TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DEL VALLE DE ETLA

INGENIERIA INDUSTRIAL

PROBABILIDAD Y ESTADISTICA I

VARIABLES DISCRETAS Y CONTINUAS (CUADRO SINOPTICO)

Presenta

JESÚS MANUEL MÉNDEZ MATÍAS

Asesor

ING.IVON CIRILA VASQUEZ SANTIAGO

Semestre: 6º

Villa de Zaachila, Zaachila, Oaxaca, México Marzo 2019


son aquellas que presentan un
número finito de valores (resultado
de un dado) o que pueden tomar
un número ilimitado de valores,
por lo cual constituyen una
sucesión numerable (cantidad de
monedas que hay que lanzar
VARIABLES hasta conseguir cara como
ALEATORIAS resultado). Se describen indicando
DISCRETAS los valores que puede tomar y las
probabilidades de cada uno de
ellos (Función de probabilidad)
Número de accidentes laborales
en una empresa (0, 1, 2, 3, n)
Número de células con cariotipo
VARIABLES normal en una muestra (0, 1, 2,
3…)
ALEATORIAS  DISTRIBUCION
Y GEOMETRICA
DISTRIBUCION
ES DE
PROBABILIDA
D DISCRETAS.
son aquellas que pueden tomar un
VARIABLES número infinito de valores en un
ALEATORIAS
intervalo determinado.
CONTINUAS Concentración de mercurio en una
muestra de tejido (mmol/l: (0, valor
Max)) Peso (Kg.: (0, peso Max))
DISTRIBUCION Valores: x: a, a+1, a+2, ..., b, nú meros
DISCRETA enteros Pará metros: a: mínimo, a entero b:
má ximo, b entero con a < b
Valores: x: 0, 1, 2, ..., n Pará metros: n:
DISTRIBUCION
BINOMIAL nú mero de pruebas, n > 0 entero p:
probabilidad de éxito, 0 < p < 1
TIPOS
Valores: x: max{0,n-(N-R)}, ..., min{R,n}, donde max{0,n-(N-R)}
indica el valor má ximo entre 0 y n- (N-R) y min{R,n} indica el
DISTRIBUCION valor mínimo entre R y n. Pará metros: N: tamañ o de la
HIPERGEOMETRICA població n, N>0 entero R: nú mero de é xitos en la població n,
R≥0 entero n: nú mero de pruebas, n>0 entero
Valores: x: 0, 1, 2, ... Pará metros: p:
probabilidad de éxito, 0<p<1
Campo de variació n: a ≤ x ≤ b
DISTRIBUCION Pará metros: a: mínimo del
NORMAL recorrido b: má ximo del recorrido
Campo de variació n: -∞ < x < ∞ Pará metros: Mu: media
DISTRIBUCION de la distribució n, -∞ < Mu < ∞ Sigma: desviació n
UNIFORME está ndar de la distribució n, Sigma > 0
TIPOS
Campo de variació n: 0 < x < ∞ Pará metros:
DISTRIBUCION Mu: pará metro de escala, -∞ < Mu < ∞
LOGNORMAL Sigma: pará metro de forma, Sigma > 0
Campo de variació n: -∞ < x < ∞ Pará metros: a:
DISTRIBUCION
LOGISTICA pará metro de posició n, -∞ < a < ∞ b:
pará metro de escala, b > 0

Las variables aleatorias
discretas toman un nú mero
discreto de valores con
probabilidad no nula y, en
consecuencia, estará n
completamente caracterizadas
si se conoce la probabilidad
asociada a cada uno de estos
valores. La funció n que asigna
a cada posible valor xi, i = 1,
2,..., de la variable discreta X
VARIABLES su probabilidad P(X = xi) se
ALEATORIAS conoce como funció n de
DISCRETAS probabilidad f(xi). Esta
funció n debe cumplir las
siguientes propiedades:  la
probabilidad de cada valor ha
de estar entre 0 y 1: 0 < P(X =
xi) ≤ 1  la suma de las
probabilidades para todos los
valores debe ser igual a 1
Las variables aleatorias
continuas son aquellas que
pueden tomar cualquier valor
dentro de un intervalo. La
probabilidad de que estas
variables tomen exactamente
un valor determinado es 0, por
tanto, para las variables
aleatorias continuas, las
VARIABLES probabilidades se asignan a
ALEATORIAS intervalos de valores mediante
CONTINUAS una funció n de densidad de
probabilidad, denotada por
f(x). Esta funció n ha de ser no
negativa para cualquier valor x,
f(x) ≥ 0, y el á rea total bajo la
curva definida por esta funció n
de densidad debe ser igual a 1,
Cuando la variable es continua,
no tiene sentido hacer una
suma de las probabilidades. Lo
que generaliza de modo natural
el concepto de suma  es el de
integral.
La representació n grá fica de la funció n de
probabilidad se realiza mediante un
diagrama de barras aná logo al de
distribució n de frecuencias relativas para
variables discretas
GRAFICACION
A partir de la funció n de densidad, la
probabilidad de que una variable aleatoria
continua X tome valores dentro de cualquier
intervalo (a, b) puede calcularse como el á rea
bajo la funció n de densidad entre los puntos a
y b:
GRAFICACION
La funció n de distribució n F(x) corresponde a
la probabilidad de que la variable tome un
valor igual o inferior a x y, en el caso de una
variable aleatoria continua, se calcula como el
á rea bajo de la curva de la funció n de densidad
a la izquierda de x. De forma má s sencilla, la
funció n de distribució n F(x) es la funció n que
asocia a cada valor de una variable, la
probabilidad acumulada de los valores
inferiores o iguales.
En el tema de estadística descriptiva, se definieron la
media y la varianza muestral como medidas de
tendencia central y dispersió n de una variable en una
muestra. A continuació n, se definen medidas
aná logas para la distribució n poblacional de una
variable aleatoria. La esperanza o media poblacional
de una v.a. discreta X, denotada por μ o E(X), se
define como la suma de los productos de cada valor xi
por su probabilidad P(X = xi):
CALCULO DE La
varianza poblacional de una v.a. discreta X, σ 2 o
VARIANZA Y var(X), se define como la esperanza del cuadrado de
DESVIACION la desviació n de la variable respecto de su media
ESTANDAR
:
Como podé is imaginar la raíz cuadrada de la varianza
es la desviació n típica poblacional σ, que representa
la dispersió n de la variable aleatoria respecto de su
media poblacional.
La esperanza o media poblacional de una v.a. continua se
define a partir de su funció n de densidad f(x) como
sigue:
La varianza poblacional de una variable aleatoria
continua es la esperanza de las desviaciones al cuadrado
de los valores de la variable respecto de su media
:
CALCULO DE La raíz cuadrada de la varianza es la desviació n típica
poblacional σ, que representa la dispersió n de la variable
VARIANZA Y aleatoria respecto de su media poblacional. Existen
DESVIACION muchos modelos teó ricos de distribuciones continuas,
cada una de ellas caracterizada por una fó rmula o
expresió n concreta para la funció n de densidad. A
continuació n detallamos la distribució n normal, que es la
utilizada con mayor frecuencia en estadística. Otras
EST ANDAR distribuciones continuas, como la t de Student, chi-
cuadrado o F de Snedecor, nos irá n apareciendo a lo
largo del mó dulo.