26 DE OCTUBRE DE 2022

15
PTS

VALOR ESPERADO, VARIANZA, DIST.

BINOMIAL Y DIST. POISSON.

PROBABILIDAD Y ESTADÍSTICA
UNIVERSIDAD DE GUANAJUATO
INGENIERÍA CIVIL 5TO SEMESTRE

ACTIVIDAD DE CLASE 1 PARCIAL 3

PLAYERS:
ZÁRATE SANTA MARÍA VICTOR ALFREDO
VÁZQUEZ MURILLO MAXIMILIANO
FLORES MARTÍNEZ ERICKA JACQUELINE
 PRIMER JUEGO
VALOR ESPERADO, VARIANZA, DIST. BINOMIAL
Y DIST. POISSON.

Opción Opción Opción

 20
VALOR ESPERADO PTS

¿Qué es y Fórmula?
El valor esperado, o media, de una variable aleatoria es una medida de la
localización central de la variable aleatoria. A continuación, se da la
fórmula para obtener el valor esperado de una variable aleatoria x.

Las dos notaciones E(x) y μ se usan para denotar el valor esperado de una
variable aleatoria x. La ecuación (5.4) indica que para calcular el valor
esperado de una variable aleatoria discreta se multiplica cada valor de la
variable aleatoria por su probabilidad correspondiente f(x) y después se suman
estos productos.
VARIANZA
¿Qué es y Fórmula?
Aunque el valor esperado proporciona el valor medio de una variable
aleatoria, también suele ser necesaria una medida de la variabilidad o
dispersión. Así como en el capítulo 3 se usó la varianza para resumir la
variabilidad de los datos, ahora se usa la varianza para resumir la
variabilidad en los valores de la variable aleatoria. A continuación, se da
la fórmula para calcularla.

La varianza es un promedio ponderado de los cuadrados de las desviaciones de una

variable aleatoria de su media. Los pesos son las probabilidades.
 SEGUNDO JUEGO
EJEMPLOS

Primera opción

Segunda opción
EJEMPLO DE VALORES ESPERADO
1. De la siguiente tabla, calcular el valor esperado del número
de automóviles vendidos en un día. Y el promedio mensual de
carros vendidos (30 días)

Realizando la tabla correspondiente se tiene:

Por lo tanto, el valor esperado de

carros vendidos en 1 día es de 1.5.
Para el caso del promedio de carros
vendidos en 30 días (1 mes) simplemente
se multiplica ese número por el valor
esperado en un día, y se tiene:

30(1.5)= 45 automóviles en 1 mes

EJEMPLO DE VARIANZA
Del problema anterior, calcular la varianza
Tomando en consideración del problema anterior 𝜇=1.5
EJEMPLO DE VARIANZA 2
Encuentra la media, varianza de la variable aleatoria X:

Colocamos una tabla donde tomemos como “x” el número de

evento y como “f(x)” la probabilidad de que ocurra ese
evento.

Agregamos otra columna donde calcularemos el valor

medio

Agregamos 2 columnas que nos servirán para calcular la

varianza

Teniendo ya está tabla sustituimos los valores en la

fórmula de varianza
 30
DISTRIBUCIÓN BINOMIAL PTS

¿Qué es?
La distribución de probabilidad binomial es una distribución de
probabilidad que tiene muchas aplicaciones. Está relacionada con un
experimento de pasos múltiples al que se le llama experimento binomial.
Propiedades de un experimento binomial

1. El experimento consiste en una serie de n ensayos idénticos.

2. En cada ensayo hay dos resultados posibles. A uno de estos resultados se
le llama éxito y al otro se le llama fracaso.
3. La probabilidad de éxito, que se denota p, no cambia de un ensayo a otro.
Por ende, la probabilidad de fracaso, que se denota 1 - p, tampoco cambia de
un ensayo a otro.
4. Los ensayos son independientes.
DISTRIBUCIÓN BINOMIAL

Tipo de Variable que se utiliza

En un experimento binomial lo que interesa es el número de éxitos en n

ensayos. Si x deno ta el número de éxitos en n ensayos, es claro que x tomará
los valores 0, 1, 2, 3, ..., n. Dado que el número de estos valores es
finito, x es una variable aleatoria discreta. A la distribución de
probabilidad correspondiente a esta variable aleatoria se le llama
distribución de probabilidad binomial.
DISTRIBUCIÓN BINOMIAL

Formula

Donde: Es importante resaltar que la

n = Número de ensayos/experimentos expresión entre corchetes no es
x = Número de éxitos una expresión matricial, sino que
p = Probabilidad de éxito es un resultado de una
q = Probabilidad de fracaso (1-p) combinatoria sin repetición.

Valor esperado de una distribución binomial

𝐸(𝑥)=𝜇=𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠∗𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 é𝑥𝑖𝑡𝑜

Varianza de una distribución binomial

𝑉𝑎𝑟(𝑥)=𝜎2=𝑛 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠∗𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑥𝑖𝑡𝑜 (1−𝑝𝑟𝑜𝑏 𝑑𝑒 é𝑥𝑖𝑡𝑜)

EJEMPLO 1
Imaginemos que un 80% de personas en el mundo ha visto el partido de la final del último
mundial de fútbol. Tras el evento, 4 amigos se reúnen a conversar, ¿Cuál es la probabilidad
de que 3 de ellos hayan visto el partido?
Definamos las variables del experimento:
n = 4 (es el total de la muestra que tenemos)
x = número de éxitos, que en este caso es igual a 3, dado que buscamos la probabilidad de que 3
de los 4 amigos lo hayan visto.
p = probabilidad de éxito (0,8)
q = probabilidad de fracaso (0,2). Este resultado se obtiene al restar 1-p.
Tras definir todas nuestras variables, simplemente sustituimos en la formula.

Si multiplicamos por 100 tenemos que hay una probabilidad del 40,96% de que 3 de los 4
amigos haya visto el partido de la final del mundial.
Calculando el valor esperado
𝜇= 0.8 ∗ 4 𝜇= 3.2
Calculando la varianza
𝜎2= 0.8∗ 4 (1−0.8) 𝜎2= 0.64
EJEMPLO CON EXCEL
Veces que sale un número 3 al lanzar un dado 10 veces

En la parte de acumulado:
Falso – Función de probabilidad
Verdadero – función de distribución acumulada
 NIVEL
DIFÍCIL
 30
DISTRIBUCIÓN DE POISSON PTS

¿Qué es?
La distribución de Poisson es una distribución de probabilidad discreta que modeliza
la frecuencia de eventos determinados durante un intervalo de tiempo fijado a partir
de la frecuencia media de aparición de dichos eventos. En otras palabras, la
distribución de Poisson es una distribución de probabilidad discreta que, tan solo
conociendo los eventos y su frecuencia media de ocurrencia, podemos saber su
probabilidad.

La distribución de Poisson solo depende de un parámetro, mu (marcado en amarillo). Mu

informa del número esperado de eventos que ocurrirán en un intervalo de tiempo fijado.
Cuando se habla de algo “esperado” tenemos que redirigirlo a pensar en la media. Por
tanto, mu es la media de la frecuencia de los eventos.
Tanto la media como la varianza de esta distribución son mu, estrictamente positiva.
DISTRIBUCIÓN DE POISSON
Propiedades de Distribución de Poisson
1. La probabilidad de ocurrencia es la misma para cualesquiera dos intervalos de la misma
magnitud.
2. La ocurrencia o no-ocurrencia en cualquier intervalo es independiente de la ocurrencia
o no-ocurrencia en cualquier otro intervalo.
Fórmula

Valor esperado de una distribución de poisson

𝐸(𝑥)=𝜇=𝑉𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝑜 𝑛ú𝑚𝑒𝑟𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑜𝑐𝑢𝑟𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛 𝑢𝑛 𝑖𝑛𝑡é𝑟𝑣𝑎𝑙𝑜
Varianza de una distribución de poisson
𝑉𝑎𝑟(𝑥)=𝜎2=𝜇=𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝑜 𝑛ú𝑚𝑒𝑟𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑜𝑐𝑢𝑟𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛 𝑢𝑛
𝑖𝑛𝑡é𝑟𝑣𝑎𝑙𝑜
EJEMPLO
Suponemos que estamos en temporada de invierno y queremos ir a esquiar antes de diciembre.
La probabilidad que abran las estaciones de esquí antes de diciembre es del 5%. De las 100
estaciones de esquí, queremos saber la probabilidad de que la estación de esquí más
cercana abra antes de diciembre. La valoración de esta estación de esquí es de 6 puntos.
Los datos necesarios para calcular la función de probabilidad de densidad de Poisson son
el conjunto de datos y mu:

Conjunto de datos = 100 estaciones de esquí.

Mu = 5% * 100 = 5 es el número de estaciones de esquí esperado dado el conjunto de
datos.

Entonces, la estación más cercana tiene una probabilidad de 14,62% de que abra antes de
diciembre.
EJEMPLO CON EXCEL
 5
PTS
BIBLIOGRAFIA
Anderson, David R., Dennis J. Sweeney y Thomas A. Williams. (2008).
Estadística para administración y economía. Santa Fe, México Df:
Cengage Learning Editores. 10a. ed.
Sanjuán, F. J. M. (2021, 13 enero). Distribución binomial.
Economipedia. https://economipedia.com/definiciones/distribucion-
binomial.html
Rodó, P. (2021, 11 febrero). Distribución de Poisson. Economipedia.
https://economipedia.com/definiciones/distribucion-de-poisson.html