Está en la página 1de 12

UNIVERSIDAD TECNOLGICA

DE CAMPECHE
INGENIERIA EN TECNOLOGIAS DE LA
INFORMACION

ACTIVIDAD DE INVESTIGACIN:

EJERCICIOS PRCTICOS

QUE PRESENTA:

NAYELI DEL JESUS LEON LOPEZ

ASIGNATURA:

ESTADISTICA APLICADA

PARA APROBAR LA UNIDAD II:

DISTRIBUCIONES DE PROBABILIDAD

CUATRIMESTRE:

SEP - DIC 2016

San Antonio Crdenas, Carmen, Campeche

Noviembre de 2016

UNIVERSIDAD TECNOLGICA
DE CAMPECHE
INGENIERIA EN TECNOLOGIAS DE LA
INFORMACION

INTRODUCCIN

En este trabajo estudiaremos dos de las principales distribuciones de variables


aleatorias discretas y la distribucin Normal que se puede aplicar tanto para
variables aleatorias discretas como para variables aleatorias continuas.
Una variable aleatoria es un valor numrico que corresponde al resultado de un
experimento aleatorio, como el nmero de caras que se obtienen al lanzar 4 veces
una moneda, el nmero de lanzamientos de un dado hasta que aparece el seis, el
nmero de llamadas que se reciben en un telfono en una hora, el tiempo de
espera a que llegue un autobs. Las variables aleatorias, como las estadsticas,
pueden ser discretas o continuas. Aqu vamos a referirnos a stas ltimas.
Una distribucin de probabilidades para una variable aleatoria discreta es un
listado mutuamente excluyente de todos los resultados numricos posibles para
esa variable aleatoria tal que una probabilidad especfica de ocurrencia se asocia
con cada resultado. El valor esperado de una variable aleatoria discreta es un
promedio ponderado de todos los posibles resultados, donde las ponderaciones
son las probabilidades asociadas con cada uno de los resultados.

San Antonio Crdenas, Carmen, Campeche

Noviembre de 2016

UNIVERSIDAD TECNOLGICA
DE CAMPECHE
INGENIERIA EN TECNOLOGIAS DE LA
INFORMACION

EJERCICIOS DE DISTRIBUCIONES DISCRETAS


Sea X una variable aleatoria discreta cuyos valores suponemos ordenados de
menor a mayor. Llamaremos funcin de distribucin de la variable X, y
escribiremos F(x) a la funcin
F(x) = p(X x)
La funcin de distribucin asocia a cada valor de la variable aleatoria la
probabilidad acumulada hasta ese valor.
Calcular la funcin de distribucin de probabilidad de las puntuaciones obtenidas
al lanzar un dado.

San Antonio Crdenas, Carmen, Campeche

Noviembre de 2016

UNIVERSIDAD TECNOLGICA
DE CAMPECHE
INGENIERIA EN TECNOLOGIAS DE LA
INFORMACION

La representacin de una funcin de distribucin de probabilidad es una grfica


escalonada.

2. La probabilidad de tener un accidente de trfico es de 0,02 cada vez que se

viaja, si se realizan 300 viajes, cul es la probabilidad de tener 3 accidentes?


Como la probabilidad " p " es menor que 0,1, y el producto " n * p " es menor que
10, entonces aplicamos el modelo de distribucin de Poisson.

Luego,
P (x = 3) = 0,0892

San Antonio Crdenas, Carmen, Campeche

Noviembre de 2016

UNIVERSIDAD TECNOLGICA
DE CAMPECHE
INGENIERIA EN TECNOLOGIAS DE LA
INFORMACION

Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 300 viajes es del


8,9%

3. La probabilidad de que un nio nazca pelirrojo es de 0,012. Cul es la


probabilidad de que entre 800 recien nacidos haya 5 pelirrojos?

Luego,
P (x = 5) = 4,602
Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recin nacidos es
del 4,6%..

4. Sea X una
probabilidad es:

0,
1

0,
2

0,

variable

aleatoria

discreta

cuya

funcin

de

San Antonio Crdenas, Carmen, Campeche

Noviembre de 2016

UNIVERSIDAD TECNOLGICA
DE CAMPECHE
INGENIERIA EN TECNOLOGIAS DE LA
INFORMACION

0,
4

0,
1

0,
1

C alcular, re pre se ntar gr ficame nte la funci n de distr i buci n

C alcular las siguie n te s pr o babili dade s:

p (X < 4 .5 )
p (X < 4 .5 ) = F (4 .5 ) = 0.9

p (X 3 )
p (X 3 ) = 1 - p (X < 3 ) = 1 - 0 .4 = 0.6

San Antonio Crdenas, Carmen, Campeche

Noviembre de 2016

UNIVERSIDAD TECNOLGICA
DE CAMPECHE
INGENIERIA EN TECNOLOGIAS DE LA
INFORMACION

p (3 X < 4 .5 )
p (3 X < 4 .5 ) = p (X < 4 .5 ) - p(X < 3 ) = 0 .9 - 0 .4 = 0.5

EJERCICIOS DE DISTRIBUCIONES CONTINUAS


Ejemplo: el precio medio del litro de gasolina durante el prximo ao se estima
que puede oscilar entre 140 y 160 ptas. Podra ser, por tanto, de 143 ptas., o de
143,4 ptas., o de 143,45 ptas., o de 143,455 ptas, etc. Hay infinitas posibilidades,
todas ellas con la misma probabilidad.
Su funcin de densidad, aquella que nos permite conocer la probabilidad que tiene
cada punto del intervalo, viene definida por:

Donde:
b: es el extremo superior (en el ejemplo, 160 ptas.)
a: es el extremo inferior (en el ejemplo, 140 ptas.)
Por lo tanto, la funcin de distribucin del ejemplo sera:

San Antonio Crdenas, Carmen, Campeche

Noviembre de 2016

UNIVERSIDAD TECNOLGICA
DE CAMPECHE
INGENIERIA EN TECNOLOGIAS DE LA
INFORMACION

Es decir, que el valor final est entre 140 ptas. y 141 ptas. tiene un 5% de
probabilidad, que est entre 141 y 142, otro 5%, etc.
El valor medio de esta distribucin se calcula:

En el ejemplo:

Por lo tanto, el precio medio esperado de la gasolina para el prximo ao es de


150 ptas
2. El volumen de precipitaciones estimado para el prximo ao en la ciudad de
Sevilla va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular la funcin
de distribucin y la precipitacin media esperada:

Es decir, que el volumen de precipitaciones est entre 400 y 401 litros tiene un 1%
de probabilidades; que est entre 401 y 402 litros, otro 1%, etc.
El valor medio esperado es:

Es decir, la precipitacin media estimada en Sevilla para el prximo ao es de 450


litros.

San Antonio Crdenas, Carmen, Campeche

Noviembre de 2016

UNIVERSIDAD TECNOLGICA
DE CAMPECHE
INGENIERIA EN TECNOLOGIAS DE LA
INFORMACION

3. el salario medio de los empleados de una empresa se distribuye segn una


distribucin normal, con media 5 millones de ptas. y desviacin tpica 1 milln de
ptas. Calcular el porcentaje de empleados con un sueldo inferior a 7 millones de
ptas.
Lo primero que haremos es transformar esa distribucin en una normal tipificada,
para ello se crea una nueva variable (Y) que ser igual a la anterior (X) menos su
media y dividida por la desviacin tpica

En el ejemplo, la nueva variable sera:

Esta nueva variable se distribuye como una normal tipificada. La variable Y que
corresponde a una variable X de valor 7 es:

Ya podemos consultar en la tabla la probabilidad acumulada para el valor 2


(equivalente a la probabilidad de sueldos inferiores a 7 millones de ptas.). Esta
probabilidad es 0,97725
Por lo tanto, el porcentaje de empleados con salarios inferiores a 7 millones de
ptas. es del 97,725%.

San Antonio Crdenas, Carmen, Campeche

Noviembre de 2016

UNIVERSIDAD TECNOLGICA
DE CAMPECHE
INGENIERIA EN TECNOLOGIAS DE LA
INFORMACION

CONCLUSIONES
En esta forma las caractersticas ms importantes de los datos se aproximan muy
fcilmente, compensando as el hecho de que cuando los datos se agrupan de ese
modo, la informacin inicial referente a las observaciones individuales de que
antes se dispona se pierde a travs del proceso de agrupamiento o
condensacin. Una variable puede tomar una variable cualquiera durante un
proceso dado. Las variables aleatorias son funciones que asocian a cada
elemento del espacio muestral [conjunto de los diferentes resultados de un
experimento estadstico] un nmero real, se clasifican en:
Variable aleatoria discreta, proporciona datos cuantitativos discretos, es el
resultado de un proceso de conteo (ejemplo el nmero de soles de n lanzamientos
de una moneda) y Variable aleatoria contina, se encuentra dentro de un intervalo

San Antonio Crdenas, Carmen, Campeche

Noviembre de 2016

UNIVERSIDAD TECNOLGICA
DE CAMPECHE
INGENIERIA EN TECNOLOGIAS DE LA
INFORMACION

comprendido entre 2 nmeros x (estatura de un alumno de un grupo escolar). La


distribucin

de

probabilidad,

describe

el

comportamiento

de

fenmenos

estadsticos es decir, es un listado de las probabilidades de todos los resultados


posibles que podran presentarse si se efecta un experimento. En la distribucin
discreta, las variables asumen un nmero limitado de valores, por ejemplo el
nmero de aos de estudio y en la distribucin continua, las variables en estudio
pueden asumir cualquier valor dentro de determinados lmites, por ejemplo la
estatura de un estudiante.

FUENTES DE INFORMACIN
http://www.vitutor.com/pro/5/a_g.html
http://nutriserver.com/cursos/bioestadistica/Estadistica_Descriptiva.html
http://manuelreyesdistribuciones.blogspot.mx/2010/10/distribuciones-binomialpoisson-normal_1712.html
https://www.uam.es/personal_pdi/ciencias/jgonzalo/Est/3-Prob-Muestreo.pdf

San Antonio Crdenas, Carmen, Campeche

Noviembre de 2016

UNIVERSIDAD TECNOLGICA
DE CAMPECHE
INGENIERIA EN TECNOLOGIAS DE LA
INFORMACION

San Antonio Crdenas, Carmen, Campeche

Noviembre de 2016