Pgina |1

TALLER ESTADISTICA

ANGY LIZETH LARA VARGAS

DISEO Y SEGURIDAD EN REDES 30105

CORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN BOGOTA D.C 2013

Pgina |2

TALLER ESTADISTICA

ANGY LIZETH LARA VARGAS

CORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN BOGOTA D.C 2013

Pgina |3

Contenido
1. INTRODUCCION .................................................................................Error! Bookmark not defined. 2. JUSTIFICACION...................................................................................Error! Bookmark not defined. 3. OBJETIVOS .........................................................................................Error! Bookmark not defined. 3.1. General .......................................................................................Error! Bookmark not defined. 3.2.Objetivos especficos...................................................................Error! Bookmark not defined. 4. INGENIERIA SOCIAL ...........................................................................Error! Bookmark not defined. 4.1. Por Telfono ...............................................................................Error! Bookmark not defined. 4.3. Correo Electrnico......................................................................Error! Bookmark not defined. 4.4. Caballo de Troya .........................................................................Error! Bookmark not defined. 5. METODOS Y TECNICAS DE LA INGENIERIA SOCIAL: ...........................Error! Bookmark not defined. 6. PREVENIR LA INGENIERIA SOCIAL ....................................................Error! Bookmark not defined. 6.1. Formar y sensibilizar a los usuarios ............................................Error! Bookmark not defined. 6.1.1. Formar: ................................................................................Error! Bookmark not defined. 6.1.2. Concienciar ..........................................................................Error! Bookmark not defined. 6.1.3. Formar y reformar ...............................................................Error! Bookmark not defined. 6.2. Implementar un punto de alerta de seguridad centralizado .....Error! Bookmark not defined. 7. DELITO INFORMATICO.......................................................................Error! Bookmark not defined. 7.1. Dao informtico. ......................................................................Error! Bookmark not defined. 7.2. Uso de software malicioso. ........................................................Error! Bookmark not defined. 7.3. Violacin de datos personales. ..................................................Error! Bookmark not defined. 7.4. Suplantacin de sitios web para capturar datos personales. ....Error! Bookmark not defined. 7.5. Artculos .....................................................................................Error! Bookmark not defined. 8. CONCLUSION .....................................................................................Error! Bookmark not defined. 9. BIBLIOGRAFIA ....................................................................................Error! Bookmark not defined.

Pgina |4

1. VALOR ESPERADO

El valor que se espera obtener de un experimento estadstico se llama el valor esperado. Tambien llamado "esperanza matemtica". Tambien lo llamamos "media" y esta es la palabra que vamos a seguir usando. El valor esperado o esperanza de una variable aleatoria tiene su origen en los juegos de azar, debido a que los jugadores deseaban saber cual era su esperanza de ganar o perder con un juego determinado. Como a cada resultado particular del juego le corresponde una probabilidad determinada, esto equivale a una funcin de probabilidad de una variable aleatoria y el conjunto de todos los resultados posibles del juego estar representado por la distribucin de probabilidad de la variable aleatoria. El valor esperado o esperanza es muy importante, ya que es uno de los parmetros que describen una variable aleatoria.

Sea X una variable aleatoria discreta con funcin de probabilidades f(x). Entonces, el valor esperado de la variable aleatoria X, el cual se representa por E(X), est definido por: E(X) = xi f(xi)
Lo anterior significa, que para calcular E(X) se multiplica cada valor que puede tomar la variable aleatoria por la probabilidad que le corresponde y despus se suman esos productos.

El valor esperado representa el valor promedio que se espera suceda, al repetir el experimento en forma independiente una gran cantidad de veces. El valor esperado se interpreta fsicamente como el centro de masa o centro de gravedad de la distribucin de probabilidad, por lo que es igual a la media o promedio aritmtico, los cuales se representan con la letra m.

De acuerdo a lo anterior podemos escribir que:

E(X) = = xi f(xi)

Pgina |5

Ejemplo Si se lanzan dos dados legales, encontrar el valor esperado. Solucin

Definamos la variable aleatoria X como la suma de los nmeros que aparecen al lanzar dos dados legales. Como vimos en el problema anterior, la distribucin de probabilidad es:

xi f(xi) =
xi f(xi) 2 1/36 3 2/36 4 3/36 5 4/36 6 5/36 7 6/36 8 5/36 9 4/36 10 3/36 11 2/36 12 1/36

En particular, si la distribucin de probabilidades es simtrica como en el ejemplo anterior, el valor esperado coincide con el valor de la variable que tiene la mayor probabilidad en la distribucin. Una aplicacin del valor esperado puede ser la siguiente.

Ejemplo 2 Un casino le permite a un jugador que lance un dado legal y que reciba tantos pesos como puntos aparezcan en la cara superior del dado. El jugador debe pagar una cantidad k de pesos cada vez que juegue. Calcular cunto debe valer k para que el jugador ni gane ni pierda.

Solucin. Sea X la variable aleatoria que representa el resultado al lanzar un dado. Su distribucin de probabilidad es la siguiente:

1/6 1/6 1/6 1/6 1/6 1/6

Pgina |6

En este caso el valor esperado debe ser igual al valor k, con lo que se espera que el jugador ni gane ni pierda. Aplicando la frmula del valor esperado tenemos:

xi f(xi) = 1(1/6) + 2(1/6) + 3(1/6) + 4(1/6) +5(1/6) + 6(1/6) = 3.5

El jugador debe pagar 3.5 pesos cada vez que participa en un juego. Si la cuota k fuera de 4 pesos por juego, la ganancia neta esperada del casino es de 0.50 pesos por juego, ya que k - = 4.00 - 3.50 = 0.50 pesos. Como lo que recibe el jugador en un solo juego no puede ser igual a 3.5 pesos (debe ser un nmero entero entre 1 y 6), entonces la E(X) no necesariamente coincide con el resultado de un solo juego.

El significado de E(X) = 3.5 pesos, es que si el juego se realiza un gran nmero de veces, el cociente Ingreso total / Nmero de Juegos Realizados debe ser aproximadamente igual a 3.5 p 2. Resultado de la Utilidad