PROBABILIDAD Y ESTADISTICA II

ACTIVIDADES SEMANA II
INSTRUCCIONES: El alumno deberá realizar cada una de las actividades en su
cuaderno y subirlas a la plataforma Google Classroom el día y la hora acordada.
Al inicio del curso se les dará un código y tutorial para ingresar al aula virtual. El
valor de cada actividad es de 5 puntos c/u.

TEMA 1. DISTRIBUCION DE PROBABILIDAD

OBJETIVO: Entender este tipo de probabilidad y cada una de sus características

así como la aplicación de problemas en la vida cotidiana. (Entrega lunes 22 de
marzo) 10 puntos

Un juego de futbol puede ser considerado como un experimento aleatorio, en que solo
existen dos posibles resultados: ganar o perder. Retomando la definición de variable
aleatoria, asignamos un valor a los posibles resultados con el objetivo de establecer una
probabilidad. Asimismo una variable aleatoria debe tener conjunto de valores posibles y
una probabilidad definible asociada con valor. En general, representamos la variable
aleatoria por X, y un valor determinado del dominio de la variable aleatoria X por una x.
Las variables aleatorias (discretas y continuas) se hacen presentes al ocurrir, una distribución como parte
de un comportamiento matemático, es decir, se especifican los valores posibles y el de las respectivas
probabilidades asociadas a un espacio muestral. Es común que el valor de una variable dependa del de
otra. Por ejemplo, el ingreso de un trabajador pude depender del tiempo que trabaje; la producción de una
fábrica puede depender del número de máquinas que se utilicen; la distancia recorrida por un objeto pude
depender de la velocidad con que se desplace.

La relación entre este tipo de cantidades de variables, suele expresarse mediante una función: Si a cada
valor “x” que puede tomar una variable X le corresponde un valor “y” de otra variable Y, decimos que “y” es
función de “x”, donde el número “y” es único para cada valor de “x”. El conjunto de todos los valores que
puede tomar x se le llama dominio de la función y al conjunto de todos los valores resultantes de y se le
denomina contradominio de la función.

Función y distribución de probabilidad

La función de los valores numéricos de x la representamos por f(x), g(x), r(x), etc. y la probabilidad de que
la variable aleatoria X tome el valor x con P(X = x ). Así, sean x1, x2, ..., xn (espacio muestral de X), los
valores para los cuales X tiene probabilidad y sean p1, p2 ,..., pn las probabilidades correspondientes.
Entonces P(X = x1) = p1. Bajo este criterio podemos decir que:

La función de probabilidad debe satisfacer las siguientes propiedades: 1. f (xi ) ≥ 0 2. S f(xi ) = 1 A partir de
la función de probabilidad podemos establecer el concepto de distribución de probabilidad en la forma
siguiente
La distribución de probabilidad de una variable aleatoria discreta se presenta como la lista de los distintos
valores xi que puede tomar la variable aleatoria X, junto con sus probabilidades asociadas f(xi ) = P(X = xi ),
esto es, el conjunto de parejas {xi , f(xi )}. Cuando determinamos los valores de la variable aleatoria, le
asignamos una probabilidad, y a esto se le llama distribución de probabilidad

ACTIVIDAD 1.1 Realiza una búsqueda bibliográfica que incluya conceptos básicos y
ejemplos de variables aleatorias discretas y continuas. Al encontrar el significado de
estos conceptos, sintetízalos y desarrolla un esquema en que sé que relacionen cada
uno de ellos. Puedes usar otros libros de texto o páginas de internet. El objetivo es
desarrollar un esquema conceptual para reforzar el contenido de los conceptos y su
vinculación con la distribución de probabilidad.

ACTIVIDAD 1.2 Señala con el número 1 las variables que consideres son aleatorias
discretas, y con el número 2 las que sean aleatorias continuas.
 TEMA 2. DISTRIBUCIÓN DE PROBABILIDAD NORMAL ESTÁNDAR

OBJETIVO: Comprender la diferencia entre los tipos de probabilidad y ver en

donde se puede utilizar cada una. (Entrega martes 23 de marzo) 10 puntos

La normal estándar, es de las distribuciones de probabilidad, la más importante, ayuda a

administrar muchos fenómenos, pues varias poblaciones tienen distribución normal o
pueden ajustarse muy bien a ella. Esta clase de distribución es comúnmente utilizada en
el campo de la industria cuando se tiene una muestra grande.

Para poder utilizar la gráfica tenemos que transformar la variable x que sigue una
distribución N

(μ,σ) en otra variable Z que siga una distribución N (0, 1). Es decir, utilizaremos la fórmula:
 ACTIVIDAD 2.1 Resuelve los siguientes ejercicios, utilizando la formula Realiza la
gráfica de cada uno

1. La temperatura durante setiembre está distribuida normalmente con media

18.7ºC y desviación standard 5ºC. Calcule la probabilidad de que la
temperatura durante setiembre esté por debajo de 21ºC.

2. La media de los pesos de 5000 estudiantes de un colegio es 70 kg y la

desviación típica 3 kg. Suponiendo que los pesos se distribuyen normalmente,
“hallar cuántos estudiantes” pesan menos de 60 kg.

ACTIVIDAD 2.2 Realiza una investigación de las aplicaciones en la vida cotidiana de la distribución normal
estándar y de su s principales características.
 TEMA 3. DISTRIBUCION DE POISSON

OBJETIVO: Aprender el tipo de probabilidad de Poisson y sus variantes.

(Entrega miércoles 24 de marzo) 10 puntos

¿Qué es una distribución de Poisson?

La distribución de Poisson se especifica por un parámetro: lambda (λ). Este parámetro es

igual a la media y la varianza. Cuando lambda aumente a valores lo suficientemente
grandes, la distribución normal (λ, λ) podría utilizarse para aproximar la distribución de
Poisson.

Utilice la distribución de Poisson para describir el número de veces que un evento ocurre
en un espacio finito de observación. Por ejemplo, una distribución de Poisson puede
describir el número de defectos en el sistema mecánico de un avión o el número de
llamadas a un centro de llamadas en una hora. La distribución de Poisson se utiliza con
frecuencia en el control de calidad, los estudios de fiabilidad/supervivencia y los seguros.

Una variable sigue una distribución de Poisson si se cumplen las siguientes condiciones:

 Los datos son conteos de eventos (enteros no negativos, sin límite superior).

 Todos los eventos son independientes.

 La tasa promedio no cambia durante el período de interés.

Las siguientes gráficas representan distribuciones de Poisson con valores diferentes de

lambda.

Lambda = 3 Lambda = 10
¿Qué es tasa de ocurrencia?

La tasa de ocurrencia es igual a la media (λ) dividida entre la dimensión del espacio de
observación. Es útil para comparar conteos de Poisson recolectados en diferentes
espacios de observación. Por ejemplo, la central telefónica A recibe 50 llamadas
telefónicas en 5 horas y la central telefónica B recibe 80 llamadas en 10 horas. Usted no
puede comparar directamente estos valores, porque sus espacios de observación son
diferentes. Debe calcular la tasa de ocurrencia para comparar estos conteos. La tasa de la
central telefónica A es (50 llamadas / 5 horas) = 10 llamadas/hora. La tasa de la central
telefónica B es (80 llamadas / 10 horas) = 8 llamadas/hora.

Diferencias entre la distribución de Poisson y la distribución binomial

La distribución de Poisson es similar a la distribución binomial porque ambas modelan

conteos de eventos. Sin embargo, dentro de su espacio de observación finito, la
distribución de Poisson no establece un límite superior a este conteo: una central
telefónica podría recibir un número ilimitado de llamadas en un día y no violar los
requisitos de la distribución de Poisson. En cambio, la distribución binomial establece un
límite superior en el conteo: el número de eventos que usted observa no puede exceder el
número de ensayos que realiza.

ACTIVIDAD 3.1 Responde las siguientes preguntas.

1.- ¿Cuál es la diferencia entre una variable aleatoria discreta y una variable aleatoria
continua?

2.- ¿Cuáles son las tres preguntas básicas que se deben plantear en el estudio de un
proceso de Poisson?

3. -Mencione los tres requisitos que debe de cumplir cualquier función de distribución
continua

4.-¿Qué parámetros se tienen que especificar para identificar una distribución de

probabilidad Normal?

5. -¿Qué interpretación física tiene la Esperanza matemática de una variable aleatoria

continua?

ACTIVIDAD 3.2 Escribe un ejemplo en un problema de la vida cotidiana describiendo en

donde o como se aplica este tipo de distribución,
 TEMA 4. CHI- CUADRADA

OBJETIVO: Aprender el tipo de probabilidad de Poisson y sus variantes.

(Entrega jueves 25 de marzo) 10 puntos

¿Qué es el estadístico de chi-cuadrada?

El estadístico de chi-cuadrada es una medida de la divergencia entre la distribución de los

datos y una distribución esperada o hipotética seleccionada. Por ejemplo, se utiliza para:

 Probar la independencia o determinar la asociación entre variables categóricas. Por

ejemplo, si usted tiene una tabla de dos factores de resultados electorales basada en el
sexo de los votantes, los estadísticos de chi-cuadrada pueden ayudar a determinar si un
voto es independiente del sexo del votante o si existe alguna asociación entre voto y sexo.
Si el valor p asociado con el estadístico de chi-cuadrada es menor que el nivel de
significancia (α) seleccionado, la prueba rechaza la hipótesis nula de que las dos variables
son independientes.

 Determinar si un modelo estadístico se ajusta adecuadamente a los datos. Si el valor p

asociado al estadístico de chi-cuadrada es menor que el nivel de significancia (α)
seleccionado, la prueba rechaza la hipótesis nula de que el modelo se ajusta a los datos.

Cuando se trata de datos categóricos, Minitab puede indicar la contribución de cada

categoría al valor de chi-cuadrada, que cuantifica qué tanto del valor total de chi-cuadrada
se puede atribuir a la divergencia de cada categoría.

Por ejemplo, si una prueba de bondad de ajuste rechaza la hipótesis nula, ¿se debe este
resultado a que todas las categorías difieren moderadamente de lo que se esperaba o a
que una sola categoría difiere considerablemente de lo que se esperaba?

Por ejemplo, supongamos que usted espera que una muestra de 100 vehículos en un
estacionamiento muy grande contenga 50 sedánes, 27 camiones y 23 vans, pero en
cambio contiene 61 sedánes, 16 camiones y 23 vans. Las categorías "sedán" y "camión"
no son como se esperaba, pero la categoría "van" sí. Por lo tanto, la categoría "van" no
contribuye al valor resultante de chi-cuadrada; toda la divergencia en los datos proviene
de las categorías "sedán" y "camión".
ACTIVIDAD 4.1 Realiza la siguiente investigación de Chi-Cuadrada.
-Tipos de variables que utiliza
-Tipos de pruebas de Chi cuadrada
-Funcionamiento de Chi cuadrado

ACTIVIDAD 4.2 Con el ejemplo del tema anterior de los vehículos redacta una prueba de
la chi- cuadrada agregando otras dos marcas de automóvil y explica cómo se aplica esta
prueba.

TEMA 5. REGRESION LINEAL.

OBJETIVO: Comprender el concepto general de regresión lineal y ver la

importancia en la estadística. (Entrega viernes 26 de marzo) 10 puntos

El análisis de regresión se enfoca en la exploración, explicación y estudio de dependencia

de una variable mediante una o más variables explicativas. De ahí el nombre de método
de predicción basado en este modelo. En éste apartado necesariamente se hace una
introducción al método de regresión lineal simple, que recibe dicha denominación en
razón de que:

• Se trata de una regresión debido a que se utiliza para su cálculo,

información pasada. • Es lineal, bajo el supuesto que así es la relación existente
entre las variables X y Y que intervienen, lineal.
• Es simple, porque se usa sólo una variable independiente para explicar la
variable dependiente. Lo anterior significa que procederemos a ajustar una recta
al conjunto de datos que se pueden registrar sobre un diagrama matemático que
utiliza las coordenadas cartesianas para mostrar sus valores para un conjunto de
datos. La característica fundamental de esa recta es que pasará lo más cerca de
todos los puntos ubicados en el diagrama de dispersión. Para lograrlo usaremos
el método de mínimos cuadrados.
ACTIVIDAD 5.1
1. Descarga la aplicación en Play store ajuste “
lineal” 2. Del siguiente ejercicio representa las
variables.
En EduSmart las edades de los alumnos al ingresa son de 16, 16, 17,18,18 que
son nuestras variables “X” y al egresar después de 3 a 4 años son
19,19,20,20,21que son las variables “Y”.
3. Introduce las variables del ejercicio anterior y realiza en tu cuaderno la
representación gráfica.

ACTIVIDAD 5.2 Resuelve el siguiente ejercicio:

RUBRICA DE EVALUACIÓN
Valor por actividad 6 % se deberá subir a la plataforma la cantidad de actividades diarias acordadas.
Dependiendo de cada uno de los criterios será la puntuación final.

CRITERIOS DE EVALUACIÓN.

1.- Actividades de la guía de estudio enviadas a la plataforma Classroom. Valor: 60 %

- Las actividades entregadas en horario de clase y con los requerimientos solicitados especificados
en cada una de ellas, se calificarán al 100%. ( 12 pts por las 2 actividades)
- Si la actividad o proyecto lo entregas el mismo día después de su horario de clase, sin motivo
valido la calificación máxima será de: 80% ( 10 pts por las 2 actividades)
- Si el alumno entrega todas las actividades el mismo día después de su horario de clase, y tiene un
argumento válido, se calificara en un máximo de 90% ( 11 pts por las 2 actividades)
- Si el alumno entrega todas las actividades el día viernes su calificación máxima puede ser de 60 o
70% ( 7 a 8 pts por las 2 actividades ), siempre y cuando reúna los requerimientos solicitados en las
actividades.

2.- Sesiones en línea por medio de Zoom. Valor: 20%

3.- Pasar asistencia en el grupo de WhatsApp. Valor 10%

4-Disciplina y Participacion : valor 10%

BIBLIOGRAFIA:

Telebachillerato comunitario. Quinto semestre. Probabilidad y Estadística II Secretaría de

Educación Pública Aurelio Nuño Mayer Subsecretaría de Educación Media Superior
Rodolfo Tuirán
Gutiérrez Dirección General del Bachillerato Carlos Santos Ancira Autoras: Martha Rocío
Estrada Rivera Xochitl Itzel Hernández

https://fisicaymates.com/distribucion-de-poisson/ https://www.webyempresas.com/chi-
cuadrada/
https://dlegorreta.wordpress.com/2015/03/07/regresion-lineal/