U1 - Variables Aleatorias - Distribucion de Variables Aleatorias Discretas
U1 - Variables Aleatorias - Distribucion de Variables Aleatorias Discretas
U1 - Variables Aleatorias - Distribucion de Variables Aleatorias Discretas
Índice:
1.1. Variables aleatorias discretas y continuas.
1.2. Distribución de variables aleatorias discretas:
1.2.1. Binomial
1.2.2. Poisson
1.2.3. Hipergeométrica
Objetivo de la clase:
Comprender las variables discretas y continuas.
Identificar las variables aleatorias discretas
VARIABLES ALEATORIAS DISCRETAS Y CONTINUAS
Una variable, es una característica que puede ser medida y que puede adoptar valores
diferentes para cada uno de los elementos que constituyen la población de estudio.
Dado un experimento aleatorio cualquiera, una variable aleatoria es una transformación X del
espacio de resultados Ω al conjunto de números reales, esto es, X : Ω → R.
(Rincón, 2007)
Una variable aleatoria es una función definida entre el espacio muestral y el conjunto de los
números reales.
(Rodríguez, 2007)
Una variable es aleatoria si toma los valores de los resultados de un experimento aleatorio.
Una variable aleatoria es una función que asocia un número real a cada elemento del
espacio muestral. Se usarán letras mayúsculas para denotar a una v.a y letras minúsculas
para denotar los valores que ella adquiere.
VARIABLES ALEATORIAS DISCRETAS Y CONTINUAS
Una variable aleatoria se llama v.a Discreta si se puede contar su conjunto de resultados
posibles.
Una variable aleatoria se llama v.a Continua si se puede tomar en una escala continua.
En la mayoría de los problemas prácticos, las v.a continuas representan , tales datos medidos como
alturas, pesos, temperaturas, distancias o períodos de vida; mientras que las v.a discretas
representan datos que se cuentan ,tales como el número de artículos defectuosos de una muestra
de k artículos o el número de accidentes por año en una vía rápida en una determinada ciudad
EJERCICIOS
EJERCICIO
S={(c, c, c), (c, c, s), (c, s, c), (s, c, c), (c, s, s), (s, c, s), (s, s, c),( s, s, s)}
0 1 1 1 2 2 2 3
En ejemplo expuesto, X es una variable aleatoria discreta pues su rango es un subconjunto de los
enteros. Además es finita
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
Lista de los resultados de un experimento con las probabilidades que se esperan, se asociarán a
esos resultados.
Cada valor de una variable aleatoria discreta puede asociarse con un valor de probabilidad.
Si x es una variable aleatoria discreta, la función dada por f(x) para cada x
contenida en el intervalo de x se denomina función de probabilidad o
distribución defunción de probabilidad, o distribución de probabilidad, de x.
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
Una función puede fungir como la distribución de probabilidad de una variable aleatoria discreta
x si y sólo si sus valores, f(x), cumple las condiciones siguientes:
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
HISTOGRAMA DE PROBABILIDADES
Gráfico de distribución
del ejemplo delas tres
monedas
DISTRIBUCIÓN DE PROBABILIDAD ACUMULADA DE VARIABLES
ALEATORIA DISCRETA
También es importante conocer la probabilidad que la variable aleatoria tome algún valor menor o
igual que un valor dado. Esta función se denomina Distribución de Probabilidad Acumulada y
su dominio incluye a todos los números reales.
En un cyber se tiene 5 artículos de los cuales 3 están 3 defectuosos y 2 están en buen estado se toma
una muestra aleatoria sin reemplazo de 2 artículos.
E(x) o µ También llamada esperanza, valor esperado, media poblacional o media de una variable
aleatoria, es el número que formaliza la idea de valor medio de un fenómeno aleatorio.
Un jugador lanza dos monedas. Gana $1 ó $2 si aparecen una o dos caras. Por otra parte, pierde
$5.00 si no aparece cara. Determinar la esperanza matemática del juego y si éste es favorable.
Si una persona compra una rifa, en la que puede ganar de $200 ó un segundo premio de $50 con
probabilidades de: 0.01 y 0.03. ¿Cuál sería el precio justo por pagar por la rifa?
La varianza de una variable aleatoria X con distribución de probabilidad P(X=x) se define como:
La distribución de probabilidad por la cual se rige el numero de éxitos al realizar n pruebas Bernoulli
independientes y con probabilidades de éxito iguales, se le denomina distribución binomial.
Ejemplo: El número de caras en 15 lanzamientos de una moneda sigue una distribución binomial.
Se usa con variables discretas, es decir cuyos valores son contables. Este modelo se aplica a
poblaciones finitas de las que tomamos elementos al azar con reemplazamiento y también a
poblaciones conceptualmente infinitas.
DISTRIBUCIÓN BINOMIAL
Generalizando, la variable binomial posee siempre 2 eventos, por ejemplo “A” y “B”. Se define como “r”:
Por lo tanto la probabilidad de encontrar “r” elementos que cumplen el evento “A” luego de “n”
repeticiones del experimento, se define como P ( r ):
0,3
0,25
binomial con:
n=10 0,15
P=0,5
X={0,1,2,3,4,5,…,10} 0,1
0,05
0
0 2 4 6 8 10 12
EJERCICIO
De una población de cetáceos se sabe que el 60% son machos. Si se extrae un conjunto de 10 de
ellos.
Los experimentos estadísticos con este modelo de probabilidad tienen características similares a los
experimentos binomiales: los ensayos son independientes, cada ensayo tiene únicamente dos
resultados posibles, y la probabilidad que cada ensayo tenga un resultado favorable es constante.
La diferencia es que en este nuevo modelo la variable de interés se refiere a la cantidad de ensayos
que se realizan hasta obtener una cantidad requerida de éxitos: k
DISTRIBUCIÓN BINOMIAL NEGATIVA
DISTRIBUCIÓN HIPERGEOMÉTRICA
Esta distribución se refiere a los experimentos estadísticos que consisten en tomar una muestra sin
reemplazo, de un conjunto finito el cual contiene algunos elementos considerados “éxitos” y los restantes
son considerados “fracasos”.
Tomar una muestra sin reemplazo significa que los elementos son tomados uno a uno, sin devolverlos.
DISTRIBUCIÓN HIPERGEOMÉTRICA
GRÁFICO DISTRIBUCIÓN HIPERGEOMÉTRICA
0,4
0,35 N=20,a=8,n=6
0,3
0,25
P(X=x)
0,2
0,15
0,1
0,05
0
0 1 2 3 4 5 6 7 a=k
X
DISTRIBUCIÓN DE POISSON
La distribución de Poisson es un modelo que puede usarse para calcular la probabilidad correspondiente
al número de “éxitos” que ocurren en una región o en intervalo de tiempo especificados, si se conoce el
número promedio de “éxitos” que ocurren.
DISTRIBUCIÓN DE POISSON
GRÁFICO DE LA DISTRIBUCIÓN POISSON
0,3
l=2
0,25
l=5
0,2 l=10
P(X=x)
0,15
0,1
0,05
0
0 5 10 15 20 25 30
X
BIBLIOGRAFÍA