Está en la página 1de 34

Instituto Tecnológico Superior De Huetamo.

 Ingeniería Industrial.
Probabilidad Y Estadística. 
Variables aleatorias.
 Ingeniero: Iván sierra López.

INTEGRANTRES: Osvaldo Olayo Mariano. 19070073


Jhostin Salathiel Mora Delgado. 19070070
Diego Santana Sosa. 19070083
Jose Ma. Ochoa Ortuño. 19070072
Segundo Semestre.
Huetamo Mich. A 20 De abril Del 2020.
INTRODUCCIÓN.
• Una variable aleatoria es una función que asigna un valor, usualmente numérico, al resultado de
un experimento aleatorio. Por ejemplo, los posibles resultados de tirar un dado dos veces: (1, 1),
(1, 2), etc. o un número real (p.e., la temperatura máxima medida a lo largo del día en una ciudad
concreta).

• Una variable aleatoria puede concebirse como un valor numérico que está afectado por el azar.
Dada una variable aleatoria no es posible conocer con certeza el valor que tomará esta al ser
medida o determinada, aunque sí se conoce que existe una distribución de probabilidad asociada al
conjunto de valores posibles. Por ejemplo, en una epidemia de cólera, se sabe que una persona
cualquiera puede enfermar o no (suceso), pero no se sabe cuál de los dos sucesos va a ocurrir.
Solamente se puede decir que existe una probabilidad de que la persona enferme.
OBJETIVOS.

 Identificar las ideas principales y generales de el tema 4 Variables


aleatorias con la finalidad de adquirir conocimientos mas a fondos con
relación al tema.

 Aprender a entender y comprender los temas presentados en la


elaboración de este trabajo.

 Aprende , comprende y aplica los conocimientos directa e indirectamente


en tu vida diaria.
VARIABLE ALEATORIA

Discretas “Contar”
•Conjunto finito de
valores
•Conjunto infinito
Variables
numerable
Aleatorias

Continuas “Mediciones”
•Toman valores en un
4
intervalo
4.1. VARIABLES ALEATORIAS DISCRETAS.

• Se denomina variable aleatoria

discreta aquella que sólo puede tomar un

número finito de valores dentro de un intervalo.

Por ejemplo, el número de componentes de una

manada de lobos, puede ser 4 , 5 o 6 individuos

pero nunca 5,75 o 5,87.


VARIABLE ALEATORIA DISCRETA

• Ejemplo.

Se lanzan dos monedas,

S = { SS, CC, CS,SC }

Si X = Número de caras obtenidas x =0 1 2

6
Notación: X = Variable Aleatoria. x = Sus valores.
CONCLUSIÓN

• Aprendimos principalmente a entender que es una variable aleatoria


discreta, porque en este tema se desarrollan todos los que vimos, no es otra
cosa más que aquella que sólo puede tomar un número finito de valores
dentro de un intervalo, lo que quiere decir que son aquellos valores que se
encuentra en las variables que tenemos en nuestros problemas de la vida
diaria aplicando en cada una de esas actividades.
4.1.1. DISTRIBUCIÓN DE PROBABILIDAD EN
FORMA GENERAL.
• La distribución de probabilidad en forma general de una
variable aleatoria es una función que asigna a cada suceso
definido sobre la variable la probabilidad de que dicho suceso
ocurra. La distribución de probabilidad está definida sobre el
conjunto de todos los sucesos y cada uno de los sucesos es el
rango de valores de la variable aleatoria. También puede
decirse que tiene una relación estrecha con las distribuciones
de frecuencia. De hecho, una distribución de probabilidades
puede comprenderse como una frecuencia teórica, ya que
describe cómo se espera que varíen los resultados.
DISTRIBUCIÓN DE PROBABILIDAD EN
FORMA GENERAL

• Ejercicio
Considere el experimento de lanzar una moneda hasta obtener una cara.

a. Define el espacio muestra:


S = {C, SC, SSC, SSSC, ….}

b. Sea X=Número de intentos para obtener una cara. Determina los valores que
puede tomar X.
x = {1, 2, 3, 4, ….}

c. Determina la fdp (función de probabilidad) de X.


• Tabular
• Gráfica
• Función

9
d. Obtén la probabilidad de obtener cara a lo más
en el 3er intento. R: 7/8
CONCLUSION

• Llegamos finalmente al objetivo que nos propusimos inicialmente,


entendimos a grandes rasgos que es la Distribución de probabilidad en forma
general es una función que asigna a cada suceso definido sobre la variable la
probabilidad de que dicho suceso ocurra. Esto nos sirve en gran parte para
muchas de las actividades de probabilidad que desarrollamos.
4.1.2. VALOR ESPERADO.

• El valor que se espera obtener de un experimento

estadístico se llama el valor esperado. También

llamado "esperanza matemática". También lo

llamamos "media" y esta es la palabra que vamos a

seguir usando. Si tiramos una moneda 10 veces,

esperamos que salga 5 veces "cara" y 5 veces "cruz".


VALOR ESPERADO

Consideremos que X = número de discos que compra


un cliente al azar.
x 0 1 2 3
f(x) = P(X = x) 1/7 3/7 2/7 1/7

Supongamos que observamos muchos clientes.


• ¿qué porcentaje esperamos que resultarían con X =
0? porcentaje esperamos que resultarían con X = 1?
• ¿qué

• Queremos saber el promedio de discos vendidos por


12
cliente.
VALOR ESPERADO

x 0 1 2 3
f(x) = P(X = x) 1/7 3/7 2/7 1/7
Supongamos que observamos 70 clientes,
¿Cuántos clientes se espera que no compren discos? ¿Qué
compren 1, 2 o 3 discos?
0   0 1 1 2   2  3   3
70
0(10)  1(30)  2(20)  3(10)

70 3
 0(1 / 7)  1(3 / 7)  2(2 / 7)  3(1 / 7)   xf ( x) 13
x 0
CONCLUSIÓN

• Por otra parte, en este tema aprendimos mis compañeros y yo la


importancia del manejo del valor esperado no es otra cosa que una función
que asigna a cada suceso definido sobre la variable la probabilidad de que
dicho suceso ocurra con beneficio para quien sabe aplicarlo.
4.1.3. VARIANZA, DESVIACIÓN ESTÁNDAR.

• En teoría de probabilidad, la varianza o


variancia (que suele representarse como
una variable aleatoria es una medida de
dispersión definida como la esperanza La desviación estándar es la medida de dispersión más común,
del cuadrado de la desviación de dicha
variable respecto a su media. que indica qué tan dispersos están los datos con respecto a la

media. Mientras mayor sea la desviación estándar, mayor será la


• La varianza tiene como valor mínimo
0. La desviación estándar (raíz cuadrada dispersión de los datos.
positiva de la varianza) es una medida
de dispersión alternativa, expresada en
las mismas unidades que los datos de la
variable objeto de estudio.
CONCLUSIÓN

• En este tema, fue fundamental comprender los conceptos de cada uno de los
subtemas que investigamos, nos dimos cuenta que uno va relacionado con el
otro, entendimos que la varianza y la desviación estándar en algún punto
van de la mano por que La varianza y la desviación estándar son medidas de
dispersión o variabilidad, es decir, indican la dispersión o separación de un
conjunto de datos.
4.1.4. FUNCIÓN ACUMULADA.

• La función de distribución acumulada (CDF) calcula


la probabilidad acumulada de un valor dado de x.
Utilice la CDF para determinar la probabilidad de que
una observación aleatoria que se toma de la población
sea menor que o igual a cierto valor. También puede
usar esta información para determinar la probabilidad
de que una observación sea mayor que cierto valor o
se encuentre entre dos valores.
CONCLUSIÓN

• Sin lugar a duda la relación que tiene un tema con el otro es muy semejantes
por esa razón nos dimos cuenta de la importancia de el manejo de todos los
conceptos en este caso de la función acumulativa que es La función
acumulada de una variable aleatoria (o de una ley de probabilidad) es la
inversa de su acumulada con beneficio propio.
4.2. VARIABLES ALEATORIAS CONTINUAS.

• Una variable aleatoria continua es

aquella que puede tomar cualquier

valor (al menos teóricamente) entre 2

fijados. Los valores de la variable (al

menos teóricamente) no se repiten.


VARIABLE ALEATORIA CONTINUA

Ejercicio:
Todos los días esperas el autobús para ir a la escuela y cada 5
min. pasa un autobús por la esquina. No siempre llegas a la
esquina a la misma hora, ni los autobuses tampoco, así que el
tiempo de espera X es una variable aleatoria continua con fdp:
Distribución uniforme continua

1
 0 x5
f ( x)   5 1
 0 de otra manera 5

0 5
¿Cuál es la probabilidad de tener 20

que esperar entre 1 y 3 minutos?


R: 0.40
VARIABLE ALEATORIA CONTINUA

Ejemplos de variables aleatorias continuas.

A) La alturas de los hombres mexicanos entre 21 y 40 años

B) El monto de la cartera vencida.

C) El porcentaje de ganancia de cierta inversión.

D) La proporción de ciertos artículos defectuosos.

E) El próximo precio cotizado de las acciones de Industrias X.


21
CONCLUSIÓN

• En las variables aleatorias continuas nos dimos cuenta de que era otro tema
principal donde se derivaba los siguientes subtemas aprendimos a grandes
rasgos que una variable aleatoria continua es Una variable aleatoria continua
es aquella que puede tomar cualquier valor (al menos teóricamente) entre 2
fijados.
4.2.1. DISTRIBUCIÓN DE PROBABILIDAD EN
FORMA GENERAL.

• En teoría de la probabilidad una distribución de


probabilidad se llama continua si su función de
distribución es continua. Puesto que la función de
distribución de una variable aleatoria X viene dada por la
definición implica que en una distribución de probabilidad
continua X se cumple P[X = a] = 0 para todo número real
a, esto es, la probabilidad de que X tome el valor a es cero
para cualquier valor de a. Si la distribución de X es
continua, se llama a X variable aleatoria continua.
CONCLUSIÓN

• Como bien lo mencionamos en un inicio los subtemas se repiten al menos


eso pensábamos, una ves que leímos nos dimos cuenta de que los temas
principales tienen los mismos subtemas entonces ahora la distribución de
forma general, pero con las variables aleatorias continuas que son una
función que asigna a cada suceso definido sobre la variable la probabilidad
de que dicho suceso ocurra.
4.2.2. VALOR ESPERADO.

• Dada una variable aleatoria X, se puede definir una nueva variable aleatoria Z = g(X), donde
g(x) es una función de valor real de la variable real x.
Para calcular E[Z] se puede proceder como:
CONCLUSIÓN

• De igual manera para este tema nos quedo claro que tenemos que
comprender lo que investigamos para relacionarlo el valor esperado como
función que asigna a cada suceso definido sobre la variable la probabilidad
de que dicho suceso ocurra con beneficio para quien sabe aplicarlo.
4.2.3. VARIANZA, DESVIACIÓN ESTÁNDAR.

La desviación estándar de una variable aleatoria,


• La varianza de una variable aleatoria es
población estadística, conjunto de datos o distribución de
una característica numérica que
probabilidad es la raíz cuadrada de su varianza. Es
proporciona una idea de la dispersión de la
algebraicamente más simple, aunque en la práctica menos

variable aleatoria respecto de su esperanza. robusta, que la desviación media.3​4​Una propiedad útil de

Decimos que es un parámetro de la desviación estándar es que, a diferencia de la varianza,

dispersión. se expresa en las mismas unidades que los datos a partir de

los que se calcula.


CONCLUSIÓN

• En este tema también aprendimos la importancia de aplicar los


conocimientos en la sociedad con la facilidad de manipular cosas a nuestro
favor gracias a la probabilidad como lo es la varianza y la desviación
estándar que van de la mano sabemos que La varianza y la desviación
estándar son medidas de dispersión o variabilidad, es decir, indican la
dispersión o separación de un conjunto de datos
4.2.4. FUNCIÓN ACUMULADA.

• En la teoría de la probabilidad y en estadística, la función de


distribución acumulada (FDA, designada también a veces
simplemente como función de distribución o FD) o función de
probabilidad acumulada asociada a una variable aleatoria
real: X (mayúscula) sujeta a cierta ley de distribución de
probabilidad, es una función matemática de la variable real:
x (minúscula); que describe la probabilidad de que X tenga
un valor menor o igual que x.
• Intuitivamente, asumiendo la función f como la ley de
distribución de probabilidad, la FDA sería la función con la
recta real como dominio, con imagen del área hasta aquí de
la función f, siendo aquí el valor x para la variable aleatoria
real X.
CONCLUSIÓN

• Llegamos finalmente a los objetivos que en un principio nos plateamos


aprendimos muy bien que es la función acumulada como funciona y como
mandarla a la práctica ya que La función acumulada de una variable
aleatoria (o de una ley de probabilidad) es la inversa de su acumulada con
beneficio propio.
4.2.5. CÁLCULOS DE PROBABILIDAD.

• Cálculo de la Probabilidad. Para calcular la

probabilidad de un evento se toma en cuenta todos los

casos posibles de ocurrencia del evento; es decir, de

cuántas formas puede ocurrir determinada situación.

Los casos favorables de ocurrencia de un evento serán

los que cumplan con la condición que estoy buscando.


CONCLUSIÓN

• Finalmente nos dimos cuenta de la importancia de este tema a la hora de elaborar


nuestro trabajo debido a que era la base de toda la investigación ya que se relaciona
con todos los subtemas habla de los cálculos de probabilidad aprendimos que Para
calcular la probabilidad de un evento se toma en cuenta todos los casos posibles de
ocurrencia del evento; es decir, de cuántas formas puede ocurrir determinada situación.


CONCLUSIÓN.

• Finalmente logramos llegar a los resultados que inicialmente nos plateamos a

la hora de elaborar este trabajo , el cual nos permitió adquirir muchos

conocimientos relacionados con las Variables aleatorias , conocimientos que

principalmente nos servirá en un futuro para mandarlos a la practica como

futuros ingenieros industriales en la vida real la vida diaria.


REFERENCIAS BIBLIOGRAFICAS.

 Probabilidad y Estadística Problemas de Probabilidad Hugo E. Borras García


Rafael Iriarte B. Facultad de Ingeniería UNAM (2007). México.

 Estadística Inferencial y Econometría José Felipe Padilla Díaz I.P.N.(2002). DF.

 Probabilidad y Estadística Malponle y Mier Mc Graw Hill.(1998).