UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE CIENCIAS MATEMATICAS Y FISICAS

CARRERA: SOFTWARE
DOCENTE: ING. ALONSO ANGUIZACA JOSE LUIS
CURSO: ESTADÍSTICA II 4 - 5
INTEGRANTES:
- Brayan Fabian Morales Soledispa
- José Luis Sellan Alvarado
- Leonardo Israel Sellan Fajardo
- Jazmín Elena Velasco Macías
- Kevin Michael Tamayo Florea

Resumen Vídeo #1: Introducción a las variables aleatoria

Para empezar, decimos que X es una variable aleatoria o función medible, siempre y

cuando x pertenezca a los números reales. Ahora la función de probabilidad X es siempre

inducida del espacio (Ω, S, P), que es su espacio de probabilidad donde Ω pertenece a los

números reales. Para calcular la probabilidad es la probabilidad del

evento definida en función del espacio de probabilidades, por

lo que es inducida a la variable aleatoria, los eventos encierran otros eventos que son

independientes como por ejemplo el evento esta contenida dentro del evento

así mismo con el evento y , todas se

complementan entre sí.

La función de distribución comprende de Real a Real y sus

propiedades son: que es creciente (empieza siempre desde cero y termina siempre en 1),

es continua por la derecha y donde si se dice F (-∞) es igual a cero y F (∞) es igual a 1,

dicho estas propiedades ya tenemos la idea de donde a donde es el rango. Por ejemplo:

Analice las probabilidades de la suma de los dos números resultantes al lanzar dos dados.
Primero representamos sus posibles resultados:

, después definimos

nuestra variable aleatoria a partir de la suma de los dos números

Teniendo en cuenta que los posibles resultados estarían comprendidos en un rango de

entre 2 y 12 decimos que las posibilidades de hallar una suma menor a 2 son

cero(posibilidades), podemos ejercer la siguiente tabla de posibilidades:

El grafico correspondiente seria (nótese que es creciente, el dominio es desde 0 hasta 1

y continua a la derecha cumpliendo con las propiedades de una función de distribución):

Función de probabilidad
 𝑓 (𝑥 ) = 𝑃 (𝑋 = 𝑥 ).
o f(2.5) = 𝑃 (𝑋 = 2.5) = 𝑃 (∅) = 0.
 4
o 𝑓 (5) = 𝑃 (𝑋 = 5) = 𝑃 ({14, 23, 32, 41}) = 36
𝑆𝑜𝑝𝑜𝑟𝑡𝑒: 𝑆𝑥 = {𝑥 ∈ 𝑅 ∶ 𝑓 (𝑥) > 0}
Ejemplo:
𝑆𝑥 = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
o Características de f:
o 𝑓 (𝑥 ) ≥ 0.
o ∑𝑥∈𝑆𝑥 𝑓 (𝑥 ) = 1

Esperanza Matemática
o Valor esperado de una función g: R -> R:
𝐸(𝑔(𝑋)) = ∑ 𝑔(𝑥 )𝑓(𝑥 )
𝑥∈𝑆𝑥
o Media o primer momento:
𝜇 = 𝐸 (𝑋) = ∑ 𝑥𝑓(𝑥 )
𝑥

o Segundo momento:
𝜇2 = 𝐸 (𝑋 2 ) = ∑ 𝑥 2 𝑓(𝑥 )
𝑥
o Varianza:

𝜎 2 = 𝑣𝑎𝑟(𝑋) = 𝐸 ((𝑋 − 𝜇)2 ) = ∑(𝑥 − 𝜇)2 𝑓 (𝑥 )

𝑥

o Se puede probar que 𝜎 2 = 𝐸 (𝑋 2 ) − 𝜇2 .

Esperanza Matemática
o El valor esperado es una transformación lineal.
o 𝐸(𝑔1 (𝑋) + 𝑔2 (𝑋)) = 𝐸(𝑔1 (𝑋)) + 𝐸(𝑔2 (𝑋)).
o 𝑎 ∈ 𝑅 → 𝐸(𝑎𝑔(𝑋)) = 𝑎𝐸(𝑔(𝑋)).
o 𝑎 ∈ 𝑅 → 𝐸 (𝑎) = 𝑎.
o 𝐸 (𝑎𝑋 + 𝑏) = 𝑎𝐸 (𝑋) + 𝑏.
o 𝑎 ∈ 𝑅 → 𝑣𝑎𝑟(𝑎) = 0.
o 𝐿𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑛𝑜 𝑒𝑠 𝑢𝑛𝑎 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙.
o 𝑣𝑎𝑟(𝑎𝑋 + 𝑏) = 𝑎2 𝑣𝑎𝑟(𝑋).
Función Generadora de Momentos
o Momentos: 𝜇𝑛 = 𝐸 (𝑋 𝑛 )𝑒𝑠 𝑒𝑙 𝑛 − é𝑠𝑖𝑚𝑜 𝑚𝑜𝑚𝑒𝑛𝑡𝑜.
o Función generadora de momentos
𝑀(𝑡) = 𝐸 (𝑒 𝑡𝑋 )
o M (0) = 1.
o No siempre existe para valores t≠ 0.
o Si hay un ∈> 0 tal que M(t) existe para todo -∈< 𝑡 < ∈, entonces si va a
satisfacer ciertas características:
 o Si 𝑀𝑥 (𝑡) = 𝑀𝑌 (𝑡) entonces Fx(a) =Fy(a).
o Las derivadas de M evaluadas en 0 son los momentos.
𝑑𝑛
𝑀(𝑡) = 𝐸 (𝑋 𝑛 ) = 𝜇𝑛
𝑑𝑡 𝑛
Vídeo #2 Clasificación de las variables aleatorias y elaborar un resumen al respecto.
Las variables pueden ser por sus naturalezas la cuales son
Cualitativas y cuantitativas
Cualitativas son aquellas cuando las observaciones realizadas se refieren atributos no son
numéricas, por ejemplos: sexo nacionalidad, profesión, etc.
Sin en cargo si se codifican estas variables de tal forma que se les asigne por ejemplo
entre niños y niñas donde los niños son 1 i las niñas son 0 eso sería una variable
cuantitativa por que se pueden contabilizar otro ejemplo serias el peso de una persona el
dinero de una persona, la temperatura del día
Sin nos centramos en el número de características que se pueden identificar en un
individuo podemos clasificar las variables según el número de característica
Unidimensional
Es una propiedad que permite clasificar individuos de una población por ejemplo deporte
que practica, números de hermanos, peso
Tipos de variables estadísticas
k-dimensional. –
Esta es cuando para cada individuo se mide más de unas características dependiendo de
la cantidad que se use aumentará su división, por ejemplo, si se usa 2 característica será
bidimensional, si se usa 3 será tridimensional, etc.
También se puede tener más de una población, pero la dimensión de la variable dependerá
de la cantidad características que se usen en cada población. Por ejemplo: si tengo 2
población y solo uso 1 características tendremos 2 variables unidimensional.
Según el conjunto de posibles valores
Variable aleatorio discreto. –
Si el conjunto de posibles valores es un conjunto de finito numerable o infinito numerable.
Por ejemplo:
Las posibilidades de adivinar un numero entre el 1 y el 10. S={1, 2 ,3 , 10 }.
Variable aleatorio continuo
Si el conjunto posible de valores no es un conjunto infinito e innumerables
ejemplos:
La edad en centímetro de una ciudad usando una cinta métrica para medir.