Universidad Andina del Cusco

Escuela de Posgrado
MAESTRA EN ESTADISTICA

ESTADSTICA INFERENCIAL
Mg. Ysabel Adriazola Cruz

Variables aleatorias
Es una descripcin numrica del resultado de
un experimento aleatorio
Las variables pueden ser clasificadas como
discretas o continuas
Las discretas son variable aleatorias con un
rango finito ( o infinito numerable)
Las continuas son variables que pueden
asumir cualquier valor en un intervalo o
conjunto de intervalos

VARIABLE
ALEATORIA
Es una funcin que traduce
numricamente los resultados
de un experimento

Distribucin de Probabilidad
Discreta

Distribucin de
probabilidad: p(x)
La distribucin de probabilidad de una variable
aleatoria discreta X, se define como una
descripcin del conjunto de valores posibles de
X, junto con su respectiva probabilidad.
Para una variable aleatoria
distribucin
de
probabilidad
mediante
una
funcin
de
representada por p(x). Donde
define la probabilidad de cada
variable aleatoria.

discreta la
se
describe
probabilidad,
esta funcin
valor de la

Las condiciones requeridas para una

funcin de probabilidad son :

1. p ( x) 0
n

2. p( x) 1
i 1

p(x)

Media o valor esperado de una variable aleatoria

discreta es una medida de localizacin central. Es
un promedio ponderado de los valores que puede
tener una variable en donde los factores de
ponderacin son las probabilidades y se expresa de
acuerdo a:
n

E ( x) xi p ( x)
i 1

Varianza de una variable aleatoria

discreta es una medida de dispersin o
variabilidad y corresponde a promedio
ponderado de las desviaciones de una
variable
aleatoria
respecto
a
su
promedio, elevadas al cuadrado
2
n

Var ( x) xi p ( x ) 2
i 1

Var ( x) E X

E X

Donde :
E X 2 x 2 p( x)

Ejemplo.
Dada la siguiente tabla de distribucin de
probabilidades de la variable aleatoria X:
Nmero de peces capturados.
x

p(x)

0.20

0.30

0.40

0.10

Verificar si p(x), cumple con las

condiciones para ser una funcin de
probabilidad.
Calcular E(X)

Distribuciones de
Probabilidad Continua

Funcin de Densidad de
Probabilidad

FUNCIN DE DISTRIBUCIN
ACUMULADA

Media o valor esperado de una variable

aleatoria continua es una medida de
localizacin central:

E ( x) x f ( x )dx

Varianza de una variable aleatoria discreta

es una medida de dispersin o variabilidad.
2
Var ( x) xi f ( x) dx 2

Var ( x) E X

E X

Donde :
E X 2 x 2 f ( x )dx

Distribuciones Discretas
Importantes
Distribucin de Bernoulli
Distribucin binomial
Distribucin de Poisson

DISTRIBUCIN DE
BERNOULLI

Dato histrico
Jacob Bernoulli (1654-1705). Matemtico suizo
Bernoulli defini el proceso conocido por su nombre el
cual establece las bases para el desarrollo y utilizacin
de la distribucin binomial.

DISTRIBUCIN DE BERNOULLI
La distribucin de Bernoulli caracteriza a
una variable aleatoria con dos posibles
resultados y con probabilidad de ocurrencia
constante. Tpicamente, estos resultados
representan un
xito (x=1)
o un
fracaso (x=0) . La funcin de probabilidad
x
n x

p
(
1

p)
; x 0,1; 0 p 1
es:

P( X x)

;c.c

Donde p es la probabilidad de xito.

Bernoulli

PROPIEDADE
S

i.

0 p( x) 1
1

ii.

p( x ) 1
i 0

ESPERANZA: E ( X ) p
VARIANZA:

V ( X ) p (1 p )

Bernoulli

Una distribucin de Bernoulli puede ser

usada para modelar por ejemplo si :
Una empresa cumple
responsabilidad ambiental.
Un paciente
enfermedad.

es

inmune

no
o

no,

con
a

la
una

En el proceso de control de calidad, un

medicamento puede ser clasificado como
defectuoso o no defectuoso.

Bernoulli

Representacin Grfica: Distribucin de

Probabilidad de Bernoulli

Bernoulli

DISTRIBUCIN BINOMIAL

DISTRIBUCIN BINOMIAL
Se basa |en un experimento aleatorio que tiene
las siguientes caractersticas:
En cada ensayo del experimento slo existen dos posibles
resultados: el evento A (xito) y su complemento Ac (fracaso).
Denominado ensayo de Bernoulli.

El resultado obtenido en cada ensayo es independiente de los

resultados obtenidos anteriormente.

La probabilidad del evento A es constante y es representada

por p, y no vara de un ensayo a otro. La probabilidad de Ac
es 1- p.

El experimento consta de un nmero

n de ensayos de Bernoulli.
Binomial

Funcin de Probabilidad
n
x
n x
p
(
1

p)
; x 0,1,..,n; 0 p 1

P ( X x) x
0
;c.c

P X x

Binomial

x : Nmero de xitos , 0 x n

PROPIEDADE
S

i.

0 p( x) 1
n

ii.

p( x ) 1
i 1

Notacin:

X : B n, p

n : nmero de ensayos; n 0
B n, p
p : probabilidad de xito;0 p 1

ESPERANZA:
VARIANZA:

Binomial

E ( X ) np
V ( X ) np (1 p )

Representacin Grfica: Distribucin de

Probabilidad binomial

EJEMPLO
La probabilidad de que una semilla germine es 0.8. As, la variable
aleatoria, X, representa el nmero de semillas que germinan en un
conjunto de nueve semillas, entonces , suponer que la suposicin
, 2 , yes
vlida.
de independencia
i. Obtener :
ii.

Graficar un histograma de probabilidad de X.

X , S2, y S

iii. Si 100 conjuntos de nueve semillas fueron plantadas, calcular

para las siguientes 100 observaciones.

Binomial

POBLACIN

X ~ B 9,0.8
i. 7.2
2
1.44
1.2

ii.

iii.
X 7.32

S 1.188 S 2 1.412

Distribucin terica

Distribucin emprica

p(x)

0.00

0.00

0.00

0.00

0.02

0.07

0.18

0.30

0.30

0.13

Total

1.00

x
0
1
2
3
4
5
6
7
8
9
Total

h(x)
0.00
0.00
0.00
0.00
0.02
0.06
0.12
0.35
0.28
0.17
1.00

DISTRIBUCIN DE
POISSON

Dato histrico
La distribucin de Poisson se
llama as en honor a su
creador, el francs Simen
Dennis Poisson (1781-1840),
Esta
distribucin
de
probabilidades fue uno de los
mltiples
trabajos
matemticos
que
Dennis
complet en su productiva

DISTRIBUCIN DE POISSON
La distribucin de Poisson, ya haba sido
introducida en 1718 por Abraham De Moivre
como una forma lmite de la distribucin
binomial que surge cuando se observa un
evento inusitado despus de un nmero grande
de repeticiones. En general, la distribucin de
Poisson
se
puede
utilizar
como
una
aproximacin de la binomial, Bin(n, p), si el
nmero de pruebas n es grande, pero la
probabilidad de xito p es pequea; una regla
es que la aproximacin Poisson-binomial es
buena si n20 y p0.05 y muy buena siPoisson
n
100 y p 0.01.

Funcin de Probabilidad

e x
, si x 0,1,...; 0

P( X x) x !
0 , c.c.

e = 2.71828

Poisson

PROPIEDADE
S
i. 0 p ( x) 1

ii.

p( x ) 1
i 1

Representacin Grfica: Distribucin

de Poisson

=5

Poisson

Notacin:

X : P , 0

ESPERANZA:
VARIANZA:

E( X )
V (X )

Poisson

EJEMPLO
En un laboratorio de fsica se cuenta con un
contador de Geiger el cual registra el nmero de
partculas alfa emitidas por el carbono-14 en 0.5
segundos. Se obtuvieron las siguientes 50
observaciones.

i. Calcular la media muestral y varianza muestral.

Son estas dos medidas aproximadamente iguales?
ii. En un mismo grfico presente el histograma para la
distribucin de Poisson con = 8, con el histograma
de frecuencia relativa de los datos.

Poblacin X ~ P , 8

8
Muestra n=50

8
2.8
2

X 7.94 8

S 2 7.731 8

Distribucin terica

Distribucin emprica

x
0
1
2
3
3
4
5
6
7
8
9
10
11
12
13
14
Total
x
0
1
2
3
3
4
5
6
7
8
9
10
11
12
13
14
Total

p(x)
0
0
0.01
0.03
0.03
0.06
0.09
0.12
0.14
0.14
0.12
0.1
0.07
0.05
0.03
0.02
1
h(x)
0
0
0
0
0.02
0.1
0.08
0.18
0.12
0.06
0.12
0.1
0.1
0.08
0.02
0.02
1

H0: El nmero de partculas tiene una distribucin de Poisson con =

H1: El nmero de partculas no tiene una distribucin de Poisson con

alor = 0.995>0.05
se rechaza H0.
o tanto, el nmero de partculas tiene una distribucin de Poisson con

En resumen:
1.La distribucin de Poisson se forma de
una serie de experimentos de Bernoulli.
2.La media o valor esperado en la
distribucin de Poisson es igual a .
3.La varianza (2 ) en la distribucin de
Poisson tambin es igual a .
4.La desviacion
cuadrada de .

estndar

es

la

raz