PRESENTACION

TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLLOGICO DE CERRO AZUL

ASIGNATURA:
PROBABILIDAD Y ESTADISTICA EN EL CAMPO PETROLERO

UNIDAD:
1.- ESTADISTICA DESCRIPTIVA

SUBTEMAS:
1.1 Medidas de tendencia central

1.2 Medidas de dispersin

1.3 Distribucin de frecuencias

INTEGRANTES:
LUIS ROBERTO CARDENAS MENDEZ

JUAN MANUEL MORALES SANCHEZ

RICARDO ROMAN DEL ANGEL

DOCENTE:
ING. ROSA MARIA DIAZ CASANOVA

PERIODO:
AGOSTO / DICIEMBRE 2017
INTRODUCCION
Una variable aleatoria es un valor numrico que corresponde al resultado de
un experimento aleatorio, como el nmero de caras que se obtienen al lanzar
4 veces una moneda, el nmero de lanzamientos de un dado hasta que
aparece el seis, el nmero de llamadas que se reciben en un telfono en una
hora, el tiempo de espera a que llegue un autobs.
Las variables aleatorias, como las estadsticas, pueden ser discretas o
continuas.
Las variables aleatorias permiten definir la probabilidad como una funcin
numrica (de variable real) en lugar de como una funcin de un conjunto dado.
Se dice que una variable aleatoria sigue una distribucin uniforme si la funcin
de densidad es constante en el intervalo en el que se encuentran todos los
valores de la variable. La funcin de densidad o ley de probabilidad viene dada
por:
Las distribuciones de probabilidad estn relacionadas con las distribuciones de
frecuencias. Una distribucin de frecuencias terica es una distribucin de
probabilidades que describe la forma en que se espera que varen los
resultados. Debido a que estas distribuciones tratan sobre expectativas de que
algo suceda, resultan ser modelos tiles para hacer inferencias y para tomar
decisiones en condiciones de incertidumbre.
Una distribucin de frecuencias es un listado de las frecuencias observadas de
todos los resultados de un experimento que se presentaron realmente cuando
se efectu el experimento, mientras que una distribucin de probabilidad es un
listado de las probabilidades de todos los posibles resultados que podran
obtenerse si el experimento se lleva a cabo.
Las distribuciones de probabilidad pueden basarse en consideraciones tericas
o en una estimacin subjetiva de la posibilidad. Se pueden basar tambin en
la experiencia.
Variables Aleatorias

Nos interesa asignar probabilidades a valores numricos obtenidos a partir de

fenmenos aleatorios, es decir a variables aleatorias.

Por ejemplo, calcular la probabilidad de que al elegir una muestra de tamao

20 de un lote que contiene 5% de artculos defectuoso por el menos 7 artculo
de la muestra resulte defectuoso. Cul es el experimento aleatorio , el
espacio muestral , la familia de sucesos en , la funcin de probabilidad P, el
suceso de inters y la variable aleatoria en este ejemplo?

Formalmente, dados un experimento aleatorio , un espacio muestral , una

familia de sucesos en con una probabilidad P, diremos que una funcin

X: R, es una variable aleatoria si

X-1(- , x ] = { : X ( ) x } es un suceso

Esta definicin asegura que sea posible el clculo de probabilidades sobre las
variables aleatorias. No ser necesario utilizar esta definicin en lo que sigue!

Veremos dos tipos de variables aleatorias, discretas y continuas, que nos

permitirn utilizar la teora de probabilidades para realizar inferencias
estadsticas.
Variables Aleatorias Discretas

Si el conjunto de resultados posibles, RX, es finito infinito

numerable, decimos que X es una v.a. discreta.

Sea X una v.a. discreta. Indicaremos por RX={xi, i Naturales} al conjunto

de todos sus valores posibles. Un modelo de probabilidad para X est dado
por la asignacin de probabilidades, pi, a estos resultados,

P(X=xi) = pX(xi) =pi .

Las probabilidades deben satisfacer

1. 0 pi 1
2. pi =1

La probabilidad P(X est en A) de cualquier suceso se calcula sumando las p i

de los resultados que componen A.

Los valores pi determinan la distribucin de probabilidades de la v.a. X

mediante la funcin de probabilidad puntual (f.p.p. pX) que asigna a cada xi una
probabilidad pi.

Ejemplo: Un profesor califica sus pruebas en una escala de 4 puntos (1, 2, 3,

4). Supongamos que en un curso de 30 alumnos los resultados ordenados
fueron:

1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4

Sea X = resultado de la prueba para un alumno del curso elegido al azar.

Luego RX = {1, 2, 3, 4} X es una variable aletoria discreta

La frecuencia de cada uno de los resultados es, 3, 6, 12 y 9 respectivamente.

resultado (xi) 1 2 3 4
frecuencia (fi) 3 6 12 9
frec. relativa (fi/n) .1 .2 .4 .3
pX(xi) = pi .1 .2 .4 .3

Diagrama de barras -- Histograma de Probabilidad

Siguiendo con el ejemplo:

Cul es la probabilidad de que un alumno elegido al azar haya tenido a lo

sumo un 3?
P( X 3 ) = pX(1) + pX(2) + pX(3)
= p1 + p2 + p3 = .1 + .2 + .4 = .7
Si pensamos que los 30 alumnos constituyen la poblacin en estudio, podemos
calcular la media, , y la varianza, 2, poblacionales de la variable, X (resultado
de la prueba).

1
3 12
= + 2 +3 + 4
30 30 30
=1px(1) + 2px(2) +3px(3) + 4px(4)

La media poblacional X de una variable X es un promedio pesado de los

valores posibles.

En general tenemos:

Si X es una v.a. discreta con valores posibles RX = { xi , i en los Naturales} y

f.p.p. pX(xi) entonces se define la Esperanza de X (X )

E(X)= xipX (xi)

x i RX
Volviendo al ejemplo: La varianza poblacional 2 es

2 (1)2+(1)2+(1)2+......+(4 )2 =

30

3 6 12 9
= (1)2 +(2)2 +(3)2 +(4)2
30 30 30 30
p p p p
= (1)2 x(1) +(2)2 x(2) +(3)2 x(3) +(4 )2 x(4)

En general tenemos:

Si X es una v.a. discreta con valores posibles RX = { xi , i en los Naturales}

y f.p.p. pX(xi) entonces se define la Varianza de X (2 )

(x - ) 2 p ( x )
Var(X)= i
x i R X
X i

Variables aleatorias continuas. Informalmente diremos que:

Una variable aleatoria es continua cuando el conjunto de sus valores

posibles son todos los valores de un intervalo o de una unin de intervalos
de nmeros reales.

Por ejemplo, la concentracin de cromo en el Riachuelo es una variable

aleatoria continua.
La distribucin de una variable aleatoria continua se describe mediante la
funcin de densidad de probabilidad, simplemente funcin de densidad fX .

La funcin de densidad, fX, de una variable aleatoria X satisface:

1. fX (x) 0

2. fX (x) dx = 1

3. P(X A) = A fX (x) dx

Si X es una v. a. continua cualquiera. Cunto vale la probabilidad de que

X = 160?
Por qu?

Ejemplo: Las alturas de las mujeres jvenes argentinas

estn aproximadamente distribuidas normalmente con = 160 cm = 4
cm. Sea X = altura de una mujer argentina joven, elegida al azar, X es una v.a.
continua y su funcin de densidad de probabilidad est dada por:

(x)2
1 2

fX 2 (x)=e 2

En general, si la funcin de densidad de probabilidad de una variable aleatoria

X est dada por la expresin anterior, decimos que X tiene distribucin normal
de parmetros con y 2 :
X ~ N ( , 2)
Propiedades de la distribucin Normal

Sea X ~ N ( , 2), entonces

a) Z= (X - ) / ~ N (0 , 1) distribucin Normal Estndar.

b) aX + b ~ N (a + b , a22)

Siguiendo con el ejemplo: Cul es la probabilidad de que una mujer joven

elegida al azar tenga una altura entre 160 cm y 168 cm? Recordemos que
X = altura de una mujer argentina joven, elegida al azar entonces X
~ N ( , 2) con = 160 cm y = 4 cm

P (160 < X < 168) = P ( 0 < (X - 160) / 4 < 2 ) = (2) - (0)

= 0.9772 - 0.5 = 0.4772

Esperanza y varianza de una variable aleatoria continua

Cmo se calculan la esperanza y la varianza de una variable aleatoria

continua X conociendo su funcin de densidad de probabilidad fX?

Si X es una variable aleatoria continua con funcin de densidad, fX entonces la

su media o esperanza (E(X)) est dada por:

X dt
y su varianza

dt

Compare con el caso discreto.

En base a las propiedades de la esperanza tendremos que Var(X) = E[(X- )2]

CONCLUCION

Una distribucin de frecuencia es una tabla de resumen en la que los datos se

disponen en agrupamientos o categoras convenientemente establecidas de
clases ordenadas numricamente.
En esta forma las caractersticas ms importantes de los datos se aproximan
muy fcilmente, compensando as el hecho de que cuando los datos se
agrupan de ese modo, la informacin inicial referente a las observaciones
individuales de que antes se dispona se pierde a travs del proceso de
agrupamiento o condensacin.
La principal ventaja de usar una de estas tablas de resumen es que las
principales caractersticas de los datos se hacen evidentes inmediatamente
para el lector.
La principal desventaja de tal tabla de resumen es que no podemos saber como
se distribuyen los valores individuales dentro de un intervalo de clase particular
sin tener acceso a los datos originales. El punto medio de la clase, sin embargo,
es el valor usado para representar todos los datos resumidos en un intervalo
particular.
La probabilidad es la posibilidad u oportunidad de que suceda un evento
particular. La probabilidad involucrada es una porcin o fraccin cuyo valor
vara entre cero y uno exclusivamente. Observamos un evento que no tiene
posibilidad de ocurrir (es decir, el evento nulo), tiene una probabilidad de cero,
mientras que un evento que seguramente ocurrir (es decir, el evento cierto),
tiene una probabilidad de uno.
La regla mas evidente para las probabilidades es que deben variar en valor de
0 a 1. Un evento imposible tiene una probabilidad cero de ocurrir, y un evento
cierto tiene una probabilidad uno de ocurrir. La probabilidad simple se refiere a
la probabilidad de ocurrencia de un evento simple.
Una distribucin de probabilidad para una variable aleatoria discreta es un
listado mutuamente excluyente de todos los resultados posibles para esa
variable aleatoria, tal que una probabilidad particular de ocurrencia est
asociada con cada resultado.