Documentos de Académico
Documentos de Profesional
Documentos de Cultura
k (0 1) 2 k (1 1) 2 k (2 1) 2 k (3 1) 2 1
k 4k 9k 16k 1
1
30k 1 k f(x) = (x + 1)2 /30; para xS = {0; 1; 2; 3}
30
6 Estadística para Ingenierías
Guayaquil, octubre de 2016
Histograma de Probabilidades
El gráfico de barras de la Función Distribución de
Probabilidades es el Histograma de Probabilidades de
la Variable Aleatoria Discreta X, esto es, las barras
tienen altura proporcional al valor de la probabilidad
en el punto.
4/8
2/8
2/8
1/8 1/8
1/8
0
0 1 X 2 3
7 Estadística para Ingenierías
Guayaquil, octubre de 2016
Distribución Acumulada de X
Una función de variable real F: R [0,1] es definida como
la Distribución Acumulada de una Variable Aleatoria
Discreta X si y sólo si:
F(x) = P(X x), x, esté o no en el Soporte S de X
1,00
0; x 0 0,90
1 0,80
; 0 x 1 0,70
8 0,60
F(X)
0,50
4
F( x ) P( X x ) ; 1 x 2 0,40
8 0,30
7 0,20
8 ; 2 x 3 0,10
0,00
-1 0 1 2 3 4
1; x 3
X
8 Estadística para Ingenierías
Guayaquil, octubre de 2016
Valores Esperados de un Variable
Aleatoria
A partir de ahora, pretendemos encontrar los valores
promedios o Valores Esperados de una Variable
Aleatoria Y; cuyo valor y = u(x) está definido en
términos de una Variable Aleatoria X, cuyo soporte es
S y cuya Distribución de Probabilidades es f.
Se denota por
E[u ( x )] u ( x ) u ( x )f ( x )
xS
Cuando r = 2,
2 E(X ) 2 E(X 2 2X 2 )
2 E(X 2 ) 2 '2 2
Varianza es 2 2
Prueba
Y = X + E(Y) = E(X + )
Simetría
Se puede probar que si el valor de 3 es cero, la
distribución f de X es simétrica con respecto a .
f(x)
f(x)
0,40
0,20
0,20 0,10
0,00 0,00
0 1 2 3 0 1 2 3
0,80
c) Sesgo negativo
0,60
3 < 0
f(x)
0,40
0,20
0,00
0 1 2 3
17 Estadística para Ingenierías
Guayaquil, octubre de 2016
Valores Esperados de un Variable
Aleatoria: Kurtosis
El cuarto momento de X con respecto a , esto es,
4 = E(X - )4, es llamado Medida de Kurtosis o Medida de
Apuntamiento; lo usual es utilizar el Coeficiente 4 = 4/4
al que se denomina Coeficiente de Apuntamiento de X.
X es Leptocúrtica
Cuando el Coeficiente de Apuntamiento 4 es mayor a tres.
X es Platicúrtica
Cuando el Coeficiente de Apuntamiento de X es menor a tres.
X es Mesocúrtica
Cuando el Coeficiente de Apuntamiento de X es igual a tres.
18 Estadística para Ingenierías
Guayaquil, octubre de 2016
Valores Esperados de un Variable
Aleatoria: Kurtosis
Medidas de Forma de X
Leptocúrtica
Mesocúrtica
Platicúrtica
M x ( t ) E(e xt )
xS
e xt f ( x ); t (a , a )
E ( X )
2 2
M x (0) [M x (0)]
'' ' 2
n (p 1 p) n 1 (p)
np
Demostración: Varianza.
2 M 'x' (0) M 'x (0) 2
Se pide:
¿Cuál es la probabilidad que diez de ellos provengan de sus
estudiantes?
. P(X 10) 35 0.3010 (1 0.30) 3510 0.145
10
30 Estadística para Ingenierías
Guayaquil, octubre de 2016
Distribución Binomial: ejemplo
Se pide:
¿Qué a lo mucho diez de ellos provengan de sus
estudiantes?
P(X 10) P(X 0) P(X 1) P(X 2) ... P(X 10)
35 35 0 35
P(X 10) 0.30 (1 0.30)
0
... 0.3010 (1 0.30) 3510
0 10
P(X 10) 0.51
¿Cuál es el número promedio de correos de
estudiantes que recibe el profesor?
= np = 35 (0.30) = 11 correos
Se pide:
¿Cuál es la probabilidad que el sexto producto
revisado sea el tercero en el que se encuentre una
disconformidad?
6 1
P(X 6) 0.15 3 (1 0.15) 63 0.021
3 1
35 Estadística para Ingenierías
Guayaquil, octubre de 2016
Distribución Binomial Negativa:
ejemplo
Datos:
X es el número de repeticiones hasta encontrar la
primera disconformidad (r = 1).
La probabilidad de que se encuentra una disconformidad
es p = 0.15.
Se pide:
¿Cuál es la probabilidad que en la cuarta inspección se
encuentre la primera inconformidad?
4 1
P(X 4) 0.151 (1 0.15) 41 0.092
1 1
36 Estadística para Ingenierías
Guayaquil, octubre de 2016
Distribución Geométrica
Supongamos que se tiene una sucesión de repeticiones
Bernoulli, cada una de ellas Independientes de las otras, con
probabilidad de suceso “p”. Diremos que X es una Variable
Aleatoria Geométrica, cuando y sólo cuando, los valores que
ella toma son iguales al número de repeticiones que se
requieren en el experimento, para que el primer suceso
ocurra.
P(X = x) = f(x) = (1 – p)x – 1p; para todo xS
Media: 1
p
Varianza: 2 1 p
p2
37 Estadística para Ingenierías
Guayaquil, octubre de 2016
Distribución Geométrica: ejemplo
Un predicador visita hogares en su afán de difundir la
cristiandad, pero no siempre es bien recibido y escuchado;
sus estimaciones son que en el 15% de los hogares que
visita es bien recibido y escuchado. ¿Cuál es la
probabilidad de que en la quinta visita que haga, sea la
primera vez que el predicador es bien “recibido y
escuchado”?
Datos:
Sea X: número de hogares a visitar hasta ser bien “recibido
y escuchado”.
p = 0.15
38 Estadística para Ingenierías
Guayaquil, octubre de 2016
Distribución Geométrica: ejemplo
Se pide:
¿Cuál es la probabilidad de que en la quinta visita que
haga, sea la primera vez que el predicador es bien
“recibido y escuchado”?
P(X = 5) = (1 – p)x – 1p = (1 – 0.15)5 – 1(0.15)
P(X = 5) = (0.85)4(0.15)
P(X = 5) = 0.0783
Se pide:
Determinar la probabilidad de que el sistema falle
cuatro veces una semana cualquiera.
3.2 4 e 3.2
P(X 4) 0.178
4!
¿Cuántas fallas semanales se esperaría que ocurran?
E[X] = = = 3.2.
42 Estadística para Ingenierías
Guayaquil, octubre de 2016
Distribución Hipergeométrica
Trabajamos con una Población Objetivo constituida
por N entes; entre estos N entes, a tienen una
característica que es de interés en la investigación. Se
toma una Muestra de tamaño n de la Población. Bajo
estas condiciones, X es una Variable Aleatoria
Hipergeométrica con parámetros N, a, n si X
representa el número de elementos que aparecen en
la Muestra, que poseen la característica de interés.
a N a
x n x
P( X x ) f ( x ) ; para todo x S; S {0, 1, ..., k}; k min{a; n}
N
n
an
Media:
N
an ( N a )(N n )
Varianza: 2
N 2 ( N 1)
44 Estadística para Ingenierías
Guayaquil, octubre de 2016
Distribución Hipergeométrica:
ejemplo
En un experimento sobre regresión genética un
biólogo observa un grupo de 25 parejas, 8 de las
cuales tienen el mismo color de ojos y las restantes 17
distintos colores. Se selecciona aleatoriamente una
muestra de 10 parejas.