Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INDICE
PORTADA
INTRODUCCION
acumulativa
2.3.1 Bernoulli
2.3.2 Binomial
2.3.3 Poisson
2.3.4 Geométrica
2.4.1 Uniforme
2.4.2 Exponencial
CONCLUSION
BIBLIOGRAFIA
3
INTRODUCCIÓN
puesto que el azar y los fenómenos aleatorios impregna nuestra vida y nuestro
segundo semestre, tienen como objetivo dar a conocer temas relacionados con la
continuación Impartidas por la docente, Lucila Guadalupe Aguilar Rivero, los temas
son de suma importancia para cualquier estudiante que tenga esa noción de saber
ayudara en futuro , si en algún momento les llegará a servir este documento que fue
acumulativa
Una variable, también conocida como variable matemática, es un símbolo que se usa para
proponer fórmulas, algoritmos o ecuaciones. Este tipo de variable puede tomar distintos valores,
dependiendo de otras variables, así como de una serie de parámetros y ciertas constantes.
posibles valores dependen del resultado de cierto fenómeno aleatorio. Ya que una variable
aleatoria puede tener distintos valores, normalmente se etiqueta con una letra (por ejemplo:
variable “X”). Cada variable posee una función de probabilidad específica de distribución. Esto
quiere decir una variable matemática que representa las probabilidades de que ocurran todos los
resultados posibles.
En pocas palabras, una variable aleatoria es un número que representa un resultado de una
Ejemplo: un volado
Vamos a hacer un experimento aleatorio que consiste en lanzar dos de estas monedas y
águila-águila
sol-águila
águila-sol
sol-sol
X: número de soles
águila-águila → 0
sol-águila → 1
águila-sol → 1
sol-sol → 2
Recuerda que la variable aleatoria siempre va con letras mayúsculas (en este caso X), mientras
que los valores de su rango siempre van con letras minúsculas (en este caso x1 , x2 , x3)
águila-águila → 0 = x1
sol-águila → 1 = x2
águila-sol → 1 = x2
sol-sol → 2 = x3
Una variable aleatoria discreta, es una variable (aleatoria) cuyos valores toman solamente un
Tomemos el ejemplo más conocido de una variable aleatoria discreta: un dado. Cuando lanzas un
dado, es un evento totalmente aleatorio. Pero a la vez, el dado solamente puede tener un número
Cada valor resultante de una variable aleatoria discreta contiene una cierta probabilidad. En el
ejemplo del dado, cada probabilidad de resultado es ⅙, ya que los valores resultantes son de
probabilidades iguales.
Por ejemplo, si salimos a la calle y seleccionamos a 10 personas al azar para un examen sorpresa
Los valores que asume X van del 0 al 10 {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10} y su rango se expresa de
la siguiente manera:
RX = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
La variable aleatoria X asume un número contable de valores, por lo tanto, es una variable
aleatoria discreta.
A diferencia de las variables aleatorias discretas, las variables aleatorias continuas pueden tomar
Un ejemplo de una variable aleatoria continua es el retorno sobre las acciones. Estos retornos
pueden tener un valor de una posibilidad infinita de valores (en este caso son porcentajes). Otro
ejemplo de una variable aleatoria continua es el peso o altura de los alumnos de un salón. Unos
pueden medir 1.75m, otros 1.845m, otro pesar 72.1kg, otros 68.91, y así sucesivamente.
Por ejemplo, digamos que vamos a una granja de peces para estudiar sus características,
Un pez puede pesar 3.42kg, otro puede pesar 8.91kg y si tomamos más ejemplares, podemos
tener más y más valores, y nunca terminaríamos. Pero en esta ocasión, conocemos el peso del
De esta forma, tenemos un número incontable de valores para el rango de esta variable. El rango
de esta variable aleatoria continua puede ser cualquier valor dentro del intervalo que va desde 3
una función matemática que describe la probabilidad de que una variable aleatoria
Por ejemplo, imaginemos que la probabilidad de que una persona adulta mida más
FDP.
Para hallar la probabilidad de que una variable continua tome un valor dentro de un
intervalo.
Ten en cuenta que el cálculo de la probabilidad solo se puede hacer de esta manera
x.
-Distribución acumulativa
graficar la función.
11
Si lanzamos dos monedas, podemos obtener los siguientes resultados: gato con
gato, gato con perro, perro con gato o por último, perro con perro.
función de probabilidad:
fórmula:
Puedes ver en la tabla como los valores de f(x) se van acumulando para obtener los
valores de F(x).
14
con x y F(x):
En la gráfica, colocamos líneas continuas entre los valores, partiendo desde el lado
izquierdo:
15
-Valor esperado
matemática es igual al sumatorio de todos los productos formados por los valores
Para calcular la esperanza matemática de una variable discreta se deben hacer los
siguientes pasos:
16
variable.
Una persona participa en un juego en el que puede ganar o perder dinero según el
Como un dado tiene seis caras, la probabilidad de obtener cualquier número es:
juego, por lo tanto, sería mejor no jugar ya que a la larga se acabará perdiendo
dinero. Puede ser que si solo participas una vez toque un 1 y entonces saques un
-Momentos
algunos de ellos cuales tienen amplia connotación dentro del estudio de curvas de
curtosis.
Los momentos son una forma de generalizar toda la teoría relativa a los parámetros
Dada una distribución de datos estadísticos x1, x2, ..., xn, se define el momento
Para variables continuas la definición cambia sumas discretas por integrales (suma
De esta definición y las propiedades de los parámetros implicados que se han visto
y que
posible de valores de un suceso cuando este se describe con una variable aleatoria
geométrica e hipergeométrica.
2.3.1 Bernoulli
Por ejemplo, voy a realizar un experimento bien facilito que consiste en preguntar
que si, lo considero un éxito, si me que no, lo considero u n fracaso. Otro ensayo
de Bernoulli sería lanzar mi moneda que de un lado tiene gato y del otro lado tiene
Se denomina ensayo de Bernoulli a todo experimento aleatorio que tiene solo dos
fracaso.
manera:
A continuación, vamos a elaborar una tabla muy sencilla con los valores de X en
un ensayo de Bernoulli:
siguiente:
juego, si se obtiene otro valor, se pierde. Sea X = el número de veces que sale un 3.
Solución:
• X = 0, cuando no se obtenga 3.
• X = 1, cuando se obtenga un 3.
2.3.2 Binomial
cualquier caso en el que solo hay dos resultados posibles en cualquier ensayo,
Ahora podemos ver por qué la fórmula combinatoria se llama también coeficiente
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
que haya ocurrido en los lanzamientos anteriores. (En este momento hay que
debe ser.
una media y una desviación típica que describe el conjunto de datos. Para la
μ=npμ=np
σ = √npq.
27
parámetro. En resumen, sabemos todo lo que hay que saber sobre la binomial una
extraemos menos del 10 por ciento de la población, es decir, n es menos del 10 por
ocurre en una segunda extracción de la misma manera que lo haría si solo hubiera
4 ases en lugar de los 24 que hay ahora para sacar. Esta capacidad de utilizar una
28
distribución de probabilidad para estimar otras será muy valiosa para nosotros más
adelante.
3. Solo hay dos resultados posibles, llamados “acierto” y “fallo” para cada
idénticas. Piense en esto como una extracción CON reemplazo. Como los n
resultado de otro. Otra forma de decir esto es que para cada ensayo individual la
q = 0,4. Esto significa que para cada pregunta de estadística de verdadero-falso que
29
se llama Ensayo de Bernoulli (llamado así por Jacob Bernoulli que los estudió
siguiente problema, de los diez huevos que han tenido Daisy y Donald este año,
¿cuántos polluelos saldrán adelante? ¿qué probabilidad hay de que, como ocurrió
cuántas maneras puede ocurrir lo anterior. La siguiente escena nos puede ayudar.
Puedes ver que las diferentes formas en que puedes eclosionar 8 de los 10 huevos
Es decir:
2. Cada vez que se realiza el experimento solo pueden darse dos sucesos al
2.3.3 Poisson.
niveles especificados, cuántas líneas telefónicas son necesarias para evitar que el
para los factores de carga, los niveles de conexión de los satélites y los problemas
promedio, haya cinco palabras mal escritas en 100 páginas. El intervalo son las 100
páginas y se supone que no hay relación entre el momento en que se producen los
errores ortográficos.
2.3.4. Geométrica
esta probabilidad decrece a medida que aumenta k con lo que la función de masa
variable aleatoria que se mide y, por otra parte, el conjunto de valores posibles de
la variable es ilimitado.
opera exitosamente ante la enfermedad para la cual fue concebido en el 80% de los
casos a los que se aplica; la variable aleatoria “intentos fallidos en la aplicación del
implica que la probabilidad de tener que esperar un tiempo t no depende del tiempo
Valores:
k: 0, 1, 2, ...
Parámetros:
Ejemplo
Para calcular las probabilidades cuando tenemos una variable aleatoria continua,
utilizamos lo que se llama la función de densidad. Para que una función f(x) sea
una función de densidad de una variable aleatoria continua sobre la recta real, debe
cumplir:
•El rango [a,b] delimita los valores que la variable puede tomar.
esté dentro de un intervalo [a,b] es el área bajo la curva dentro de este intervalo:
37
Esto implica que la probabilidad de que una variable aleatoria tome un valor
distribución:
38
Solución:
tomar valores a partir del 0, este será el límite inferior de nuestro intervalo de
tomar valores a partir del 0, este será el límite inferior de nuestro intervalo de
Distribución Beta
Distribución Gamma
Distribución de Pareto.
2.4.1 UNIFORME
Ejemplo:
El precio medio del litro de gasolina durante el próximo año se estima que puede
oscilar entre 140 y 160 ptas. Podría ser, por tanto, de 143 ptas., o de 143,4 ptas., o
40
de 143,45 ptas., o de 143,455 ptas, etc. Hay infinitas posibilidades, todas ellas con
la misma probabilidad.
Su función de densidad, aquella que nos permite conocer la probabilidad que tiene
Donde:
En el ejemplo:
Por lo tanto, el precio medio esperado de la gasolina para el próximo año es de 150
ptas.
2.4.2 EXPONENCIAL
hasta que se produce algún evento específico. Por ejemplo, la cantidad de tiempo
(que comienza ahora) hasta que se produzca un terremoto tiene una distribución
exponencial aproximadamente.
manera. Hay menos valores grandes y más valores pequeños. Por ejemplo, los
42
estudios de marketing han demostrado que la cantidad de dinero que los clientes
gastan en una visita al supermercado sigue una distribución exponencial. Hay más
gente que gasta pequeñas cantidades de dinero y menos gente que gasta grandes
cantidades de dinero.
paso del tiempo, aunque puede utilizarse en otras aplicaciones. Las preguntas
típicas pueden ser: "¿cuál es la probabilidad de que algún evento ocurra en los
tiempo entre eventos o(b) el paso del tiempo para completar una acción, por
por:
e(x)=1μe–1μx
e(x) = me–mx
donde m=1μ
F(x)=∫∞0[1μe–xμ]=1–e–xμ
correos pasa con un cliente. A partir de los datos históricos, se sabe que el tiempo
Dado que μ = 4 minutos, es decir, el tiempo promedio que el dependiente pasa con
tanto nos tienen que decir los parámetros poblacionales como la media. Para hacer
44
m=1μ
0,072 cuando x = 5.
45
El gráfico es el siguiente:
condiciones:
la curva de Gauss:
46
unidad.
Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la
Se dice que una variable aleatoria tiene una distribución normal con media
{\bf\Phi}. Entonces:
integración.
PRINCIPALES CARACTERISTICAS
49
2. La moda (el valor más frecuente), la mediana (el valor central) y la media tienen
el mismo valor.
Teorema de Moivre
Ejemplo:
En una ciudad una de cada tres familias posee teléfono. Si se eligen al azar 90
familias, calcular la probabilidad de que entre ellas haya por lo menos 30 que
tengan teléfono.
CONCLUSION
objetivo obtener, presentar y analizar datos (ya sean números o cualidades). Para dar una
distribución discreta, las variables asumen un número limitado de valores, por ejemplo el número
de años de estudio y en la distribución continua, las variables en estudio pueden asumir cualquier
valor dentro de determinados límites. Como conclusión este trabajo evidencia todos y cada uno
de los subtemas del tema 2 “Variables aleatorias y distribuciones” dentro del plan semestral de la
ingeniería civil; lo aquí presentado permitió desarrollar el sentido de localización de los temas,
por lo que el conocer la teoría nos ayuda a enfocar soluciones y conocer la realidad nos ayuda a
REFERENCIAS BIBLIOGRÁFICAS
de-distribucion-acumulativa-de-una-variable-aleatoria-
https://www.probabilidadyestadistica.net/esperanza-matematica-o-valor-
esperado/
estad%C3%ADstica-empresarial/pages/4-2-distribucion-binomial
https://www.geogebra.org/m/fvd8fpz8
https://economipedia.com/definiciones/distribucion-de-bernoulli.html
°Probabilidad Y Estadística.
https://www.probabilidadyestadistica.net/esperanza-matematica-o-valor-
53
https://www.studysmarter.es/resumenes/matematicas/estadistica-y-
probabilidad/distribuciones-continuas-probabilidad/
https://www.superprof.es/diccionario/matematicas/probabilidades/distribuci
on-normal.html
estad%C3%ADstica-empresarial/pages/5-3-la-distribucion-exponencial