TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE NUEVO LEÓN

SUBDIRECCIÓN ACADÉMICA
DEPARTAMENTO DE EDUCACIÓN A DISTANCIA
INGENIERÍA EN INGENIERÍA INDUSTRIAL VIRTUAL

PROBABILIDAD Y ESTADISTICA

ACTIVIDAD 3 - INVESTIGACIÓN 1

ACTIVIDAD 3

Catedrático.

DRA. ZITA XIAHUITL SALAZAR MUÑOZ

Presenta:
EDER JAHIR RAMOS LOREDO 20481430

Cd. Apodaca, Nuevo León; a 14 de 06 de 2021.

FUNCIÓN DE PROBABILIDAD 
Para otros usos de este término, véase medida de probabilidad.

En teoría de la probabilidad, una función de probabilidad (también

denominada función de masa de probabilidad) es una función que asocia a
cada punto de su espacio muestral X la probabilidad de que esta lo asuma.

Gráfica de una función de masa de probabilidad. Nótese que todos los valores
son no negativos, y la suma de ellos es igual a 1.

La función de masa de probabilidad de un dado. Todos los números tienen la

misma probabilidad de aparecer cuando este es tirado.

En concreto, si el espacio muestral, E de la variable aleatoria X consta de los

puntos x1, x2, …, xk, la función de probabilidad P asociada a X es

donde pi es la probabilidad del suceso X = xi .

Por definición de probabilidad,

Hay que advertir que el concepto de función de probabilidad solo tiene

sentido para variables aleatorias que toman un conjunto discreto de
valores. Para variables aleatorias continuas, el concepto análogo es el
de función de densidad.

LA ESPERANZA MATEMÁTICA 
En estadística la esperanza matemática (también
llamada esperanza, valor esperado, media poblacional o media) de
una variable aleatoria , es el número  o  que formaliza la idea de valor medio de
un fenómeno aleatorio. Es un concepto análogo a la media aritmética de un
conjunto de datos.

Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la

probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho
suceso. Por lo tanto, representa la cantidad promedio que se "espera" como
resultado de un experimento aleatorio cuando la probabilidad de cada suceso se
mantiene constante y el experimento se repite un elevado número de veces.
Cabe decir que el valor que toma la esperanza matemática en algunos casos
puede no ser "esperado" en el sentido más general de la palabra (el valor de la
esperanza puede ser improbable o incluso imposible).

Por ejemplo, el valor esperado cuando tiramos un dado equilibrado de 6 caras es

3,5. Podemos hacer el cálculo

y cabe destacar que 3,5 no es un valor posible al tirar el dado. En este caso,
en el que todos los sucesos son de igual probabilidad, la esperanza es igual
a la media aritmética.

Una aplicación común de la esperanza matemática es en las apuestas o

los juegos de azar. Por ejemplo, la ruleta francesa tiene 37 casillas
equiprobables. La ganancia para acertar una apuesta a un solo número paga
de 35 a 1 (es decir, cobramos 35 veces lo que hemos apostado). Por tanto,
considerando los 37 posibles resultados,

Nota: El primer término es la "esperanza" de perder la apuesta de 1€, por

eso el valor es negativo. El segundo término es la esperanza matemática
de ganar los 35€. La esperanza matemática del beneficio es el valor
esperado a ganar menos el valor esperado a perder.
DISTRIBUCIÓN F: CARACTERÍSTICAS Y
EJERCICIOS RESUELTOS
La distribución F o distribución de Fisher-Snedecor es la que se usa para
comparar las varianzas de dos poblaciones diferentes o independientes, cada
una de las cuales sigue una distribución normal.

La distribución que sigue la varianza de un conjunto de muestras de una sola

población normal es la distribución ji-cuadrada (Χ2) de grado n-1, si cada una de
las muestras del conjunto tiene n elementos.

Para comparar las varianzas de dos poblaciones diferentes, es necesario definir

un estadístico, es decir una variable aleatoria auxiliar que permita discernir si
ambas poblaciones tienen o no igual varianza.

Dicha variable auxiliar puede ser directamente el cociente de las varianzas

muestrales de cada población, en cuyo caso, si dicho cociente es cercano a la
unidad, se tiene evidencia que ambas poblaciones tienen varianzas semejante

EL ESTADÍSTICO F Y SU DISTRIBUCIÓN TEÓRICA

La variable aleatoria F o estadístico F propuesto por Ronald Fisher (1890 – 1962)

es el que se usa más frecuentemente para comparar las varianzas de dos
poblaciones y se define de la siguiente manera:
Siendo s2 la varianza muestral y σ2 la varianza poblacional. Para distinguir cada
uno de los dos grupos poblacionales, se utilizan los subíndices 1 y 2
respectivamente.

Se sabe que la distribución ji-cuadrada con (n-1) grados de libertad es la que

sigue la variable auxiliar (o estadístico) que se define a continuación:

X2 = (n-1) s2 / σ2.

Por lo tanto, el estadístico F sigue una distribución teórica dada por la siguiente

fórmula: Siendo U la distribución ji-cuadrada con d1 = n1 –

1 grados de libertad para la población 1 y V la distribución ji-cuadrada con d2 =
n2 – 1 grados de libertad para la población 2.

El cociente definido de esta forma es una nueva distribución de probabilidad,

conocida como distribución F con d1 grados de libertad en el numerador
y d2 grados de libertad en el denominador.

Media, moda y varianza de la distribución F

Media

La media de la distribución F se calcula de la siguiente manera:

Siendo f(x) la densidad de probabilidad de la distribución F, la cual se muestra en
la figura 1 para varias combinaciones de parámetros o grados de libertad. Se
puede escribir la densidad de probabilidad f(x) en función de la función Γ
( función gamma):

Una vez efectuada la integral indicada antes, se concluye que la media de la

distribución F con grados de libertad (d1, d2) es:

μ = d2 / (d2 – 2) con d2 > 2 Donde se nota que, curiosamente, la media no

depende de los grados de libertad d1 del numerador.

Moda Por otra parte, la moda sí depende de d1 y d2 y está dada por:

Para d1 > 2.

Varianza de la distribución F

La varianza σ2 de la distribución F se calcula a partir de la integral:

Obteniéndose:
RESUMEN Y CONCLUCION

En la actualidad el conocimiento y aplicación de la probabilidad tiene

un papel altamente importante dentro del desarrollo profesional;
debido a que necesariamente se requieren para analizar variables
discretas que les apoyen y guíen en las decisiones de una manera
eficaz y objetiva, el analizar los diferentes tipos de distribuciones
discretas y sus características proporcionan una excelente herramienta
aplicable a los procesos productivos y evidentemente en el mundo de

la economía.

Referencia bibliográficas
HTTPS://WWW.GOOGLE.COM/SEARCH?Q=DISTRIBUCI%C3%B3N+F%2C+Y+
+DAR+EJEMPLOS&RLZ=1C1CAFC_ENMX918MX918&SXSRF=ALEKK024JSFKFIGBWCRBVGHL9BDPA13XXG
%3A1623711479856&EI=997HYORXM8MXTQAA1PEYBA&OQ=DISTRIBUCI%C3%B3N+F%2C+Y+
+DAR+EJEMPLOS&GS_LCP=CGDND3MTD2L6EAMYCAGHEBYQHRAEOGCIIXDQAHANULUHWLUHYNYMAAJWAN
GAGAGRAYGBJQKSAQMWLJKYAQCGAQGGAQKQAQDND3MTD2L6SAEKWAEB&SCLIENT=GWS-
WIZ&VED=0AHUKEWIQR-XPNJJXAHXJWM0KHQDRBUMQ4DUDCA4&UACT=5

HTTPS://ES.WIKIPEDIA.ORG/WIKI/ESPERANZA_MATEM%C3%A1TICA
HTTPS://ES.WIKIPEDIA.ORG/WIKI/FUNCI%C3%B3N_DE_PROBABILIDAD