Unidad 2: Tarea 2 - Experimentos aleatorios y distribuciones de Probabilidad

Presentado por:
Flor Marleny Gómez Patiño
Código: 24652300

Presentado a:
Alexis Trujillo

Grupo: 100402_23

Universidad Nacional Abierta y a Distancia UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería
Programa de Ingeniería de Sistemas
Villavicencio
Octubre de 2019
 CUADRO SINOPTICO DE CONCEPTOS

Es aquella variable que toma diferentes valores

numéricos, mediante un proceso de contar o medir,
como producto de un experimento aleatorio. Esta
VARIABLE
variable es un valor o magnitud que cambia de una
ALEATORIA ocurrencia a otra sin seguir una secuencia predecible, es
decir, en forma aleatoria.

Por ejemplo, considere como experimento un partido de fútbol

entre el equipo “A” y “B”, y la variable aleatoria asociada con
Variables este experimento mostrará los posibles resultados de este juego:
Valores numéricos de probabilidad de ocurrencia. Por ejemplo,
aleatorias suponga que la variable aleatoria referida toma los valores de
ocurrencia siguientes:
EJEMPLO Entonces, la variable aleatoria de este juego de fútbol tiene tres
resultados posibles:
Espacio muestral (juego de fútbol) 5 {gana “A”, gana “B”,
empate}.
La variable aleatoria del juego puede definirse como:
VA (juego de fútbol) 5 {1, 2, 3}.

Las Variables Aleatorias Discretas: Son aquellas que toman un número limitado de
Variables valores, generalmente números enteros que son producto de un conteo.
Aleatorias Una variable aleatoria continua es aquella que toma cualquier valor numérico
Probabilidad Discretas producto de una medición, el cual está referido a un rango o intervalo de valores,
Condicional es decir, es aquella variable, que puede tomar un valor entero, un entero y una
y fracción, o bien, una fracción de una unidad.
Distribuciones
de
Probabilidad Es el conjunto de todos los posibles resultados numéricos de un
experimento a los que podemos asignar un valor de ocurrencia o
probabilidad. Este conjunto de resultados son mutuamente excluyentes y
pueden expresarse mediante una fórmula, una gráfica o por medio de un
Distribución cuadro estadístico (tabla). Propiedades:
de La probabilidad PX (x) de cada valor que presenta la variable X debe
tomar un valor numérico en el intervalo:
probabilidad
es de una
variable La suma de las probabilidades para todos los valores (xi) de X es igual a
aleatoria 1(uno), es decir:
discreta

Como cada valor de X es un suceso mutuamente excluyente, sus

probabilidades son aditivas, es decir:

Con el mismo procedimiento, se calcula la distribución de probabilidad

de los valores numéricos que toma la variable aleatoria discreta.
Valor esperado de una variable aleatoria discreta es una media
ponderada de todos los resultados posibles que presenta esta variable.
 La herramienta requerida, en este caso, recibe el nombre de media
o valor esperado de una distribución de probabilidad discreta.
Es una media ponderada de todos los resultados posibles que
presenta esta variable aleatoria. En esta media ponderada, los
ponderadores o pesos son las probabilidades que están
relacionadas, como ya se dijo, con cada uno de los valores
numéricos de la variable. Matemáticamente, este valor esperado se
Valor puede expresar como:
esperado
en la toma
de Donde:
decisiones Xi 5 i-ésimo valor numérico de la variable aleatoria discreta X.
P(Xi ) 5 probabilidad de ocurrencia del i-ésimo resultado de la
variable aleatoria discreta X.
De la expresión matemática, se observa que para obtener el valor
esperado de una VA discreta X se debe multiplicar cada valor que la
variable toma por la probabilidad de ocurrencia de ese valor y
luego se suman los productos.

La dispersión en el comportamiento de una variable aleatoria discreta

puede medirse, también, mediante dos estadísticos de dispersión ya
Probabilidad
conocidos: la varianza y la desviación estándar.
Condicional
La varianza (2) de una variable aleatoria discreta puede definirse
y como la media ponderada de los cuadrados de la diferencia entre cada
Distribuciones valor numérico que toma la variable aleatoria (Xi) y su valor esperado
de [E(X)].
Probabilidad Matemáticamente, la varianza de una variable aleatoria discreta puede
Varianza y
expresarse como:
desviación
estándar de
una Donde:
variable Xi 5 i-ésimo valor numérico de la variable aleatoria discreta X.
aleatoria E(X) 5 media o valor esperado de la variable aleatoria discreta X.
P(Xi ) 5 probabilidad de ocurrencia del i-ésimo resultado de la variable
discreta
aleatoria discreta X.
Matemáticamente, la desviación estándar () de una variable aleatoria
discreta se define como:

donde:
Xi 5 i-ésimo valor numérico de la variable aleatoria discreta X.
E(X) 5 media o valor esperado de la variable aleatoria discreta X.
P(Xi ) 5 probabilidad de ocurrencia del i-ésimo resultado de la variable
aleatoria discreta X.
 Es una distribución de probabilidad de una gran cantidad de
variables aleatorias discretas cuyos resultados experimentales son
generados mediante un proceso conocido como de Bernoulli. Su
nombre se establece en honor del matemático suizo Jacob
Distribución Bernoulli (1654–1705).
de Esta distribución de probabilidad se ocupa de experimentos en
Probabilidad donde su resultado sólo puede tomar un solo valor de dos posibles,
Binomial por lo que estos resultados son mutuamente excluyentes. Por
ejemplo, considere usted la siguiente pregunta en una entrevista:
¿Trabajó, usted la semana pasada? Sus posibles respuestas son: sí,
o bien, no. Dos posibles resultados, es una binomial y, por tanto, un
entrevistado sólo puede responder a una de ellas; es decir, las
respuestas se excluyen mutuamente.

1. Cada experimento tiene solamente dos resultados posibles (éxito o

fracaso).
Un proceso 2. Los resultados de cada experimento pueden obtenerse mediante dos
de Bernoulli métodos de muestreo.
presenta las 3. La probabilidad de que un resultado se clasifique como éxito, recibe
propiedades el nombre de p. Este valor de probabilidad es el mismo entre una
siguientes observación y otra (población finita con reemplazo). Por tanto, 12 p,
llamada la probabilidad de fracaso (q), también es constante en todas las
observaciones.
4. Un resultado particular, ya sea éxito o fracaso, de cualquier
Probabilidad experimento es independiente del resultado que se dé en cualquier otro
Condicional experimento.
y
Distribuciones
Si se conoce la probabilidad de que en un experimento determinado se
de
Cálculo de producirá un éxito, entonces es posible determinar cuántos éxitos habrá
Probabilidad en un número determinado de experimentos. Puede definirse mediante
probabilida
los siguientes símbolos:
des en una
p 5 la probabilidad de tener un éxito.
distribución q 5 (12p) 5 la probabilidad de tener un fracaso.
Binomial r 5 el número de éxitos deseados al realizar un proceso de Bernoulli.
n 5 el número total de ensayos o intentos utilizados (este número es fijo
durante el experimento). Y calcularse con la relación:

Recordemos que el símbolo n!, significa n factorial. Por ejemplo, 3! 5

3 3 2 3 1 5 6, y que 0! 5 1.

Media y Este cálculo se simplifica considerablemente dado que sólo tenemos dos
desviación posibles resultados:
estándar de La media de una distribución Binomial se calcula mediante (4.2):
una
distribución
binomial Donde:
n = número total de ensayos o intentos utilizados en el experimento.
p = la probabilidad de tener un éxito.
q = la probabilidad de tener un fracaso.
 Surge al seleccionar una muestra sin reemplazo de una
población finita conocida y que representa una proporción
relativamente grande de la población, puede establecerse que
una distribución de probabilidad se puede manejar como una
distribución de probabilidad hipergeométrica si:
Se selecciona una muestra de una población finita sin
reposición
Distribución El tamaño de la muestra “n” es mayor que 5% del tamaño de
de la población (N).
probabilidad La relación matemática que permite calcular una distribución
Hipergeométrica de probabilidad hipergeométrica es:

C 5 símbolo de las combinaciones.

N 5 tamaño de la población.
n 5 tamaño de la muestra.
Y 5 números de éxitos en la población.
x 5 número de éxitos en la muestra.
N 2 y 5 número de fracasos en la población.
n 2 x 5 número de fracasos en la muestra.

La media en la distribución de probabilidad hipergeométrica se

define como:

Media y
la cual tiende al valor de la media
varianza de la
distribución de
en una distribución binomial (μ 5 np) si el tamaño de la población
probabilidad (N) es muy grande con respecto al tamaño de la muestra (n).
Probabilidad hipergeométric La varianza, por otro lado, está definida con la relación:
Condicional a
y
Distribuciones
de Aplica para variables aleatorias discretas, ya que mide la frecuencia
Probabilidad relativa de un evento en función a una unidad de tiempo, a una de
espacio, o bien, a una de volumen. Esta distribución fue ideada por el
matemático y físico francés Siméon Denise Poisson (1781–1840)
quien la publicó en 1837. A esta distribución también se le conoce
Distribución como la ley de eventos improbables, ya que a medida que sucedan más
de eventos por tiempo, espacio o volumen, es menor su probabilidad de
probabilidad ocurrencia. Permite describir el comportamiento de la probabilidad en
de Poisson problemas como:
Número de llegadas de clientes por hora a un banco, un restaurante
Es el resultado de las siguientes hipótesis:
Los eventos suceden uno a la vez, es decir, la probabilidad de que
ocurran dos o más eventos.
Probabilidad de ocurrencia del evento de interés es constante para dos
intervalos distintos de tiempo, espacio o volumen. El número de
eventos por tiempo, espacio o volumen permanece constante.

Media y varianza La varianza para esta distribución de probabilidad también es

de una igual que lambda ().
distribución de
Y la desviación estándar para esta distribución de probabilidad
probabilidad de
es igual que:
Poisson
 Referencias Bibliográficas

Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 150-152.

Recuperado el 11 de Octubre de 2049, disponible en la página web:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID=11013767&
tm=1470693471527

García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. Primer curso. Pp.

195-221. Recuperado el 11 de Octubre de 2049, disponible en la página web:
https://bibliotecavirtual.unad.edu.co:2538