Presentación

Unidad 1: Introducción a la teoría de Probabilidad

Nombre: Warren Rodríguez

Matricula: 100443949

Materia: Estadística industrial 2

Profesor: Joel Patiño

Semestre 2019-20

Sección: 3
 Variables aleatorias.

Es una variable estadística cuyos valores se obtienen de mediciones en algún

tipo de experimento aleatorio. Formalmente, una variable aleatoria es una
función, que asigna eventos. Por ejemplo: Escoger a una persona de un grupo
al azar.

Tipos

 Aleatorias: El conjunto de posibles valores es numerable. Suelen estar

asociadas a experimentos en que se mide el número de veces que
sucede algo.
 Cotinuas: El conjunto de posibles valores es no numerable. Puede
tomar todos los valores de un intervalo. Son el resultado de medir.

Distribución de Variable Discreta

Una distribución continua describe las probabilidades de los posibles valores

de una variable aleatoria continua. Una variable aleatoria continua es una
variable aleatoria con un conjunto de valores posibles (conocido como el
rango) que es infinito y no se puede contar.

Variable aleatoria discreta Su distribución viene dada por los valores que
puede tomar, x1, x2, x3, …, xk, y las probabilidades de que aparezcan p1, p2,
p3, …, pk. Estas cantidades reciben el nombre de función de probabilidad o
función de masa.
 Distribución probabilística binomial

En estadística, la distribución binomial es una distribución de

probabilidad discreta que cuenta el número de éxitos en una secuencia
de n ensayos de Bernoulli independientes entre sí, con una probabilidad
fija p de ocurrencia del éxito entre los ensayos. Si el evento de éxito tiene
una probabilidad p, entonces la probabilidad del evento fracaso es igual a q =
1-p

En la teoría de probabilidad y estadística, un ensayo de Bernoulli es un

experimento aleatorio en el que sólo se pueden obtener dos resultados
(habitualmente etiquetados como éxito y fracaso). Se denomina así en honor
a Jakob Bernoulli.

Como realizar una distribución binominal

A la hora de realizar una distribución binominal debemos conocer nuestras

variables. Las cuales son: P cuyo valor es equivalente a la probabilidad del
suceso satisfactorio o que se espera, q que es la probabilidad de que dicho
evento no se de, N el número de veces que se realizara el experimento y X el
total de éxitos esperados.

Donde:

Al final el resultado nos expresa las probabilidades de que el evento ocurra

las veces que se espera dentro de las veces que se realizara el evento total.
 Ejemplo
Un evento tiene un 55% de probabilidades de ocurrir cada vez que alguien
entra a un determinado hospital. ¿Cuál es la probabilidad de que dicho
evento suceda en 2 de 5 personas?
Sabiendo que: p = 55%= 0.55 (probabilidades de que ocurra)
q = 45%= 0.45 (probabilidades de que no ocurra)
n = 5 (Total de experimentos)
x = 2 (Total de exitos)

Sustituimos: ,
F(x) = (5!/2! * (5-2)!)*(0.55)^2 * (0.45)^5-2
= 10 * 0.302 * 0.091 = 0.274 = 27.4%
27.4% es la probabilidad de que el evento ocurra en dos
personas de un total de 5

Propiedades de la distribución binomial

 En cada ensayo, experimento o prueba solo son posibles dos resultados

(éxito o fracaso).
 La probabilidad del éxito ha de ser constante. Esta se representa mediante la
letra p. La probabilidad de que salga cara al lanzar una moneda es 0,5 y esta
es constante dado que la moneda no cambia en cada experimento y las
probabilidades de sacar cara es constate.
 La probabilidad de fracaso ha de ser también constate. Esta se representa
mediante la letra q = 1-p. Es importante fijarse que mediante esa ecuación,
sabiendo p o sabiendo q, podemos obtener la que nos falte.
 El resultado obtenido en cada experimento es independiente del anterior.
Por lo tanto lo que ocurra en cada experimento no afecta a los siguientes.
 Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al
mismo tiempo. No se puede ser hombre y mujer al mismo tiempo o que al
lanzar una moneda salga cara y cruz al mismo tiempo.
 Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2
ha de ocurrir. Si no se es hombre, se es mujer y si se lanza una moneda, si no
sale cara ha de salir cruz.
 La variable aleatoria que sigue una distribución binomial se suele representar
como X~(n,p). n representa el número de ensayos o experimentos y p la
probabilidad de éxito.

Media o valor esperado

µ = n*p
Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la
probabilidad de cada posible suceso aleatorio multiplicado por el valor de
dicho suceso. Por lo tanto, representa la cantidad promedio que se "espera"
como resultado de un experimento aleatorio cuando la probabilidad de cada
suceso se mantiene constante y el experimento se repite un elevado número
de veces. Cabe decir que el valor que toma la esperanza matemática en
algunos casos puede no ser "esperado" en el sentido más general de la
palabra (el valor de la esperanza puede ser improbable o incluso imposible)
 Desviación Estándar
ɞ = √𝒏. 𝒑. 𝒒
La desviación estándar es la medida de dispersión más común, que indica
qué tan dispersos están los datos con respecto a la media. Mientras mayor
sea la desviación estándar, mayor será la dispersión de los datos. La
desviación estándar se puede utilizar para establecer un valor de referencia
para estimar la variación general de un proceso.

El símbolo σ (sigma) se utiliza frecuentemente para representar la desviación

estándar de una población, mientras que s se utiliza para representar la
desviación estándar de una muestra. La variación que es aleatoria o natural
de un proceso se conoce comúnmente como ruido.

Ejemplo de media y desviación estándar.

Un evento tiene un 55% de probabilidades de ocurrir cada vez que alguien

entra a un determinado hospital. ¿Cuál es la probabilidad de que dicho
evento suceda en 2 de 5 personas?
Sabiendo que: p = 55%= 0.55 (probabilidades de que ocurra)
q = 45%= 0.45 (probabilidades de que no ocurra)
n = 5 (Total de experimentos)
x = 2 (Total de exitos)
µ = n*p = 5 * 0.55 = 2.75

σ = √𝑛. 𝑝. 𝑞 = √5 ∗ 0.55 ∗ 0.45 = 1.112

 Distribución de Poisson

Es una distribución de probabilidad discreta que se aplica a las ocurrencias de

algún suceso durante un intervalo determinado. Nuestra variable
aleatoria x representará el número de ocurrencias de un suceso en un
intervalo determinado, el cual podrá ser tiempo, distancia, área, volumen o
alguna otra unidad similar o derivada de éstas.
La probabilidad de nuestra variable aleatoria X viene dada por la siguiente
expresión:

Donde:

 Nuestra variable aleatoria discreta puede tomar los

valores:
 donde es la media del número de sucesos en el intervalo que estemos
tomando, ya sea de tiempo, distancia, volumen, etc. Es importante
entender que este valor es una media }en el sentido estrictamente
estadístico de la palabra y como tal se calculará mediante dicha expresión
y no debe calcularse nunca con una regla de proporcionalidad o regla de
tres.
 Se debe cumplir la condición de normalización
 La desviación típica es
 Cuando realizamos un experimento contando sucesos y obtenemos un
valor x, su error vendrá determinado por la raíz de x.
La distribución de Poisson debe de cumplir los siguientes requisitos:
 La variable discreta es el número de ocurrencias de un suceso durante
un intervalo (esto es la propia definición que hemos dado
anteriormente).
 Las ocurrencias deben ser aleatorias y no contener ningún vicio que
favorezca unas ocurrencias en favor de otras.
 Las ocurrencias deben estar uniformemente distribuidas dentro del
intervalo que se emplee.
 ¿Cuándo se usa la Distribución de Poisson?

La distribución de Poisson es particularmente importante ya que tiene muchos

casos de uso. Podemos poner como ejemplos de uso: la disminución de una
muestra radioactiva, la llegada de pasajeros de un aeropuerto o estación de
trenes o autobuses, los usuarios que se conectan a una web determinada por
hora (es un caso particularmente interesante que usa Googlee en sus métricas
predictivas de visitantes únicos a una web).

La media y desviación estándar en la distribución de

Poisson
En la distribución de Poisson vienen dadas por el valor que se tiene de
la cantidad de veces que se espera que ocurra un evento en un intervalo de
tiempo. Dicha variable a veces es representada por el símbolo landa o miu