso es constante.
• Cada experimento posee un mismo número de réplicas.
Distribución Hipergeométrica
Este tipo de distribución está relacionada con muestreos sin reemplazo y aleatorios. En
el muestreo sin reemplazo no se devuelve o descarta ningún elemento seleccionado
hasta finalizar dicho muestreo.
Distribución de Poisson
Explica la probabilidad de que cierto evento ocurra un determinado número de veces en
un tiempo establecido.
Por lo general este tipo de distribución ocurre cuando se observa la aparición de algún
suceso o evento raro en dicho tiempo establecido.
Significado de la esperanza:
Como valor medio teórico de todos los valores que puede tomar la variable. Representa
una medida de centralización.
Si X es una variable aleatoria discreta (representada, de manera general, por una tabla
de valores xi y probabilidades pi=P(X=xi)),
La esperanza se calcula como la media aritmética de los valores, es decir la suma de
los valores por sus probabilidades (las probabilidades serían las frecuencias relativas).
Desviación estándar
La desviación estándar σ es la raíz cuadrada positiva de la varianza:
Recuerda que la varianza se mide en las mismas unidades que la variable aleatoria
original.
Ejemplo: Sea X el número de clientes que visitan una tienda por día. Calcular el valor
esperado de X a partir de su función de probabilidad:
Y listo, la media o valor esperado es de 0,60. Recuerda que el valor esperado o media
no tiene que ser un valor que la variable aleatoria pueda asumir.
Después calculamos el resto de valores, ten en cuenta que los valores de f(x) se van
acumulando para dar paso a los valores de F(x) y los agregamos a la tabla:
A partir de la tabla:
• 𝑓(𝑥) es mayor o igual que cero en cualquier punto 𝑥 (el dibujo de la función debe
estar por encima del eje horizontal).
∞
• ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1 (el área bajo la curva y el eje horizontal vale uno).
Con cada gráfica, el polígono de frecuencias acaba convirtiéndose en una curva que
verifica las dos propiedades de la función de densidad (es una función no negativa y el
área bajo la curva es uno, puesto que es el área bajo el polígono de frecuencias. Puede
demostrarse geométricamente que el área bajo un polígono de frecuencias coincide con
el área existente bajo un histograma de frecuencias, y el área total del histograma
corresponde al cien por cien de los datos).
Esto puede sonar un poco raro, al principio. Si hablamos, por ejemplo, de la variable
altura, nos podemos preguntar:
R = 0.
Precisamente por este hecho, cuando calculemos la probabilidad de que una variable
continua tome valores entre dos números a y b, podemos tener en cuenta que:
o sea, todas esas probabilidades dan lo mismo, porque considerar un punto más (o
dos) no cuenta (al tener probabilidad cero).
Una distribución continua describe las probabilidades de los posibles valores de una
variable aleatoria continua. Una variable aleatoria continua es una variable aleatoria con
un conjunto de valores posibles (conocido como el rango) que es infinito y no se puede
contar.
Las probabilidades de las variables aleatorias continuas (X) se definen como el área por
debajo de la curva de su PDF. Por lo tanto, solo los rangos de valores pueden tener una
probabilidad diferente de cero. La probabilidad de que una variable aleatoria continua
equivalga a algún valor siempre es cero.
El área sombreada debajo de la curva en este ejemplo representa el rango de 160 a 170
libras. El área de este rango es 0.136; por lo tanto, la probabilidad de que un hombre
seleccionado aleatoriamente pese entre 160 y 170 libras es de 13.6%. Toda el área por
debajo de la curva equivale a 1.0.
Sin embargo, la probabilidad de que X sea exactamente igual a algún valor siempre es
cero, porque el área por debajo de la curva en un punto individual, que no tiene anchura,
es cero. Por ejemplo, la probabilidad de que un hombre pese exactamente 190 libras es
cero. Podría calcular una probabilidad diferente de cero de que un hombre pese más de
190 libras, menos de 190 libras o entre 189.9 y 190.1 libras, pero la probabilidad de que
pese exactamente 190 libras es cero.
.
Tipos de Distribución
El tipo de distribución depende del tipo de variable que se esté tratando. Existen
muchas, a continuación, las principales o más conocidas:
Distribución Normal
Esta distribución considera dos parámetros, los cuales son el promedio o la media (μ)
y la desviación estándar (σ). Gracias a estos dos parámetros, tiene asociada una
ecuación, de la cual se desarrolla una gráfica conocida como campana de Gauss.
Esta gráfica es simétrica con respecto a la media y su apertura o ancho viene dada
por la desviación estándar. A su vez, en la gráfica se ve reflejada la distribución de la
probabilidad de la variable en estudio.
• T de Student
• Ji-cuadrado
• F de Fisher
Ejemplos de Distribución Normal
Algunos ejemplos donde puede darse una distribución normal son:
• El efecto de un medicamento o fármaco.
• El cambio de temperatura en una época del año específica.
• Caracteres morfológicos como el peso o la estatura en un grupo de individuos.
Sea X una variable aleatoria continua con función de densidad de probabilidad f(x). La
función de distribución acumulativa de X es la función:
De forma gráfica, F(x) es el área bajo la curva de densidad a la izquierda de x.
Recordemos que cuando trabajamos con la función de densidad, área es probabilidad.
Además, tenemos algunas fórmulas interesantes que nos servirán para resolver los
problemas.
Recuerda también que, al ser una función acumulativa, esta no puede ser decreciente.
c) Calcular la probabilidad de que salga "una casilla roja " al girar la flecha de la ruleta: