Parte 1.

Literal a.

1. Descripción teórica de la distribución de probabilidades.

Definición:

La distribución de probabilidades se puede definir como todos los resultados posibles de un

experimento, evento o situación dada donde se detalla la probabilidad para cada uno de los
resultados que se puedan obtener.

Las probabilidades se basan en todas las variables aleatorias posibles y medibles dentro del
espacio muestral que rodea el experimento a analizar.

En referencia a todo lo anterior se puede resumir en que la distribución de probabilidades es

una herramienta para la prospectiva, es decir, diseñar escenarios de acontecimientos futuros
considerando las tendencias y efectos de diversos fenómenos de un evento para determinar la
posibilidad de sus resultados.

Mocionando algunas de las características importantes de una distribución de probabilidad se

describen las siguientes:

a. La probabilidad de un resultado especifico se puede tomar entre un cero y uno.

b. La suma de las probabilidades de todos los resultados mutuamente excluyentes es 1.

Fórmulas de cálculo (individual y recurrente).

Las fórmulas para calcular las probabilidades un evento individual se puede expresar de la
siguiente forma:

𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒𝑙 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑢𝑛 𝑒𝑣𝑒𝑛𝑡𝑜 𝑜𝑐𝑢𝑟𝑟𝑎 =
𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒𝑙 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙.
𝐶𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
= = 𝑃(𝐴)
𝐶𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

Si se considera un fenómeno con k resultados posibles, que sean mutuamente exluyentes y se

puede calcular la probabilidad de cada uno de ellos entonces la probabilidad de un suceso se
puede dar :

𝑃(𝐴) = 𝑃(𝐴 𝑦 𝐵1 ) + 𝑃(𝐴 𝑦 𝐵2 ) + ⋯ + 𝑃(𝐴 𝑦 𝐵𝑘 )

2. Formas de cálculo de la media, la desviación estándar y la varianza.

La Media.

La media, también llamada promedio o media aritmética, es el resultado de un conjunto de

datos, observaciones o eventos y se obtiene una medida de posición central.

Usualmente se toma de la suma de todos los datos entre el total de estos.

𝑋1 + 𝑋2 + … + 𝑋𝑁 ∑𝑁
𝑖=1 𝑋𝑖
𝑀𝑒𝑑𝑖𝑎 (𝑋) = 𝑥̅ = =
𝑁 𝑁

La desviación estándar.

La desviación estándar o típica, es una medida de dispersión asociada a la media; esta mide
el promedio de las desviaciones de los datos respecto a la media en las mismas unidades de
estos.

(𝑋1 − 𝑥̅ )2 + (𝑋2 − 𝑥̅ )2 + ⋯ + (𝑋𝑁 − 𝑥̅ )2 ∑𝑁 (𝑋𝑖 − 𝑥̅ )2

𝑆𝑥 = √ = √ 𝑖=1
𝑁−1 𝑁−1

La varianza.

La varianza es la que mide la dispersión de los datos en una muestra respecto a la media,
esta se calcula con la media de los cuadrados a de la distancia de todos los datos.

(𝑋1 − 𝑥̅ )2 + (𝑋2 − 𝑥̅ )2 + ⋯ + (𝑋𝑁 − 𝑥̅ )2 ∑𝑁

𝑖=1(𝑋𝑖 − 𝑥̅ )
2
𝑆𝑋2 = =
𝑁−1 𝑁−1

3. Un histograma de la distribución teórica.

Definición:

Es una representación grafica de una variable en forma de barras, donde cada una de las
superficies es proporcional a la frecuencia de los valores representados, esta se utiliza
generalmente para obtener un panorama de la distribución de una población o muestra,
respecto a alguna de las características que posea, sea esta cuantitativa y continua.
 Para obtener un histograma es necesario dividir las variables en grupos, esto para que cada
columna maneje un rango de datos, posteriormente se calcula la frecuencia del intervalo, se
divide entre la longitud del intervalo que esta dado en cada grupo de variables y se multiplica al
final por la longitud mínima de los grupos.
𝐹𝐼
𝐴𝑏 = ∗ 𝐿𝑚𝑖𝑛
𝐿𝐼
Literal b.

Programa para cada caso de distribución.

1. Media aritmética.
1. // Media aritmética
2. // En Scilab para obtener la media de un grupo de variables se puede realizar de las siguientes 2 formas:
3. // La primera es realizando un script que incluya las variables a ejecutar y realizando las operaciones:
4. // Por ejemplo:
5. x=[5,10,15]
6. media=sum(x)/length(x)
7.
8. // La segunda forma es usando la función de Scilab mean()
9.
10. mean(x)
11.
12. // Para realizar un cálculo en base a solicitud de datos seria:
13.
14. n=input("Calcular media aritmética. Ingrese el número de datos:");
15. total=0;
16. for datos=1:n
17. y=input("Digite un dato: ");
18. total=total+y;
19. end
20. med=total/n;
21. printf('La media es: %f\n', med);
2. Desviacion estándar.
1. // Desviacion estandar
2. // En Scilab para obtener la desviacion estandar de un grupo de variables se puede realizar de las siguientes 2
formas:
3. // La primera es realizando un script que incluya las variables a ejecutar y realizando las operaciones:
4. // Por ejemplo:
5. x=[5,10,15]
6. media=sum(x)/length(x)
7. a=x(1)-media
8. b=x(2)-media
9. c=x(3)-media
10. d=sqrt((a^2 +b^2 +c^2)/(length(x)-1))
11.
12. // La segunda forma es usando la función de Scilab nanstdev()
13.
14. nanstdev(x)
15.
16. // Para realizar un calculo en base a solicitud de datos seria:
17.
18. n=input("Calcular desviacion estandard. Ingrese el numero de datos:");
19. tot=0;
20. tota=0;
21. tot2=0;
22. for datos=1:n
23. y=input("Digite un dato: ");
24. z(datos)=y
25. tot=tot+y;
26. end
27. med=tot/n;
28. tota=(z(1:n)-med)^2;
29. tot2=sum(tota)
30. s=sqrt(tot2/(n-1))
31. printf('La desviacion estandard es: %f\n', s);

3. Varianza.
1. // Varianza
2. // En Scilab para obtener la varianza de un grupo de variables se puede realizar de las siguientes 2 formas:
3. // La primera es realizando un script que incluya las variables a ejecutar y realizando las operaciones:
4. // Por ejemplo:
5. x=[5,10,15]
6. media=sum(x)/length(x)
7. a=x(1)-media
8. b=x(2)-media
9. c=x(3)-media
10. m=(a^2 +b^2 +c^2)/(length(x)-1)
11.
12. // La segunda forma es usando la función de Scilab variance()
13.
14. variance(x)
15.
16. // Para realizar un calculo en base a solicitud de datos seria:
17.
18. n=input("Ingrese el numero de datos:");
19. tot=0;
20. tota=0;
21. tot2=0;
22. for datos=1:n
23. y=input("Digite un dato: ");
24. z(datos)=y
25. tot=tot+y;
26. end
27. med=tot/n;
 28. tota=(z(1:n)-med)^2;
29. tot2=sum(tota)
30. v=tot2/(n-1)
31. printf('La varianza es: %f\n', v);

Problemas:

(a) Escriba un programa Scilab que use el generador congruencia mixto con un valor de Norm que
garantice el mayor ciclo posible según la tabla dada en el material teórico, para generar valores de las
siguientes distribuciones:

(i)Multinomial.

(ii)Binomial Negativa.

(b) Repita el literal (a), pero usando el generado usado por Scilab.