Vous êtes sur la page 1sur 2

1.-Que es una variable aleatoria?

Se llama variable aleatoria a toda funcin que asocia a cada elemento del espacio muestral E un
nmero real.

Se utilizan letras maysculas X, Y, ... para designar variables aleatorias, y las respectivas minsculas
(x, y, ...) para designar valores concretos de las mismas.

2.-Que es una distribucin de probabilidad?

Describe la probabilidad de que un evento se realice en el futuro, constituye una herramienta


fundamental para la prospectiva, puesto que se puede disear un escenario de acontecimientos
futuros considerando las tendencias actuales de diversos fenmenos naturales

3.-Diferencia entre distribucin de probabilidad de variable discreta y continua.

VARIABLE ALEATORIA DISCRETA (x).


Porque solo puede tomar valores enteros y un nmero finito de ellos. Por ejemplo:
X Variable que nos define el nmero de alumnos aprobados en la materia de probabilidad en un
grupo de 40 alumnos (1, 2 ,3 los 40).
VARIABLE ALEATORIA CONTINUA (x).

Porque puede tomar tanto valores enteros como fraccionarios y un nmero infinito de ellos dentro
de un mismo intervalo. Por ejemplo:
x es la Variable que nos define la concentracin en gramos de plata de algunas muestras de
mineral (14.8 gr, 12.1, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8, , n)

5.-Explique las caractersticas fundamentales y uso de la distribucin normal

Su esperanza es .

Su varianza es 2 y, por tanto, su desviacin tpica es .

Es simtrica respecto a su media , como puede apreciarse en la representacin anterior.

Media, moda y mediana coinciden ().

Cualquier transformacin lineal de una variable con distribucin Normal seguir tambin el
modelo Normal. Si X ~ N(, ) y definimos Y = aX + b (con a 0), entonces Y ~ N(a + b, |a|). Es
decir, la esperanza de Y ser a + b y su desviacin tpica, |a|.

Cualquier combinacin lineal de variables normales independientes sigue tambin una


distribucin Normal. Es decir, dadas n variables aleatorias independientes con
distribucin Xi ~ N(i, i) para i = 1, 2, ..., n la combinacin lineal: Y = anXn + an1Xn1+ ...
+ a1X1 + a0 sigue tambin el modelo Normal:
Usos: La distribucin Gaussiana se aplica a una gran gama de observaciones en ramas como la
biologa, la geografa, la astronoma y por supuesto la economa. Muchos ejemplos de la
naturaleza se pueden aproximar con una distribucin normal. En general esto se puede pensar
como resultado de la interaccin de muchos (o un gran nmero) efectos aleatorios en la variable
que se estudia.

Vous aimerez peut-être aussi