Trabajo colaborativo fase 2

Conceptos y Estudios de casos

Presentado por:
Yenny Enith Rodriguez Alomia
Cdigo: 1130635662

Grupo: 100402_181

Universidad Nacional Abierta y a Distancia

Probabilidad
Cartago, de Octubre del 2015

Desarrollo del trabajo

Conceptos tericos Unidad 2

1. Distribucin de probabilidad: Es la expresin de una funcin aleatoria (discreta

o continua) que tiene como dominio un conjunto de eventos mutuamente
excluyentes y por completo exhaustivos
Variable aleatoria: Es una regla bien definida para asignar valores numricos a todos
los resultados probables de un experimento .
La variable aleatoria discreta ms sencilla es aquella que toma slo un nmero finito
de valores posibles n, cada uno con la misma probabilidad. Ella se denomina
entonces variable aleatoria discreta uniforme y su distribucin uniforme
discreta est dada por: f(x)= 1/n

Para una variable aleatoria discreta uniforme X, que puede tomar los valores 1, 2,3 n,
La media es:

Su desviacin estndar es:

S2x =(n2 -1)/12

Variable contina: Se dice que una variable aleatoria X es continua si el nmero de

valores que puede tomar estn contenidos en un intervalo (finito o infinito) de nmeros
reales. Dichos valores pueden asociarse a mediciones en una escala continua, de
manera que no haya huecos o interrupciones. Formalmente, la funcin de densidad de
probabilidad f(x) de una variable aleatoria continua, se define como tal si para cualquier
intervalo de nmeros reales [a, b] se cumple que:

Valor esperado: (tambin llamado media o esperanza matemtica) de una variable

aleatoria discreta X es una medida de posicin para la distribucin de X. Se simboliza
con y se calcula al sumar el producto de cada valor de X con su probabilidad
correspondiente.

La varianza de una variable aleatoria es una medida de la dispersin de la distribucin

de probabilidad de sta. Se calcula ponderando el cuadrado de cada desviacin con
respecto a la media, con la probabilidad asociada con la desviacin.

2. Distribucin De Bernoulli: Es la distribucin de probabilidad ms simple, donde la

variable aleatoria tiene solamente dos resultados Posibles: xito o fracaso.
Si se considera una secuencia o serie de experimentos en la que cada experimento es
el mismo y se realiza en las mismas condiciones, entonces la funcin de probabilidad
es tambin la misma para cada uno de ellos, siempre que se realicen en forma
independiente. A esta serie o secuencia se le conoce como ensayos repetidos
(Bernoulli).Todo proceso que se caracteriza como dicotmico, independiente y
estacionario es un proceso de Bernoulli.
3. Distribucin binomial: La distribucin binomial produce la descripcin adecuada a
las probabilidades de ocurrencia de los resultados posibles a un experimento, siempre
que sean generados por un proceso Bernoulli.
E = obtener un 6, F = no obtener un 6, o tambin E = nmero par, F = nmero
impar
Caractersticas o parmetros de la distribucin binomial
Media aritmtica

Varianza
Desviacin estndar

4. Distribucin de Poisson: Tambin llamada distribucin exponencial de Poisson, se

caracteriza por el nmero esperado de sucesos en una unidad de tiempo o de espacio.
Entonces, el trmino np permanece constante. El modelo de la distribucin de Poisson
se establece de la siguiente manera:
np x

P ( X )=enp
Donde:
P (X) = Probabilidad total
X = Nmero de xitos, acontecimientos, ocurrencias
e = 2.71828 (constante, base de los logaritmos naturales)
p = Probabilidad de ocurrencia

Distribucin Hipergeomtrica: Se utiliza para calcular la probabilidad de una

seleccin aleatoria de un objeto de repeticin.

C N C
(
)
X nX
P ( X )
N
C

( )

Los parmetros de la distribucin Hipergeomtrica son entonces:

N =Tamao de poblacin.
C = Nmero de elementos con una caracterstica o propiedad especfica.
n =Tamao de muestra aleatoria extrada.
X = Cantidad de xitos

Distribucin Normal: La distribucin normal es con referencia a la poblacin, sin duda,

la ms conocida y usada de todas. Muchos fenmenos naturales tienden a dar como
resultado una distribucin normal. Entre otras, longitud, altura y grosor de animales o
plantas; mediciones de cantidades de azcar en la sangre; cantidad de glbulos
blancos; incidencia de las enfermedades del odo interno y medidas en el aspecto
conductista, emocional o psicolgico de las acciones, aptitudes o capacidades
humanas. La distribucin normal es de suma importancia en estadstica por tres
razones principales:
Numerosas variables continuas de fenmenos aleatorios tienden a comportarse
probabilsticamente mediante sta.
Es el lmite al que convergen tanto variables aleatorias continuas como discretas.
Proporciona la base de la inferencia estadstica clsica debido a su relacin
con el teorema del lmite central.

Para la distribucin normal, se tiene la siguiente funcin de probabilidad.

Donde:

: Es la constante matemtica aproximada por 2.71828

: Es la constante matemtica aproximada por 3.14159

5. Distribucin binomial negativa o distribucin de Pascal es una generalizacin

de la distribucin geomtrica donde la variable aleatoria X es el nmero de ensayos
Bernoulli efectuados hasta que se tienen r xitos, con una probabilidad constante de
xito p. Se dice entonces que X tiene una distribucin binomial negativa con
parmetros p y r = 1, 2, 3,...
f(x,p,r)=

x-1

Cr-1

qx-r . pr

x=r,r+1,r+r+2+....

La media y la varianza de una variable aleatoria binomial negativa X con

parmetros p y r son:
Mx =E(x)= r/p

V(x)= r.p/p2

La funcin de distribucin geomtrica acumulada se expresa como:

La media y la varianza de una variable aleatoria geomtrica son:

6. Distribucin Uniforme: Se dice que una variable X posee una distribucin

uniforme en el intervalo [a, b],
si su funcin de densidad es la siguiente:

Con esta ley de probabilidad, la probabilidad de que al hacer un experimento aleatorio,

el valor de X este comprendido en cierto subintervalo de [a, b] depende nicamente de
la longitud del mismo, no de su posicin.

7. Distribucin Exponencial: Esta distribucin tiene la caracterstica de que es la

nica variable aleatoria continua cuya tasa de fallos es constante. Se acostumbra
utilizarla para modelar el tiempo de vida de componentes electrnicos. Como la tasa de
fallos es constante, puede considerarse que al transcurrir el tiempo, si el componente
no ha fallado, es tan bueno estadsticamente, como cuando estaba nuevo.

Se dice que una variable aleatoria X que toma todos los valores no negativos tiene una
distribucin exponencial con parmetros de escala L>0 si la funcin de densidad de
probabilidad es:
f(x)= L. e-L si x>=0
0 si x < 0
La funcin generadora es la siguiente:

El valor esperado en una distribucin exponencial se puede encontrar mediante

la siguiente frmula:

La varianza se calcula mediante la siguiente frmula:

8. Distribucin (de Pearson), donde se pronuncia como ji-cuadrado, es

una distribucin de probabilidad continua con un parmetro k que representa los grados
de libertad de la variable aleatoria:
Donde Zi son variables de distribucin normal, de media cero y varianza uno. Esta
distribucin se expresa habitualmente como La distribucin ji-cuadrado tiene muchas
aplicaciones en inferencia estadstica, Tambin est involucrada en el problema de

estimar la media de una poblacin normalmente distribuida y en el problema de estimar

la pendiente de una recta de regresin lineal, a travs de su papel en la distribucin t
de Student, y participa en todos los problemas de anlisis de varianza, por su papel en
la distribucin F de Snedecor, que es la distribucin del cociente de dos variables
aleatorias de distribucin ji-cuadrado e independientes.
La funcin de densidad ji-cuadrado es: es la funcin gamma.
La funcin de distribucin es : El valor esperado y la varianza de una variable
aleatoria X con distribucin chi-cuadrada son

Propuesta de solucin al estudio de caso 1

Para la solucin del caso 1 utilizara la distribucin normal con la tabla de distribucin.
La importancia de la distribucin normal se debe principalmente a que hay muchas
variables asociadas a fenmenos naturales que siguen el modelo de la normal.
Caracteres morfolgicos de individuos (personas, animales, plantas,) de una
especie, p. ejm. Tallas, pesos, envergaduras, dimetros, permetros

Caracteres fisiolgicos, por ejemplo; efecto de una misma dosis de un frmaco, o

de una misma cantidad de abono.

Caracteres sociolgicos, por ejemplo: consumo de cierto producto por un

mismo grupo de individuos, puntuaciones de examen.

Caracteres psicolgicos, por ejemplo: cociente intelectual, grado de adaptacin a

un medio

Errores cometidos al medir ciertas magnitudes.

Solucin estudio de caso 1

1.

Bibliografia
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un2/cont_231_73.htm
l