Documente Academic
Documente Profesional
Documente Cultură
ndice
2
Introduccin
3
1. Qu es exactamente al azar?
4
discreta. Considere, por ejemplo, el siguiente experimento: un contador presenta el
examen para certificarse como contador pblico. El examen tiene cuatro partes.
Defina una variable aleatoria x como x nmero de partes del examen aprobadas.
sta es una variable aleatoria discreta porque puede tomar el nmero finito de
valores 0, 1, 2, 3 o 4.
5
5. Valor esperado de una VAD (esperanza matemtica)
Las dos notaciones E(x) y se usan para denotar el valor esperado de una variable
aleatoria x. La ecuacin (5.4) indica que para calcular el valor esperado
de una variable aleatoria discreta se multiplica cada valor de la variable aleatoria por su
probabilidad correspondiente f(x) y despus se suman estos productos. Usando el ejemplo
de la seccin 5.2 sobre las ventas de automviles en DiCarlo Motors, en la tabla 5.5 se
muestra cmo se calcula el valor esperado del nmero de automviles vendidos en un da.
La suma de las entradas en la columna xf(x) indica que el valor esperado es 1.50
automviles por da. Por tanto, aunque se sabe que en un da las ventas pueden ser de 0,
1, 2, 3, 4 o 5 automviles, DiCarlo prev que a la larga se vendern 1.50 automviles por
da. Si en un mes hay 30 das de operacin, el valor esperado, 1.50, se emplea para
pronosticar que las ventas promedio mensuales sern de 30(1.5) 45 automviles.
6
de rboles de decisin. el anlisis del valor monetario esperado lo que tambin puede
hacer referencia a anagrama, puede realizarse en cualquier ciclo de vida del proyecto.
Desviacin estndar
Definicin
1. Es una medida de dispersin de la misma dimensin fsica de la variable y
que representa por medio de la letra .
2. Raz cuadrada positiva de la varianza; una medida de la dispersin, expresada
en las mismas unidades que los datos originales y no en las unidades cuadradas
de la varianza.
8. La distribucin Binomial
La distribucin de probabilidad binomial es una distribucin de probabilidad que tiene
muchas aplicaciones. Est relacionada con un experimento de pasos mltiples al que se
le llama experimento binomial.
7
Uso de las tablas de probabilidades binomiales Existen tablas que dan la
probabilidad de x xitos en n ensayos de un experimento binomial. Estas tablas son
fciles de usar y los resultados se obtienen ms rpidamente que con la ecuacin
(5.8). La tabla 5 del apndice B es una de estas tablas de probabilidades binomiales.
Una parte de esta tabla se presenta en la tabla 5.8. Para usarla es necesario
especificar los valores de n, p y x en el experimento binomial de que se trate. En el
ejemplo que se presenta en la parte superior de la tabla 5.8 se ve que la probabilidad
de x 3 xitos en un experimento binomial con n 10 y p 0.40 es 0.2150. Use la
ecuacin (5.8) para verificar que este mismo resultado se obtiene si usa la funcin
de probabilidad binomial directamente. Ahora se usar la tabla 5.8 para corroborar la
probabilidad de 4 xitos en 10 ensayos en el problema de la tienda de ropa Martin
Clothing Store. Observe que el valor de f(4) 0.2001 se lee directamente de la tabla
de probabilidades binomiales, eligiendo n 10, x 4 y p 0.30. Aun cuando las tablas de
probabilidades binomiales son relativamente fciles de utilizar, es imposible contar
con tablas que tengan todos los valores de n y p de un experimento binomial. Sin
embargo, con las calculadoras de hoy en da, usar la ecuacin (5.8) para calcular la
probabilidad deseada no es difcil, en especial si el nmero de ensayos no es
grande. En los ejercicios tendr la oportunidad de usar la ecuacin (5.8) para
calcular probabilidades binomiales, a menos que el problema pida que use la tabla
de probabilidad binomial
8
Valor esperado y varianza en la distribucin binomial
En la seccin 5.3 se dieron las frmulas para calcular el valor esperado y la varianza de
una variable aleatoria discreta. En el caso especial de que la variable aleatoria tenga una
distribucin binomial para la que se conoce el nmero de ensayos n y la probabilidad de
xito p, las frmulas generales para
9. Distribucin Hipergeomtrica
La distribucin de probabilidad hipergeomtrica est estrechamente relacionada con
la distribucin binomial. Pero difieren en dos puntos: en la distribucin
hipergeomtrica los ensayos no son independientes y la probabilidad de xito vara
de ensayo a ensayo. En la notacin usual en la distribucin hipergeomtrica, r
denota el nmero de elementos considerados como xitos que hay en una poblacin
de tamao N, y N r denota el nmero de elementos considerados como fracasos
que hay en dicha poblacin. La funcin de probabilidad hipergeomtrica se usa para
calcular la probabilidad de que en una muestra aleatoria de n elementos,
seleccionados sin reemplazo, se tengan x xitos y n x fracasos. Para que se
presente este resultado, debe tener x xitos de los r xitos que hay en la poblacin y
n x fracasos de los N r fracasos. La siguiente funcin de probabilidad
hipergeomtrica proporciona f(x), la probabilidad de tener x xitos en una muestra
de tamao n.
9
o
10
10. La distribucin de poisson
En esta seccin estudiar una variable aleatoria discreta que se suele usar para
estimar el nmero de veces que sucede un hecho determinado (ocurrencias) en
un intervalo de tiempo o de espacio. Por ejemplo, la variable de inters va desde
el nmero de automviles que llegan (llegadas) a un lavado de coches en una
hora o el nmero de reparaciones necesarias en 10 millas de una autopista hasta
el nmero de fugas en 100 millas de tubera. Si se satisfacen las condiciones
siguientes, el nmero de ocurrencias es una variable aleatoria discreta, descrita
por la distribucin de probabilidad de Poisson.
11
12
11. Variables aleatorias continuas
A una variable que puede tomar cualquier valor numrico dentro de un
intervalo o coleccin de intervalos se le llama variable aleatoria continua.
Los resultados experimentales basados en escalas de medicin tales como
tiempo, peso, distancia y temperatura pueden ser descritos por variables
aleatorias continuas. Considere, por ejemplo, el experimento de observar
las llamadas telefnicas que llegan a la oficina de atencin de una
importante empresa de seguros. La variable aleatoria que interesa es x
tiempo en minutos entre dos llamadas consecutivas. Esta variable aleatoria
puede tomar cualquier valor en el intervalo x 0. En efecto, x puede tomar
un nmero infinito de valores, entre los que se encuentran valores como
1.26 minutos, 2.751 minutos, 4.3333 minutos, etc. Otro ejemplo, considere
el tramo de 90 millas de una carretera entre Atlanta y Georgia. Para el
servicio de ambulancia de emergencia en Atlanta, la variable aleatoria x es
x nmero de millas hasta el punto en que se localiza el siguiente accidente
de trfico en este tramo de la carretera. En este caso, x es una variable
aleatoria continua que toma cualquier valor en el intervalo 0
x
90. En la tabla 5.2 aparecen otros ejemplos de variables aleatorias
continuas. Observe que cada ejemplo describe una variable aleatoria que
toma cualquier valor dentro de un intervalo de valores.
13
En el centro de la curva se encuentran la media, la mediana y la moda.
El rea total bajo la curva representa el 100% de los casos.
Los elementos centrales del modelo son la media y la varianza.
Su grfica es:
14
Grfica de la Distribucin Normal Estndar
Tipificacin de la variable
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribucin N(, ) en otra variable Z que siga una distribucin N(0, 1).
15
Supongamos un conjunto de personas con edad promedio 25 aos y
desviacin estndar 3,86. Nuestro valor de inters (x) es 30 aos. El valor
de Z correspondiente ser:
Este valor de Z nos dice que la edad de 30 aos est a 1,29 desviaciones
estndar sobre el promedio. Ahora bien, la tabla de la distribucin normal,
entrega valores de probabilidad para los distintos valores de Z.
16
Entonces, si Y es una variable aleatoria Normal con la misma media y varianza:
17
En el applet queremos representar intuitivamente cmo en algunos casos la
aproximacin no es aceptable y en otros es buena. Cuando el error absoluto de la
aproximacin normal es menor que 0.005 dibujamos un rectngulo azul. Si la
aproximacin est entre 0.005 y 0.05 dibujamos un rectngulo amarillo y si la
aproximacin es menos precisa el rectngulo es rojo.
18
En este caso la aproximacin no es tan precisa:
La media est representada por un tringulo azul y puede verse como el punto de
equilibrio. Arrastrndolo con el ratn modificamos el parmetro p.
19
Si n es "bastante grande" y p est "prximo a" 0.5, la distribucin ser bastante
simtrica y parecida a la Normal. En estos casos, la Distribucin Normal puede
darnos excelentes aproximaciones. Sin embargo, la aproximacin no ser precisa
para valores pequeos de n. Hay varias reglas o criterios que intentan precisar
cuando es adecuado el uso de la aproximacin Normal (aunque esto depende del
problema estudiado y de la conveniencia de una mayor o menor precisin). Por
ejemplo, una regla dice que podemos usar la aproximacin Normal slo si
Aqu podemos ver un ejemplo tpico que representa el uso de las tablas de la
Distribucin Normal para calcular probabilidades en una Distribucin Binomial
(usando la correccin de continuidad).
20
Bibliografa
http://cidecame.uaeh.edu.mx/lcc/mapa/PROYECTO/libro19/5
1normal_y_normal_estndar.html
http://paginas.facmed.unam.mx/deptos/sp/wp-
content/uploads/2013/12/Quevedo-F.-Distribucion-normal.-
Medwave-2011-May-1105.pdf
http://www.matematicasvisuales.com/html/probabilidad/vara
leat/binomialnormal.html
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_hipergeom
%C3%A9trica
http://www.economia.unam.mx/profesores/blopez/estadistic
a-discretas.pdf
file:///C:/Users/16470/OneDrive/Documentos/Estadistica%20
para%20admin.%20y%20economia%20-
%20Anderson%2010%20th.pdf
21