Se denomina variable aleatoria discreta aquella que sólo puede tomar un número
finito de valores dentro de un intervalo. Por ejemplo, el número de componentes de
una manada de lobos, puede ser 4 ó 5 ó 6 individuos pero nunca 5,75 ó 5,87. Otros
ejemplos de variable discreta serían el número de pollos de gorrión que llegan a
volar del nido o el sexo de los componentes de un grupo familiar de babuinos.
8/60 11/60 14/60 7/60 11/60 Si a continuación volvemos a lanzar el mismo dado
otras 60 veces, en las mismas condiciones, las frecuencias relativas serian
parecidas, pero difícilmente iguales. Eso sí, en general, dichas frecuencias relativas
serian seguramente bastante parecidas a 1/6, y serian seguramente más parecidas
a 1/6 cuanto más aumentemos el número de lanzamientos. Lo que hacemos al
definir una variable aleatoria discreta es quedarnos con la esencia del proceso
estudiado, sustituyendo las frecuencias relativas por una función de probabilidad,
prescindiendo así de los resultados de una muestra concreta: 9/60
Definición.- Una variable aleatoria, X, decimos que es de tipo discreto cuando puede
tomar los valores x1,..., xk con probabilidades P(x1),..., P(xk). Estas probabilidades
reciben el nombre de función de masa o función de probabilidad
3.2. Función de probabilidad y de distribución, valor esperado, varianza
y desviación estándar
Hay que advertir que el concepto de función de probabilidad sólo tiene sentido para
variables aleatorias que toman un conjunto discreto de valores. Para variables
aleatorias continuas el concepto análogo es el de función de densidad.
Existen muchas situaciones en las que se presenta una experiencia binomial. Cada
uno de los experimentos es independiente de los restantes (la probabilidad del
resultado de un experimento no depende del resultado del resto). El resultado de
cada experimento ha de admitir sólo dos categorías (a las que se denomina éxito y
fracaso). Las probabilidades de ambas posibilidades han de ser constantes en todos
los experimentos (se denotan como p y q o p y 1-p).
Ejemplo
Un cargamento de 100 grabadoras contiene 25 defectuosas. Si 10 de ellas son
aleatoriamente escogidas para revisión, ¿cuál es la probabilidad de que 2 estén
defectuosas?
Ejemplo: en una urna hay 7 bolas blancas y 5 negras. Se sacan 4 bolas ¿Cuál es la
probabilidad de que 3 sean blancas?
Como vemos, este modelo se caracteriza por un sólo parámetro λ, que debe ser
positivo. Esta distribución suele utilizarse para contajes del tipo número de
individuos por unidad de tiempo, de espacio, etc. Este resultado se extiende
inmediatamente al caso de n variables aleatorias independientes con distribución
de Poisson. En este caso, la variable suma de todas ellas sigue una distribución de
Poisson de parámetro igual a la suma de los parámetros. Un criterio fácil y rápido
para calcular un intervalo de confianza aproximada de λ es propuesto por Guerriero
(2012).1 Dada una serie de eventos k (al menos el 15 - 20) en un periodo de tiempo
T, los límites del intervalo de confianza para la frecuencia vienen dadas por:
k
n k n k np ( np)
p q e
k k!
Teorema
Si n y p0 en forma tal que npa entonces C(n,k) pkqnk ea ak / k!
Demostración
n k nk n( n 1) ( n k 1) k nk
p q p q
k k!
n
k 1 2 k 1 an
n 1 1 1 k 1 k
n n n an n
a
e
a
k k
k! n a k!
1 n
= n
▼
Ejemplo
Ejemplo
Durante la segunda guerra mundial cayeron sobre Londres 537 bombas voladoras.
El área afectada fué dividida en 576 sectores iguales. Sea Nk el número real de
sectores en los cuales cayeron k bombas. Suponiendo que las bombas cayeron al
azar, el número esperado de bombas por sector es 537/576= 0.932. La probabilidad
que caigan k bombas en un sector, según la aproximación Poisson , es Pk= e0.932
(0.932)k / k! La tabla adjunta muestra la comparación entre real y teórico:
k 0 1 2 3 4 5
Nk 22 21 93 35 7 1
9 1
576 22 21 99 31 7 2
Pk 6 1
Proceso Poisson
A lo largo del eje positivo del tiempo (t>0) se presentan aleatoriamente eventos. Por
ejemplo, una sustancia radioactiva emite partículas o llegan llamadas a una central
telefónica. El modelo más simple para describir este tipo de proceso es el que se
describe a continuación.
P{A(u,t]} = Pk(tu)
Las pruebas pueden dar dos resultados posibles y excluyentes a su vez, es decir,
A y no A.
Si una variable aleatoria puede tomar n valores distintos con iguales probabilidades,
decimos que esta tiene una distribución uniforme discreta; en forma simbólica
Definición
Una variable X tiene una distribución uniforme discreta, y se conoce como variable
aleatoria uniforme discreta, si y solo si su distribución de probabilidad está dada por
1
𝑓(𝑥) = Para 𝑋 = x1, x2, x3,….., xn
𝑛
1 1 1 1
𝜇 = ∑𝑛𝑖=1 𝑥𝑖 ∙ 𝑛 = 𝑛 ∑𝑛𝑖=1 𝑥𝑖 y𝜎 2 = ∑𝑛𝑖=1(𝑥𝑖 − 𝜇)2 ∙ 𝑛 = 𝑛 ∑𝑛𝑖=1(𝑥𝑖 − 𝜇)2
∑𝑛
𝑖=1(𝑥𝑖 −𝜇)
2
𝜎=√ .
𝑛
Como la cara del dado que sale hacia arriba. Obtenga la distribución de probabilidad
de esta variable aleatoria, así como su media y su desviación estándar.
1
𝑓(𝑥𝑖 ) = , 𝑝𝑎𝑟𝑎 𝑖 = 1, 2, … … , 6.
6
Introducción:
Los primeros estudios estadísticos que se hacían eran los censos, que son estudios
descriptivos sobre todos los integrantes de una población. La elaboración de censos
comenzó en la Edad Antigua, y sigue dándose en nuestros días. La Historia ofrece
gran cantidad de ejemplos de actividad estadística. En antiguas civilizaciones como
Babilonia, Egipto, China, Roma etc. era normal que se elaboraran recuentos de la
población. La estadística aparece incluso en los textos sagrados de varias
religiones. Por ejemplo en la Biblia, en el libro de los Números, se menciona la
elaboración de un censo de población, en el que se anotarían específicamente los
varones mayores de 20 años (aptos para ir a la guerra).
Conclusión:
En esta forma las características más importantes de los datos se aproximan muy
fácilmente, compensando así el hecho de que cuando los datos se agrupan de ese
modo, la información inicial referente a las observaciones individuales de que antes
se disponía se pierde a través del proceso de agrupamiento o condensación.
La principal ventaja de usar una de estas tablas de resumen es que las principales
características 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.
El punto medio de una clase (o marca de clase) es el punto a la mitad de los límites
de cada clase y es representativo de los datos de esa clase.
La regla más evidente para las probabilidades es que deben variar en valor de 0 a
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.
Bibliografía
Referencias Bibliográficas:
De santos.
11.Walpole R., Myers R., Myers S., Ye K. Probabilidad y Estadística para ingeniería
y ciencias. Octava Edición. Pearson, Prentice Hall. 2007
Introducción 1
Binomial.
Conclusión 13
Bibliografías 14
Instituto Tecnológico Superior de Coatzacoalcos
PROBLEMAS DE LA 5-8