Distribución de Frecuencia

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 32

Índice

Introducción……………………………………………….…………………….…….……2
Distribución de Frecuencia…………………...……….………..………..………….………3
Medidas de tendencia central…………………………………………….…………...……..8
Media Ponderada…………………………………………...………………………………10
Medida de una distribución de frecuencia………...…………………………...…………..11
Medidas de variación o dispersión…………………………………………………………12
Desviación Estándar de una población
Desviación Estándar a partir de una distribución de frecuencia…………………...………13
Espacio Muestral
Eventos………………………………………………………...…………………………...16
Complemento de un evento
Operaciones con eventos…………………………………………………………………..17
Regla de la multiplicación
Combinación………………………………………………………………………………18
Permutación
Probabilidad de un evento…………………………………………………………………19
Regla de adición
Regla para complementos…………………………………………………………….……20
Probabilidad Condicional……………………………………………….………………….21
Reglas multiplicativas……………………………………………………………………...22
Eventos Independientes…………………………………………………………………….23
Regla de Bayes……………………………………………………………………………..24
Variables Aleatorias
Distribuciones Discretas de Probabilidad………………………………………………….25
Distribuciones Continuas de Probabilidad
Esperanza Matemática……………………………………………………………………..26
Media de una función de una variable aleatoria
Distribución Discreta Uniforme……………………………………………………………27
Distribución Binomial
Distribución Multinomiales………………………………………………………………..28
Distribución Hipergeometrica……………………………………………………………...29
Conclusión………………………………………………………………………………….30
Recomendaciones…………………………………………………………………………..31
Egrafía……………………………………………………………………………………...32
Introducción

Del siguiente trabajo de investigación se recopilaron datos, muestras y todas las


condiciones adecuadas para poder demostrar los siguientes temas como:
Probabilidad, Distribución de frecuencia, Permutaciones y tantos temas extensos
que observaremos en este trabajo.

Se tomaron casos reales para dar ejemplos de ellos en están investigación, de tal
manera mostramos como se deben desarrollar cada uno de ellos ya que para cada
tema se toma un respectivo paso a seguir, de tal manera llevar un orden y así
obtener el resultado que se espera.

De todo lo aprendido en clases se resume en este pequeño trabajo de investigación


en el cual mostramos cada tema con su respectivo desarrollo para así dejar
evidencia de lo aprendido, con tablas, gráficas y desarrollo de fórmulas las cuales
facilitaron el proceso de solución.

La rama de la estadística es muy amplia, lo que se está mostrando aquí es solo una
pequeña parte de ello, lo cual enriquece nuestro conocimiento y poder desarrollar
nuestra parte cerebral con cada uno de los problemas lógicos, si observamos en
retrospectiva son tan cotidianos como decir uno más uno.

2
Distribución de Frecuencia

Son tablas en que se dispone las modalidades de la variable por filas. En las columnas se
dispone el número de ocurrencias por cada valor, porcentaje, etc. La finalidad de las
agrupaciones en frecuencias es facilitar la obtención de la información que contienen los
datos.
Trabajando con conjuntos de grandes datos, es útil para organizarlos por tablas, por ejemplo:

X: 1, 1, 2, 2, 3, 3, 4, 4, 5,5
x f
1 2
2 2
3 2
4 2
5 2

Clase o Intervalo: Rango utilizado para dividir el conjunto de posibles valores numéricos al
trabajar con grandes cantidades de datos.
Por ejemplo, si los valores están entre 0 y 50, se podrían definir grupos por medio de los
intervalos.

3
Marca de clase: Se conoce también como punto medio. Es el valor que se encuentra en el
centro de una clase y representa a todos los valores que estén en una determinada categoría.
Se calcula la marca de clase (Xi), que es el valor medio o promedio de cada intervalo, el cual
sirve para facilitar el cálculo de algunas medidas.

Frecuencia Relativa (fr): Se obtiene dividiendo la frecuencia absoluta entre el número total
de datos. Los datos estadísticos y la frecuencia relativa se organizan en una tabla de
frecuencias. Se calcula de la siguiente manera:
La suma de las frecuencias / uno a uno

Frecuencia acumulada (fa): Es la suma de las frecuencias absolutas de todos los valores
inferiores o iguales al valor considerado.

4
Histograma: Es un tipo especial de graficas de barra que despliega la variable dentro de un
proceso dando distribución a los patrones inusuales.

Serie 1 Serie 2 Serie 3 serie 4

26
18

16
6

CATEGORÍA 1

Ojiva: La ojiva apropiada para información que presente frecuencias mayores que el dato
que se está comparando tendrá una pendiente negativa (hacia abajo y a la derecha) y en
cambio la que se asigna a valores menores, tendrá una pendiente positiva. Existen las ojivas
"mayor que" y las ojivas "menor que"

10
8
6
4
2
0
1% 2% 3% 4%
Serie 1

5
Ejemplo:
Las notas de 35 alumnos en el examen final de estadística, calificado del 0 al 10, son las
siguientes:
Con los datos obtenidos, elaborar una tabla de frecuencias con 5 intervalos o clases.

0 0 0 0 1 1 1 1 2 2 2 3 3 3 3 4 4 10
4 4 5 5 5 5 6 6 6 7 7 7 8 8 8 9 10

Solución:
 Hallamos el rango: R = Xmax– Xmin = 10 – 0 = 10.
 El número de intervalos (k), me lo da el enunciado del problema: k = 5.
 Calculamos la amplitud de clase: A = R/k = 10/5 = 2.
 Ahora hallamos los límites inferiores y superiores de cada clase, y elaboramos la tabla de
frecuencias.

Intervalo Marca frec fa fr %


clase

0 - 2 1 8 8 0.229 22%
2 - 4 3 7 15 0.200 20%
4 - 6 5 8 23 0.229 22%
6 - 8 6 6 29 0.171 17%
8 - 10 9 6 35 0.171 17%
Total 35 1

6
Histograma:

Frecuencia Acumulada
9
8
7
6
5
4
3
2
1
0
2 4 6 8 10

2 4 6 8 10

25%
Fr (%)

20%

15%

10%

5%

0%
2 4 6 8 10
Fr (%) Columna2 Columna1

Ojiva
40
35
30
25
20
15
10
5
0
0 2 4 6 8 10 12

7
Medidas de tendencia central

Es el valor que se encuentra a la mitad de un conjunto de datos, Cuando se hace referencia


únicamente a la posición de estos parámetros dentro de la distribución, independientemente
de que esté más o menos centrada, se habla de estas medidas como medidas de posición.
Entre las medidas de tendencia central tenemos:

 Media aritmética
 Media ponderada
 Mitad de Rango
 Mediana
 Moda

Media Aritmética: Se calcula sumando todos los datos y luego dividir este resultado
dentro del número.

5.40 + 1.10 + 0.73 + 0.48 + 1.10 + 1 = 9.23 = 1.538


6 6
Mediana: Para calcular la mediana, primero ordene los datos. Luego si los números son
impar la media se localiza exactamente a la mitad. Si el número es par se obtiene sumando
dos números y luego dividiendo.
1, 2, 3, 4, 5, 7
Me = 4

1, 2, 3, 4, 7, 9 3+4 = 3.5
Me = 3.5 2

8
Moda: Valor, más el que se repite.
5,5,5,5,6,6,7,7,9,9,8,8
Mo = 5

Mitad del Rango: Se calcula sumando el valor máximo con el mismo y luego
dividiendo dicha suma entre dos.
Mit dl Rango = (valor Max + valor Min)
2

Ejemplo:

Calcular la media de los siguientes datos: 11, 6, 7, 7, 4.

X = 11 + 6 + 7 + 7 +4 =7
5

Calcular la mediana de los siguientes datos: 11, 6, 7, 7, 4.

X = 4, 6, 7, 7, 11
Me = 7

Calcular la moda de los siguientes datos: 11, 6, 7, 7, 4.

Mo = 7

Calcular el rango de los siguientes datos: 11, 6, 7, 7, 4.

R = 11 + 4 = 7.5
2

9
Media Ponderada

Es una medida de tendencia central que es apropiada cuando en un conjunto de datos, cada
uno de ellos tiene importancia relativo (peso). Se obtiene multiplicando cada uno de los datos
por su ponderación (peso) para luego sumarlos obteniendo así la suma ponderada; después
se divide esta entre la suma de los pesos, obteniendo el resultado.

 W = peso
 ∑ = sumatoria
 X = datos
(𝜔∗𝑥)
Med pond =∑
∑ 𝜔

Ejemplo:

Se puede usar una media ponderada para calcular la nota final de un curso escolar, en donde
se asigna distinta importancia. Los dos primeros exámenes tienen un peso de 30% y 20%, el
último de 50% con calificaciones de respectivas de 6.4, 9.2, y 8.1. Encuentre la media
ponderada.

X = {6.4, 9.2, 8.1}


W = {0.30, 0.20, 0.50}

ẋ= 6.4*9.2*8.1 = 7.81
0.30+0.20+0.50

10
Medida de una distribución de frecuencia

Esto proporciona un valor añadido a la agrupación de datos. La distribución de frecuencias


presenta las observaciones clasificadas de modo que se pueda ver el número existente en cada
clase.

∑ = suma
F = frecuencia
X = es la marca de clase
 = multiplicación
Formula:

(𝑓∗𝑥)
ẋ=∑
∑ 𝑓

Ejemplo:
A 50 pilotos se les pidió que estimen el número de horas que habrían dedicado a las rutas de
la semana pasada, obteniéndose los siguientes resultados:
42 42 42 42 42 43 43 43 43 44 44 44 44 44 44 45 45 45 45 45 45 45 45 45 45
46 46 46 46 46 46 47 47 47 47 47 47 48 49 50 50 50 51 51 52 53 54 55 57 59.

Velocidad Frecuencia Medida de clase F*M


43 - 45 25 43.5 1087.5
46 - 49 14 47.5 660.8
50 - 53 7 51.5 350.5
54 - 57 3 55.5 166.5
58 - 61 1 59.5 59.5
∑ 50 ∑ 2,334.8

5334.8
ẋ=∑ = 46.696 ≈ 47
50

11
Medidas de variación o dispersión

Una medida razonable de la variabilidad podría ser la amplitud o rango, que se obtiene
restando el valor más bajo de un conjunto de observaciones del valor más alto. Es fácil de
calcular y sus unidades son las mismas que las de la variable.

Desviación estándar: Es una medida de dispersión para variables de razón (ratio o cociente)
y de intervalo, de gran utilidad en la estadística descriptiva
Ejemplo:
Cinco amigos han escrito en una tabla las edades de sus padres
Edades

Madres 32, 42, 44, 32, 42

Padres 30, 40, 43, 32, 41

= 32+42+44+32+42 = 192 = 38.4


5 5

Me = 32, 32 42, 42, 44


Me = 42

x X-ẋ (X – X2)
32 - 6.4 40.96
32 - 6.4 40.96
42 - 3.6 12.96
42 - 3.6 12.96
44 - 5.6 31.96
𝟏𝟑𝟗.𝟐
ẋ = 192 = 38.4 S= √ ≈ 5.28
𝟓
5

12
Varianza: Una variable aleatoria es una medida de dispersión definida como
la esperanza del cuadrado de la desviación de dicha variable respecto a su media.

Ejemplo:

Se toma una muestra de 7 personas las cuales están infectadas de gripe, ¿cuál sería su
varianza?

S = 7 personas
(7)2 = 49 per.

R// nuestra varianza seria 49 personas.

Desviación Estándar de una población

Es un índice numérico de la dispersión de un conjunto de datos (o población). Mientras mayor


es la desviación estándar, mayor es la dispersión de la población. La desviación estándar es
un promedio de las desviaciones individuales de cada observación con respecto a la media
de una distribución.

Desviación Estándar a partir de una distribución de frecuencia

Su utilidad se debe a que ella, junto con el promedio ayuda determinar los dentro de los cuales
se encuentran las observaciones

𝑛|∑ |(𝑓∗𝑥 2 )|−|∑(f∗ x)2


S=√
𝑛(𝑛−1)

13
Correlación: Indica la fuerza y la dirección de una relación lineal y proporcionalidad entre
dos variables estadísticas.
Diagrama de dispersión: Son datos de eje “y” y el eje “x”.
Coeficiente de correlación lineal: El coeficiente se demuestra con patrones en “r”. Mide la
fuerza lineal de Pearson.

𝒏 ∑ 𝒙𝒚−(∑ 𝒙) (∑𝒚)
r=
√𝒏 (∑ 𝒙𝟐 ) − (∑𝒙) 𝟐 √𝒏 (∑𝒚𝟐 )−(∑𝒚)𝟐

Regresión Lineal: Permite hallar el valor esperado de una variable aleatoria a cuando b,
dado con la siguiente ecuación la cual se obtendrán los valores.
y = a+bx
a = ÿ - bẋ
𝑛 (∑ 𝑥𝑦)−(∑𝑥)(∑𝑌)
b=
𝑛(∑𝑥 2 )−(∑𝑥)2

ÿ = media x
ẋ = media y

Ejemplo:
Un centro comercial sabe en función de la distancia, en kilómetros, a la que se sitúe de un
núcleo de población, acuden los clientes, en cientos, que figuran en la tabla:

1. Calcular el coeficiente de correlación lineal.

2. Si el centro comercial se sitúa a 2 km, ¿cuántos clientes puede esperar?

3. Si desea recibir a 5 clientes, ¿a qué distancia del núcleo de población debe situarse?
No. Cliente (x) Distancia (y)
8 15
7 19
6 25
4 23
2 34
1 40

14
Solución:
X Y X*Y X2 Y2
8 15 120 64 225
7 19 133 49 361
6 25 150 36 625
4 23 92 16 529
2 34 68 4 1 156
1 40 40 1 1 600
28 156 603 170 4 496

X = 28 = 4.67 Y = 156 = 26

6 6

𝟔 ∑ 𝟔𝟎𝟑−(∑ 𝟐𝟖) (∑𝟏𝟓𝟔)


r=
√𝟔 (∑ 𝟏𝟕𝟎) − (∑𝟐𝟖) 𝟐 √𝟔 (∑𝟒𝟒𝟗𝟔)−(∑𝟏𝟓𝟔)𝟐

3618−4368
r=
1020−784 26976−24336

750
r= = 0.9501
789.3288
6(∑ 603)−(∑28)(∑156)
b=
6(∑170)−(∑28)2
750
b= = 0.6177
236
Ecuación:
y = a+bx
a = ÿ - bẋ
a = 156-0.6177*28
=138.7044

15
Espacio Muestral
Es el conjunto de todos los resultados posibles de un experimento, se representa por el
símbolo “S”.

Ejemplo:
Considérese el experimento de lanzar un dado una vez, el espacio muestral sería: (en forma
convencional y como diagrama de árbol).

1
2
3 S= {1, 2, 4, 5, 6}
4
5
6

Eventos
Es un subconjunto de un espacio muestral.

Ejemplo:
Sea el evento H que consistente en que el número de artículos defectuosos, fuera al menos
2 defectuosos
 S= {DDD, DDN, DND, DNN, NDD, NDN, NND, NNN}
 Entonces el evento H es: H= {DDD, DDN, DND, NDD}

16
Complemento de un evento
El complemento de un evento A con respecto a S es el conjunto de todos los elementos de S
que NO están en A y se denota por el símbolo A’.

Ejemplo:
Un gerente de ventas después de revisar los datos, dice que la probabilidad de hacer una
venta es de 0.80. La probabilidad de no hacer una venta será:
Solución:
P (A´) = 1 P(A) = 1 – 0.80 = 0.20
P (A) + P (A´) = P(S)
P (A´) = 1 - P (A)

Operaciones con eventos


INTERSECCION: (∩)
La intersección de dos eventos A y B que se representa así: A ∩ B, y es el evento
que contiene a todos los elementos en común a A y a B. (que estén en A y en B)

Ejemplo:
Sea A = {j, ñ, p, a, i, v} y P = {i, a, r, s, t} encuentre la intersección de ambos eventos.
Solución:
A∩P = {a, i}

UNION (ᴜ):
La unión de los dos eventos A y B se representa así: A ᴜ B.
Y es el evento que contiene a todos los elementos que pertenecen a, A o a B ambos.

Ejemplo:
Sean los eventos siguientes, encontrar la unión de ambos eventos
A= {pera, naranja, sandia} y B = {naranja, manzana, sandia}
A ᴜ B = {pera, naranja, sandia, manzana}

17
Regla de la multiplicación
Si una operación puede realizarse de n1 formas y si por cada una de éstas una segunda
operación puede llevarse a cabo en n2 formas, entonces las dos operaciones pueden realizarse
juntas en n1xn2 formas.

Ejemplo:
Cuantos tipos de bebidas tiene un restaurante, Jamaica, horchata y tamarindo. Cuantas
maneras de puede escoger 4 tamarindo 3 naranja, 6 Jamaica y 7 horchata?
n1= 4 n2= 3 n3=6 n4=7
n1xn2xn3xn4 = 4x3x6x7 =504 refrescos

Combinación
Es un arreglo de objetos en cualquier orden. Aquí el orden de los objetos no importa.

Ejemplo
Un estudiante tiene que responder 7 preguntas de un cuestionario 10 preguntas no
repetidas ¿De cuantas formas puede hacer su elección?

10! 10∗9∗8
N = 10 C= = = 120
7(10−7)! 3! 7!
R=7

18
Permutación
Es un arreglo de objetos en un orden definido. Aquí el orden de los objetos SI IMPORTA.

Ejemplo:
Ordenar 16 bolas de billar del 1 al 16 el orden importa.
16! 16∗15∗14∗13
N = 16 P=
(16−3)!
= = 3,360
3!
R=3

Probabilidad de un evento
La posibilidad de que se presente un evento resultante de un experimento estadístico se
evalúa por medio de un conjunto de números reales

Ejemplo:
Una floristería contiene cinco rosas rojas, siete tulipanes y cuatro narcisos, si se saca
solamente una rosa, halle la probabilidad.
a) p(rosas)= 5/16 = 0.31
b) P(tulipanes) = 7/16 = 0.43
c) P(narcisos) = 4/16 = 0.25 0.31+0.43+0.25 = 0.99
d) P(rosas y tulipanes) = 0.31 + 0.43 = 0.74

19
Regla de adición
Se calcular la probabilidad de algún evento a partir de las probabilidades de otros.

Ejemplo:
Si las probabilidades de que una persona, al comprar una bicicleta seleccione el color verde,
blanco, rojo o azul son respectivamente: 0.05, 0.20, 0.28 y 0.24. ¿Cuál es la probabilidad de
que un comprador adquiera una bicicleta en uno de estos colores?
P(V ᴜ B ᴜ R ᴜ A)= P(V)+P(B)+P(R)+P(A)
= 0.05+0.20+0.28+0.24
=1.22

Regla para complementos


Si éste es el caso para cierto evento A, simplemente se encuentra la P(A´) (o sea la
probabilidad del evento A complemento) primero y después se utiliza el siguiente teorema
por substracción

P(A) + P(A´) = 1

Ejemplo:
Si las probabilidades de que un técnico repare 3, 4, 5, 6, 7,8 o más computadoras en un día
hábil cualquiera de la semana son: respectivamente: 0.10, 0.15, 0.28, 0.24, 0.10 y 0.07,
¿Cuál es la probabilidad de que le dé servicio al menos a 5 carros el siguiente día de
trabajo?
Solución:
E el evento de que se arreglen al menos 5 computadoras (5, 6, 7,8).
E´ es el evento de que se reparen menos de 5 computadoras (3, 4)
Entonces la P (E) = 1- P (E´), donde
Dado que P (E´) = 0.10+0.15 = 0.25
P (E) = 1 – P (E´) = 1- 0.10 = 0.9

20
Probabilidad Condicional
La probabilidad de que un evento B se dé cuando se sabe que algún otro evento A se ha
presentado se llama Probabilidad Condicional y se le escribe P (B|A).

Ejemplo:
Calcular la probabilidad de que al tirar un dado salga 3 si se sabe de antemano que ha salido
un número impar:
Solución:
Tenemos que calcular: P (3 | saliendo impar)
P (3|impar) = P (3 ∩ impar) / P (impar)
P (impar) = 3/6 = 1/2
P (3 ∩ impar) = probabilidad de que salga 3 y también impar = 1/6
P (3|impar) = (1/6) / (1/2) = 1/3

21
Reglas multiplicativas
Permite calcular la probabilidad de que “dos” eventos sucedan.

Ejemplo:
De una baraja estándar de 52 cartas sea A el suceso de sacar un As en la primera extracción
y B sacar un As en la segunda extracción. Calcular la probabilidad de sacar dos Ases en dos
extracciones sin devolver la carta extraída.

Solución:
A y B son sucesos dependientes porque la ocurrencia de A afecta la probabilidad de
ocurrencia de B.
La probabilidad de que la primera carta sea un As es:

4
𝑃(𝐴) =
52
La probabilidad de que la segunda carta sea un As, dado que ya saco un As en la primera
extracción.
3
𝑃(𝐵/𝐴) =
51
P(A/B) = P(A) * P(A/B)
4 3 1
P(A/B) = 52 ∗ = la probabilidad que sea As es de 1/221
51 221

22
Eventos Independientes
La P (A│B) no es lo mismo que P(A). Esto sugiere que la ocurrencia de B afecta A.

Ejemplo:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es
eliminada de la caja y luego reemplazada. Otra canica se saca de la caja. Cuál es la
probabilidad de que la primera canica sea azul y la segunda canica sea verde?

Ya que la primera canica es reemplazada, el tamaño del espacio muestral (9) no cambia de
la primera sacada a la segunda así los eventos son independientes.

P (azul luego verde) = P (azul) · P (verde)


2 3 6 2
P(A/B) = 9 ∗ 9 = 81 = 27

Dos eventos son dependientes si el resultado del primer evento afecta el resultado del
segundo evento

23
Regla de Bayes
La regla de Bayes es un caso especial de la probabilidad condicional que se aplica cuando se
desea calcular la probabilidad condicional de un evento que ocurrió primero dado lo que
ocurrió después.

Ejemplo:
En la sala de pediatría de un hospital, el 60% de los pacientes son niñas. De los niños el
35% son menores de 24 meses. El 20% de las niñas tienen menos de 24 meses. Un pediatra
que ingresa a la sala selecciona un infante al azar.

a. Determine el valor de la probabilidad de que sea menor de 24 meses.

b. Si el infante resulta ser menor de 24 meses. Determine la probabilidad que sea una niña.

Solución:

Suceso H: seleccionar una niña.


Suceso V: seleccionar un niño.
Suceso M: infante menor de 24 meses.
En los ejercicios de probabilidad total y teorema de bayes, es importante identificar los
sucesos que forman la población y cuál es la característica que tienen en común dichos
sucesos. Estos serán los sucesos condicionados.

a) P (M) = P (H)*P (H/H) +P (V)*P (M/V) = 0.6*0.2+0.4*.0.35= 0.26 // 26%

𝑃(𝐻)∗𝑃( 𝑀|𝐻) 0.6∗0.2 0.12


b) P (H/M) =𝑃(𝐻)∗𝑃(𝑀|𝐻 )+𝑃(𝑉)∗𝑃(𝑀|𝑉 ) = = = 0.46 | 46%
0.6∗0.2+0.4∗0.35 0.26

24
Variables Aleatorias
Los valores posibles de una variable aleatoria pueden representar los posibles resultados de
un experimento aún no realizado, o los posibles valores de una cantidad cuyo valor
actualmente existente es incierto
Ejemplo:
En una bolsa hay bolas numeradas: nueve bolas con un 1, cinco bolas con un 2 y seis bolas
con un 3. Se extrae una bola al azar. Representar las funciones de probabilidad y distribución.

0
9 x F(x)=p
20 1 9/20
F(x) 9 5 14
+ 20 = 20
20
2 5/20
14 6 3 6/20
{ 20 + 10 = 1

Distribuciones Discretas de Probabilidad


El conjunto de pares ordenados (x, f(x)) es una función de probabilidad, o distribución de
probabilidad de la variable aleatoria discreta X si, para cada resultado posible x.
1. F(x) ≥0
2. Σ f(x) =1
3. P(X=x) =f(x)

Ejemplo:
Un embarque de 10 vehículos que contiene 4 defectuosos. Si una agencia realiza una compra
aleatoria de 2vehiculos, encuentre la distribución de probabilidad para el número de
vehículos defectuosos.
f(0)= P(X=0)= (4C0)(6C2)= 1
10C2 3
f(1)= P(X=1)= (4C1)(6C1)= 8
10C2 15
f(2)= P(X=2)= (4C2)(6C0)= 2
10C2 15
Entonces la distribución de probabilidad de X es:
x 0 1 2
f(x) 1/3 8/15 2/15

25
Distribuciones Continuas de Probabilidad

Una variable aleatoria continua tiene una probabilidad cero de asumir cualquiera de sus
valores exactamente.

Ejemplo:
Un reloj de manecillas se detuvo en un punto que no sabemos. Determine la probabilidad de
que se haya detenido en los primeros 25 minutos luego de señalar la hora en punto.
Solución:
𝟏 𝟏
1. 𝒇(𝒙) = 𝟔𝟎−𝟎 = 𝟔𝟎
𝟏 𝟓
𝟐𝟓 𝒅𝒙 = 𝟏𝟐
2. 𝒑(𝒙) = 𝒑(𝟎 ≤ 𝒙 ≤ 𝟐𝟓) ∫𝟎 𝟔𝟎

Esperanza Matemática
Media de una variable aleatoria: La media de una variable aleatoria discreta X con función
de probabilidad f(x) es la expresión
µ= E(X) = Σ [x * f(x)]

Ejemplo:
Sea un juego de mesa en el que al tirar un dado avanzo tantas casillas como salga en el dado.
Se gana al llegar a la casilla 100. ¿Cuántas jugadas se puede esperar necesitar para llegar a la
meta?
Solución:
La probabilidad de cada suceso es igual:
p1=1/6, p2=1/6, p3=1/6, p4=1/6, p5=1/6, p6=1/6.

Los valores de los sucesos son:


X1 = 1, x2 = 2, x3 = 3, x4 = 4, x5 = 5, x6 = 6

E(x) = 1· 1/6 + 2 ·1/6 + 3 · 1/6 + 4 · 1/6 + 5 · 1/6 + 6 · 1/6 = 1/6 + 2/6 +3/6 +4/6 + 5/6 +
6/6 = 21/6 = 3,5 → de media se avanza 3,5 casillas cada vez que se tira el dado
100 casillas / 3,5 casillas cada tirada = 28,6 tiradas de media para llegar a la meta

26
Media de una función de una variable aleatoria
Donde X una variable aleatoria con distribución de probabilidad f(x). La media o Valor
Esperado de la variable aleatoria g(X) está dada por.

Ejemplo:
Dicho grupo de personas caminan en un parque de 3:00 a 4:00 de la tarde pm y un viernes,
tiene la siguiente distribución de probabilidad:
1 4 5 7 9
1/10 2/5 3/5 4/5 1/12
Sea g(X)=2X-1 que representa la cantidad de personas cotidianas, que transitan.
E [g(X)]= E(2x-1)= ∑9𝑥=4(2𝑥 − 1)𝑓(𝑥)
(1)(1/10) +(4)(2/5)+(5)(3/5)+(7)(4/5)+(9)(1/12) = 11.05| 11.

Distribución Discreta Uniforme


Es aquella en la cual la variable aleatoria asume cada uno de sus valores con idéntica
probabilidad.
f(x; k) = 1/k, x = x1, x2……..xk

Ejemplo:
Cuando se selecciona al azar de una caja que contiene dulces, 20 chiclosos, 15 chocolates y
30 caramelos, cada elemento del espacio muestral S= {20, 15, 30} la misma probabilidad de
ocurrir que es de 1/3.
Encuentre la fórmula para la distribución de probabilidad de X.
Solución: Se tiene una distribución uniforme con:
F(x; 3) = 1/3 x=20, 15, 30

27
Distribución Binomial
El número “x” de éxitos en “n” experimentos de Bernoulli recibe el nombre de variable
aleatoria binomial

Ejemplo:
Supongamos que se tira una moneda al aire 5 veces. Calcular la probabilidad de que salga
cara 4 veces.
El fenómeno aleatorio sigue la distribución binomial ya que solo puede ser cara o cruz y la
probabilidad de que salga cara no está afectado por los resultados anteriores.
p = q = 0,5
p(x = 3) = f(3)= (5 C3)(0.5)3(0.5)2
= 0.3125

Distribución Multinomiales
El experimento binomial se convierte en un experimento multinomial si cada intento tiene
más de 2 resultados posibles.

Ejemplo:
En una fiesta, el 20% de los asistentes son españoles, el 30% franceses, el 40% italiano y el
10% portugueses. En un pequeño grupo se han reunido 4 invitados: ¿cual es la probabilidad
de que 2 sean españoles y 2 italianos?

Solución:

𝟒!
𝒑(𝒙 − 𝟐, 𝒙 − 𝟎) = = 𝟎. 𝟐𝟐 ∗ 𝟎. 𝟑𝟎 ∗ 𝟎. 𝟒𝟐 ∗ 𝟎. 𝟏𝟎
𝟐! ∗ 𝟎! ∗ 𝟐! ∗ 𝟎!

P = 0,0384

Por lo tanto, la probabilidad de que el grupo esté formado por personas de estos países es tan
sólo del 3,84%.

28
Distribución Hipergeometrica

Es probabilidad de la variable aleatoria hipergeométrica X, el número de éxitos en una


muestra aleatoria de tamaño “n” seleccionada de “N” resultados posibles, de los cuales “k”

Ejemplos:
Considerando que en la urna hay un total 10 objetos, 3 de los cuales son defectuosos, si se
seleccionan 4 objetos al azar ¿Cuál es la probabilidad de que 2 sean defectuosos?
Solución:
N = 10 p(X =K) = (3C2)(7C2) = 0.3
K=3 (10C4)
n=4
x=2

29
Conclusión

Este trabajo mostraremos los resultados que se obtuvieron de dicha investigación de la cual
consta en mostrar todas las maneras posibles para experimentar dichos temas, ya que de eso
consta, el poder poner en práctica dicho trabajo. Los temas a elegir fueron, espacio muestral,
probabilidad, distribución de frecuencia y gráficas para visualizar mejor todo el proceso.

Se tomó un caso de edades para saber que rango predomina más, los resultados obtenidos
fueron que el rango de los hombres se incrementa. De igual manera se llevó a cabo una
muestra con bebidas para saber que sabor se escoge más. Todos estos están detallados a fondo
en el trabajo se concluyó con fórmulas para dejar evidencia de dichos procedimientos.

En este proceso de investigación se recopilaron datos importantes que son utilizados para
efectos educativos los cuales de todas las fuentes obtenidas y dar uso de ello. Se aprendió del
tema ya que para indagar se debió dejar un debido procedimiento.

Dicho trabajo da por concluido, ya que se tomó los datos solicitados, se mostró gráficamente
todo, los problemas resueltos llevan un orden cronológico lo cual es primordial para dominar
esta materia.

30
Recomendaciones

 Tener en cuenta los conceptos para saber diferenciar un problema de otro.

 Respetar las reglas dadas de cada tema.

 Llevar un orden para resolver los problemas.

 Utilizar las formulas dadas.

 Leer detenidamente lo que están solicitando.

 Tomar unos segundos para resolver los problemas. Ya que esto refresca la mente y
ayuda pensar de una manera más clara.

 Observar cada cosa del problema, puede parecer igual pero no lo es.

 La probabilidad de un evento solo puede estar de a 0 a 1.


No puede ser menor que cero ni mayor que 1.

 “y” se refieren a la intersección de algo y cuando se indica la palabra “o” se refiere


a la unión de algo

31
Egrafía

Parte de dicha información para investigación se tomó de algunas páginas web y libros.

 https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_frecuencias

 https://pabloquintasprimaria.wordpress.com/2016/02/19/matematicas-tema-8-estadistica-y-
probabilidad-frecuencia-relativa/

 https://es.wikipedia.org/wiki/Medidas_de_tendencia_central

Libro: Probabilidad y Estadística para Ingeniería y Ciencias. Walpole 9na Edición

32

También podría gustarte