Documente Academic
Documente Profesional
Documente Cultură
RICARDO PALMA
Estadística y Probabilidades
2019
INTRODUCCIÓN
1. Variables Aleatorias…………………………………………………4
1.1. Variables Aleatorias Discretas……………………….…….5
1.2. Variables Aleatorias Continuas ……………………….…...13
2. Ejercicios de Aplicación……………………………………………..19
3. Conclusión………………………………………………..…….……21
4. Bibliografía ………………………………………………….………22
VARIABLE ALEATORIA
Definición:
Una función que asocia un número real, perfectamente definido, a cada punto
muestral. A veces las variables aleatorias (v.a.) están ya implícitas en los
puntos muestrales.
Ejemplo 1: Experiencia consistente en medir la presión sistólica de
100 individuos. Un punto muestral (resultado de un experimento) es ya un
número (presión sistólica). La v.a. está implícita.
Ejemplo 2: En el ejemplo de la mujer portadora de hemofilia.
W = {sss, ssn, sns, snn, nss, nsn, nns, nnn}
Se podría definir una variable que asignara a cada punto muestral el número
de orden en el espacio muestral.
X: sss 1; ssn 2; sns 3;...
Pero otra posible v.a.: a cada punto muestral el número de s. X: sss
3; ssn 2; ...
Tipos de variables aleatorias:
Los conjuntos pueden ser:
discretos: número finito o infinito numerable de elementos.
continuos: número infinito no numerable de elementos.
Las v.a. definidas sobre espacios muestrales discretos se llaman v.a. discretas
y las definidas sobre espacios muestrales continuos se llaman continuas.
Una v.a. puede ser continua, aunque nosotros sólo podamos acceder a un
subconjunto finito de valores. P.e. la presión arterial es una v.a. continua pero
sólo podemos acceder a un conjunto finito de valores por la limitación de los
aparatos de medida.
En general, las medidas dan lugar a v.a. continuas y los conteos a v.a.
discretas.
PRINCIPALES VARIABLES ALEATORIAS
DISCRETAS
Diremos que una variable aleatoria es discreta si su recorrido es finito o
infinito numerable.
Generalmente, este tipo de variables van asociadas a experimentos en los
cuales se cuenta el número de veces que se ha presentado un suceso o donde
el resultado es una puntuación concreta.
Los puntos del recorrido se corresponden con saltos en la gráfica de la
función de distribución, que correspondería al segundo tipo de gráfica visto
anteriormente.
Distribución uniforme
La distribución uniforme es la que corresponde a una variable que toma todos
sus valores, x1, x2... , xk, con igual probabilidad; el espacio muestral debe ser
finito.
Si la variable tiene k posibles valores, su función de probabilidad sería:
Distribución hipergeométrica
Una variable tiene distribución hipergeométrica si procede de un
experimento que cumple las siguientes condiciones:
Se toma una muestra de tamaño n, sin reemplazamiento, de un
conjunto finito de N objetos.
K de los N objetos se pueden clasificar como ‚éxitos y N - K
como fracasos.
X cuenta el número de ‚éxitos obtenidos en la muestra. El espacio muestral
es el conjunto de los números enteros de 0 a n, ó de 0 a K si K < n.
En este caso, la probabilidad del ‚éxito en pruebas sucesivas no es constante
pues depende del resultado de las pruebas anteriores. Por tanto, las pruebas
no son independientes entre sí.
La función de probabilidad de la variable hipergeométrica es:
Distribución multihipergeométrica:
Este variable se define igual que la hipergeométrica con la única diferencia
de que se supone que el conjunto de objetos sobre el que se muestrea se
divide en R grupos de A1, A2,..., AR objetos y la variable describe el número
de objetos de cada tipo que se han obtenido (x1, x2,..., xR)
Su parámetro es β.
La media y la varianza de la distribución exponencial son:
Distribución T de Student
Supongamos dos variables aleatorias independientes, una normal tipificada,
Z , y otra con distribución c2 con n grados de libertad, la variable definida
según la ecuación:
F es derivable en R − {0, 1} y
Una variable aleatoria puede concebirse como un valor numérico que está
afectado por el azar. Dada una variable aleatoria no es posible conocer con
certeza el valor que tomará esta al ser medida o determinada, aunque sí se
conoce que existe una distribución de probabilidad asociada al conjunto de
valores posibles. Por ejemplo, en una epidemia de cólera, se sabe que una
persona cualquiera puede enfermar o no (suceso), pero no se sabe cuál de los
dos sucesos va a ocurrir. Solamente se puede decir que existe una
probabilidad de que la persona enferme.
herzog.economia.unam.mx/profesores/blopez/estadistica-continua.pdf
www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo2/B0C2
m1t5.htm
webpersonal.uma.es/~ipcabrera/resumen_aleatorias.pdf
https://www.ugr.es/~eues/webgrupo/Docencia/MonteroAlonso/estadisticaII
/tema3.pdf
1.