INSTITUTO NACIONAL DE MEXICO CAMPUS

MINATITLAN

Alumno: Jiménez Rosales Cristian Antonio

Materia: Probabilidad y estadística

Carrera: ING. Electromecánica

Docente: Erasto Lara Cruz

 Variables aleatorias

Que es?
Función que asigna un número real a cada resultado en el espacio muestral de un experimento aleatorio
Se utilizan letras mayúsculas X, Y,....para designar variables aleatorias, y las respectivas minúsculas (x, y,...) para
designar valores concretos de las mismas.

Clasificación
Variable aleatoria discreta: Una variable aleatoria es discreta si los números a los que da lugar son números
enteros.

Ejemplos:
-El número de hijos de una familia
-La puntuación obtenida al lanzar un dado.

Variables aleatorias
Variable aleatoria continua: Una variable aleatoria es continua en caso de que los números a los que de lugar
no sean números enteros. Es decir, tengan decimales.

Ejemplos:
-La altura de los alumnos de una clase
-Las horas de duración de una pila.
 ¿Qué es una distribución discreta?

Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una variable aleatoria
discreta. Una variable aleatoria discreta es una variable aleatoria que tiene valores contables, tales como una
lista de enteros no negativos.

Con una distribución de probabilidad discreta, cada valor posible de la variable aleatoria discreta puede estar
asociado con una probabilidad distinta de cero.

Por ejemplo, una distribución discreta describe la probabilidad de que las unidades familiares de California
tengan 0, 1, 2, 3 o 4 automóviles.

Una distribución discreta es una lista de los diferentes valores numéricos de la variable de interés y sus
probabilidades asociadas. Las probabilidades deben sumar 1.
 ¿Qué es la distribución hipergeométrica?

• La distribución hipergeométrica es una distribución discreta que modela el número de eventos en una muestra de tamaño
fijo cuando usted conoce el número total de elementos en la población de la cual proviene la muestra.

• Por ejemplo, la distribución hipergeométrica se utiliza en la prueba exacta de Fisher para probar la diferencia entre dos
proporciones y en muestreos de aceptación por atributos cuando se toman muestras de un lote aislado de tamaño finito.

• La distribución hipergeométrica se define por 3 parámetros: tamaño de la población, conteo de eventos en la población y
tamaño de la muestra
 Distribución de Poisson

La distribución de Poisson es una distribución de probabilidad discreta que se aplica a las ocurrencias de algún
evento durante un periodo determinado. Es decir, es una distribución de probabilidad discreta en la que solo es
necesario conocer los eventos y cuál es su frecuencia media de ocurrencia para poder conocer la probabilidad de que
ocurran.

Para que una distribución sea considerada como distribución de Poisson debe cumplir con tres requisitos:

• La variable discreta “x” es el número de ocurrencias de un evento durante un intervalo determinado (de tiempo,
espacio, etc.).
 EJEMPL
O
La veterinaria de Jorge recibe un promedio de μ = 4 pacientes por día. Sabiendo que el número de pacientes que llegan en un día
sigue una distribución de Poisson, calcular:
a) la probabilidad de que lleguen 3 pacientes en un día.
Primero definimos nuestra variable aleatoria:

X = número de pacientes que llegan en un día.

Además, nos indican que esta variable aleatoria X sigue una distribución de Poisson, entonces podemos aplicar la fórmula:

f(x)=P(X=x)=e−μ⋅μxx!f(x)=P(X=x)=e−μ⋅μxx!

Calculamos la probabilidad de que lleguen 3 pacientes en un día, es decir, f(3). Además, el enunciado nos indica que llegan en
promedio 4 pacientes por día, es decir, μ = 4.

f(3)=P(X=3)=e−4⋅433! f(3)=P(X=3)=0,01832⋅643⋅2⋅1 f(3)=P(X=3)=0,1954f(3)=P(X=3)=e−4⋅433! f(3)=P(X=3)=0,01832⋅643⋅2⋅1

f(3)=P(X=3)=0,1954

La probabilidad de que lleguen 3 pacientes en un día es de 0,1954 o 19,54 %.

 ¿Qué es una distribución continua?
• Una distribución continua describe las probabilidades de los posibles valores de una variable aleatoria continua. Una variable
aleatoria continua es una variable aleatoria con un conjunto de valores posibles (conocido como el rango) que es infinito y no
se puede contar.

Ejemplo de la distribución de pesos

La distribución normal continua puede describir la distribución del peso de hombres adultos. Por ejemplo, usted puede calcular la
probabilidad de que un hombre pese entre 160 y 170 libras.

Gráfica de distribución del peso de hombres adultos

El área sombreada debajo de la curva en este ejemplo representa el rango de 160 a 170 libras. El área de este rango es 0.136; por
lo tanto, la probabilidad de que un hombre seleccionado aleatoriamente pese entre 160 y 170 libras es de 13.6%. Toda el área por
debajo de la curva equivale a 1.0.
 Distribución t de Student
La distribución t de Student es un modelo estadístico que se utiliza para aproximar el momento de primer orden de una
población de distribución normal cuando el tamaño de la muestra es pequeño y no se conoce la desviación típica.

Se utiliza cuando:

• El tamaño de la muestra es menor a 30 elementos (n<30). Si superan los 30 elementos, la distribución seguirá una normal,
por lo que utilizaremos la distribución normal.

• Queremos saber cuál es la media de una población que se distribuye según una normal, a través de una muestra pequeña.
 ¿Qué es la distribución F?
La distribución F es un modelo estadístico que se utiliza para estudiar las varianzas de dos poblaciones independientes. También
se usa, principalmente, en el análisis de varianza, una técnica estadística desarrollada por estadístico inglés Fisher. Al igual que
otras distribuciones, la distribución F presenta características y propiedades específicas.

Características de la distribución F

• Las distribuciones F incluyen varios métodos estadísticos.

• La distribución F particular que se utiliza depende del número de grado de

 Ejemplos
Si una persona compra una papeleta en una rifa, en la que puede ganar de 5.000 € ó un segundo premio de 2000 € con
probabilidades de: 0.001 y 0.003. ¿Cuál sería el precio justo a pagar por la papeleta?

E(x) = 5000 · 0.001 + 2000 · 0.003 = 11 €

Un jugador lanza dos monedas. Gana 1 ó 2 € si aparecen una o dos caras. Por otra parte pierde 5 € si no aparece cara.
Determinar la esperanza matemática del juego y si éste es favorable.

E = {(c,c);(c,x);(x,c);(x,x)}

p(+1) = 2/4

p(+2) = 1/4

p(−5) = 1/4

E(x)= 1 · 2/4 + 2 · 1/4 - 5 · 1/4 = −1/4. Es desfavorable

 Esperanza matematica
• La esperanza matemática o valor esperado de una variable aleatoria
discreta es la suma del producto de la probabilidad de cada suceso por el
valor de dicho suceso.

Los nombre de esperanza matemática y valor esperado tienen su

origen en los juegos de azar y hacen referencia a la ganancia promedio
esperada por un jugador cuando hace un gran número de apuestas.
• Ejemplos

Si una persona compra una papeleta en una rifa, en la que puede ganar
de 5.000 € ó un segundo premio de 2000 € con probabilidades de: 0.001 y
0.003. ¿Cuál sería el precio justo a pagar por la papeleta?

E(x) = 5000 · 0.001 + 2000 · 0.003 = 11 €