1.

-Funcin de distribucin de probabilidades

Variables aleatorias y su clasificacin. Variable cualitativa: es aquella variable aleatoria que toma valores de tipo nominal o valores que denotan una cualidad. Veamos en el siguiente ejemplo para fortalecer la idea. Supongamos que en una urna tenemos 20 bolas de color rojo, 15 de azul y 18 de color blanco. Sacamos una bola al azar, esta es sin mirar la urna. Supongamos que definimos la variable X por `el color de la bola sacada de la urna`. Entonces X tomara valores en el espacio de estado {rojo, azul y blanco}. De otra forma X que toma valores en {rojo, azul y blanco} es una variable cualitativa. Variable cualitativa ordinal: es aquella variable que aun denotando resultados aleatorios de tipo cualitativo, esposible conforme al experimento aleatorio asociado a estos resultados, dotarlas de una relacin de orden. Pensemos en el siguiente ejemplo, la variable D representara el nivel de dolor a causa de un tratamiento medico de tipo invasivo, y cuyos valores son inexistente, poco intenso moderado y muy fuerte. Es claro que entre estos niveles existe una relacin de orden aun cuando no sean valores numricos. De otra forma, D toma valores enel conjunto {inexistente, poco intenso, moderado, muy fuerte}. Variable cuantitativa: es la que asume valores o cantidades numricas, de modo que podemos realizar operaciones aritmticas estre estos resultados. Dentro de este tipo de variables podemos distinguir dos grupos: discreta y continua. Se dice que una variable aleatoria es discreta cuando el espacio de estado, es decir el espacio de todos los posibles resultados, costituye un conjunto discreto. Ahora bien, un conjunto de los nmeros naturales,N o el conjunto {0,1.n}. para el primercaso tenemos el siguiente ejemplo: el numero de accidentes de transito de la ciudad de Antofagasta durante el ao 2003; para el segundo caso, el numero de caras obtenidas al lanzar n veces la moneda. Se dice que una variable es continua si los posibles resultados o el espacio de estado no se puede numerar

2.- Distribucin de probabilidad de variables aleatorias discretas

Espacio muestral: el conjunto de todos los resultados posibles de un experimento estadstico denotado por S o . Variable: se denomina variable a la entidad que puede tomar solo un valor cualesquiera durante la duracin de un proceso dado. Si la variable toma un solo valor durante el proceso se llama constante. Variable aleatoria: es una funcin que asocia el nmero real a cada elemento del espacio muestral. Es decir son aquellas que pueden diferir de una respuesta a otra. Una variable aleatoria se puede clasificar en: -Variable aleatoria discreta. -Variable aleatoria contina. Variable aleatoria discreta: una variable discreta proporciona datos que son llamados datos cuantitativos discretos y son respuestas numricas que resultan de un proceso de conteo. -La cantidad de alumnos regulares en un grupo escolar. -El numero de guilas en cinco lanzamientos de una moneda. -Numero de circuitos en una computadora. -El numero de vehculos vendidos en un da, en un lote de autos. Variable aleatoria continua: es aquella que se encuentra dentro de un intervalo comprendido entre dos valores cualesquiera; esta se puede asumir infinito nmero de valores y estos se pueden medir. -La estatura de un alumno de un grupo escolar. -El peso en gramos de una moneda. -La edad de un hijo de familia. -La dimensin de un vehculo.

3.-Distribucin hipergeometrica.

En el caso de la distribucin hipergeometrica, a diferencia de la distribucin Binomial, los elementos se extraen simultneamente, o si es uno a uno, sin devolverlos antes de realizar la siguiente extraccin, de forma que un elemento no puede aparecer dos veces en una muestra. A esta manera se le puede obtener la muestra se le llama muestreo sin reemplazo. Por ejemplo: A) Una poblacin de 30 alumnos contiene 20 aprobados y 10 no aprobados. B) Una caja contiene 50 focos, de los cuales 45 funcionan y 5 no funcionan. C) En un grupo de 35 personas hay 25 del partido poltico A y 10 que no lo son. Tomemos una muestra aleatoria de tamao n de la poblacin. Es obvio que en tal muestra pueden haber elementos tanto del tipo a en la muestra es 0 y el mxima es n. definamos la variable aleatoria X como el numero de elementos del tipo a en la muestra de tamao n 4.- Distribucin de Poisson. Definicin: En estadstica, la distribucin de Poisson es una de las distribuciones de probabilidad discreta. Esta distribucin se utiliza para calcular las posibilidades de un evento con la tasa media dada de valor (). Una variable aleatoria de Poisson (x) se refiere al nmero de xitos en un experimento de Poisson. Formula: f (x) = e- x / x! Cuando, es una tasa promedio del valor. x es una variable aleatoria de Poisson. e es la base del logaritmo (e = 2,718). Ejemplo: Consideremos, en una oficina dos clientes llegaron hoy. Calcular las posibilidades de exactamente tres clientes que se lleg en la maana. Paso 1: Buscar e-.donde, = 2 y e = 2.718 e- = (2.718) 2 = 0.135. Paso 2: Buscar x. donde, = 2 y x = 3. x = 2 3 = 8.

Paso 3: Encontrar f (x). f (x) = e- x / x! f (3) = (0.135) (8) / 3! = 0,18. Por lo tanto hay posibilidades de un 18% para tres clientes que se lleg en la maana.

5.-Distribuciones de distribuciones continas. Definicin: En estadstica, la distribucin de Poisson es una de las distribuciones de probabilidad discreta. Esta distribucin se utiliza para calcular las posibilidades de un evento con la tasa media dada de valor (). Una variable aleatoria de Poisson (x) se refiere al nmero de xitos en un experimento de Poisson. Formula: f (x) = e- x / x! Cuando, es una tasa promedio del valor. x es una variable aleatoria de Poisson. e es la base del logaritmo (e = 2,718). Ejemplo: Consideremos, en una oficina dos clientes llegaron hoy. Calcular las posibilidades de exactamente tres clientes que se lleg en la maana. Paso 1: Buscar e-. donde, = 2 y e = 2.718 e- = (2.718) 2 = 0.135. Paso 2: Buscar x. donde, = 2 y x = 3. x = 2 3 = 8. Paso 3: Encontrar f (x). f (x) = e- x / x! f (3) = (0.135) (8) / 3! = 0,18. Por lo tanto hay posibilidades de un 18% para tres clientes que se lleg en la maana.

6.-Distribucion chi- cuadrado La denominada Distribucin Chi Cuadrado (que usualmente se escribe y se lee como: Ji Cuadrado), es una distribucin cuadrtica de la probabilidad que utiliza bsicamente variables aleatorias continuas. La Distribucin Chi Cuadrado de la probabilidad se denota mediante la letra griega minscula ji elevada al cuadrado (2), y consiste en establecer un espacio continuo delimitado por la suma de los cuadrados de n variables aleatorias que son independientes entre s, espacio dentro del cual la variable X puede asumir cualquiera de los infinitos valores que lo conforman, y por tanto para establecer el valor aproximado de una variable X dentro de ese espacio se

procede a incluir una estimacin de sus posibles lmites que estn dados por los distintos Grados de Libertad que pueden existir entre las variables aleatorias analizadas que dan origen al referido espacio. En otras palabras, la Distribucin Chi Cuadrado en un delimitado espacio conjuga un determinado nmero de variables aleatorias independientes entre s, con unos valores de probabilidad ubicados entre 1 y 0 que son atribuibles a esas variables, y con unos lmites de la probabilidad para el verdadero valor de X delimitados por los Grados de Libertad atribuibles a las variables aleatorias analizadas. 7.-Distribucion f. Es una distribucin de probabilidad de gran aplicacin en la inferencia estadstica , fundamentalmente en la contrastacin de la igualdad de varianzas de dos poblaciones normales, y , fundamentalmente en el anlisis de la varianza , tcnica que permite detectar la existencia o inexistencia de diferencias significativas entre muestras diferentes y que es, por tanto esencial , en todos aquellos casos en los que se quiere investigar la relevancia de un factor en el desarrollo y naturaleza de una caracterstica. La distribucin se plantea partiendo de dos variables X e Y tales que : es decir una chi2 con m grados de libertad es decir una chi2 con n grados de libertad ;

de manera que si establecemos el cociente , es decir el cociente entre ambas chi2 divididas a su vez, por sus correspondientes grados de libertad tendremos que la funcin F corresponde a una distribucin F de Snedecor con m y n grados de libertad ; es decir una Queda claro por tanto que la distribucin F de Snedecor tiene dos parmetros , que son m y n ; grados de libertad del numerador , grados de libertad del denominador. Dado que se trata de un cociente entre dos chi2 su forma (grfica de la funcin de densidad)ser parecida a la de sta distribucin , por lo que estar slo definida para el campo positivo de la variable y su apariencia variar segn los grados de libertad ; estando ms prxima la densidad de probabilidad a los valores prximos a cero de la variable , cuando los grados de libertad ( sus parmetros) sean bajos.

PROBABILIDAD Y ESTADISTICA

ALUMNO: MIGUEL ANGEL REYES VARGAS

No. CONTROL: 13480128

CARRERA: INGENIERIA ELECTROMECANICA