Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 4 vistas

    FDP Resumen

    Cargado por

    Dara
    1) Una variable aleatoria asigna valores numéricos a los resultados de un experimento aleatorio y tiene un recorrido y una distribución de probabilidad asociada. 2) La función de probabilidad especifica la probabilidad de cada valor posible de la variable aleatoria, mientras que la función de distribución acumulativa indica la probabilidad de valores menores o iguales a cada valor. 3) La esperanza y la varianza de una variable aleatoria se definen como funciones de probabilidad y representan valores esperados y desviaciones respecto al valor esperado.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    FDP Resumen

    Cargado por

    Dara
    4 vistas4 páginas
    1) Una variable aleatoria asigna valores numéricos a los resultados de un experimento aleatorio y tiene un recorrido y una distribución de probabilidad asociada. 2) La función de probabilidad especifica la probabilidad de cada valor posible de la variable aleatoria, mientras que la función de distribución acumulativa indica la probabilidad de valores menores o iguales a cada valor. 3) La esperanza y la varianza de una variable aleatoria se definen como funciones de probabilidad y representan valores esperados y desviaciones respecto al valor esperado.

    Descripción original:

    Resumen de conceptos basicos de estadistica descriptiva

    Título original

    fdp-resumen

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    1) Una variable aleatoria asigna valores numéricos a los resultados de un experimento aleatorio y tiene un recorrido y una distribución de probabilidad asociada. 2) La función de probabilidad especifica la probabilidad de cada valor posible de la variable aleatoria, mientras que la función de distribución acumulativa indica la probabilidad de valores menores o iguales a cada valor. 3) La esperanza y la varianza de una variable aleatoria se definen como funciones de probabilidad y representan valores esperados y desviaciones respecto al valor esperado.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    4 vistas4 páginas

    FDP Resumen

    Cargado por

    Dara
    1) Una variable aleatoria asigna valores numéricos a los resultados de un experimento aleatorio y tiene un recorrido y una distribución de probabilidad asociada. 2) La función de probabilidad especifica la probabilidad de cada valor posible de la variable aleatoria, mientras que la función de distribución acumulativa indica la probabilidad de valores menores o iguales a cada valor. 3) La esperanza y la varianza de una variable aleatoria se definen como funciones de probabilidad y representan valores esperados y desviaciones respecto al valor esperado.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 4

    E STA D Í S TI C A

    Fu n ci ón de P r ob a bi l i d a d es Resumen

    VARIABLE ALEATORIA-DISTRIBUCIÓN DE PROBABILIDAD

    • Variable Aleatoria: sea un experimento E y el espacio


    muestral S asociado con dicho experimento aleatorio. Se
    llama variable aleatoria a una función X que asigna un
    número real X(s) a cada elemento s ε S.

    • Recorrido (Rx): es el conjunto de todos los valores


    posibles de la variable aleatoria X.

    • Sucesos Equivalentes: sean E y S un experimento aleatorio


    y su espacio muestral asociado, X una variable aleatoria
    definida en S y Rx su recorrido. Sean B ⊂ Rx:
    Supongamos
    A = { s ε S / X(s) ε B }
    Entonces A y B son sucesos equivalentes.
    En este caso P(A) = P(B).

    • Probabilidad: dados E y S, experimento aleatorio y su


    espacio muestral asociado, es P una función que asigna a
    cada suceso A ⊂ S un número real P(A) que cumple con los
    tres axiomas vistos.

    • Distribución Probabilística: es una distribución de


    probabilidades, cada una de las cuales está asociada con
    uno de los posibles valores diferentes de la variable
    aleatoria. Se cuenta con ella cuando se conocen todos los
    valores posibles de la variable aleatoria y las probabilidades
    asociadas con cada uno de estos valores posibles.

    FUNCIÓN DE PROBABILIDAD
    U.N.P.S.J.B. - Facultad de Ingeniería - Com. Riv. –
    Est. Ana María Rossi de SALVAGNI Pág. 1
    E STA D Í S TI C A
    Fu n ci ón de P r ob a bi l i d a d es Resumen

    Para variable Discreta Para Variable Continua

    Función de cuantía Función de Densidad

    Verifica: Verifica:
    1. p(xi)≥0, ∀i = 1,....n 1. f(x)≥0, ∀i xε (-∞, +∞)
    2. Σp(xi) = 1 +∞
    2. ∫ f(x).dx = 1
    −∞
    para n = número total de
    valores posibles de X
    3. Su A: {X/a ≤ X ≤ b}
    en consecuencia
    b
    P(A) = ∫ f(x)dx , ∀a<b
    a

    Se la define como: Se la define como:

    P(xi), ∀i = 1,....n f(xi), ∀i = 1,....n


    Px(x) fx(x)
    0, en otro caso 0, en otro caso

    FUNCIÓN DE DISTRIBUCIÓN ACUMULATIVA

    Función de Distribución Función de Distribución


    Para variable Discreta Para Variable Continua

    P(X ≤ m)= F(X=m)=F(m)= ∑ x ≤m p(x) m


    F(x = m)= ∫ f(x).dx
    −∞

    U.N.P.S.J.B. - Facultad de Ingeniería - Com. Riv. –


    Est. Ana María Rossi de SALVAGNI Pág. 2
    E STA D Í S TI C A
    Fu n ci ón de P r ob a bi l i d a d es Resumen

    Propiedades de la F(x)

    a. 0≤F(X)≤1, ∀x +x
    a. F(x) ∫ f(x).dx
    −a
    ∀x ε (-∞, +∞)

    b. F(-∞) = 0 b. Función monótona no


    ∀x ε al intervalo de decreciente y absolutamente
    definición. continua.
    F(+∞) = 1
    Función monótona no
    decreciente.
    c. c. F(+∞)= lim F(x) = 1
    F(X=m)=F(m)= ∑ x ≤m p(x) ∀x≤m
    x → +∞

    F(-∞)= lim F(x) = 0


    x → −∞

    ESPERANZA Y VARIANZA
    Recordemos que:

    x : media aritmética de la muestra.


    µ: media aritmética de la población.
    S2: varianza muestral.
    σ2: varianza poblacional.
    σ: desvío estándar poblacional.
    x y S2 :estadísticas. Características maestrales.
    µ y σ2:parámetros. Características poblacionales.

    ∑x f i i n
    x= i =1
    = ∑ xihi Donde hi=fi/n, frecuencia relativa
    n i =1

    ∑x f i i n
    µ= =∑x h
    i =1

    ∑f
    i i
    i i =1

    Probabilidad de que ocurra un evento es la frecuencia


    relativa con la que puede esperarse que ocurra un evento.

    Frecuencia relativa es la frecuencia absoluta relativa al total


    de elementos observados y/o analizados.

    Frecuencia relativa esperada, representa la que ocurrirá a largo


    plazo.

    ...
    U.N.P.S.J.B. - Facultad de Ingeniería - Com. Riv. –
    Est. Ana María Rossi de SALVAGNI Pág. 3
    E STA D Í S TI C A
    Fu n ci ón de P r ob a bi l i d a d es Resumen

    y entonces podemos definir la media aritmética y la varianza


    de esa distribución en términos de probabilidad que son:

    µ = ∑ [x.p(x)]
    ∀x
    +∞ E(x)
    µ= ∫ x.f(x).dx
    −∞
    que denominamos Esperanza de X o valor esperado de x para
    variable aleatoria discreta y continua, respectivamente.

    …y
    σ2 = E(x-µ2) p(x)
    +∞ Var(x)
    σ 2 = ∫ ( x − µ ) 2 f ( x)dx
    −∞

    que denominamos Varianza de X para variable aleatoria discreta


    y continua, respectivamente.

    Cuando X es una variable aleatoria e Y = H(X) es una función


    de X, el valor esperado de X se define

    E[H(x)]= Σ H(x).p(x) para X discreta

    +∞
    E[H(x)]= ∫
    −∞
    H(x).f(x).dx para X continua

    Por ejemplo, dada X, variable aleatoria discreta, si


    y =H(X)=X2 será
    E(Y)=E(X2)=Σ[x2.p(x2)]

    Si hacemos H(X)=(X-µ)2=(X-E(X))2 es
    E(H(X)) = E(X-µ2)=σ2 = Var(x)

    y tenemos la Varianza expresada en términos de esperanza.


    ... Se tiene que ( puede demostrarse)

    Var(x)= σ2 = E [ ( X – E ( X ) )2 ]= E (X2) – [ E (X) ]2

    ...También puede demostrarse que

    E(X) = µ y E(S2)=σ2

    U.N.P.S.J.B. - Facultad de Ingeniería - Com. Riv. –


    Est. Ana María Rossi de SALVAGNI Pág. 4

    También podría gustarte