Vous êtes sur la page 1sur 9

Universidad Capitn General Gerardo

Barrios.

Facultad y Especialidad:
Ciencia y tecnologa, Ingeniera en Sistemas y Redes Informtica.

Tema:
Distribucin Uniforme Discreta.

Grupo:
A

Catedra:
Estadstica Computacional.

Docente:
Joaqun Ernesto Castro Arstides.

Integrantes:
Stefany Nohemy Romero Meja.
Rodrigo Jos Crdenas Perla.
Cristian Josu Castro Castillo.
Bryan Josu Meja Guardado.
Darlin Alexander Velsquez Alegra.
David Alfredo Cruz Quintanilla.
Martin Alejandro Luna Beltrn.
Luis Enrique Cordero Gutirrez.

Fecha de entrega:
Jueves 26 de noviembre del 2014
1

INTRODUCCION.

Mediante este trabajo daremos a conocer el concepto de la distribucin discreta


conociendo su uso y aplicacin de ello, se conocer como elaborarlo mediante 3
ejercicios sacando la varianza y la esperanza. Se dar a entender las
caractersticas que tienen y su conclusin.

ANTECEDENTES O HISTORIA.

En teora de la probabilidad, la distribucin discreta es una distribucin de


probabilidad que asume un nmero finito de valores con la misma probabilidad.

Se denomina distribucin de variable discreta a aquella cuya funcin de


probabilidad slo toma valores positivos en un conjunto de valores de X finito o
infinito numerable. A dicha funcin se le llama funcin de masa de probabilidad.

En este caso la distribucin de probabilidad es la suma de la funcin de masa, por


lo que tenemos entonces que:

Y, tal como corresponde a la definicin de distribucin de probabilidad, esta


expresin representa la suma de todas las probabilidades desde

hasta el

valor x.

Las distribuciones discretas son aquellas en las que la variable puede pude tomar
un nmero determinado de valores:

Ejemplo: si se lanza una moneda al aire puede salir cara o cruz; si se tira un
dado puede salir un nmero de 1 al 6; en una ruleta el nmero puede tomar un
valor del 1 al 32.
3

El significado:
X = Variable aleatoria.
P(x=x) = Es la probabilidad.
E(x) = Es la Esperanza.
V(x) = Es la variable.
N= Total de nmeros.
P(x1) = Es la sumatoria.

CARACTERSTICAS.

Es generada por una variable discreta (x).

Las probabilidades asociadas a cada uno de los valores que toma x deben ser
mayores o iguales a cero.

La sumatoria de las probabilidades asociadas a cada uno de los valores que toma
x debe ser igual a 1.

EJEMPLOS.
1. Un empleado es selecciona de un grupo de 10 personas
para supervisar cierto proyecto, extrayendo una papelera
al azar de una caja que contiene 10 papeletas,
numeradas del 1 al 10; si x empresa presenta el numero
en la papeletas que se extrae, hallar
A) La probabilidad de que la papeleta extrada se el nmero
5.
N= 10
X= 5

P(x = x) = 1/n
P (x = 5) = 1/10

B) Cul es la probabilidad de que el nmero extrado sea


mayor o igual a 3?
P(x 3) = P(x1) = 1/10+
1/10+1/10+1/10+1/10+1/10+1/10+1/10 =
8/80
C) La esperanza y la varianza.
N=10
E(x) = n+1/2 = 10+1/2 = 11/2 = 5.5
2
V(x) = n -1/10 = (10) ^2-1/10 = 99/10 = 9.9

2. Se lanza un dado considerando lo variable aleatoria que


describe el nmero de puntos que sale.
-Determinar su Esperanza y su Varianza.
Esperanza.
E(x) =n+1/2

N= 6
P(x)= 1/6 = 1/N

Varianza.
2
V(x) = n -1/6

E(x)= 6+1/2 = 7/2


V(x)= (6) ^2-1/6 = 35/6

3. En la universidad Gerardo Barrios se buscan 3 proyectos


de ingeniera en sistemas para la feria de logros,
eligiendo uno que sea el primer lugar de 20 estudiantes
de ingeniera en sistemas, numeradas del 1 al 20; hallar
x estudiante que sea elegido para el primer lugar.
A) La probabilidad de que la papeleta extrada se el nmero
3.
N= 20
X= 3

P(x = x) = 1/n
P (x = 3) = 1/20

B) Cul es la probabilidad de que el alumno elegido sea


menor a 15?
P(x < 15) = P(x1) =
1/10+1/10+1/10+1/10+1/10+1/10+1/10+1/10+1/10
+1/10 +1/10+1/10 +1/10 +1/10 =
14/140
C) Cul es la probabilidad de que el alumno escogido sea
mayor o igual a 10?
P(x 10) = P(x1) =
1/10+1/10+1/10+1/10+1/10+1/10+1/10+1/10+1/10
+1/10 =
10/100
D) La esperanza y la varianza.
N=20
E(x) = n+1/2 = 20+1/2 = 21/2 = 10.5

2
V(x) = n -1/20 = (20) ^2-1/20 = 399/20 = 19.5

CONCLUSIN.

"Cuando estaba escribiendo mi libro [Stochastic Processes] tuve una discusin


con William Feller. l aseguraba que todo el mundo deca "variable aleatoria"
(random variable), mientras que yo sostena que se usaba "variable al azar"
(chance variable). Obviamente, debamos usar el mismo nombre en nuestros
libros, as que optamos por tomar la decisin mediante un procedimiento aleatorio:
lanzamos una moneda y el gan".