Este documento describe variables aleatorias discretas y continuas, y define conceptos estadísticos como media, varianza y desviación estándar. Explica que una variable aleatoria asigna números a los resultados de un experimento aleatorio y puede ser discreta, tomando valores aislados, o continua, tomando cualquier valor en un intervalo. También define la función de distribución de probabilidad y cómo se usa para calcular la media y otros valores para variables aleatorias.
0 calificaciones0% encontró este documento útil (0 votos)
28 vistas3 páginas
Este documento describe variables aleatorias discretas y continuas, y define conceptos estadísticos como media, varianza y desviación estándar. Explica que una variable aleatoria asigna números a los resultados de un experimento aleatorio y puede ser discreta, tomando valores aislados, o continua, tomando cualquier valor en un intervalo. También define la función de distribución de probabilidad y cómo se usa para calcular la media y otros valores para variables aleatorias.
Este documento describe variables aleatorias discretas y continuas, y define conceptos estadísticos como media, varianza y desviación estándar. Explica que una variable aleatoria asigna números a los resultados de un experimento aleatorio y puede ser discreta, tomando valores aislados, o continua, tomando cualquier valor en un intervalo. También define la función de distribución de probabilidad y cómo se usa para calcular la media y otros valores para variables aleatorias.
Este documento describe variables aleatorias discretas y continuas, y define conceptos estadísticos como media, varianza y desviación estándar. Explica que una variable aleatoria asigna números a los resultados de un experimento aleatorio y puede ser discreta, tomando valores aislados, o continua, tomando cualquier valor en un intervalo. También define la función de distribución de probabilidad y cómo se usa para calcular la media y otros valores para variables aleatorias.
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1/ 3
3.
1 Variables aleatorias discretas
Una variable aleatoria es una funcion que asigna un numero a cada suceso elemental de un
experimento aleatorio.
Cualquier variable estadística cuantitativa estudiada en los temas 1 a 3 podría considerarse
variable aleatoria con la condición de que este observada en todos los individuos de una población.
La media de una variable aleatoria X se denota por µx. En el caso en el que no exista la
posibilidad de confusión respecto de la variable aleatoria con la que estamos trabajando, la media se denotara solamente por µ. A la media de una variable aleatoria X también se le llama esperanza matemática de X, denotándola entonces por E(X).
La varianza de una variable aleatoria X se denota por Var(X), por σ 2 x o simplemente por σ 2 .
Por tanto, la desviación típica de una variable aleatoria X se denota por σx o por σ.
La función de distribución de una variable aleatoria X se denota por FX o simplemente por F y se
define de la siguiente forma:
FX(t) = P(X ≤ t) para todo t .
CLASIFICACION DE LAS VARIABLES ALEATORIAS:
- Variable aleatoria discreta: solo puede tomar valores numéricos aislados (fijados dos consecutivos, no puede existir ninguno intermedio).
- Variable aleatoria continua: puede tomar cualquier valor numérico dentro de un intervalo, de modo que entre cualesquiera dos de ellos siempre existe otro posible valor.
3.1.1 Distribución de probabilidad en forma general.
Una distribución de probabilidad es aquella que permite establecer toda la gama de resultados probables de ocurrir en un experimento determinado. Es decir, describe la probabilidad de que un evento se realice en el futuro.
La distribución de probabilidad es una herramienta fundamental para la prospectiva, puesto que
con ella es posible diseñar un escenario de acontecimientos futuros considerando las tendencias actuales de diversos fenómenos.
Las características más importantes a considerar en una distribución de probabilidad son:
- La probabilidad de un resultado específico está entre cero y uno.
- La suma de las probabilidades de todos los resultados mutuamente excluyentes es 1.
Toda distribución de probabilidad se genera por una variable (debido a que puede tomar diferentes valores) aleatoria x (porque el valor que se toma es completamente al azar). 3.1.2 Valor esperado
El valor que se espera obtener de un experimento estadístico se llama el valor esperado. También llamado "esperanza matemática". También lo llamamos "media" y esta es la palabra que vamos a seguir usando. Si tiramos una moneda 10 veces, esperamos que salga 5 veces "cara" y 5 veces "cruz". Esperamos obtener este valor porque la probabilidad de que salga "cara" es 0,5, y si lanzamos la moneda 10 veces, obtenemos 5. Por lo tanto, 5 es la media. Para formalizar este particular ejemplo de la media, si p es la probabilidad y n el número de eventos, la media es a = np. Esta es la forma de la media cuando se puede expresar la probabilidad por medio de la distribución binomial.
Para formalizar el concepto un poco más, en un experimento con resultados discretos xi para los cuales la probabilidad es P(xi), la media estará dada por:
a = Σx P(x ) i i
En el caso de variables continuas donde se expresa la probabilidad en términos de una función de
distribución, la media toma la forma
3.1.3 Variancia, desviación estándar.
La varianza y la desviación estándar indican si los valores se encuentran más o menos próximos a las medidas de posición.
Para Malhotra (2008), la varianza es una “técnica estadística que sirve para examinar las diferencias entre las medias de dos o más poblaciones”. La fórmula de la varianza es:
La desviación estándar es simplemente la raíz cuadrada positiva de la varianza.
Para comprender el concepto de la varianza y de la desviación estándar, a manera de ejemplo, si
una persona gerente de una empresa de alimentos desea saber qué tanto varían los pesos de los empaques (en gramos) de sus productos, selecciona al azar cinco unidades de ellos para pesarlos, y se obtuvieron los siguientes pesos en gramos: 490, 500, 510, 515 y 520, respectivamente.
Dados estos datos, lo primero que se calcula es la media de esos datos:
Por lo tanto, la desviación estándar sería: √145 = 12,04
Con estos datos se llega a la conclusión de que el peso promedio de los empaques es de 507 gramos, con una tendencia a variar por debajo o por encima de dicho peso en 12 gramos. Esta información le permite a quienes toman decisiones en la empresa, determinar cuánto es el promedio de pérdidas causado por el exceso de peso en los empaques, y le da las bases para tomar los correctivos necesarios en el proceso de empacado.
Bibliografías
Conoce las principales distribuciones de probabilidad | Conexión ESAN. (s. f.).
