Taller # 1 1.1 Variables Aleatorias

UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMATICAS Y FISICAS

CARRERA: SOFTWARE
DOCENTE: ING. ALONSO ANGUIZACA JOSE LUIS
CURSO: ESTADÍSTICA II 4 - 5
INTEGRANTES:
- Brayan Fabian Morales Soledispa
- José Luis Sellan Alvarado
- Leonardo Israel Sellan Fajardo
- Jazmín Elena Velasco Macías
- Kevin Michael Tamayo Florea
Ejercicio #1
Sea la función de densidad:
Traza la gráfica correspondiente
Encuentra 𝑃(0,5 < 𝑥 < 1)

1
𝑃(0,5 < 𝑥 < 1) = ∫ 6𝑥(1 − 𝑥) 𝑑𝑥 = 3𝑥 2 − 2𝑥 3 + 𝐶

0,5
[(3(1) − 2(1)] − [3(0,5) − 3(0,5)] = 1 − 0,5 = 0,5

Ejercicio #2
Sea la función de densidad
Traza la gráfica correspondiente:
Encuentra 𝑃(1/4 < 𝑥 < 1/2)

1
2
1 1 𝑘𝑥 2 (2𝑥 − 3)
𝑃 ( < 𝑥 < ) = ∫ 𝑘𝑥(1 − 𝑥) 𝑑𝑥 = − +𝐶
4 2 6
1
4
1 1 1 1
𝑘(2)2 (2 2 − 3) 𝑘(4)2 (2 4 − 3) 11𝑘
[− ] − [− ]=
6 6 192
1 1 1
Encuentra 𝑃(𝑥 > 3 / 4 < 𝑥 < 2)
1 1
1 𝑘(1)2 (2(1) − 3) 𝑘(3)2 (2 3 − 3) 10𝑘
𝑃 ( < 𝑥 < 1) = [− ] − [− ]=
3 6 6 81
10𝑘
81 = 1920𝑘 = 2,15
11𝑘 891𝑘
192
Cuestionario
1.- ¿Que es una variable aleatoria?

una variable aleatoria es una función que asigna un valor, numérico, al resultado de un
experimento aleatorio. Por ejemplo, los posibles resultados de tirar un dado dos veces: (1, 1),
(1, 2), etc. o un número real (por ejemplo, la temperatura máxima medida a lo largo del día en
una ciudad concreta).
2.- ¿Cómo se define una variable aleatoria discreta y una continua?

Una variable discreta es una variable que no acepta cualquier valor, solo aquellos que
pertenecen al conjunto. se determina una variable discreta como la variable que hay entre dos
valores observables, hay por lo menos un valor no observable. Como ejemplo, el número de
animales en una granja (0, 1, 2, 3, 4, 5, 6, 7, …). Otro ejemplo sería el número de hijos en una
familia (1; 2; 3; 4; …).
Una variable continua puede tomar un valor fijo dentro de un intervalo determinado. Y
siempre entre dos valores observables va a existir un tercer valor intermedio que también
podría tomar la variable continua. nunca puede ser medida con exactitud; el valor observado
depende en gran medida de la precisión de los instrumentos de medición. Con una variable
continua hay inevitablemente un error de medida. Como ejemplo, la estatura de una persona
(1,72 m; 1,719 m; 1,718 6 m....).
3- ¿En qué se diferencia una función de probabilidad de una función de densidad de

probabilidad? ¿Cuáles son las propiedades de cada una?
Se llama función de probabilidad de una variable aleatoria discreta X a la aplicación que asocia
cada valor de xi o Y de la variable su probabilidad que no debe exceder la unidad ,
gráficamente se representa en un diagrama de barras y la sumatoria de probabilidades se debe
de obtener la unidad, mientras una función de densidad de probabilidad es una teoría para
definir cómo se distribuye una variable numérica en una determinada población o muestra
permitiéndonos así calcular el área debajo de la curva en un determinado intervalo
4.- ¿Cómo se representa gráficamente la probabilidad en una variable aleatoria

discreta y una variable aleatoria continua?
Para representar gráficamente la probabilidad en una variable aleatoria discreta primero se
debe de tener en cuanta cuantos posibles resultados se pueden obtener aleatoriamente, luego
calculamos la probabilidad de cada uno usando la fórmula de probabilidad
Después verificamos que la suma de las probabilidades de como resultado la unidad para
después representarlo gráficamente teniendo en cuenta que X son los resultados posibles y
“Y” son la probabilidad.
Ejemplo:
Para representar gráficamente la probabilidad en una variable aleatoria continua primero se

tiene que tomar en cuenta el valor más pequeño y después el valor más grande,
hipotéticamente seria: , por lo tanto podremos formar una integral de la
manera el grafico dependería de los valores mínimos y máximos, ejemplos
de gráficos posibles serian:
En estadística el área bajo la curva podría tener forma

triangular o rectangular, como, por ejemplo:
5.- ¿Cómo se define la función de probabilidades acumuladas en una variable

aleatoria discreta y en una continua? ¿Cómo se representan cada una? ¿Cuáles son
sus propiedades?
En la teoría de la probabilidad y en estadística, la función de distribución
acumulada (FDA, designada también a veces simplemente como función de
distribución o FD) o función de probabilidad acumulada asociada a una variable
aleatoria real X sujeta a cierta ley de distribución de probabilidad, es una función
matemática de la variable real X que describe la probabilidad de que X tenga un
valor menor o igual que .

Función de Probabilidad Acumulada
La función distribución acumulada de la variable aleatoria discreta , cuya

distribución de probabilidad es , es la probabilidad de que la variable sea
menor o igual al valor Esto es,
Ejemplo
Para el ejemplo tratado anteriormente, La función distribución acumulada de la
variable aleatoria discreta es determinada así:
1. Divida el rango de la variable en subintervalos: y . Esta

división es realizada de acuerdo con la partición de la recta real dada en la función de
probabilidad.
2. Calcule la función de probabilidad acumulada para un valor que se encuentre en

el intervalo como la suma de las probabilidades de los valores de la variable menores
a .
ya que según la definición de la función de

probabilidad cuando como es en este caso.
Luego La función distribución acumulada de la variable aleatoria discreta es
dada por
Caso Continuo
Una variable es llamada continua si toma todos sus valores sobre un intervalo de la
recta real. Esto es, el conjunto es un intervalo sobre . Como
ejemplo este caso se puede considerar variables tiempo, edad y estatura.
Función de Densidad
Sea una variable aleatoria definida sobre La función de

densidad es dada por alguna función integrable sobre tal que
para todo evento
Teorema
Sea una variable aleatoria definida sobre . Toda función que es

integrable sobre y satisface:
es la función de densidad de alguna variable aleatoria continua .
Este teorema nos sirve para determinar cuándo una función integrable sobre es una
función de densidad de alguna variable aleatoria continua .
Ejemplo
Sea una función sobre dada por
Esta es una función integrable que satisface que para todo como se
puedo observar en la figura 1.
GRAFICOS INDEPENDIENTES DEL EJEMPLO
Propiedades de la función de probabilidad de una variable discreta:
Es una función acotada:
La suma es la unidad, .
Además, si conocemos la función de probabilidad podemos obtener la función de
distribución y viceversa de la siguiente manera:
•
Ejemplo: en la gráfica apreciamos la función en escalera (la distribución) de la variable

discreta anterior, superpuesta con la función de probabilidad
Propiedades de la función de densidad:
1. Es una función positiva:
2. Su integral es la unidad
Además, si conocemos la función de densidad podemos obtener la función de

distribución y viceversa de la siguiente manera:
• por ser la función de densidad la derivada de la función

de distribución.
Ejemplo: la gráfica muestra una función de densidad

6.- Cuando se habla de una función de distribución de probabilidades.
¿A qué función se refiere?
Dada una variable aleatoria x, su función de distribución, 𝒇x(x), es
7) ¿Cómo se interpreta F(a)? (Expresa F(a) de todas las formas posibles y grafica F(a) )
Función de distribución
En la teoría de la probabilidad y en estadística, la función de distribución acumulada
(FDA, designada también a veces simplemente como función de distribución o FD) o
función de probabilidad acumulada asociada a una variable aleatoria real {\displaystyle
X}X sujeta a cierta ley de distribución de probabilidad,
Función de distribución acumulada
Normal con media = 12 y desviación estándar = 0.25
x P( X ≤ x )
11.5 0.022750
12.5 0.977250
Función de distribución acumulada
Uniforme discreto desde 1 hasta 6
x P( X ≤ x )
1 0.16667
2 0.33333
3 0.50000
4 0.66667
5 0.83333
6 1.00000

Taller # 1 1.1 Variables Aleatorias

Cargado por

Copyright:

Formatos disponibles

Taller # 1 1.1 Variables Aleatorias

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Taller # 1 1.1 Variables Aleatorias

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE CIENCIAS MATEMATICAS Y FISICAS

Sea la función de densidad:

Traza la gráfica correspondiente

Encuentra 𝑃(0,5 < 𝑥 < 1)

𝑃(0,5 < 𝑥 < 1) = ∫ 6𝑥(1 − 𝑥) 𝑑𝑥 = 3𝑥 2 − 2𝑥 3 + 𝐶

[(3(1) − 2(1)] − [3(0,5) − 3(0,5)] = 1 − 0,5 = 0,5

Sea la función de densidad

Traza la gráfica correspondiente:

Encuentra 𝑃(1/4 < 𝑥 < 1/2)

1.- ¿Que es una variable aleatoria?

2.- ¿Cómo se define una variable aleatoria discreta y una continua?

3- ¿En qué se diferencia una función de probabilidad de una función de densidad de

4.- ¿Cómo se representa gráficamente la probabilidad en una variable aleatoria

Para representar gráficamente la probabilidad en una variable aleatoria continua primero se

En estadística el área bajo la curva podría tener forma

5.- ¿Cómo se define la función de probabilidades acumuladas en una variable

valor menor o igual que .

La función distribución acumulada de la variable aleatoria discreta , cuya

1. Divida el rango de la variable en subintervalos: y . Esta

2. Calcule la función de probabilidad acumulada para un valor que se encuentre en

ya que según la definición de la función de

Sea una variable aleatoria definida sobre La función de

para todo evento

Sea una variable aleatoria definida sobre . Toda función que es

es la función de densidad de alguna variable aleatoria continua .

GRAFICOS INDEPENDIENTES DEL EJEMPLO

Propiedades de la función de probabilidad de una variable discreta:

Es una función acotada:

Ejemplo: en la gráfica apreciamos la función en escalera (la distribución) de la variable

Propiedades de la función de densidad:

1. Es una función positiva:

Además, si conocemos la función de densidad podemos obtener la función de

• por ser la función de densidad la derivada de la función

Ejemplo: la gráfica muestra una función de densidad

Dada una variable aleatoria x, su función de distribución, 𝒇x(x), es

Normal con media = 12 y desviación estándar = 0.25

Uniforme discreto desde 1 hasta 6

También podría gustarte