TRABAJO COLABORATIVO FASE 2

RESUMEN DE LOS CONCEPTOS TERICOS DE LA UNIDAD UTILIZADOS

PARA LA SOLUCION DEL ESTUDIO DE CASO No.4

ALUMNO:
CARLOS ALBERTO HOYA SANJUAN
CDIGO No. 14399864

PROBABILIDAD
Grupo No. 100402_183

TUTOR:
NELSON SNCHEZ
Especialista en Ciencias Fsicas

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BSICAS TECNOLOGA E INGENIERA
INGENIERA DE TELECOMUNICACIONES
BARRANCABERMEJA
2016

Tabla de contenido

Pag.

INTRODUCCIN .............................................................................................................................. 4
OBJETIVOS ....................................................................................................................................... 5
Objetivo general .............................................................................................................................. 5
Objetivos especficos. ..................................................................................................................... 5
CONCEPTOS TERICOS........................................................................................................................ 7
Concepto Variable Aleatoria. .......................................................................................................... 8
Concepto Variable Aleatoria Discreta. ............................................................................................ 8
Concepto Variable Aleatoria Continua............................................................................................ 8
Valor Esperado Y Varianza De Una Variable Aleatoria .................................................................... 9
DISTRIBUCIN BINOMIAL................................................................................................................ 9
DISTRIBUCIN BINOMIAL NEGATIVA Y GEOMTRICA .................................................................... 9
Distribucin Binomial Negativa ..................................................................................................... 10
DISTRIBUCIN POISSON ................................................................................................................ 10
DISTRIBUCIN HIPERGEOMTRICA............................................................................................... 11
DISTRIBUCIN UNIFORME DISCRETA............................................................................................ 11
DISTRIBUCION UNIFORME CONTINUA.......................................................................................... 12
Distribucin Normal ...................................................................................................................... 13
Distribucin Chi-cuadrado............................................................................................................. 13
DISTRIBUCION t-STUDENT............................................................................................................. 15
CONCLUSINES ............................................................................................................................ 17
REFERENCIAS BIBLIOGRFICAS .............................................................................................. 18

LISTA DE GRAFICOS Y FIGURAS

Figura No.1

Contenidos del curso

Figura No.2

Funcin de densidad Xn2 para valores pequeos de n

Figura No.3

Funcin de densidad de una T de student

Figura No.4

Comparacin entre las funciones de densidad

INTRODUCCIN

Bsicamente podramos aclarar que todos los conceptos fueron aplicados para el desarrollo
de estos problemas, podramos comenzar con un repaso sencillo de los principales aspectos
y conceptos especificados por el curso.
Con los principios de Probabilidad, las propiedades bsicas y leyes, se definen las variables
aleatorias y se establece la diferencia entre variables aleatorias discretas y continuas, en
trminos de su funcin de probabilidad, valor esperado, varianza y desviacin estndar y se
desarrolla la desigualdad de Chbyshev que se aplica a cualquier variable aleatoria discreta
o continua.
Referente al estudio de las distribuciones de probabilidad, es pertinente comentar que en todo
fenmeno, los datos obtenidos tienen un comportamiento especfico, es as como el anlisis
de las distribuciones de probabilidad permite determinar que distribucin de probabilidad es
la pertinente para un conjunto de datos.
Las distribuciones de probabilidad son de tipo discreto y continuo, segn la variable aleatoria
que este en cuestin, luego en este aparte se estudiaran dichas distribuciones, sus principios,
la funcin que la identifica, sus propiedades y los campos de aplicacin de las mismas.

OBJETIVOS
Objetivo general

Comprender e interiorizar los tipos de distribuciones de probabilidad que

existen, sus caractersticas, sus parmetros y los campos de aplicacin que
tienen dichas distribuciones.

Objetivos especficos.

Definir variable aleatoria.

Definir variable aleatoria discreta y continua.
Definir funcin de probabilidad de una variable aleatoria discreta.
Definir funcin de densidad de una variable aleatoria continua.
Obtener probabilidades de eventos haciendo uso de la funcin de
probabilidad de una variable aleatoria discreta.
Establecer las propiedades de la funcin de distribucin de probabilidad
acumulada de una variable aleatoria discreta.
Obtener y graficar la funcin de probabilidad acumulada de una variable
aleatoria discreta, dada su funcin de probabilidad.
Obtener y graficar la funcin de distribucin acumulada de una variable
aleatoria contina.
Obtener probabilidades de eventos que involucren variables aleatorias
discretas o continuas, haciendo uso de su funcin de distribucin acumulada.
Definir y obtener el valor esperado de una variable aleatoria, tanto discreta
como continua.
Definir y obtener la varianza y la desviacin estndar de una variable
aleatoria, tanto discreta como continua.
Aplicar adecuadamente el teorema de Chbyshev para cualquier variable
aleatoria discreta o continua.
Describir las principales caractersticas y propiedades de las distribuciones
de probabilidad discreta y continua.
Identificar y diferenciar las distribuciones de probabilidad discretas ms
comunes, como son: distribucin uniforme discreta, binomial, geomtrica,
binomial negativa, hipergeomtrica y Poisson.
Calcular e interpretar parmetros estadsticos, tales como Media, varianza y
desviacin estndar, de las diferentes distribuciones de probabilidad discreta
y continua.

Reconocer cundo un experimento aleatorio es un ensayo de Bernoulli.

Identificar y diferenciar las distribuciones de probabilidad continuas ms
comunes, como son: distribucin uniforme continua, normal, exponencial.
Estandarizar una variable aleatoria.
Emplear la distribucin normal para aproximar las probabilidades de una
variable aleatoria binomial y Poisson.
Interpretar y utilizar correctamente las tablas existentes para cada una de las
distribuciones de probabilidad discretas y continuas.

CONCEPTOS TERICOS

Contenidos del curso utilizados:

Figura No.1

Concepto Variable Aleatoria.

Una variable aleatoria es pues, una funcin que asigna un nmero real a cada resultado en el
espacio muestral de un experimento aleatorio. Ellas se denotan con una letra mayscula, tal
como X.
Se dice que X es aleatoria porque involucra la probabilidad de los resultados del espacio
muestral, y se define X como una funcin porque transforma todos los posibles resultados
del espacio muestral en cantidades numricas reales.

Concepto Variable Aleatoria Discreta.

Se dice que una variable aleatoria X es discreta si el nmero de valores que puede tomar es
finito (o infinito contable).
Frecuentemente el inters recae en la probabilidad de que una variable aleatoria tome un
valor particular, para ello se requiere primero definir claramente la variable aleatoria. Ser
importante pues, acordar la siguiente simbologa: {X = x} denotar el evento formado por
todos los resultados para los que X = x y P(X = x) ser la probabilidad de dicho evento.

Concepto Variable Aleatoria Continua

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.
En algunos casos, la variable aleatoria considerada continua en realidad es discreta, pero
como el rango de todos los valores posibles es muy grande, resulta ms conveniente utilizar
un modelo basado en una variable aleatoria continua.
La distribucin de probabilidad de una variable aleatoria continua X est caracterizada por
una funcin f(x) que recibe el nombre de funcin de densidad de probabilidad. Esta funcin
f(x) no es la misma funcin de probabilidad de una variable aleatoria discreta.

Valor Esperado Y Varianza De Una Variable Aleatoria

El 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 se calcula al sumar el producto de cada valor de X con su probabilidad
correspondiente. En otras palabras, la media o valor esperado de una variable aleatoria
discreta X.

DISTRIBUCIN BINOMIAL
Las distribuciones binomiales son las ms tiles dentro de las distribuciones de probabilidad
discretas. Sus reas de aplicacin incluyen inspeccin de calidad, ventas, mercadotecnia,
medicina, investigacin de opiniones, entre otras. Estas distribuciones permiten enfrentar
circunstancias en las que los resultados pertenecen a dos categoras relevantes: que ocurra un
evento determinado o que no lo haga. Este tipo de experimento aleatorio particular es
denominado ensayo de Bernoulli. Sus dos resultados posibles son denotados por xito y
fracaso y se define por p la probabilidad de un xito y 1-p la probabilidad de un fracaso.

DISTRIBUCIN BINOMIAL NEGATIVA Y GEOMTRICA

Considere ahora una serie de ensayos Bernoulli con una probabilidad constante de xitos p,
en la que el nmero de ensayos no es fijo como en la distribucin binomial si no que stos se
realizan hasta que se obtiene el primer xito. Sea entonces, la variable aleatoria X el nmero
de ensayos realizados hasta obtener un xito, ella tiene una distribucin geomtrica con
parmetro p. as:

Distribucin Binomial Negativa

En la distribucin geomtrica, la variable aleatoria estaba definida como el nmero de
ensayos Bernoulli necesarios para obtener el primer xito. Suponga ahora que se desea
conocer el nmero de ensayos hasta obtener r xitos; en este caso la variable aleatoria es
denominada binomial negativa.
La 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,

DISTRIBUCIN POISSON
Esta es otra distribucin de probabilidad discreta til en la que la variable aleatoria representa
el nmero de eventos independientes que ocurren a una velocidad constante. La distribucin
de Poisson, llamada as en honor a Simen Denis Poisson probabilista francs que fue el
primero en describirla, es el principal modelo de probabilidad empleado para analizar
problemas de lneas de espera, confiabilidad y control de calidad; como el nmero de
personas que llegan a un lugar determinado en un tiempo definido, los defectos en piezas
similares para el material, el nmero de bacterias en un cultivo, el nmero de goles anotados
en un partido de ftbol, el nmero de fallas de una mquina en una hora o en un da, la
cantidad de vehculos que transitan por una autopista, el nmero de llamadas telefnicas por
minuto, etc. Como se puede observar se trata de hallar la probabilidad de ocurrencia de
cualquier nmero por unidad de medicin (temporal o espacial).

DISTRIBUCIN HIPERGEOMTRICA
En la distribucin binomial se vea que el muestreo se haca con reemplazo, asegurando la
independencia de los ensayos y la probabilidad constante. Supngase ahora que el muestreo
es sin reemplazo, caso en el cual los ensayos no son independientes.
Sea N el nmero de elementos de un conjunto de los cuales k son determinados como xitos
y N -k como fallas, se trata ahora de determinar la probabilidad de x xitos en n ensayos de
los N elementos del conjunto donde k N y n N. Sea tambin la variable aleatoria X el
nmero de xitos en la muestra. Entonces, X tiene una distribucin hipergeomtrica y su
funcin de distribucin de probabilidad est dada por:

La expresin mn. (k, n) corresponde al valor menor entre el tamao de la muestra k y el

nmero mximo de xitos que puede presentarse en la muestra n. La distribucin
hipergeomtrica suele expresarse como h(x; N, k, n).

DISTRIBUCIN UNIFORME DISCRETA

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:

DISTRIBUCION UNIFORME CONTINUA

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.
.
Teniendo en cuenta que si :

La funcin de distribucin de

es:

Distribucin Normal
La distribucin gaussiana, recibe tambin el nombre de distribucin normal, ya que una gran
mayora de las variables aleatorias continuas de la naturaleza siguen esta distribucin. Se dice
que una variable aleatoria X sigue una distribucin normal si su funcin de densidad es:

Esta distribucin viene definida por dos parmetros: X: N (,

2)

: es el valor medio de la distribucin y es precisamente donde se sita el centro de la curva

(de la campana de Gauss).
s2 : es la varianza. Indica si los valores estn ms o menos alejados del valor central: si la
varianza es baja los valores estn prximos a la media; si es alta, entonces los valores estn
muy alejados de ella. Se representa por s2 porque su raz cuadrada, s, es la denominada
desviacin estndar.

Distribucin Chi-cuadrado

Si consideramos una v.a.

probabilidad distribucin
Como

, la v.a. X=Z2 se distribuye segn una ley de

con un grado de libertad, lo que se representa

Si tenemos n v.a. independientes

, la suma de sus cuadrados respectivos
es una distribucin que denominaremos ley de distribucin con n grados de libertad,
.

La media y varianza de esta variable son respectivamente:

y su funcin de densidad es:

Figura No.2

DISTRIBUCION t-STUDENT
La distribucin -Student se construye como un cociente entre una normal y la raz de una
independientes. De modo preciso, llamamos distribucin t-Student con n grados de
libertad, a la de una v.a. T,

Donde
n+1 v.a. independientes

. Este tipo de distribuciones aparece cuando tenemos

Y nos interesa la distribucin de

La funcin de densidad de

es

Figura No.3
La distribucin de Student tiene propiedades parecidas a :
Es de media cero, y simtrica con respecto a la misma;
Es algo ms dispersa que la normal, pero la varianza decrece hasta 1cuando el nmero de
grados de libertad aumenta;

Figura No. 4

Para un nmero alto de grados de libertad se puede aproximar la distribucin de Student por
la normal, es decir,

Cuando aumentan los grados de libertad, la distribucin de Student se aproxima a la

distribucin normal tipificada.

CONCLUSINES

Mediante la aplicacin y apropiacin de los principios de Probabilidad, las propiedades

bsicas y leyes, se no permiten definir las variables aleatorias al igual que establecer la
diferencia entre variables aleatorias discretas y continuas, en trminos de su funcin de
probabilidad, valor esperado, varianza y desviacin estndar, desarrollando tambin la
desigualdad de Chbyshev que se aplica a cualquier variable aleatoria discreta o continua.

mediante el estudio de las distribuciones de probabilidad, se nos permite verificar que en todo
fenmeno, los datos obtenidos tienen un comportamiento especfico, demostrado mediante
el anlisis de las distribuciones de probabilidad que permitieron determinar que distribucin
de probabilidad es la pertinente para un conjunto de datos.

Sabiendo pues que las distribuciones de probabilidad son de tipo discreto y continuo, segn
la variable aleatoria que este en cuestin, se pudieron estudiar dichas distribuciones, sus
principios, la funcin que la identifica, sus propiedades y los campos de aplicacin de las
mismas.

REFERENCIAS BIBLIOGRFICAS

Walpole, R (1999). Probabilidad y estadstica para ingenieros. Mxico; Hispanoamericana.

http://books.google.com.co/books?id=Melpe80mYOIC&pg=PA114&dq=Variables+aleator
ias+discretas+y+sus+distribuciones+de+probabilidad&hl=es&sa=X&ei=LWdgU86pGMiw
sQTF7IGgDw&ved=0CFAQ6AEwBQ#v=onepage&q=Variables%20aleatorias%20discret
as%20y%20sus%20distribuciones%20de%20probabilidad&f=false
Llins, H. (2006). Estadstica descriptiva y distribuciones de probabilidad. Bogot: Uninorte
http://books.google.com.co/books?id=3Tkb8HJ5toUC&pg=PA257&dq=Variables+aleatori
as+continuas+y+sus+distribuciones+de+probabilidad&hl=es&sa=X&ei=tWlgU57fF7K0sQ
TdkYHgBw&ved=0CC8Q6wEwAA#v=onepage&q=Variables%20aleatorias%20continuas
%20y%20sus%20distribuciones%20de%20probabilidad&f=false
Walpole, R (1999). Probabilidad y estadstica para ingenieros. Mxico; Hispanoamericana.
http://books.google.com.co/books?id=Melpe80mYOIC&pg=PA114&dq=Variables+aleator
ias+discretas+y+sus+distribuciones+de+probabilidad&hl=es&sa=X&ei=LWdgU86pGMiw
sQTF7IGgDw&ved=0CFAQ6AEwBQ#v=onepage&q=Variables%20aleatorias%20discret
as%20y%20sus%20distribuciones%20de%20probabilidad&f=false
Universidad Oberta Cataluna U.O.C. Variables aleatorias discretas
http://www.uoc.edu/in3/emath/docs/VA_discretas.pdf

Llins, H. (2006). Estadstica descriptiva y distribuciones de probabilidad. Bogot: Uninorte

http://books.google.com.co/books?id=3Tkb8HJ5toUC&pg=PA257&dq=Variables+aleatori
as+continuas+y+sus+distribuciones+de+probabilidad&hl=es&sa=X&ei=tWlgU57fF7K0sQ
TdkYHgBw&ved=0CC8Q6wEwAA#v=onepage&q=Variables%20aleatorias%20continuas
%20y%20sus%20distribuciones%20de%20probabilidad&f=false
Universidad Oberta Cataluna U.O.C. Distribucin Normal de probabilidad
http://www.uoc.edu/in3/emath/docs/Distrib_Normal.pdf
Evans, M (2004). Probabilidad y estadstica, la ciencia de la incertidumbre. Barcelona:
Libert

http://books.google.com.co/books?id=ZU3MEKZFgsMC&pg=PA29&dq=Propiedades+b%
C3%A1sicas+de+probabilidad&hl=es&sa=X&ei=BmNgUfEOYe_sQTmioDgAg&ved=0CDQQ6wEwAQ#v=onepage&q=Propiedades%20b%C3%A
1sicas%20de%20probabilidad&f=false
Llins, H. (2006). Estadstica descriptiva y distribuciones de probabilidad. Bogot: Uninorte
http://books.google.com.co/books?id=3Tkb8HJ5toUC&pg=PA257&dq=Variables+aleatori
as+continuas+y+sus+distribuciones+de+probabilidad&hl=es&sa=X&ei=tWlgU57fF7K0sQ
TdkYHgBw&ved=0CC8Q6wEwAA#v=onepage&q=Variables%20aleatorias%20continuas
%20y%20sus%20distribuciones%20de%20probabilidad&f=false
Instituto Tecnologico de Chihuahya. Curso de Probabilidad y Estadstica
http://www.itch.edu.mx/academic/industrial/sabaticorita/amarillo.htm
Morales, Adriana (2010) Modulo Probabilidad. Bogot D.C., Universidad Nacional Abierta
y a distancia UNAD.
http://datateca.unad.edu.co/contenidos/100402/modulo_probabilidad_2010I.pdf
IES Campus (2011). Distribuciones discretas. Recuperado de:
https://www.youtube.com/watch?v=unUpFZiI6DM
Rincon Luis (2013) Distribucin Binomial Recuperado de:
https://youtu.be/Tf08fZWbyV8
Rincon Luis (2013). Distribucin de Poisson. Recuperado de:
https://youtu.be/y_dOx8FhHpQ
Rincon Luis (2013) Distribucin geomtrica. Recuperado de:
https://www.youtube.com/watch?v=4a3Dirpu4NU
Rincn Luis (2013) Distribucin hipergeomtrica. Recuperado de:
https://www.youtube.com/watch?v=kkcLnDT1Oa0