Actividad Número Dos

Universidad Nacional Abierta Y A Distancia
TALLER No: 2

PROBABILIDAD

Por
Jorge Leonardo Parra Campos
Cd.: 1022961514

Tutor
Oscar Javier Hernndez Sierra

UNAD, 2012

Actividad Nmero 2:

Esta Actividad resumen el primer Taller evaluativo de la Asignatura con un valor del
ultimo 25% del corte.

Se ha de entregar con fecha mxima el da 2 de Junio.

Recomendaciones:
1. Usar ejercicios de fuentes de internet, o libros como guas para el desarrollo de los
propios pues se va evaluar puntualmente:
a. Conceptos recuerde que todo espacio est orientado a una definicin o a
un ejemplo segn corresponda.
b. Relacin con la profesin, el gremio y la afinidad.
c. Inventiva y reconocimiento de la aplicacin de los temas tratados en un
entorno real.

2. La orientacin prioritaria ser de cada ttulo desarrollar:
a. Vincular definiciones propias en su gran mayora, pero si llega a usar
informacin correspondiente a un autor se debe vincular la cita y/o
bibliografa correspondiente bajo norma APA-
b. Desarrollar un ejercicio completamente prctico en un entorno real.

3. Tener constante contacto sobre la plataforma de Apoyo y en los espacios de
tutora.

4. Hacer uso de herramientas de software como Excel, donde se explique el cmo
desarrollar estos procedimientos.

La entrega se har en magntico, en el encuentro presencial del da 2 de Junio.

3. Distribuciones de Probabilidad.
3.1. Distribucin Probabilstica.
3.1.1. Esperanza matemtica.
Definicin.

Es el nmero que formaliza la idea de valor medio de un fenmeno aleatorio

Ejemplo 1:
(Ejercicio desarrollado bajo formulas y calculadora)
Si una persona compra una bol et a para una ri f a, en l a que puede
ganar de $10. 000 un segundo premi o de $ 2000 con
probabi l i dades de: 0. 001 y 0. 003. Cul ser a el preci o j ust o a pagar
por l a papel et a?
()
()

Ejemplo 2:
(Ejercicio desarrollado en un libro de EXCEL)

3.1.2. Varianza de variables aleatorias.
Definicin.
La varianza de una variable aleatoria es una caracterstica numrica que proporciona una
idea de la dispersin de la variable aleatoria respecto de su esperanza. Decimos que es un
parmetro de dispersin.
La definicin es la siguiente:

Ejemplo 1:

Ejemplo 2:

3.1.3. Teorema de Chbyshev.
Definicin.
La probabilidad de que cualquier variable aleatoria X, tome un valor dentro de la desviaciones
estndar de la media es al menos 1 1 / 2. Es decir
P ( - < X < + ) 1 12.

Ejemplo:

Si la densidad de la variable aleatoria X est dada por
() *

( )

Para 0 < x < 1

La integracin directa muestra que =1/2 y =1/44. Por tanto, la probabilidad de
que X tome un valor contenido en dos desviaciones estndar de la media es la
probabilidad de que tome un valor entre 0.20 y 0.80

3.2. Distribuciones de Probabilidad Discreta.
3.2.1. Concepto.
Indica todos los resultados posibles de un experimento, junto con la probabilidad
correspondiente a cada uno de los resultados

3.2.2. Distribucin Uniforme discreta.
Definicin.
Sea una variable aleatoria que puede tomar n valores distintos, x1,...,xn, cada uno de ellos
con la misma probabilidad, es decir, con probabilidad uniforme. La distribucin de
probabilidad o funcin de masa de esta variable aleatoria es:
( )

http://www.uv.es/ceaces/base/modelos%20de%20probabilidad/uniformedis.htm

Ejemplo:

3.2.3. Distribucin Binomial.
Definicin.

es reproductiva respecto del parmetro n. Es decir, si X1 es B(n1, p) y X2 es B(n2, p) con X1 y
X2 independientes, entonces X1 + X2 es B(n1 + n2, p).

Ejemplo 1:

En una ciudad la proporcin de votantes a un candidato A es de 04. Elegimos 10 personas al
azar, una tras otra, con reemplazamiento, porque de esta forma el valor de p = 0.4 permanece
constante. Cul es la probabilidad de que haya en el grupo exactamente 6 votantes de A?

Sea X : nmero de votantes de A entre las 10 personas elegidas,
X B(10, 0.4). La P(X = 6) se calcula:
( ) (
) ()
( )

Ejemplo 2:

Distribucin Binomial Negativa
Definicin.
Es una distribucin de probabilidad discreta que mide el nmero de xitos en
una secuencia de n ensayos de Bernoulli independientes entre s, con una
probabilidad fija p de ocurrencia del xito entre los ensayos.

Ejemplo:
Supongamos que se lanza un dado 30 veces y queremos la probabilidad de que el nmero 3
salga 10 veces. En este caso tenemos una X ~ B(30, 1/6) y la probabilidad sera P(X=10):
( ) (
) (

Distribucin Binomial Geomtrica.
Definicin.
Es cualquiera de las dos distribuciones de probabilidad discretas siguientes:
la distribucin de probabilidad del nmero X del ensayo de Bernoulli necesaria para
obtener un xito, contenido en el conjunto { 1, 2, 3,...} o
la distribucin de probabilidad del nmero Y = X 1 de fallos antes del primer xito,
contenido en el conjunto { 0, 1, 2, 3,... }.
Cul de stas es la que uno llama "la" distribucin geomtrica, es una cuestin de convencin y
conveniencia.
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_geom%C3%A9trica

Ejemplo:
Un matrimonio quiere tener una hija, y por ello deciden tener hijos hasta el nacimiento de una
hija. Calcular el nmero esperado de hijos (entre varones y hembras) que tendr el matrimonio.
Calcular la probabilidad de que la pareja acabe teniendo tres hijos o ms.
Solucin: Este es un ejemplo de variable geomtrica. Vamos a suponer que la probabilidad de
tener un hijo varn es la misma que la de tener una hija hembra. Sea X la v.a.

Es claro que

Sabemos que el nmero esperado de hijos varones es , por tanto el nmero
esperado en total entre hijos varones y la nia es 2.
La probabilidad de que la pareja acabe teniendo tres o ms hijos, es la de que tenga 2 o ms
hijos varones (la nia est del tercer lugar en adelante), es decir,

3.2.4. Distribucin Hipergeomtrica.
Definicin.
Es una distribucin discreta relacionada con muestreos aleatorios y sin reemplazo.
Supngase que se tiene una poblacin de N elementos de los cuales, d pertenecen
a la categora A y N-d a la B. La distribucin hipergeomtrica mide la probabilidad
de obtener x ( ) elementos de la categora A en una muestra de n
elementos de la poblacin original.

Ejemplo 1:
Tenemos una baraja de cartas espaolas (N=40 naipes), de las cuales nos vamos a interesar en
el palo de oros (D=10 naipes de un mismo tipo). Supongamos que de esa baraja extraemos n=8
cartas de una vez (sin reemplazamiento) y se nos plantea el problema de calcular la probabilidad
de que hayan k=2 oros (exactamente) en esa extraccin. La respuesta a este problema es

Ejemplo 2:

3.2.5. Distribucin de Poisson.
Definicin.

Es una distribucin de probabilidad discreta que expresa, a partir de una frecuencia
de ocurrencia media, la probabilidad que ocurra un determinado nmero de eventos
durante cierto periodo de tiempo.

http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson

Ejemplo 1:

Un comprador de circuitos impresos ha decidido aceptar las partidas de circuitos si, al
inspeccionar una muestra de 150 circuitos, encuentra menos de 3 defectuosos; en caso contrario
la devuelve al productor. Se enva una partida con un 2% de circuitos defectuosos. Calcular la
probabilidad de que sea aceptada. Sea la variable aleatoria X : nmero de circuitos defectuosos
de entre los 150 de la muestra.
X B(150, 0.02), aproximamos por una Poisson P(3) ya Que n p = = 150 0_02 = 3

Ejemplo 2:

3.3. Distribuciones de Probabilidad Continua.
3.3.1. Concepto.
Es aquella que puede asumir cualquier valor en un intervalo especfico;
significa entonces que entre cualquiera de dos valores que puede tomar la V. A.
continua, existe un nmero infinito de valores.

3.3.2. Distribucin Uniforme Continua.
Definicin.
es una familia de distribuciones de probabilidad para variables aleatorias continuas,
tales que cada miembro de la familia, todos los intervalos de igual longitud en la
distribucin en su rango son igualmente probables. El dominio est definido por dos
parmetros, a y b, que son sus valores mnimo y mximo. La distribucin es a
menudo escrita en forma abreviada como U(a,b).

3.3.3. Distribucin Normal.
Definicin.
La distribucin de una variable normal est completamente determinada por dos
parmetros, su media () y su desviacin estndar (). Con esta notacin, la
densidad de la normal viene dada por la ecuacin

http://es.scribd.com/doc/2249724/DISTRIBUCION-DE-PROBABILIDADES

Ejemplo 1:
La medi a y l os que de l os pesos de 500 est udi ant es de un col egi o es
70 kg y l a desvi aci n t pi ca 3 kg. Suponi endo que l os pesos se di st ri buyen
normal ment e, hal l ar cunt os est udi ant es pesan:
1. Ent re 60 kg y 65 kg.

2. Ms de 90 kg.

Menos de 64 kg.

4. 64 kg.

5. 64 kg o menos.

Ejemplo 3 y 4:
3.3.4. Distribucin Exponencial.
Definicin.
La distribucin exponencial es el equivalente continuo de la distribucin geomtrica discreta. Esta
ley de distribucin describe procesos en los que:
Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo que,
el tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello ocurra en un
instante t
f
, no depende del tiempo transcurrido anteriormente en el que no ha pasado
nada.
Ejemplo 1:

En un experimento de laboratorio se utilizan 10 gramos de . Sabiendo que la duracin
media de un tomo de esta materia es de 140 das, cunto dias transcurrirn hasta que haya
desaparecido el de este material?
Solucin: El tiempo T de desintegracin de un tomo de es una v.a. de distribucin
exponencial:

http://www.bioestadistica.uma.es/libro/node78.htm

Ejemplo 2:

3.3.5. Distribucin Chi-Cuadrado.
Definicin.
Es una distribucin de probabilidad continua con un parmetro que representa los
grados de libertad de la variable aleatoria

Donde son variables aleatorias normales independientes de media cero y
varianza uno. El que la variable aleatoria tenga esta distribucin se representa
habitualmente as: .

Ejemplo 1:
Un fabricante X concluye que su producto tendr una vida til de 10 aos. Se elige una muestra
entre los cuales tenemos: 11.8-9.7-10.5-12.1-13.3-13.4-10.3-8.5- 15.0-10.5-7.6-6.3. Teniendo en
cuenta una desviacin poblacional de 1.2 aos. De acuerdo a lo anterior se puede corroborar
que la desviacin poblacional es de1.2 aos?
=1.2
=10
s=2.53
n=12
V=11

( )

De acuerdo a lo anterior se puede observar que la desviacin poblacional es mayor que 1.2 aos
(debido a que el valor de Chi Cuadrado es muy alto y por lo tanto no cae dentro del intervalo de
confianza para una muestra de 12).

Ejemplo 2:

3.3.6. Distribucin T-Student.
Definicin.
Es una distribucin de probabilidad que surge del problema de estimar la media de
una poblacin normalmente distribuida cuando el tamao de la muestra es
pequeo.

Ejemplo 1:

Ejemplo 2:

4. Medidas Estadsticas Bivariantes.:
Definicin.

4.1. Diagrama de dispersin.
4.1.1. Definicin.

Un diagrama de dispersin es un tipo de diagrama matemtico que utiliza las coordenadas
cartesianas para mostrar los valores de dos variables para un conjunto de datos.
Los datos se muestran como un conjunto de puntos, cada uno con el valor de una variable que
determina la posicin en el eje horizontal y el valor de la otra variable determinado por la posicin
en el eje vertical.
1
Un diagrama de dispersin se llama tambin grfico de dispersin

http://es.wikipedia.org/wiki/Diagrama_de_dispersi%C3%B3n

Ejemplo 1:

Ejemplo 2:
4.2. Regresin.
4.2.1. Definicin.
es la tendencia de una medicin extrema a presentarse ms cercana a la media en
una segunda medicin. La regresin se utiliza para predecir una medida basndonos
en el conocimiento de otra.

http://es.wikipedia.org/wiki/Regresi%C3%B3n_(estad%C3%ADstica)

4.2.2. Regresin Lineal Simple.
Definicin.
Slo se maneja una variable independiente, por lo que slo cuenta con dos parmetros. Son de
la forma:[6]
Donde es el error asociado a la medicin del valor Xi y siguen los
supuestos de modo que (media cero, varianza constante e igual a un y
con )

Ejemplo 1:
El nmero de libras de vapor utilizadas por mes por una planta qumica,est relacionado con la
temperatura ambiente promedio (en grados Farenheit) de ese mes. En la tabla siguiente se
muestra el uso del vapor de un ao y la temperatura del mes correspondiente.

Consumo de Vapor por
Mes
Mes Temperatura Uso/1000
Enero 21 185.79
Febrero 24 214.47
Marzo 32 288.03
Abril 47 424.84
Mayo 50 454.58
Junio 59 539.03
Julio 68 21.55
Agosto 74 675.06
Septiembre 62 562.03
Octubre 50 452.93
Noviembre 41 369.96
Diciembre 30 273.98
a) Elabore el diagrama de dispersin.
<

Ejemplo 2:
4.2.3. Regresin Mltiple.
Definicin.
Regresin Mltiple: Este tipo se presenta cuando dos o ms variables
independientes influyen sobre una variable dependiente. Ejemplo: Y = f(x, w, z).
Ejemplo 1:
Por ejemplo: Podra ser una regresin de tipo mltiple:
Una Empresa de desarrollo de software establece relacionar sus Ventas en funcin del numero
de pedidos de los tipos de software que desarrolla (Sistemas, Educativos y Automatizaciones
Empresariales), para atender 10 proyectos en el presente ao.
En la Tabla representa Y (Ventas miles de S/.) e X (N pedidos de sistemas), W (N de pedidos
de Aplicaciones Educativas) y Z (N de pedidos de Automatizaciones empresariales).
Y 440 455 470 510 506 480 460 500 490 450
X 50 40 35 45 51 55 53 48 38 44
W 105 140 110 130 125 115 100 103 118 98
Z 75 68 70 64 67 72 70 73 69

Ejemplo 2:
4.3. Correlacin.
Definicin.
Indica la fuerza y la direccin de una relacin lineal y proporcionalidad entre dos variables
estadsticas. Se considera que dos variables cuantitativas estn correlacionadas cuando
los valores de una de ellas varan sistemticamente con respecto a los valores
homnimos de la otra: si tenemos dos variables (A y B) existe correlacin si al aumentar
los valores de A lo hacen tambin los de B y viceversa. La correlacin entre dos variables
no implica, por s misma, ninguna relacin de causalidad

Ejemplo 1:

Ejemplo 2:

http://www.monografias.com/trabajos30/regresion-multiple/regresion-multiple.shtml

Actividad Número Dos

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Actividad Número Dos

Transféré par

Droits d'auteur :

Formats disponibles

Universidad Nacional Abierta Y A Distancia

Vous aimerez peut-être aussi