Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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.
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
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
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
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).
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.
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
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.
CRITERIOS DE EVALUACIÓN.
https://fisicaymates.com/distribucion-de-poisson/ https://www.webyempresas.com/chi-
cuadrada/
https://dlegorreta.wordpress.com/2015/03/07/regresion-lineal/