UNIVERSIDAD POLITECNICA SALESIANA

Carrera de ingeniería eléctrica

Nombre: Jorge Beltrán

Materia: Sep IV

Tema: Concepto básicos de probabilidad

Conceptos básicos de probabilidad

Desviación Estándar

La desviación estándar o desviación típica (σ) es una medida de centralización o dispersión para
variables de razón (ratio o cociente) y de intervalo, de gran utilidad en la estadística descriptiva.
Se define como la raíz cuadrada de la varianza. Junto con este valor, la desviación típica es una
medida (cuadrática) que informa de la media de distancias que tienen los datos respecto de su
media aritmética, expresada en las mismas unidades que la variable. Se caracteriza por ser el
estadígrafo de mayor uso en la actualidad. Se obtiene mediante la aplicación de la siguiente
fórmula [1]

ni (Yi − X )²
S =√
N

Covarianza (SXY)

Esta medida conjunta es utilizada para determinar la relación que existe entre variables que han
sido medidas en diferentes unidades. Se llama covarianza de la variable (X, Y) a la media
aritmética de los productos de las desviaciones de cada variable respecto de la media. También
se le denomina varianza conjunta o sincronizada de las variables X e Y. La covarianza es la medida
más simple de la relación lineal entre dos variables. Viene dada [1]

(Yi" − y")(Xi − x" )

Sxy = √
N−1

∑ij(𝑥𝑖− x )∙(𝑦𝑗− y )∙𝑛4

Por: σ xy = ∑i(𝑥𝑖− x ) ∙ ∑j(𝑦𝑗− y ) ∙ 𝑓𝑟 (𝑥𝑖, 𝑦𝑗 ) = 𝑁

∑ij 𝑥𝑖 ∙𝑦𝑗 ∙𝑛𝑖𝑗

Se demuestra que: ( 𝑁
)− x∙y

Varianza.-

La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media. La

varianza se representa por σ. Para simplificar el cálculo de la varianza vamos o utilizar las
siguientes expresiones. [1] [2]

𝑛
𝑥12 + 𝑥22 +. . . +𝑥𝑛2 𝑥𝑖2
σ= − 𝑥 2 σ2 − ∑ − 𝑥 2
𝑁 𝑁
𝑗−1
 UNIVERSIDAD POLITECNICA SALESIANA
Carrera de ingeniería eléctrica

Esperanza

El valor esperado, o esperanza o media o primer momento de una VA X se define como:

∑ xf (x) si X es discreta
𝑥
E (X) = ∫ xdF (x) = {
∫ xf (x) dx si X es continua

Notación E (X) = 𝔼X = ∫ xdF (x) = μ = μ𝑋.

Interpretación. Existencia.

Media

Promedio o valor medio de las puntuaciones de una muestra en una variable.

Cálculo.
∑𝑋 𝑥1 +𝑥2+...+𝑥𝑛
 Datos sin agrupar: 𝑥 = 𝑛
= 𝑛

∑ 𝑓𝑋𝑚 𝑓1 𝑋𝑚1 +𝑓2 𝑋𝑚2+...+𝑓𝑛 𝑋𝑚𝑛

 Datos agrupados: 𝑥 = =
𝑛 𝑓1 +𝑓2 +..𝑓𝑛

Moda

Es la medida de tendencia central es el valor de la variable que tiene mayor frecuencia absoluta,
la que más se repite es la única medida de centralización que tiene sentido estudiar en una
variable cualitativa, pues no precisa la realización de ningún cálculo. Por su propia definición, la
moda no es única, pues puede haber dos o más valores de la variable que tenga la misma
frecuencia siendo esta máxima. Entonces tendremos una distribución bimodalo polimodal según
el caso. [1] [2]

Considerando distribuciones unimodales, el cálculo de la moda 𝑀𝑜 para datos agrupados en

intervalos se obtiene mediante la fórmula:
𝑛𝑖 − 𝑛𝑖−1
𝑀𝑜 = 𝐿𝑙 + ∗ 𝐶𝑖
(𝑛𝑖 − 𝑛𝑖−1 ) + (𝑛𝑖 − 𝑛𝑖+1 )

Donde

Ll: Es el límite inferior de la clase modal

𝑛𝑖 − 𝑛𝑖−1 : Es la diferencia de la frecuencia absoluta de la clase modal menos la frecuencia del

intervalo anterior

𝑛𝑖 − 𝑛𝑖+1 : Es la diferencia de la frecuencia absoluta de la clase modal menos la frecuencia del

intervalo posterior

𝐶𝑖 : Es la amplitud del intervalo

Clase modal es el intervalo que tiene mayor frecuencia o frecuencia relativa

 UNIVERSIDAD POLITECNICA SALESIANA
Carrera de ingeniería eléctrica

Distribución Binomial

Distribución Binomial, B(n, p). Una variable aleatoria X sigue distribución Binomial de
parámetros n ∈ N y p ∈ (0, 1) y se denota X ∼ B(n, p) si describe el número de éxitos en n
realizaciones independientes de un experimento que tiene probabilidad de éxito p (probabilidad
de fracaso 1 − p). Puede tomar cualquier valor en {0, 1,. . ., n}. Si k ∈ {0, 1,. . ., n}, se cumple: [2]
𝑛
𝑃(𝑋 = 𝑘) = ( ) 𝑝𝑘 (1 − 𝑝)𝑛−𝑘 ;
𝑘
𝐸[𝑋] = 𝑛𝑝 ; 𝑣𝑎𝑟[𝑋] = 𝑛𝑝(1 − 𝑝).

Las distribuciones binomiales son reproductivas de parámetro n, es decir, dadas dos variables
aleatorias X ∼ B(n1, p) e Y ∼ B(n2, p) independientes, se cumple X + Y ∼ B(n1 + n2, p). A partir
de este resultado es inmediato que una variable aleatoria X ∼ B(n, p) puede descomponerse en
una suma de n variables aleatorias independientes de Bernoulli de parámetro 𝑝 [1]

Sea X una variable aleatoria binomial de parámetro p, dicha variable tiene la siguiente función:
𝑛
𝑃𝑛(𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
Una variable aleatoria binominal puede ser considerada como la suma de 𝑛 variables aleatorias
Bernoulli. Por lo que,

Φ𝑥 (𝜔) = Φ𝑥1+⋯+X𝑛 (𝜔)= Φ𝑥1 (𝜔) … Φ𝑥𝑛 (𝜔) = [(1 − 𝑝) + 𝑝𝑒 ℐ𝜔 ]𝑛

𝑛 𝑣𝑒𝑐𝑒𝑠(1 − 𝑝) + 𝑝𝑒 ℐ𝜔
Distribución Exponencial.-

Una variable aleatoria X se dice que sigue una distribución exponencial de parámetro λ > 0, X
∼ Exp (λ), si su función de densidad es

𝑓(𝑥) = 𝜆𝑒 −𝜆𝑥 𝑠𝑖 𝑥 > 0 , 𝑓(𝑥) = 0 𝑠𝑖 𝑥 ≤ 0 .

Si X ∼ Exp (λ) entonces:
1 1
μ = E[X] = , σ2 = V [X] = .
λ λ2
Propiedad. Las distribución exponencial no tiene memoria, es decir dada X ∼ Exp(λ) y t1, t2 > 0,

P(X > t1 + t2|X > t1) = P(X > t2).

 UNIVERSIDAD POLITECNICA SALESIANA
Carrera de ingeniería eléctrica
Conclusiones

 Las probabilidades permiten construir una serie de propiedades que exigirán a una
función para poder ser catalogada como función de probabilidad.
 La probabilidad es un método muy usado es un proceso que ayuda a la investigación, y
se usa en la recolección e interpretación de datos, es usada en distintas ciencias,
sociales, médicas, etc. Así como la obtención de resultados contundentes, con respecto
a su importancia y efectividad.

Bibliografía

[1] M. Brever, Introduccion a la probabilidad y estadistica, Mexico, 2014.

[2] A. E. Morales, Estadistica y probabilidad, Chile, 2012.