Está en la página 1de 18

TRABAJO COLABORATIVO 2:

PROPUESTA INDIVIDUAL

PRESENTADO POR:
MAURICIO STEVEN VLEZ HERNNDEZ

PROBABILIDAD
Grupo 100402_288

TUTOR:
ELKIN ORLANDO VELEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA


2015

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

Contenido
VARIABLES.......................................................................................................... 3
VARIABLE ALEATORIA....................................................................................... 3
VARIABLE ALEATORIA DISCRETA......................................................................3
VARIABLE ALEATORIA CONTINUA.....................................................................3
VALOR ESPERADO............................................................................................ 4
VARIANZA........................................................................................................ 5
DISTRIBUCIN..................................................................................................... 6
DISTRIBUCIN BINOMIAL................................................................................. 6
DISTRIBUCIN BINOMIAL NEGATIVA.................................................................6
DISTRIBUCIN GEOMTRICA............................................................................6
DISTRIBUCIN DE POISSON............................................................................. 6
DISTRIBUCIN HIPERGEOMTRICA..................................................................7
DISTRIBUCIN UNIFORME DISCRETA...............................................................7
DISTRIBUCIN UNIFORME CONTINUA..............................................................8
DISTRIBUCIN NORMAL................................................................................... 9
DISTRIBUCIN CHI2 CUADRADO DE PEARSON...............................................10
DISTRIBUCIN t-STUDENT............................................................................. 11
BIBLIOGRAFA.................................................................................................... 13

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

VARIABLES
VARIABLE ALEATORIA
Definicin Una variable aleatoria es una regla bien definida para asignar
valores numricos a todos los resultados probables de un experimento.
Los distintos resultados que se obtienen al lanzar un dado forman una variable,
que abarcar de 1 a 6, y que no son predecibles. A todo valor de una variable
aleatoria corresponder una probabilidad. Ese conjunto de todos los valores
posibles recibe el nombre de funcin o distribucin de probabilidad de la
variable aleatoria.
Cualquier funcin de una variable aleatoria tambin lo ser de resultados
impredecibles y, por tanto, igualmente aleatoria. En general, cualquier
operacin algebraica entre dichas funciones dar lugar a otra variable
aleatoria.

VARIABLE ALEATORIA DISCRETA


Definicin
Se denomina variable aleatoria discreta aquella que slo puede tomar un
nmero finito de valores dentro de un intervalo. Por ejemplo, el nmero de
componentes de una manada de lobos, pude ser 4 5 6 individuos pero
nunca 5,75 5,87. Otros ejemplos de variable discreta seran el nmero de
pollos de gorrin que llegan a volar del nido o el sexo de los componentes de
un grupo familiar de babuinos.
Densidad
Se denomina densidad discreta a la probabilidad de que una variable aleatoria
discreta X tome un valor numrico determinado (x). Se representa:
f(x) = P[X=x]
La suma de todas las densidades ser igual a 1

VARIABLE ALEATORIA CONTINUA


Una variable aleatoria X es continua si su funcin de distribucin es una
funcin continua.
En la prctica, se corresponden con variables asociadas con experimentos en
los cuales la variable medida puede tomar cualquier valor en un intervalo:
mediciones biomtricas, intervalos de tiempo, reas, etc.
Ejemplos
Resultado de un generador de nmeros aleatorios entre 0 y 1. Es
el ejemplo ms sencillo que podemos considerar, es un caso particular
de una familia de variables aleatorias que tienen una distribucin

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

uniforme en un intervalo [a, b]. Se corresponde con la eleccin al azar de


cualquier valor entre a y b.
Estatura de una persona elegida al azar en una poblacin. El valor
que se obtenga ser una medicin en cualquier unidad de longitud (m,
cm, etc.) dentro de unos lmites condicionados por la naturaleza de la
variable. El resultado es impredecible con antelacin, pero existen
intervalos de valores ms probables que otros debido a la distribucin de
alturas en la poblacin. Ms adelante veremos que, generalmente,
variables biomtricas como la altura se adaptan un modelo de
distribucin denominado distribucin Normal y representado por una
campana de Gauss.

Dentro de las variables aleatorias continuas tenemos las variables aleatorias


absolutamente continuas.
Diremos que una variable aleatoria X continua tiene una distribucin
absolutamente continua si existe una funcin real f, positiva e integrable en el
conjunto de nmeros reales, tal que la funcin de distribucin F de X se puede
expresar como

Una variable aleatoria con distribucin absolutamente continua, por extensin,


se clasifica como variable aleatoria absolutamente continua.

VALOR ESPERADO
El valor esperado es un concepto fundamental en el estudio de las
distribuciones de probabilidad. Desde hace muchos aos este concepto ha sido
Aplicado ampliamente en el negocio de seguros y en los ltimos veinte aos ha
Sido aplicado por otros profesionales que casi siempre toman decisiones en
Condiciones de incertidumbre.
Para obtener el valor esperado de una variable aleatoria discreta,
multiplicamos cada valor que sta puede asumir por la probabilidad de
ocurrencia de ese Valor y luego sumamos los productos. Es un promedio
ponderado de los Resultados que se esperan en el futuro.
Sea X una Variable Aleatoria que toma valores en un conjunto discreto (en un
conjunto finito de nmeros en uno infinito como: los naturales, los enteros o
los racionales), por ejemplo si la variable aleatoria X toma los siguientes
valores:
X = 0, 1, 2, 3, decimos que es discreta
La probabilidad de que X tome cada uno de sus valores viene dada por la
funcin de probabilidad:

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2


P(X = i), para i = 0, 1, 2, 3, ... ;
Sea P(X = i) = pi para i = 0, 1, 2, 3, ... Se tiene que p1 + p2 + p3 +...+
pn +... = 1
Se define el Valor Esperado de una Variable Aleatoria con distribucin discreta
Como:
= E(X) = xf (x)
Y para una variable aleatoria con distribucin continua como

= E(X) = xf (x)dx

VARIANZA
Se podra usar un argumento parecido para justificar las frmulas para la
varianza de la poblacin 2 y la desviacin estndar de la poblacin . Estas
medidas numricas describen la dispersin o variabilidad de la variable
aleatoria mediante el promedio o valor esperado de las desviaciones
cuadrticas de los valores de x a partir de su media .
Sea x variable aleatoria discreta con distribucin de probabilidad f(x) y media
.
La varianza de x es: La varianza de x es: 2 = E[( - X ) ] =(x - )2 f (x)
Sea x variable aleatoria continua con distribucin de probabilidad f(x) y media
.

La varianza de x es: 2 = E[( X -)2 ] = (x- )2 f x dx

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

DISTRIBUCIN
DISTRIBUCIN BINOMIAL
La distribucin binomial produce la descripcin adecuada a las probabilidades
de ocurrencia de los resultados posibles a un experimento, siempre que sean
generados por un proceso Bernoulli. Aunque un experimento tenga muchos
resultados probables, por ejemplo, el lance de un dado que tiene seis
resultados posibles, quiz satisfaga esa primera condicin del proceso de
Bernoulli si se dicotomizan los resultados: E = obtener un 6, F = no obtener un
6, o tambin E = nmero par, F = nmero impar, etctera.

DISTRIBUCIN BINOMIAL NEGATIVA


En estadstica la distribucin binomial negativa es una distribucin de
probabilidad discreta que incluye a la distribucin de Pascal.
El nmero de experimentos de Bernoulli de parmetro \theta independientes
realizados hasta la consecucin del k-simo xito es una variable aleatoria que
tiene una distribucin binomial negativa con parmetros k y \theta.
La distribucin geomtrica es el caso concreto de la binomial negativa cuando
k = 1.

DISTRIBUCIN GEOMTRICA
En teora de probabilidad y estadstica, la distribucin geomtrica es cualquiera
de las dos distribuciones de probabilidad discretas siguientes:

La distribucin de probabilidad del nmero X del ensayo de Bernoulli


necesaria para obtener un xito, contenido en el conjunto {1, 2, 3,...} o
La distribucin de probabilidad del nmero Y = X 1 de fallos antes del
primer xito, contenido en el conjunto {0, 1, 2, 3,...}.

Cul de stas es la que uno llama "la" distribucin geomtrica, es una cuestin
de convencin y conveniencia.

DISTRIBUCIN DE POISSON
Tambin llamada distribucin exponencial de Poisson, se caracteriza por el
nmero esperado de sucesos en una unidad de tiempo o de espacio.

Puede demostrarse

Y se usa cuando n es grande, por

que

ejemplo,

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

DISTRIBUCIN HIPERGEOMTRICA
La distribucin binomial se basa en los supuestos de que las observaciones son
independientes entre s y de que es un proceso estacionario, por lo que la
probabilidad de xito es constante. Esto resulta vlido cuando se realiza un
muestreo con reemplazo o cuando la poblacin es infinita; sin embargo,
cuando la poblacin es finita, o se realiza un muestreo sin reemplazo, los
ensayos sucesivos no son idnticos ni independientes y, por supuesto, la
probabilidad de xito vara de ensayo a ensayo.
En la mayor parte de los problemas de control de calidad, se realiza siempre
muestreo sin reemplazo y se utiliza de manera amplia la distribucin
hipergeomtrica.

Como , entonces el modelo hipoergeomtrico ser:

Donde r = 0, 1, 2,..., n

DISTRIBUCIN UNIFORME DISCRETA


En teora de la probabilidad, la distribucin uniforme discreta es una
distribucin de probabilidad que asume un nmero finito de valores con la
misma probabilidad.
Si la distribucin asume los valores reales
probabilidad es

y su funcin de distribucin la funcin escalonada

Su media estadstica es

, su funcin de

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2


y su varianza

DISTRIBUCIN UNIFORME CONTINUA


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 mximo.
La distribucin es a menudo escrita en forma abreviada como U [a,b].
Si se restringe
y
, a la distribucin resultante U (0,1) se la
llama distribucin uniforme estndar.
Una propiedad interesante de la distribucin uniforme estndar es que si u 1 es
una distribucin uniforme estndar, entonces 1-u 1 tambin lo es.
El planteamiento radica en el hecho de que la probabilidad se distribuye
uniformemente a lo largo de un intervalo. As: dada una variable aleatoria
continua, x, definida en el intervalo [a, b] de la recta real, diremos que x tiene
una distribucin uniforme en el intervalo [a,b] cuando su funcin de densidad
para
sea:

para x [a,b].
Su representacin grfica
ser:
De manera que la funcin de distribucin resultar:

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

DISTRIBUCIN NORMAL
La distribucin normal es con referencia a la poblacin, sin duda, la ms
conocida y usada de todas. Muchos fenmenos naturales tienden a dar como
resultado una distribucin normal. Entre otras, longitud, altura y grosor de
animales o plantas; mediciones de cantidades de azcar en la sangre; cantidad
de glbulos blancos; incidencia de las enfermedades del odo interno y medidas
en el aspecto conductista, emocional o psicolgico de las acciones, aptitudes o
capacidades humanas. La distribucin de los errores de medida (desviaciones
en relacin con un valor especfico en los dimetros de pistones, cilindros o
caones de armas de fuego; pesos de productos empaquetados e incluso las
longitudes de las cintas mtricas) tiende a ser normal, al igual que la
distribucin del grado de perfeccin de diversos procesos de produccin.
La distribucin normal es continua, ah la variable aleatoria X es capaz de
adoptar cualquier valor comprendido en el siguiente intervalo

Dos parmetros
describen la
distribucin normal:
Y se denota como:
La funcin de
densidad normal
es:

Donde

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

La grfica de la
expresin III es la
siguiente:

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

DISTRIBUCIN CHI2 CUADRADO DE PEARSON


Si (X1,X2,...,Xn) son n variables aleatorias normales independientes de media 0 y
varianza 1, la variable definida como

Yn X12 X n2 i1 X i2
n

se dice que tiene una distribucin CHI con n grados de libertad. Su funcin de
densidad es

f (x)

1
x ( n 2) / 2 e x / 2
n
n
2
2

x0

(P) X P 1e x dx
0

siendo
la funcin gamma de Euler, con P>0. La funcin de
distribucin viene dada por
x

F( x ) P( X x ) f ( x )dx
0

La media de esta distribucin es E(X)=n y su varianza V(X)=2n. Esta


distribucin es bsica en un determinado nmero de pruebas no paramtricas.
Si consideramos una variable aleatoria Z~N(0,1), la variable aleatoria X=Z 2 se
distribuye segn una ley de probabilidad distribucin CHI con un grado de
libertad
Si tenemos n variable aleatoria independientes Z i~N(0,1), la suma de sus
cuadrados respectivos es una distribucin CHI con n grados de libertad,
n

Z i N (0,1) Z i2 2n
i 1

La media y varianza de esta variable son respectivamente, E(X)=n y V(X)=2n

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

DISTRIBUCIN t-STUDENT
Si (X,X1,X2,...,Xn) son n+1 variables aleatorias normales independientes de
media 0 y varianza 2, la variable

Yn

X
1 n 2
Xi
n i 1

tiene una distribucin t-Student con n grados de libertad. Su funcin de


densidad es

n 1

1
2

f (x)
n
n

2

x2
1

n 1
2

x0

(P) X P 1e x dx
0

siendo
la funcin gamma de Euler con P>0. La media de la
distribucin t-Student es E(X)=0 y su varianza V(X)=n/(n-2), la cual no existe
para grados de libertad menores que 2.
Esta distribucin aparece en algunos contrastes del anlisis normal.
La distribucin t-Student se construye como un cociente entre una normal

2n

Z~N(0,1) y la raz de una Chi


independientes. De modo preciso, llamamos
distribucin t-Student con n grados de libertad, t n a la de una variable aleatoria
T,

Z
1 2
n
n

tn

1 Xi i

n i 1
i

y adems,

tn

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

Para calcular

P(T t ) f (t ) dt

n 1

2
n
n
2

x2
1
n

( n 1) / 2

dx

Sea un estadgrafo t calculado para la media con la relacin

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

Caso #2
Prepare un informe en el que como mnimo, incluya:
1. Por medio de las suposiciones de Seligman, calcule la
probabilidad de que la estatura de un solo varn adulto chino
escogido al azar sea menor o igual a 154 cm.
Datos:

=166,3 cm ; =3,7 cm; x=154 cm( valor a buscar)

Se utiliza la forma de la Distribucin normal:

Z=
Entonces;

x 154 cm166,3 cm
=
=3,324 cm

3,7 cm

Z =3,324=0,000450087=0, 0 45

R/ta. La probabilidad que la estatura de un solo varn escogido al azar


sea 154 cm es de ~ 0,045%.

2. De igual manera, calcule la probabilidad de que la estatura de


un solo varn adulto chico escogido al azar sea mayor a 157 cm.
Datos:

=166,3 cm ; =3,7 cm ; x=157 cm ( valor a buscar)

Se utiliza la forma de la Distribucin normal:

Z=
Entonces;

x 157 cm166,3 cm
=
=2,5135 cm

3,7 cm

Z =2,5135=0,006036558=0,9939

R/ta. La probabilidad que la estatura de un solo varn escogido al


azar sea 157 cm es de ~ 99,39%.
3. Los resultados de la pregunta
probabilidades de Seligman?

1,

concuerdan

con

las

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

No, solo 1 en 40 es decir 2,5% tendran 154 cm de estatura o menos


de acuerdo a la operacin el valor es de 0,045%.

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2


4. Comente acerca de la validez de las suposiciones de Seligman
Hay algn error bsico en su razonamiento?

Para calcular estas probabilidades Seligman advierte que no existe el


equivalente chino del Servicio de Salud de pases como Estados Unidos y
por tanto, es difcil obtener las estadsticas de salud de la poblacin
actual china.
Sin embargo, afirma que en general se sostiene que la longitud de un
nio al nacer representa el 28,6% de su estatura final Esta afirmacin
debe tener un margen de error muy alto puesto que no es una medida
exacta sino una suposicin.

5. Segn criterios estadsticos se considera que un individuo es de


estatura alta si supera el promedio en ms de 2 desviaciones
estndar y de estatura baja si es inferior al promedio por ms de
2 desviaciones estndar. Usando las suposiciones de Seligman:
a. Calcule la probabilidad de que un varn adulto chino sea considerado
como de estatura alta
b. Calcule la probabilidad de que un varn adulto chino sea considerado
como de estatura baja.

( x 2 x x +2 )
P=

166,32 ( 3,7 ) 166,3


166,3+2 (3,7 )166,3
Z
3,7
3,7

a. Desarrollo:

P (2< z )=10.022750132=0.9772 4
b. desarrollo:

P ( z <2 ) =0.977249868
6. Con base en los resultados anteriores, argumente si considera o
no que Deng Xiaping tomo en cuenta la estatura al elegir a su
sucesor.

La toma de la decisin aunque se fundamenta en los valores que se


muestran en el artculo es difcil finalmente justificarlo, ya que las
probabilidades para que un varn adulto tenga la altura mxima esta
sobre el 97,72% de posibilidades, osea que las razones por las cuales se
toma la decisin no se basan por el tamao, sino de otro carcter.

ESCUELA DE CIENCIAS EXACTAS


90168_288 PROBABILIDAD

Trabajo Colaborativo Grupal Momento 2 - 2015 - 2

BIBLIOGRAFA
Prez-Tejada, Haroldo Elorza, 2008, Estadstica para las ciencias sociales, del
comportamiento y de la salud 3a. edicin
http://latinoamerica.cengage.com/
Distribucin Uniforme Discreta
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_uniforme_discreta
Distribucin Uniforme Continua
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_uniforme_continua
Distribucin Geomtrica
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_geom%C3%A9trica
Distribucin Binomial Negativa
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial_negativa
11. Funciones de Distribucin Especiales
https://www.google.com/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0CB4QFjAAahUKEwjDkJHBg
vPIAhUI4iYKHYFwDiw&url=http%3A%2F%2Faprendeenlinea.udea.edu.co
%2Flms%2Fmoodle%2Fmod%2Fresource%2Fview.php%3Finpopup%3Dtrue
%26id
%3D30794&usg=AFQjCNHO2y9CQ6ezbLBoH7Ft7qn5Rp5P4Q&sig2=8XaoqWp_
7-S78aJE9-COYw
Variable aleatoria discreta
https://es.wikiversity.org/wiki/Variable_aleatoria_discreta
Definicin de variable aleatoria contina
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo2/B0C2
m1t9.htm
Publicado por steve M, jueves, 4 de octubre de 2012, Valor Esperado y Varianza
http://edwardmoralesz.blogspot.com/2012/10/valor-esperado-y-varianza.html
Modelos de Probabilidad III
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/modelos3.htm