Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Las variables son símbolos que pueden adquirir distintos valores y que
aparecen en fórmulas, algoritmos, funciones y proposiciones de las
matemáticas y la estadística. Según sus particularidades, se clasifican de
distinto modo.
Ejemplos
Se podría definir una variable que asignara a cada punto muestral el número
de orden en el espacio muestral.
Pero otra posible V.A.: a cada punto muestral el número de s. X: sss 3; ssn 2;
...
Los conjuntos pueden ser:
Ejemplo 1:
Ejemplo 2:
xi 0 1 2 3
1/8 =
pi 3/8 = 0.375 3/8 = 0.375 1/8 = 0.125
0.125
Ejemplo:
Hemos tratado este ejemplo como un caso dicotómico. Es decir, solo existen
dos resultados posibles (para simplificar la situación). En los libros teóricos
encontramos el típico ejemplo del lanzamiento de una moneda no trucada que
consiste en obtener cara o cruz. Como no hay más resultados posibles, la
obtención del parámetro p se vuelve elemental.
✓ Definimos los dos valores que puede tomar una variable aleatoria
que sigue una distribución de Bernoulli.
Una vez hemos definido los valores de la Z, asignamos las probabilidades del
resultado del experimento:
Resultado.
Solución:
a) x = variable que nos define el número de cheques sin fondo que
llegan al banco en un día cualquiera = 0, 1, 2, 3, ....., etc, etc.
l = 6 cheques sin fondo por día
e = 2.718
b)
x= variable que nos define el número de cheques sin fondo que llegan
al banco en dos días consecutivos = 0, 1, 2, 3, ......, etc., etc.
l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en
dos días consecutivos
Nota: l siempre debe de estar en función de x siempre o dicho de otra
forma, debe “hablar” de lo mismo que x.
✓ Distribución geométrica:
Su función de probabilidad es
Ejemplos
La distribución normal adapta una variable aleatoria continua a una función que
depende de la media y la desviación típica en función y la variable aleatoria
continua tendrán la misma representación con ligeras diferencias.
Dada una variable aleatoria X, decimos que la frecuencia de sus observaciones
puede aproximarse satisfactoriamente a una distribución normal tal que:
El valor negativo sólo nos está diciendo que estamos por debajo de la
media.
Mirando la tabla para Z = 3.33, queda que la probabilidad es de 0,9996.
Entonces, P(Z>3,33) = 1 - 0,9996 = 0,0004. = P (Z < - 3,33) Esto es, el
0,04 % de los 5000 estudiantes pesan menos de 60 Kg. Son 2
estudiantes.
Representado en graficas
Este modelo suele utilizarse para variables que describen el tiempo hasta que se
produce un determinado suceso siendo la función de densidad de la forma:
m=b y s2 = b2
Ejemplos
• El tiempo que transcurre antes de que una persona sea atendida en una
cafetería es una variable aleatoria que tiene una distribución exponencial
con una media de 4 minutos. ¿Cuál es la probabilidad de que una
persona sea atendida antes de que transcurran 3 minutos en al menos 4
de los 6 días siguientes?
Solución:
Ejemplo
• En la industria petrolera es costoso recolectar datos y es casi imposible
modelar la población por lo que mediante la distribución triangular se
describiría una población sobre la cual halla muestra datos limitados
• Se utiliza para modelar procesos estocásticos o de riesgo comercial como
en la recolección de datos para determinar el costo de construcción de un
edificio nuevo, pero se puede estimar los costos de construcción
mínimos, máximos y más probables (moda). Siendo fácil definir y explicar
estos valores, que son una representación razonable de los datos.
• En la toma de decisiones es vital, así como en simulaciones acerca de
la distribución de un resultado en sus valores más pequeños y más
grandes distribución triangular, junto con la distribución PERT, también se
usa ampliamente en la gestión de proyectos (como una entrada
en PERT y por lo tanto método del camino crítico (CPM)) para modelar
los acontecimientos que tienen lugar dentro de un intervalo definido por
un valor mínimo y máximo.
• Simular negocios por una distribución triangular a fin de generar varios
miles de escenarios aleatorios pero posibles, con las valoraciones
correspondientes
Distribución de chi-cuadrada
Si X tiene una distribución normal estándar, X2 tiene una distribución de chi-
cuadrada con un grado de libertad, lo que le permite ser una distribución de
muestreo de uso común.
La suma de n variables X2 independientes (donde X tiene una distribución
normal estándar) tiene una distribución de chi-cuadrada con n grados de
libertad. La forma de la distribución de chi-cuadrada depende del número de
grados de libertad.
La función de densidad de probabilidad (PDF) es:
Media = v
Varianza = 2v
(Ver excel)
15. ¿En qué consiste la ley de los grandes números y como se puede
relacionar con las funciones de probabilidad estudiadas?
Las leyes de los grandes números explican por qué el promedio de una muestra
al azar de una población de gran tamaño tenderá a estar cerca de la media de la
población completa.
Cuando las variables aleatorias tienen una varianza finita, el teorema central del
límite extiende nuestro entendimiento de la convergencia de su promedio
describiendo la distribución de diferencias estandarizadas entre la suma de
variables aleatorias y el valor esperado de esta suma: sin importar la distribución
subyacente de las variables aleatorias, esta diferencia estandarizada converge a
una variable aleatoria normal estándar.
El teorema central del límite tiene una serie de propiedades de gran utilidad en
el ámbito estadístico y probabilístico. Las principales son: