Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SUPERIOR DE TAMAZUNCHALE
UNIDAD 4
Investigación de los temas de la
unidad
ALUMNOS:
JONATHAN ELI HERNÁNDEZ LÓPEZ.......22ISC063
YOAV ZURIEL PÉREZ HERNÁNDEZ.........22ISC042
JESÚS ALEJANDRO PLAISANT GARCÍA...22ISC010
KEVIN URIEL RIVERA LÓPEZ..................22ISC062
AULA: E3
TURNO: MATUTINO
SEMESTRE: 2º
GRUPO: M3
MATERIA: PROBABILIDAD Y ESTADISTICA
DOCENTE: ING. SUSANA GONZALEZ ZAMUDIO
CARRERA: ING.EN SISTEMAS COMPUTACIONALES
FECHA: 03/04/2023
INTRODUCCIÓN
La presente investigación de la unidad 4 se realizó por el interés de conocer más sobre
las distribuciones de probabilidad las cuales son herramientas fundamentales para
poder modelar eventos aleatorios en estadística y análisis de datos. En el estudio de la
probabilidad, es importante comprender la función de probabilidad, que describe la
probabilidad de que ocurra un evento aleatorio. Además, hay varias distribuciones de
probabilidad que se utilizan habitualmente en estadística algunas de estas son, la
distribución binomial, la distribución hipergeométrica, la distribución de Poisson, la
distribución normal, la distribución T-student, la distribución Chi cuadrada y la
distribución. Todos estos temas son importantes de conocer ya que la aplicación de
estas distribuciones de probabilidad es fundamental para la toma de decisiones y la
inferencia estadística precisa en una amplia variedad de campos, como la ingeniería, la
medicina, la física, la biología, la economía, etc
4.1 FUNCION DE LA 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 ésta lo asuma.
La gráfica de una función de probabilidad de masa, note que todos los valores
no son negativos, y la suma de ellos es igual a 1.
Hay que advertir que el concepto de función de probabilidad sólo 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.
Fórmula binomial
b(x)=(nx)pxqn–x�(�)=������–�
donde b(x) es la probabilidad de X aciertos en n ensayos cuando la probabilidad de un
éxito en CUALQUIER ENSAYO es p. Y, por supuesto, q=(1-p) y es la probabilidad de un
fracaso en cualquier ensayo.
Ahora podemos ver por qué la fórmula combinatoria se llama también coeficiente
binomial, ya que vuelve a aparecer aquí en la función de probabilidad binomial. Para que
la fórmula binomial funcione, la probabilidad de éxito en cualquier ensayo debe ser la
misma de un ensayo a otro, o en otras palabras, los resultados de cada ensayo deben
ser independientes. Lanzar una moneda es un proceso binomial porque la probabilidad
de obtener una cara en un lanzamiento no depende de lo que haya ocurrido en los
lanzamientos anteriores. (En este momento hay que señalar que utilizar p para el
parámetro de la distribución binomial es una violación de la regla de que los parámetros
de la población se designan con letras griegas. En muchos libros de texto se utiliza θ
(pronunciado theta) en lugar de p y así es como debe ser.
Al igual que un conjunto de datos, una función de densidad de probabilidad tiene una
media y una desviación típica que describe el conjunto de datos. Para la distribución
binomial vienen dadas por las fórmulas:
μ=npμ=np
σ=npq−−−√�=���
Propiedades:
Y su varianza:
4.4 DISTRIBUCION DE POISSON
X ~ P(μ)
Se lee como “X es una variable aleatoria con una distribución de Poisson”. El parámetro
es μ (o λ); μ (o λ) = la media del intervalo de interés. La media es el número de
ocurrencias que se producen por término promedio durante el periodo del intervalo.
La fórmula para calcular las probabilidades que provienen de un proceso de Poisson es:
P(x)=μxe–μx!�(�)=���–��!
gl = df = (n – 1)
Paso 1. Plantear las hipótesis nula (H0) y la hipótesis alternativa (H1). La hipótesis
alternativa plantea matemáticamente lo que queremos demostrar, en tanto que la
hipótesis nula plantea exactamente lo contrario.
Por supuesto que al final lo que tenemos que contrastar es el valor de T que hayamos
obtenido en el problema contra el valor T crítico que obtenemos de la tabla de T de
Student.
4.7 DISTRIBUCIÓN DE CHI-CUADRADA
• Comprobar qué tan bien se ajusta una muestra a una distribución teórica. Por
ejemplo, puede utilizar una prueba de bondad de ajuste de chi-cuadrada para
determinar si los datos de la muestra se ajustan a una distribución de Poisson.
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 semejantes.
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: