Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística II
Nombre:
Joximar Vásquez.
28.264.879
1.2 Tipos
Entre los tipos de variable aleatoria están:
Variable aleatoria discreta: Son aquellas cuyo rango está formado por
una cantidad finita de elementos, o que sus elementos pueden
enumerarse de forma secuencia. Por ejemplo, si una persona arroja un
dado tres veces, los resultados son variables aleatorias discretas, ya que
pueden obtenerse valores del 1 al 6.
Variable aleatoria continua: Se vincula a un recorrido o rango que
abarca, en teoría, la totalidad de los números reales, aunque solo sea
accesible una cierta cantidad de valores (como la altura de un grupo de
personas. En otras palabras, una variable aleatoria es continua si toma un
número infinito no numerable de valores.
1.3 Características:
Asigna un valor al resultado de un experimento aleatorio.
Puede representar los posibles resultados de un experimento aún no
realizado, o los posibles valores de una cantidad cuyo valor actualmente
existente es incierto.
Su valor no es fijo.
Su valor puede ser una partición también.
Las variables aleatorias están asociadas a la esperanza matemática
1.4 Funciones
Función de probabilidad: Es una función que asigna probabilidades a
los valores de la variable aleatoria. Tiene como fórmula:
f ( x )=P( X=x )
Dónde x es una variable aleatoria discreta con posibles valores.
Se tiene como ejemplo el lanzamiento de un dado:
x 1 2 3 4 5 6
P( X =x) 1/6 1/6 1/6 1/6 1/6 1/6
1.5 Probabilidades
Se define a la probabilidad como el estudio y medición cuantitativa de que
un determinado hecho suceda o se produzca. Para ello se determinan
ciertos presupuestos del contexto, sus posibles combinaciones y además se
hace uso de la disciplina de la estadística. En este caso las probabilidades
suelen ser representados en número mayores a cero e inferiores a uno o en
fracciones. Es la posibilidad de que un evento suceda dependiendo de las
condiciones dadas para que acontezca.
2. Distribución discreta de probabilidad
2.1 Definición
Una distribución discreta describe la probabilidad de ocurrencia de cada
valor de una variable aleatoria discreta. Una variable aleatoria discreta es
una variable aleatoria que tiene valores contables, tales como una lista de
enteros no negativos. Con una distribución de probabilidad discreta, cada
valor posible de la variable aleatoria discreta puede estar asociado con una
probabilidad distinta de cero. Por lo tanto, una distribución de probabilidad
discreta suele representarse en forma tabular.
P ( X=1 ) =p
P(X =0)=1 – p
P( X =x)=p x ¿
2.3 Distribuciones discretas de probabilidad Binomial
Una distribución binomial es una distribución de probabilidad discreta que
describe el número de éxitos al realizar n experimentos independientes entre
sí, acerca de una variable aleatoria.
La distribución binomial se entiende como una serie de pruebas o ensayos
en la que solo podemos tener 2 resultados (éxito o fracaso), siendo el éxito
nuestra variable aleatoria.
P(X )= n p x q n−x
()
x
n!
C n , x= n =
() x x ! ( n−x ) !
P ( X=x )=¿
Dónde X es el número de intentos antes del primer éxito, siendo una variable
aleatoria discreta. Y P es la probabilidad de éxito.
2.5 Distribuciones discretas de probabilidad Binomial Negativa
La distribución binomial negativa es una distribución discreta que modela el
número de ensayos necesarios para producir un número específico de
eventos. Cada ensayo tiene dos resultados posibles. El evento es el
resultado de interés en un ensayo. La distribución binomial negativa también
puede modelar el número de no eventos que deben ocurrir para que se
observe el número especificado de resultados.
Por ejemplo, hablando de productos que se construyen en una línea de
ensamble, la distribución binomial negativa puede modelar el número de
unidades ensambladas para que se produzcan 100 unidades defectuosas.
Viene dada por la siguiente fórmula:
p ( Y =k )=❑k−1 Cr −1 pY q k−r
x 1 ! x2 ! x 3 ! … 1 2 3
N1∗ N2
P ( x=k ) =
| || |
k n−k
N
n ||
Dónde:
N1 N1 ! N2 N2! N!
;N=
||
k
= ; =
| | ||
k ! ( N 1−K ) ! n−k ( n−k ) !(N 2 ( n−k ) )! n n! (N−n)!
x n−x λ x e− λ
p ( x , n , p )=❑n C x p q ≅
x!
λ x e−λ
p ( x , λ)=
x!
{
f x ( x ) = b−a si x ∈(a , b)
0 si x ∄(a , b)
El experimento de lanzar un dado es un ejemplo que cumple
la distribución uniforme, ya que todos los 6 resultados posibles tienen 1/6 de
probabilidad de ocurrencia.
x −μ
Z=
σ
Bibliografía
https://matemovil.com/category/estadistica/
https://economipedia.com/definiciones/distribucion-binomial.html
https://www.aulafacil.com/cursos/estadisticas/gratis/distribuciones-
discretas-hipergeometrica
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/
B0C4m1t3.htm
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-topics/distributions/beta-
distribution/
https://sites.google.com/site/ticsdestadistica/los-momentos-estadi
1. Sea S = {alto, medio, bajo}. Defina las variables aleatorias X, Y, Z
como X(alto) = -12, X(medio) = -2, X(bajo) = 3;
Y(alto) = 0, Y(medio) = 0, Y(bajo) = 1;
Z(alto) = 6, Z(medio) = 0, Z(bajo) = 4.
Determine si cada una de las siguientes relaciones es cierta o falsa.
a) X < Y
Si X(alto) = -12 y Y(alto) = 0, entonces X < Y (-12 < 0).
Si X(medio) = -2 y Y(medio) = 0, entonces X < Y (-2 < 0).
Si X(bajo) = 3 y Y(bajo) = 1, entonces X ˃ Y (3 ˃ 1).
b) X ≤ Y
Si X(alto) = -12 y Y(alto) = 0, entonces X ≤ Y (-12 ≤ 0).
Si X(medio) = -2 y Y(medio) = 0, entonces X ≤ Y (-2 ≤ 0).
Si X(bajo) = 3 y Y(bajo) = 1, entonces X ˃ Y (3 ˃ 1).
c) Y < Z
Si Y(alto) = 0 y Z(alto) = 6, entonces Y < Z (0 < 6).
Si Y(medio) = 0 y Z(medio) = 0, entonces Y = Z (0 = 0).
Si Y(bajo) = 1 y Z(bajo) = 4, entonces Y < Z (1 < 4).
Por lo tanto, la relación Y < Z es falsa (en este caso, el segundo caso
no cumple).
d) Y ≤ Z
Si Y(alto) = 0 y Z(alto) = 6, entonces Y < Z (0 ≤ 6).
Si Y(medio) = 0 y Z(medio) = 0, entonces Y ≤ Z (0 ≤ 0).
Si Y(bajo) = 1 y Z(bajo) = 4, entonces Y ≤ Z (1 ≤ 4).
e) XY < Z
Si X(alto) = -12 por Y(alto) = 0 es igual a XY(alto) = 0 (-12 x
0 = 0) y Z(alto) = 6, entonces XY < Z (0 < 6).
Si X(medio) = -2 por Y(medio) = 0 es igual a XY(medio) = 0
(-2 x 0 = 0) y Z(medio) = 0, entonces XY = Z (0 = 0).
Si X(bajo) = 3 por Y(bajo) = 1 es igual a XY(bajo) = 3 (3 x 1
= 3) y Z(bajo) = 4, entonces XY < Z (3 < 4).
f) XY ≤ Z
Si X(alto) = -12 por Y(alto) = 0 es igual a XY(alto) = 0 (-12 x
0 = 0) y Z(alto) = 6, entonces XY ≤ Z (0 ≤ 6).
Si X(medio) = -2 por Y(medio) = 0 es igual a XY(medio) = 0
(-2 x 0 = 0) y Z(medio) = 0, entonces XY ≤ Z (0 ≤ 0).
Si X(bajo) = 3 por Y(bajo) = 1 es igual a XY(bajo) = 3 (3 x 1
= 3) y Z(bajo) = 4, entonces XY ≤ Z (3 ≤ 4).
Por lo tanto, la relación XY ≤ Z es cierta para todos los casos.
2. Sea S = {1, 2, 3, 4, 5}
a) Defina sobre S dos variables aleatorias X e Y no constantes y
diferentes (es decir, no iguales).
X=s
Y=s+6
Ejemplo Entonces,
X=s Y=s+6
S=2 Y=2+6
Y=8
Siendo s = 1
X=s Y=s+6
s=1 Y=1+6
Y=7
Z(s) = X + Y2
Z(1) = 1 + 72
Z(1) = 1 + 49
Z(1) = 50
Siendo s = 2
X=s Y=s+6
s=2 Y=2+6
Y=8
Z(s) = X + Y2
Z(2) = 2 + 82
Z(2) = 2 + 64
Z(2) = 66
Siendo s = 3
X=s Y=s+6
s=3 Y=3+6
Y=9
Z(s) = X + Y2
Z(3) = 3 + 92
Z(3) = 3 + 81
Z(3) = 84
Siendo s = 4
X=s Y=s+6
s=4 Y=4+6
Y = 10
Z(s) = X + Y2
Z(4) = 4 + 102
Z(4) = 4 + 100
Z(4) = 104
Siendo s = 5
X=s Y=s+6
s=5 Y=5+6
Y = 11
Z(s) = X + Y2
Z(5) = 5 + 112
Z(5) = 5 + 121
Z(5) = 126