Variables Aleatorias, Esperanza y Varianza

Variable Aleatoria Variable Aleatoria Discreta Función de Distribución Función de Densidad Teorema

Función definida Su recorrido tiene F (t) = Pr (X≤ t) Pr (A) = Pr (a≤ X ≤ b) Si F y f son las funciones de
en un espacio probabilidad distribución y de densidad,
b
positiva ,es decir, es ellas están ligadas mediante
muestral Ω Pr (A) = ∫ f (x )dx las igualdades:
finito o infinito a
numerable x
F ( x )= ∫ f (x) dx Y f
P{X=Xi}>0 −∞
(x) = F´ (X)
Esperanza Matemática E(x) La Varianza Var(x) Desviación Estándar

n La varianza de una variable La desviación estándar de

E ( x )=∑ pk∗xk aleatoria X es un número una variable aleatoria X es
k=1
no negativo igual a la raíz cuadrada de
∞ la varianza
2 2
E ( x )=∫ x . f ( x) dx Var( x)=E (x )−( E( x))
−∞ б =√ Var (x)

Daniel Vaca
Ingeniería Electrónica
 Principales Distribuciones De Probabilidad

Distribución Uniforme Distribución de Bernoulli Binomial Negativa Distribución Binomial

Discreta

BN = (r,p) Bin = (n, p)

Ber = (p)
Pr (X=k) = 1/n, k = 1, 2,…, n
P( x=k )=C r−1 r
k −1⋅p (1− p)
k−r
E ( x )=np
n+1 E ( x )= p
E ( x )= r Var ( x ) =npq
2 E ( x )=
Var ( x ) =pq p
2
n −1
Var ( x ) = 1− p
12 Var ( x ) =r ( 2
)
p

Distribución Hipergeométrica Distribución Geométrica Distribución de Poisson Distribución Uniforme

H = (N, n, r) G = (p) P = (λ) U = [a, b]

1
{
C kn⋅Cr−k −λ k 1
P( x=k )=
N−n
E ( x )= e λ f ( x )= b−a
, si x ∈[ a , b ]
C rN P P( x=k )=
kl 0 , si x ∉[ a , b ]
n ¿
p= , q=1− p 1−P
q Var ( x ) = a+b
rn 2 E ( x )=λ E ( x )=
E( x )= P 2
N
n n N −r Var ( x ) =λ
Var ( x )=r (1− )( ) (b−a)2
N N N −1 Var ( x ) =
12

Daniel Vaca
Ingeniería Electrónica
 Análisis Exploratorio de Datos

UNIDAD MUESTRAL.- Es el objeto básico CUALITATIVOS.- Cuando los datos ESCALA DE MEDICIÓN.- Instrumento de DISTRIBUCIÓN DE
sobre el cual el estudio se lleva a cabo. describen características que no son medibles. medida con el que se asignan valores a las FRECUENCIAS.- Herramienta que
unidades estadísticas. resume distintas clases de datos.
UNIVERSO.- Grupo entero al que queremos CUANTITATIVOS.- Cuando los datos
describen características que son medibles. VALORES ATÍPICOS.- Aquellos que tiene DIAGRAMA DE PUNTOS.- Forma
describir o del que deseamos sacar
valores inusuales o de valor extremo. de resumir datos cuantitativos.
conclusiones. DISCRETOS.- Valores distintos y separados
que son contadas (1, 2, 3….) SIMETRÍA Y ASIMETRÍA.- Conjunto de DIAGRAMA DE TALLO Y
MUESTRA.- Grupo de unidades datos que dependen del agrupamiento de los HOJAS.- Técnica semigráfica que se
seleccionadas de acuerdo con un plan o regla. CONTINUOS.- Valores que se toman en mismos. emplea para ilustrar características de
cualquier intervalo considerado. los datos, y los representa en un
conjunto de hasta 100 datos.

Media Muestral o Pomedio La Mediana La Moda La Media Geométrica La Media Armónica

n n ni−(ni−1) n
MG= √ x 1∗x 2∗.. .∗xk n
−Ni−1 Mo=Li−1+ ∗Ai MH=
∑ Xi Med=Li−1+
2
ni
∗Ai (ni−( ni−1))+(ni−( ni+1)) n
∑ xi1
i=1
X= i =1

Desviación Estándar Rango o Recorrido Asimetría Curtosis

√
n Rango=Xmáx −X min n
(xi −x )3
n
(xi−x )4
s=
1
∑ ( xi−x )2 ∑ n
∑ n
n−1 i=1 Ap= i=1
Ap= i=1
−3
s3 s4

Daniel Vaca
Ingeniería Electrónica
 El Concepto de Probabilidad

El Concepto de Eventos y Espacios Muestrales

Probabilidad
Variación Combinación Permutación Permutación con Repetición Evento Espacio Muestral

Arreglos ordenados Cada uno de los Es cada una de las Es un arreglo de K Son los resultados Colección de todos los
de K elementos subconjuntos de K variaciones de los n elementos ordenados en posibles de un evento eventos elementales
tomados de otro de n elementos, tomados elementos distintos el que los elementos que involucre
elementos, difieren de otro de n puede repetirse incertidumbre
en el orden de elementos, sin tener arbitrariamente Denotado con
colocación en cuenta el orden Pn=n l
¿
ω
Ω={ es un elemento }
Denotado con ω

nl nl Pkn =nk
V kn = ¿
C kn= ¿ ω
( n−k l ) k l (n−k )l
¿ ¿ ¿

Cálculos de Independencia y Probabilidad

Probabilidad Coincidencia Completa

Espacios Muestrales Espacios Muestrales Espacios Muestrales Independencia Condicionada P(A)=P(B1)*P(A/B)+..+P(Bn)+P(A/Bn)

Finitos infinitos numerables continuos
Donde ; P(B1)+…+P(Bn)=1

Es igual al producto La probabilidad de

K Ω={ω1,ω2,...,ωn} Fórmulas de Bayes
P( A )= ∞ ¿ Medida A de las posibilidades que un evento A
N
∑ P(ωi ¿)=1 P( A )= de los dos eventos ocurra en el supuesto
i=1 MedidaB
individuales. que B ha ocurrido
P( A∩Bk ) P( Bk )P( A /Bk )
P(Bk / A )= = n
P( A )
∑ P( Bi ) P( A/ Bi )
i=1

Daniel Vaca
Ingeniería Electrónica