Proyecto de Probabilidades

UNIVERSIDAD TCNICA DE AMBATO
FACULTAD DE INGENIERA EN SISTEMAS, ELECTRNICA E INDUSTRIAL PERODO ACADMICO: SEPTIEMBRE/2013 FEBRERO/2014

Facultad de Ingeniera en Sistemas, Electrnica e Industrial Proyecto Acadmico de Segu do Parcia! de E"tad#"tica y Pro$a$i!idade"%
T#tu!o& Carrera&
Distribuciones probabilsticas discretas y continuas Electrnica y Comunicaciones Probabilidades Variables aleatorias Septiembre 2013 Febrero 201 !ercero "#$
'rea Acadmica& (# ea de I )e"tigaci* & Cic!o Acadmico& Para!e!o& A!um o&
Ce%allos #&uilar #le' #lberto
M*du!o y Doce te&
Estadstica y Probabilidades( )n&( *orales +uis(
I+
IN,ORME 1(1 T#tu!o

Distribuciones probabilsticas discretas y continuas -+. O$/eti)o" O$/eti)o 0e era!& Conocer lo ,ue es la distribucin de %ariables discretas y continuas para poder utili-arlas en c.lculos de probabilidades a tra%/s de e0emplos( O$/eti)o" E"1ec#2ico"& )n%esti&ar lo ,ue es %ariables probabilsticas discretas y continuas 1eali-ar e0ercicios de aplicacin de %ariables discretas y continuas ( -+3 Re"ume El presente traba0o pretende dar a conocer al lector lo ,ue son las distribuciones de %ariables aleatorias2 discretas y continuas con e0emplos y aplicaciones( Pa!a$ra" c!a)e& Probabilidad Distribucin de Probabilidades Variable #leatoria Variable Discreta Variable Continua
-+4 I troducci* +as %ariables aleatorias son casos especiales de probabilidades por medio de los cuales podemos estudiar a los e%entos ,ue contienen sucesos abstractos no numerales tal es el e0emplo del lan-amiento de una moneda 3cara o sello4 nos permite dar un numero o asi&nar un ran&o a estos sucesos( +as %ariables aleatorias nos ayudan a obtener las probabilidades de e%entos ,ue conten&an sucesos 5initos o in5initos2 para ellos tenemos %ariables aleatorias2 discretas y continuas(

-+5 Materia!e" y Metodo!og#a
MARCO TEORICO+6 I troducci* a !a" 1ro$a$i!idade"+ El concepto de probabilidad nace con el deseo del 6ombre de conocer con certe-a los e%entos 5uturos( Es por ello ,ue el estudio de probabilidades sur&e como una 6erramienta utili-ada por los nobles para &anar en los 0ue&os y pasatiempos de la /poca( El desarrollo de estas 6erramientas 5ue asi&nado a los matem.ticos de la corte( #ctualmente se continu con el estudio de nue%as metodolo&as ,ue permitan ma'imi-ar el uso de la computacin en el estudio de las probabilidades disminuyendo2 de este modo2 los m.r&enes de error en los c.lculos(
VARIAB(ES A(EATORIA+6 7Funcin ,ue asi&na un 8nico %alor a cada uno de los sucesos del espacio muestral(9 En probabilidad y estadstica2 una )aria$!e a!eatoria es una %ariable estadstica cuyos %alores se obtienen de mediciones en al&8n tipo de e'perimento aleatorio( Formalmente2 una %ariable aleatoria es una 5uncin2 ,ue asi&na e%entos 7p(e(2 los posibles resultados de tirar un dado dos %eces: 712 192 712 292 etc(9 a n8meros reales 7p(e(2 su suma9( +os %alores posibles de una %ariable aleatoria pueden representar los posibles resultados de un e'perimento a8n no reali-ado2 o los posibles %alores de una cantidad cuyo %alor actualmente e'istente es incierto 7p(e(2 como resultado de medicin incompleta o imprecisa9( )ntuiti%amente2 una %ariable aleatoria puede tomarse como una cantidad cuyo %alor no es 5i0o pero puede tomar di5erentes %alores; una distribucin de probabilidad se usa para describir la probabilidad de ,ue se den los di5erentes %alores( +as %ariables aleatorias suelen tomar %alores reales2 pero se pueden considerar %alores aleatorios como %alores l&icos2 5unciones((( El t/rmino elemento aleatorio se utili-a para en&lobar todo ese tipo de conceptos relacionados( <n concepto relacionado es el de proceso estoc.stico2 un con0unto de %ariables aleatorias ordenadas 76abitualmente por orden o tiempo9(

Ti1o" de )aria$!e" a!eatoria"+6 Para comprender de una manera m.s amplia y ri&urosa los tipos de %ariables2 es necesario conocer la de5inicin de co /u to di"creto( <n con0unto es discreto si est. 5ormado por un n8mero 5inito de elementos2 o si sus elementos se pueden enumerar en secuencia de modo ,ue 6aya un primer elemento2 un se&undo elemento2 un tercer elemento2 y as sucesi%amente( a7Varia$!e a!eatoria di"co ti ua o di"creta(= Variable aleatoria discreta2 ,ue produce como resultado un n8mero 5inito de %alores predeterminados2 por lo ,ue su recorrido es 5inito( Se dice ,ue una Variable aleatoria Discreta o Discontinua >2 tiene un con0unto de5inido de %alores posibles '12'22'32?(('n con probabilidades respecti%as p12p22p32?((pn(2 Es decir ,ue slo puede tomar ciertos %alores dentro de un campo de %ariacin dado( Como > 6a de tomar uno de los %alores de este con0unto2 entonces p1 @ p2 @?@ pnA1( En &eneral2 una %ariable aleatoria discreta > representa los resultados de un espacio muestral en 5orma tal ,ue por P7> A '9 se entender. la probabilidad de ,ue > tome el %alor de '( De esta 5orma2 al considerar los %alores de una %ariable aleatoria es posible desarrollar una 5uncin matem.tica ,ue asi&ne una probabilidad a cada reali-acin ' de la %ariable aleatoria >( Esta 5uncin recibe el nombre de funcin de la probabilidad. Distribuciones de %ariable discreta m.s importantes(= +as distribuciones de %ariable discreta m.s importantes son las si&uientes: Distribucin binomial Distribucin 6iper&eom/trica Distribucin multi6iper&eom/trica Distribucin de poisson Distribucin de bernoulli

Di"tri$uci* $i omia! +a distribucin binomial es tpica de las %ariables ,ue proceden de un e'perimento ,ue cumple las si&uientes condiciones: 19 29 El e'perimento est. compuesto de n pruebas i&uales2 siendo n un n8mero natural 5i0o( Cada prueba resulta en un suceso ,ue cumple las propiedades de la %ariable binmica o de
Bernoulli2 es decir2 slo e'isten dos posibles resultados2 mutuamente e'cluyentes2 ,ue se denominan &eneralmente como /'ito y 5racaso( 39 +a probabilidad del C/'ito 7o del 5racaso9 es constante en todas las pruebas( P7/'ito9 A p ;
P75racaso9 A 1 = p A , 9 +as pruebas son estadsticamente independientes2 En estas condiciones2 la %ariable aleatoria > ,ue cuenta el n8mero de C/'itos en las n pruebas se llama %ariable binomial( E%identemente2 el espacio muestral estar compuesto por los n8meros enteros del 0 al n( Se suele decir ,ue una %ariable binmica cuenta ob0etos de un tipo determinado en un muestreo de n elementos con reempla-amiento( +a 5uncin de probabilidad de la %ariable binomial se representa como b7'2n2p9 siendo n el n8mero de pruebas y p la probabilidad del C/'ito( n y p son los par.metros de la distribucin(
+a manera m.s 5.cil de calcular de %alor de n8meros combinatorios2 como los incluidos en la e'presin anterior2 es utili-ando el tri.n&ulo de !arta&lia

Di"tri$uci* 8i1ergeomtrica <na %ariable tiene distribucin 6iper&eom/trica si procede de un e'perimento ,ue cumple las si&uientes condiciones: 19 29 Se toma una muestra de tamaDo n2 sin reempla-amiento2 de un con0unto 5inito de E ob0etos( F de los E ob0etos se pueden clasi5icar como C/'itos y E = F como 5racasos(
> cuenta el n8mero de C/'itos obtenidos en la muestra( El espacio muestral es el con0unto de los n8meros enteros de 0 a n2 de 0 a F si F G n( En este caso2 la probabilidad del C/'ito en pruebas sucesi%as no es constante pues depende del resultado de las pruebas anteriores( Por tanto2 las pruebas no son independientes entre s( +a 5uncin de probabilidad de la %ariable 6iper&eom/trica es:
+os par.metros de la distribucin son n2 E y F( +os %alores de la media y la %arian-a se calculan se&8n las ecuaciones:
Si n es pe,ueDo2 con relacin a E 7n GG E92 la probabilidad de un C/'ito %ariar muy poco de una prueba a otra2 as pues2 la %ariable2 en este caso2 es esencialmente binomial; en esta situacin2 E suele ser muy &rande y los n8meros combinatorios se %uel%en pr.cticamente inmane0ables2 as pues2 la probabilidades se calculan m.s cmodamente apro'imando por las ecuaciones de una binomial con p A F H E(

+a media de la %ariable apro'imada 7I A n p A n 7F H E99 es la misma ,ue la de la %ariable antes de la apro'imacin; sin embar&o2 la %arian-a de la %ariable binomial es li&eramente superior a la de la 6iper&eom/trica(
el 5actor por el ,ue di5ieren ser siempre menor ,ue 1 y tan pr'imo a 1 como cierto sea ,ue n GG E( El aspecto de la distribucin es bastante similar al de la binomial( Como e0emplo2 mostramos los casos an.lo&os a los de las binomiales del apartado anterior 7p inicial A 022J y n A 9
Di"tri$uci* mu!ti8i1ergeomtrica Este %ariable se de5ine i&ual ,ue la 6iper&eom/trica con la 8nica di5erencia de ,ue se supone ,ue el con0unto de ob0etos sobre el ,ue se muestrea se di%ide en 1 &rupos de # 12 #22(((2 #1 ob0etos y la %ariable describe el n8mero de ob0etos de cada tipo ,ue se 6an obtenido 7' 12 '22(((2 '19
Esta situacin es an.lo&a a la planteada en el caso de la distribucin multinomial( +a 5uncin de probabilidad es:

Di"tri$uci* de 1oi""o <na %ariable de tipo poisson cuenta C/'itos 7es decir2 ob0etos de un tipo determinado9 ,ue ocurren en una re&in del espacio o del tiempo( El e'perimento ,ue la &enera debe cumplir las si&uientes condiciones: 1( El n8mero de /'itos ,ue ocurren en cada re&in del tiempo o del espacio es independiente de lo ,ue ocurra en cual,uier otro tiempo o espacio dis0unto del anterior( 2( +a probabilidad de un C/'ito en un tiempo o espacio pe,ueDo es proporcional al tamaDo de este y no depende de lo ,ue ocurra 5uera de /l( 3( +a probabilidad de encontrar uno o m.s C/'itos en una re&in del tiempo o del espacio tiende a cero a medida ,ue se reducen las dimensiones de la re&in en estudio( Como consecuencia de estas condiciones2 las %ariables Poisson tpicas son %ariables en las ,ue se cuentan sucesos raros( +a 5uncin de probabilidad de una %ariable Poisson es:
El par.metro de la distribucin es K ,ue es i&ual a la media y a la %arian-a de la %ariable(
Esta caracterstica puede ser%irnos para identi5icar a una %ariable Poisson en casos en ,ue se presenten serias di5icultades para %eri5icar los postulados de de5inicin(

+a distribucin de Poisson se puede considerar como el lmite al ,ue tiende la distribucin binomial cuando n tiende a y p tiende a 02 siendo np constante 7y menor ,ue L9; en esta situacin sera di5cil calcular probabilidades en una %ariable binomial y2 por tanto2 se utili-a una apro'imacin a tra%/s de una %ariable Poisson con media l A n p( +a %arian-a de la %ariable apro'imada es li&eramente superior a la de la %ariable binomial(
+as %ariables Poisson cumplen la propiedad de ,ue la suma de %ariables Poisson independientes es otra Poisson con media i&ual a la suma las medias( El aspecto de la distribucin depende muc6simo de la ma&nitud de la media( Como e0emplo2 mostramos tres casos con K A 02J 7arriba a la i-,uierda92 K A 12J 7arriba a la derec6a9 y K A J 7aba0o9 Mbs/r%ese ,ue la asimetra de la distribucin disminuye al crecer K y ,ue2 en paralelo2 la &r.5ica empie-a a tener un aspecto acampanado(

Di"tri$uci* de Ber ou!!i En teora de probabilidad y estadstica2 la distribucin de Bernoulli 7o distribucin dicotmica92 nombrada as por el matem.tico y cient5ico sui-o NaOob Bernoulli2 es unadistribucin de probabilidad discreta2 ,ue toma %alor 1 para la probabilidad de /'ito 7 9 y %alor 0 para la probabilidad de 5racaso 7 9( Si es una %ariable aleatoria ,ue mide Pn8mero de /'itosP2 y se reali-a un 8nico e'perimento con dos posibles resultados 7/'ito o 5racaso92 se dice ,ue la %ariable aleatoria distribuye como una Bernoulli de par.metro ( se
+a 5rmula ser.:
Su 5uncin de probabilidad %iene de5inida por:
E/em1!o y a1!icacio 1( +os trenes de una cierta lnea de cercanas pasan cada 20 minutos( Cuando lle&amos a la estacin2 i&noramos cu.ndo pas el 8ltimo( +a medida de la probabilidad del tiempo ,ue tendremos ,ue esperar a ,ue pase el si&uiente tren 7!)E*PM DE ESPE1#92 se obtiene con la ayuda de la &r.5ica ad0unta( Mbser%a ,ue ba0o ella 6ay 100 cuadritos( +a probabilidad de ,ue ten&amos ,ue esperar entre 10 y 1Q minutos es del 30R 730 cuadritos de un total de 1009( Es decir: PS10 T ' T 1QU A 0230 Procediendo de 5orma similar2 6alla las si&uientes probabilidades e interpreta lo ,ue si&ni5ican: a9 PS' T 2U b9 PSJ T ' T 10U c9 PS' T 10U d9 PSJ T ' T QU a9 PS' T 2U A A 0210

+a probabilidad de tener ,ue esperar menos de 2 minutos es 0210 7del 10R9( b9PSJ T ' T 10U A A 022J +a probabilidad de tener ,ue esperar entre J y 10 minutos es del 2JR( c9 PS' T 10U A A 02J0 +a probabilidad de tener ,ue esperar menos de 10 minutos es del J0R( d9PSJ T ' T QU A A 020J +a probabilidad de tener ,ue esperar entre J y Q minutos es del JR(
.+ El almacenero del laboratorio de )n&eniera Electrnica reporta ,ue de las treinta puntas de prueba de osciloscopios el 20R est.n malo&radas2 /l desea saber la distribucin de probabilidad de ,ue est/n malo&radas puntas de prueba( Se aplica la 5rmula 7Q9( P7'A 9 A0(132J22 J(
$7 Varia$!e a!eatoria co ti ua+6 Variable aleatoria continua2 de recorrido in5inito2 donde el n8mero al ,ue se 6ace corresponder la aplicacin pertenece al con0unto de los n8meros reales 1( Si > es una Variable aleatoria continua2 puede tomar cual,uier %alor de un inter%alo continuo o dentro de un campo de %ariacin dado( +as probabilidades de ,ue ocurra un %alor dado ' est.n dadas por una 5uncin de densidad de probabilidad de ,ue > ,uede entre a y b( El .rea total ba0o la cur%a es 1( Distribuciones de %ariable continua m.s importantes(= +as distribuciones de %ariable continua m.s importantes son las si&uientes:

Distribucin normal o de Vauss Distribucin Vamma 7W9 Distribucin e'ponencial Distribucin F de Snedecor Distribucin ! Student
Di"tri$uci*
orma! o de 0au""
+a distribucin normal 5ue de5inida por De *oi%re en 1L33 y es la distribucin de mayor importancia en el campo de la estadstica( <na %ariable es normal cuando se a0usta a la ley de los &randes n8meros2 es decir2 cuando sus %alores son el resultado de medir reiteradamente una ma&nitud sobre la ,ue in5luyen in5initas causas de e5ecto in5initesimal( +as %ariables normales tienen una 5uncin de densidad con 5orma de campana a la ,ue se llama campana de Vauss( Su 5uncin de densidad es la si&uiente:
+os par.metros de la distribucin son la media y la des%iacin tpica2 I y X2 respecti%amente( Como consecuencia2 en una %ariable normal2 media y des%iacin tpica no deben estar correlacionadas en nin&8n caso 7como des&raciadamente ocurre en la inmensa mayora de las %ariables aleatorias reales ,ue se aseme0an a la normal( +a cur%a normal cumple las si&uientes propiedades:

19 29 39
El m.'imo de la cur%a coincide con la media( Es per5ectamente sim/trica respecto a la media 7& 1 A 09( +a cur%a tiene dos puntos de in5le'in situados a una des%iacin tpica de la media( Es con%e'a entre ambos puntos de in5le'in y cnca%a en ambas colas(
Sus colas son asintticas al e0e >(
Para calcular probabilidades en inter%alos de %alores de la %ariable2 6abra ,ue inte&rar la 5uncin de densidad entre los e'tremos del inter%alo( por des&racia 7o por suerte92 la 5uncin de densidad normal no tiene primiti%a2 es decir2 no se puede inte&rar( Por ello la 8nica solucin es re5erirse a tablas de la 5uncin de distribucin de la %ariable 7calculadas por inte&racin num/rica9 Estas tablas tendran ,ue ser de triple entrada 7I2 X2 %alor9 y el asunto tendra una comple0idad enorme( #5ortunadamente2 cual,uier ,ue sea la %ariable normal2 >2 se puede establecer una correspondencia de sus %alores con los de otra %ariable con distribucin normal2 media 0 y %arian-a 12 a la ,ue se llama %ariable normal tipi5icada o Y( +a e,ui%alencia entre ambas %ariables se obtiene mediante la ecuacin:

+a 5uncin de distribucin de la %ariable normal tipi5icada est. tabulada y2 simplemente2 consultando en las tablas se pueden calcular probabilidades en cual,uier inter%alo ,ue nos interese( De 5orma an.lo&a a lo pasaba con las %ariables Poisson2 la suma de %ariables normales independientes es otra normal(
Zisto&rama de una normal ideali-ada
Zisto&rama de una muestra de una %ariable normal
Di"tri$uci* 0amma 9:7 +a distribucin &amma se de5ine a partir de la 5uncin &amma2 cuya ecuacin es:
+a 5uncin de densidad de la distribucin &amma es:

[ y \ son los par.metros de la distribucin( +a media y la %arian-a de la %ariable &amma son:
Di"tri$uci* e;1o e cia! Es un caso particular de la distribucin &amma cuando [ A 1( Su 5uncin de densidad es:

Su par.metro es \( +a media y la %arian-a de la distribucin e'ponencial son:
Di"tri$uci* C8i6cuadrado 9c.7 Es otro caso particular de la distribucin &amma para el caso \ A 2 y [ A n H 22 siendo n un n8mero natural( Su 5uncin de densidad es:
El par.metro de la distribucin c2 es n y su media y su %arian-a son2 respecti%amente:
Mtra 5orma de de5inir la distribucin c2 es la si&uiente: Supon&amos ,ue tenemos n %ariables aleatorias normales independientes2 > 12(((2 >n2 con media Ii y %arian-a %ariable de5inida como 7i A 1 ((( n92 la
tiene distribucin c2 con n &rados de libertad y se le denomina c2n(

Variables c6i=cuadrado con %alores de pro&resi%amente mayores son cada %e- menos asim/tricas(
Di"tri$uci* T de Stude t Supon&amos dos %ariables aleatorias independientes2 una normal tipi5icada2 Y 2 y otra con distribucin c2 con n &rados de libertad2 la %ariable de5inida se&8n la ecuacin:
tiene distribucin t con n &rados de libertad( +a 5uncin de densidad de la distribucin t es:
El par.metro de la distribucin t es n2 su n8mero de &rados de libertad( Esta distribucin es sim/trica respecto al e0e ] y sus colas se apro'iman asintticamente al e0e >( Es similar a la distribucin Y sal%o ,ue es platic8rtica y2 por tanto2 m.s aplanada(

Cuando n tiende a in5inito2 t tiende asintticamente a Y y se pueden considerar pr.cticamente i&uales para %alores de n mayores o i&uales ,ue 30((
Variables ! con %alores de n pro&resi%amente mayores son cada %e- menos platic8rticas
Comparacin entre la %ariable ! y la normal tipi5icado(
Di"tri$uci* , de S edecor Sean < y V dos %ariables aleatorias independientes con distribucin c2 con n1 y n2 &rados de libertad2 respecti%amente( +a %ariable de5inida se&8n la ecuacin:
tiene distribucin F con n12 n2 &rados de libertad( +a 5uncin de densidad de la distribucin F es:

+os par.metros de la %ariable F son sus &rados de libertad n1 y n2( +as distribuciones F tienen una propiedad ,ue se utili-a en la construccin de tablas ,ue es la si&uiente: +lamemos 5a2n12n2 al %alor de una distribucin F con n1 y n2 &rados de libertad ,ue cumple la condicin2 P7F ^ 5a2n12n29 A [; llamemos 51=a2n12n2 al %alor de una distribucin F con n1 y n2 &rados de libertad ,ue cumple la condicin2 P7F ^ 51=a2n12n29 A 1= [( #mbos %alores est.n relacionados de modo ,ue uno es el in%erso del otro(
Variables F con distintos %alores de

E/em1!o y a1!icaci* -+ +a tabla ad0unta muestra la altura en cm de 100 estudiantes( _Es ra-onable suponer ,ue estos resultados proceden de una distribucin normal` a9 Calculamos la media y la des%iacin tpica de la distribucin
;a -55 -<= -<5 -?= -?5 ->= ->5
;$ -<= -<5 -?= -?5 ->= ->5 -@=
;i 1JL2J 1Q22J 1QL2J 1L22J 1LL2J 1b22J 1bL2J
2i > -4 .. .> -< > 4 100
;i 2i 12Q0 22LJ 3QbJ b30 2b 0 1 Q0 LJ0 1L100
media de")iaci* t#1ica
;i. 2i 1ab J0 3QaQbL2J Q1L23L2J b331LJ J0 100 2QQ J0 1 0Q2J 2a2aL2J ;A -?"A ?B5=
!ipi5icamos los e'tremos de cada inter%alo y calculamos en cada caso ;a ;$ 2ri Ca C$ 19DE;a7 19DE;$7 19;aEDE;$7
P7'aG'c'b9AP7-aG-c-b9

1JJ 1Q0 =B=> 1Q0 1QJ =B-4 1QJ 1L0 =B.. 1L0 1LJ =B.> 1LJ 1b0 =B-< 1b0 1bJ =B=> 1bJ 1a0 =B=4 media des%( tpica
= 2213 = 12 L = 02b0 =
=12 L 0201Q
020L12
=B=5 =B-4 =B.4 =B.< =B-> =B=> =B=3
=02b0 020L12 02211a =0213 02211a 02 02 L0
02J3 0213 02J3 1220 1220 12bL 12bL 22J3 ;A -?"A?B5=
L0 02L031
02L031 02bb a 02bb a 02aQa0 02aQa0 02aa
.+
+a si&uiente &r.5ica corresponde a la 5uncin de probabilidad de una %ariable
continua2 ' : Los trenes de una cierta lnea de cercanas pasan cada 20 minutos. Cuando llegamos a la estacin, ignoramos cundo pas el ltimo. La medida de la probabilidad del tiempo que tendremos que esperar a que pase el siguiente tren (TI !"# $ %" &'(, se obtiene con la a)uda de la gr*ica ad+unta.
#bser,a que ba+o ella -a) .00 cuadritos. La probabilidad de que tengamos que esperar entre .0 ) ./ minutos es del 001 (00 cuadritos de un total de .00(. s decir2 "3.0 4 5 4 ./6 7 0,00 "rocediendo de *orma similar, -alla las siguientes probabilidades e interpreta lo que signi*ican2

a( "35 4 26 b( "38 4 5 4 .06 c( "35 4 .06 d( "38 4 5 4 /6 a( "35 4 26 7 7 0,.0 La probabilidad de tener que esperar menos de 2 minutos es 0,.0 (del .01(. b("38 4 5 4 .06 7 7 0,28 La probabilidad de tener que esperar entre 8 ) .0 minutos es del 281. b( "35 4 .06 7 7 0,80 c( La probabilidad de tener que esperar menos de .0 minutos es del 801. d("38 4 5 4 /6 7 7 0,08 La probabilidad de tener que esperar entre 8 ) / minutos es del 81.
-+- Re"u!tado" y Di"cu"i* +ue&o de 6aber reali-ado la in%esti&acin biblio&r.5ica y los procedimientos re,ueridos tanto de las probabilidades aleatoria discreta como continua2 se lle&a a obtener mayores conocimientos de lo ,ue es las %ariables aleatorias y su aplicacin en la carrera de Electrnica y Comunicaciones( -+. Co c!u"io e" +a in5ormacin recolectada ayudo a tener una perspecti%a clara del estudio de las %ariables aleatorias Discretas y Continuas +a in%esti&acin reali-ada nos permito conocer ,ue las probabilidades tienen di5erentes aplicaciones2 tanto en la %ida cotidiana como en la %ida pro5esional( +as probabilidades tienen un &ran campo de estudio y aplicacin en lo ,ue se re5iere a la carrera de Electrnica y Comunicaciones(

-+3 Recome dacio e" Conocer m.s acerca de lo ,ue es %ariables aleatorias reali-ar %arios e0ercicios ,ue le permitan reconocer la aplicacin de los conocimientos ad,uiridos( Entender claramente lo ,ue es %araibles aleatorias y su 5uncin en las probabilidades( # la 6ora de estudiar un problema asociarlo con probabilidades en el caso ,ue sea posible para resol%erlo de la me0or manera(
-+4 Re2ere cia Bi$!iogra2ica" S1U DeVroot2 *(Z( 71abb9( Probabilidad y Estadstica( 72d Ed(9( #ddison eesley )beroamericana( )SBE 0 201Q 0J3( S2U *artn Plie&o2 F(N( 7200 9( )ntroduccin a la Estadstica Econmica y Empresarial( 7 Ed(9 !6omson( *adrid( S3U *enden6all2 e(; 1einmut62 N(E( 71aLb9( Estadstica para administracin y economa ( 7Ed(9 Vrupo Editorial )beroamericana( )SBE aQbL2L013Q( S U *ontiel2 #(*(; 1ius2 F(; Barn F(N( 71aaL9( Elementos b.sicos de Estadstica Econ mica y Empresarial( 72d Ed(9 Prentice Zall2 *adrid(

SJU PeDa2 D( 720019( Fundamentos de Estadstica( 7Ed(9 #lian-a Editorial2 S(#( *adrid ( )SBE: b 20Q bQaQ ( SQU 1omero2 1 y Y8nica2 +(1( 71aa39( Estadstica 7Proyecto de )nno%acin Educati%a9( SP<PVa3(Q3L( SLU 1omero2 1 y Y8nica2 +(1( 720009( )ntroduccin a la Estadstica( 7Ed(9( SP<PV 200 0( 0L1(
http://pendientedemigracion.ucm.es/info/genetica/Estadistica/estadistica_basica%201.htm

Proyecto de Probabilidades

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Proyecto de Probabilidades

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TCNICA DE AMBATO

FACULTAD DE INGENIERA EN SISTEMAS, ELECTRNICA E INDUSTRIAL PERODO ACADMICO: SEPTIEMBRE/2013 FEBRERO/2014

UNIVERSIDAD TCNICA DE AMBATO

'rea Acadmica& (# ea de I )e"tigaci* & Cic!o Acadmico& Para!e!o& A!um o&

Ce%allos #&uilar #le' #lberto

M*du!o y Doce te&

Estadstica y Probabilidades( )n&( *orales +uis(

IN,ORME 1(1 T#tu!o

UNIVERSIDAD TCNICA DE AMBATO

UNIVERSIDAD TCNICA DE AMBATO

-+5 Materia!e" y Metodo!og#a

UNIVERSIDAD TCNICA DE AMBATO

UNIVERSIDAD TCNICA DE AMBATO

UNIVERSIDAD TCNICA DE AMBATO

UNIVERSIDAD TCNICA DE AMBATO

UNIVERSIDAD TCNICA DE AMBATO

El par.metro de la distribucin es K ,ue es i&ual a la media y a la %arian-a de la %ariable(

UNIVERSIDAD TCNICA DE AMBATO

UNIVERSIDAD TCNICA DE AMBATO

Su 5uncin de probabilidad %iene de5inida por:

UNIVERSIDAD TCNICA DE AMBATO

UNIVERSIDAD TCNICA DE AMBATO

UNIVERSIDAD TCNICA DE AMBATO

Sus colas son asintticas al e0e >(

UNIVERSIDAD TCNICA DE AMBATO

Zisto&rama de una normal ideali-ada

Zisto&rama de una muestra de una %ariable normal

+a 5uncin de densidad de la distribucin &amma es:

UNIVERSIDAD TCNICA DE AMBATO

[ y \ son los par.metros de la distribucin( +a media y la %arian-a de la %ariable &amma son:

UNIVERSIDAD TCNICA DE AMBATO

Su par.metro es \( +a media y la %arian-a de la distribucin e'ponencial son:

El par.metro de la distribucin c2 es n y su media y su %arian-a son2 respecti%amente:

tiene distribucin c2 con n &rados de libertad y se le denomina c2n(

UNIVERSIDAD TCNICA DE AMBATO

tiene distribucin t con n &rados de libertad( +a 5uncin de densidad de la distribucin t es:

UNIVERSIDAD TCNICA DE AMBATO

Comparacin entre la %ariable ! y la normal tipi5icado(

UNIVERSIDAD TCNICA DE AMBATO

Variables F con distintos %alores de

UNIVERSIDAD TCNICA DE AMBATO

;a -55 -<= -<5 -?= -?5 ->= ->5

;$ -<= -<5 -?= -?5 ->= ->5 -@=

;i 1JL2J 1Q22J 1QL2J 1L22J 1LL2J 1b22J 1bL2J

2i > -4 .. .> -< > 4 100

;i 2i 12Q0 22LJ 3QbJ b30 2b 0 1 Q0 LJ0 1L100

media de")iaci* t#1ica

UNIVERSIDAD TCNICA DE AMBATO

=B=5 =B-4 =B.4 =B.< =B-> =B=> =B=3

=02b0 020L12 02211a =0213 02211a 02 02 L0

02J3 0213 02J3 1220 1220 12bL 12bL 22J3 ;A -?"A?B5=

02L031 02bb a 02bb a 02aQa0 02aQa0 02aa

+a si&uiente &r.5ica corresponde a la 5uncin de probabilidad de una %ariable

UNIVERSIDAD TCNICA DE AMBATO

UNIVERSIDAD TCNICA DE AMBATO

UNIVERSIDAD TCNICA DE AMBATO

También podría gustarte