UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INGENIERIA ELECTRONICA - CEAD SOGAMOSO

PROBABILIDAD.
ACTIVIDAD INDIVIDUAL FASE 2

PRESENTADO POR:
JOHN ALEXANDER RUBIO
74185810

TUTOR
AZUCENA GIL

GRUPO: 100402_62

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INGENIERIA ELECTRONICA
MAYO DE 2015

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INGENIERIA ELECTRONICA - CEAD SOGAMOSO

Variables aleatorias.
Una variable aleatoria es, una funcin que asigna un nmero real a cada resultado
en el espacio muestral de un experimento aleatorio. Se denota con una letra
mayscula tal como X. En este tema se ver la importancia de cuantificar los
resultados de un experimento aleatorio sabiendo que ellos pueden ser cualitativos
o cuantitativos
Para facilitar estos clculos se acude a una funcin que ubica el espacio muestral
en el conjunto de los nmeros reales, esta es conocida como variable aleatoria. Se
puede definir como variables aleatorias cuyos valores sean contables o no, y al
ser una caracterizacin cuantitativa de los resultados de un espacio muestral, ellas
pueden ser discretas o continuas
Variable aleatoria X es discreta si el nmero de valores que puede tomar es finito
(o infinito contable).
Distribucin de probabilidad de una variable aleatoria X es una descripcin del
conjunto de posibles valores de X, junto con la probabilidad asociada con cada
uno de estos valores. Esta distribucin bien puede ser una grfica, una tabla o una
ecuacin que da la probabilidad de cada valor de la variable aleatoria y se
considera como el resumen ms til de un experimento aleatorio.
Toda distribucin de probabilidad debe satisfacer cada uno de los dos requisitos
siguientes:
P ( X =x ) =1
0 P ( X =x ) 1
Variable aleatoria X es continua s el nmero de valores que puede tomar estn
contenidos en un intervalo (finito o infinito) de nmeros reales. Dichos valores
pueden asociarse a mediaciones en una escala continua, de manera que no hay
interrupciones.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INGENIERIA ELECTRONICA - CEAD SOGAMOSO

La distribucin de probabilidad de una variable aleatoria continua X est

caracterizada por una funcin f ( x ) que recibe el nombre de funcin de densidad
de probabilidad. Esta funcin de densidad de probabilidad f ( x ) permite calcular
el rea bajo la curva que representa la probabilidad de que la variable aleatoria
continua X tome un valor entre el intervalo donde se define la funcin.
Formalmente, la funcin de densidad de probabilidad f ( x ) de una variable
aleatoria continua, se define como tal si para cualquier intervalo de nmeros reales
[a,b] se cumple que: F ( x ) 0
Esperanza matemtica y varianza de una variable aleatoria
El valor esperado (tambin llamado media o esperanza matemtica) de una
variable aleatoria discreta X es una medida de posicin para la distribucin de X.
Se simboliza con y se calcula al sumar el producto de cada valor de X con su
probabilidad correspondiente.
DISTRIBUCIN BINOMIAL
Definicin
Es una de las distribuciones de probabilidad ms tiles (control de calidad,
produccin, investigacin). Tiene que ver con el experimento aleatorio que
produce en cada ensayo o prueba uno de dos resultados posibles mutuamente
excluyentes: ocurrencia de un criterio o caracterstica especfico (llamado xito) y
no ocurrencia de ste (llamado fracaso). Los trminos o calificativos de "xito y
fracaso" son solo etiquetas y su interpretacin puede no corresponder con el
resultado positivo o negativo de un experimento en la realidad.
En general, un experimento aleatorio que consiste de n ensayos repetidos tales
que:

Los ensayos son independientes

Cada ensayo es de tipo Bernoulli. Esto es, tiene slo dos resultados
posibles: "xito" o "fracaso".

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INGENIERIA ELECTRONICA - CEAD SOGAMOSO

La probabilidad de xito de cada ensayo, denotada por p, permanece

constante.

DISTRIBUCIN BINOMIAL NEGATIVA y GEOMTRICA

Definicin
En la distribucin geomtrica, la variable aleatoria estaba definida como el nmero
de ensayos Bernoulli necesarios para obtener el primer xito. Suponga ahora que
se desea conocer el nmero de ensayos hasta obtener r xitos; en este caso la
variable aleatoria es denominada binomial negativa.
La distribucin binomial negativa o distribucin de Pascal es una generalizacin de
la distribucin geomtrica donde la variable aleatoria X es el nmero de ensayos
Bernoulli efectuados hasta que se tienen r xitos, con una probabilidad constante
de xito p. Se dice entonces que X tiene una distribucin binomial negativa con
parmetros p y r = 1, 2, 3,...
Distribucin Hipergeomtrica.
Supongamos que tenemos una poblacin de tamao N y de ella se selecciona una
muestra de tamao n para verificar si cada elemento tiene o no una cierta
caracterstica, esto se puede manejar en trminos de xito y de fracaso. Si el
tamao de la muestra n es pequeo en comparacin con el tamao de la
poblacin N ( n / N 5% ) podemos considerar los intentos como independientes y
asumir que probabilidad de obtener un xito en un elemento es la misma en cada
intento,
por
lo
que
podemos
aplicar
la
distribucin
binomial.
Sin embargo si el tamao de la muestra n es grande en comparacin con el
tamao de la poblacin N entonces la probabilidad de obtener un xito en un
intento se ve afectada por los resultados en intentos anteriores es decir que son
dependientes. Cuando pasa esto el nmero x de xitos sigue lo que se conoce
como una distribucin hipergeomtrica de probabilidad.
Es importante remarcar que tanto la distribucin binomial como la distribucin
hipergeomtrica persiguen un mismo objetivo (el nmero de xitos en una muestra
que contiene n observaciones), la diferencia entre ellas es que la hipergeomtrica
considera no solo a los elementos de la muestra, sino tambin a los elementos de
la poblacin.
En resumen la distribucin hipergeomtrica es aquella en la que se considera la
existencia de xitos y/o fracasos en una poblacin conocida, y de la cual se extrae
una muestra sin remplazo donde tambin existen xitos o fracasos.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INGENIERIA ELECTRONICA - CEAD SOGAMOSO

Su principal aplicacin es en el muestreo de aceptacin y control de calidad donde

de un lote de artculos se toma una muestra y se analiza para decidir si se acepta
o rechaza todo el lote.

Criterios o propiedades que la caracterizan.

1. La poblacin N del conjunto de unidades o elementos es de orden finito, de los
cuales una parte: k "son xitos", y otra parte son "fracasos".
2. Cada elemento puede ser caracterizado como xito o fracaso.
3. Se obtiene una muestra aleatoria de n elementos todos a la vez (sin
reemplazamiento) y no de forma independiente. No son pruebas repetidas.
4. El tamao de la muestra aleatoria n es grande relativamente en comparacin
n
con el tamao de la poblacin. Generalmente N >5
5. Se busca la probabilidad de x= nmero de xitos a partir de los k resultados o
elementos y (n-x) fracasos a partir de los N-k elementos as clasificados, al
obtener una muestra aleatoria de tamao n.
Supongamos un lote de N productos de los cuales:
Obtenemos muestra de n productos, todos a la vez. Interesa entonces la
probabilidad de sacar x productos defectuosos (xito), o sea: p(x).
Podemos hacer el siguiente raciocinio:
Si en una poblacin de N elementos se tienen k xitos, la probabilidad de que en
una muestra aleatoria de n elementos seleccionados sin reemplazo se tengan x
xitos est dada por:
k N k
(
x )( nx ) C C
p ( x )=
=
N
(n) C
k
x

N k
nx
N
n

con xk

N = nmero de elementos en la poblacin

la muestra
k = nmero de xitos en la poblacin
muestra

n = nmero de elementos en
x = nmero de xitos en la

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INGENIERIA ELECTRONICA - CEAD SOGAMOSO

CnN

es el nmero de maneras en que se puede tomar una muestra n de la

poblacin N
C kx

es el nmero de formas en que se toman x xitos del total r xitos que hay

en la poblacin
Nk
Cnx

es el nmero de maneras en que se puede tomar n-x fracasos del total N-r

de la poblacin
La media (esperanza) y desviacin estndar de la distribucin hipergeomtrica
estn dadas por:
Media

=n

( Nk )

Desviacin estndar

Varianza

2=

k Nk Nn
Nk Nn
= (
(
)(
)(
)
N
N
N1

N )( N1 )

= n

n
( NNk )( NN1
)

Distribucin Poisson.
Sea X una variable aleatoria que representa el nmero de eventos aleatorios
independientes que ocurren con igual rapidez en un intervalo de medida. Se tiene
entonces que la funcin de probabilidad de esta variable, se expresa por:

f ( x )=P [ X=x ] =

e
x!

X=0,1,2,..;o en cualquier otro punto o valor.

Donde es parmetro de tendencia central de la distribucin y representa el

nmero promedio o cantidad esperada de ocurrencias (xitos) del evento aleatorio
por unidad de medida o por muestra; e=2.71828 y x=Nmero de ocurrencias
especficas para el cual se desea conocer la probabilidad respectiva. Segn sea el
valor de , se define toda una familia de probabilidades de Poison. La probabilidad
de que una variable aleatoria de Poison X sea menor o igual a un valor de x se
halla por la funcin de distribucin acumulativa, planteada entonces como:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INGENIERIA ELECTRONICA - CEAD SOGAMOSO
x

p ( X x )=F ( x )=

x=0

e k
k!

Los resultados de las probabilidades individuales para valores de X sern ms

pequeos conforme la variable aleatoria toma valores cada vez ms grandes.
Los resultados de las probabilidades individuales para valores de X sern ms
pequeos conforme la variable aleatoria toma valores cada vez ms grandes
La distribucin de Poisson tiene la particularidad de que la media y la varianza
son iguales
E(x)=

var(x)=

Distribucin uniforme discreta.

Describe el comportamiento de una variable discreta que puede tomar n valores
distintos con la misma probabilidad cada uno de ellos. Un caso particular de esta
distribucin, ocurre cuando los valores son enteros consecutivos. Esta distribucin
asigna igual probabilidad a todos los valores enteros entre el lmite inferior y el
lmite superior que definen el recorrido de la variable.
Distribucin uniforme continua.
Una variable aleatoria se dice que sigue una distribucin uniforme continua en un
intervalo real (a,b), y se representa por (a,b), si su funcin de densidad es
constante en dicho intervalo y nula fuera de l; es decir:
Distribucin Normal.
La distribucin normal es de suma importancia en estadstica por tres
razones principales:
Numerosas variables continuas de fenmenos aleatorios tienden a
comportarse probabilsticamente mediante sta.
Es el lmite al que convergen tanto variables aleatorias continas como
discretas.
Proporciona la base de la inferencia estadstica clsica debido a su relacin
con el teorema del lmite central.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INGENIERIA ELECTRONICA - CEAD SOGAMOSO