Actividad Caso 3 Mdulo 2

Delgado, Daniel 2130553. Ordoez, Hernan 2082013. Alvarez, John 2130532. Arias, Lorena 2131490
E3T, Universidad Industrial de Santander
Bucaramanga, Colombia
Grapa 2, Grupo B1
Actividad: Caso 2; Describiendo Escenarios,
Mdulo 1
Leccin 1.2, Conferencia 1
RICARDO LLAMOSA VILLALBA. 7 de Agosto del 2015.

Abstract Este taller corresponde al caso estandarizar

variables aleatorias para el mdulo de modelar estocsticamente
el escenario, aqu tratamos de hallar la probabilidad de cada
evento con respecto al escenario y as llegar a saber si es
probable o no que este evento ocurra.

A esta funcin asociada

a una variable aleatoria
continua se le llama
funcin de densidad.

I. INTRODUCCION

n el presente caso del modelo desarrollaremos

habilidades en estandarizar las variables dado a que
podemos por medio de unas funciones de distribucin
para cada variable(continua o discreta), con estas funciones
podemos
encontrar
cada
probabilidad
de
cada
evento(variable).

Calcular la funcin de
distribucin de
probabilidad de las
puntuaciones obtenidas al
lanzar un dado.

II. DESARROLLO
1.

1.

Para esta actividad, los estudiantes de estadstica, por

grapas, deben definir con sus propias palabras los
siguientes conceptos y plantear un ejemplo en el que
se aplique dicho concepto.

Concepto

Funciones
de
a
) densidad
continuas

Definicin

Ejemplo

Segn la definicin, una

variable aleatoria
continua puede tomar
un nmero infinito no
numerable de puntos, la
probabilidad que hemos
de asignarle a cada
valor de la variable
estar en [0,1] con la
condicin de que la
suma de todas las
probabilidades es 1,
como hay un nmero
infinito no numerable
de valores con masa,
sta es despreciable por
lo que se dice que no
tienen masa
P [X = x] = 0.

Una calculadora genera

1.
nmeros al azar en el
intervalo [0,1], con igual
probabilidad para cada
nmero del intervalo. Una
variable as definida es
continua, y adems se
reparte uniformemente la
probabilidad en el
intervalo [0,1]. La funcin
de densidad es :

Definimos
una funcin que
verifica:

Funciones
de
b
) distribuci
n discretas

Esta funcin as definida

cumple las dos
condiciones:

1.

Valor
c esperado
) de una
variable
aleatoria

Sea X una variable

aleatoria discreta cuyos
valores suponemos
ordenados de menor a
mayor.
Llamaremos funcin de
distribucin de la
variable X, y
escribiremos F(x) a la
funcin:
F(x) = p(X x)
La funcin de
distribucin asocia a
cada valor de la variable
aleatoria la probabilidad
acumulada hasta ese
valor.

En estadstica del
valor esperado de
una variable
aleatoria , es el
nmero
que
formaliza la idea
de valor medio de un
fenmeno aleatorio.

Un jugador tiene tres

oportunidades de lanzar
una moneda normal y
obtener cara, si cae cara la
1ra vez el jugador gana $2,
si cae cara la 2da vez gana
$4 y si cae cara en la 3ra
vez gana $8, el juego

Cuando la variable
aleatoria es discreta, la
esperanza es igual a la
suma de la probabilidad
de cada posible suceso
aleatorio multiplicado
por el valor de dicho
suceso. Por lo tanto,
representa la cantidad
media que se "espera"
como resultado de un
experimento aleatorio
cuando la probabilidad
de cada suceso se
mantiene constante y el
experimento se repite
un elevado nmero de
veces. Cabe decir que el
valor que toma la
esperanza matemtica
en algunos casos puede
no ser "esperado" en el
sentido ms general de
la palabra - el valor de
la esperanza puede ser
improbable o incluso
imposible.

termina en el momento en
que cae una cara o despus
de tres intentos. Si no cae
cara en los tres
lanzamientos pierde $20.
Cul es la esperanza de
ganancia o prdida en el
juego?
La probabilidad de que en
la 1ra ocasin salga cara
es
La probabilidad de que en
la 2ra ocasin salga cara
es
La probabilidad de que en
la 3ra ocasin salga cara
es

La esperanza es:

1.

1.

Varianza
d de una
) variable
aleatoria

como
o,
simplemente 2), como

donde

La probabilidad de que no
salga ninguna cara en los
tres lanzamientos es

As, el jugador esperar

ganar luego de muchos
juegos $0.5. Cabe notar
que 50 centavos no es
ninguno de los posibles
valores de la variable
aleatoria,
as,
es
completamente
posible
que una variable aleatoria
nunca tome el valor de su
esperanza.

Aplicando este concepto

a una variable aleatoria
con media = E[X], se
define su varianza,
Var(X) (tambin
representada

Si la variable
aleatoria X es discreta c
on
pesos x1 p1, ..., xn p
n y n es la cantidad total
de datos, entonces
tenemos:

Un dado de seis caras

puede representarse como
una variable aleatoria
discreta que toma, valores
del 1 al 6 con probabilidad
igual a 1/6. El valor
esperado es
(1+2+3+4+5+6)/6 = 3,5.
Por lo tanto, su varianza
es:

Desarrollando la
definicin anterior, se
obtiene la siguiente
definicin alternativa (y
equivalente):
2.

Diferencia
entre
funcin de
distribuci
n de
e probabilid
ad y
)
funcin de
densidad
de
probabilid
ad

Propiedad
es de un
a
experimen
)
to
binomial

La distribucin de
probabilidad de una
variable aleatoria es una
funcin que asigna a
cada suceso definido
sobre la variable
aleatoria la probabilidad
de que dicho suceso
ocurra. La distribucin
de probabilidad est
definida sobre el
conjunto de todos los
eventos rango de
valores de la variable
aleatoria.
La funcin de densidad
de probabilidad, funcin
de densidad, o,
simplemente, densidad
de una variable aleatoria
continua es una funcin,
usualmente denominada
f(x) que describe la
densidad de la
probabilidad en cada
punto del espacio de tal
manera que la
probabilidad de que la
variable aleatoria tome
un valor dentro de un
determinado conjunto
sea la integral de la
funcin de densidad
sobre dicho conjunto.
La variable aleatoria
binomial, X, expresa
el nmero de xitos
obtenidos en cada
prueba del experimento.

Ver ejemplos anteriores.

k = 6, al lanzar una
moneda 10 veces y
obtener 6 caras.

La variable binomial es
una variable aleatoria
discreta, slo puede
tomar los valores 0, 1,
2, 3, 4, ..., n suponiendo
que se han realizado n
pruebas.

Funcin
de
probabilid
ad
binomial

2. b)

Una distribucin
binomial o de
Bernoulli tiene las
siguientes
caractersticas:
1. En cada prueba del
experimento slo son
posibles dos
resultados: xito y fraca
so.
2. La probabilidad de
xito es constante, es
decir, que no vara de
una prueba a otra. Se
representa por p.
3.La probabilidad de
fracaso tambin
es constante, Se
representa por q,
q=1p
4. El resultado obtenido
en cada prueba
es independiente de los
resultados obtenidos
anteriormente.
5. La variable aleatoria
binomial, X, expresa
el nmero de xitos
obtenidos en
las n pruebas. Por tanto,
los valores que puede
tomar X son: 0, 1, 2, 3,
4,..., n.
La distribucin
binomial se expresa
por B(n, p)

Tendencia central:

2.

c
)

aplicando la definicin
de valor esperado se
obtiene que para esta
distribucin :
Dispersin
variacin: :
=
lo que conduce a que

una variable aleatoria

binomial X tiene como
varianza
Por lo tanto su
desviacin
estndar:
Valor
esperado
unidades defectuosas.
Varianza
n es el nmero de pruebas.
k es el nmero de xitos.
p es la probabilidad de
xito.
q es la probabilidad de
fracaso.
E l n me r o
c o mb i n a t o r i o :

La funcin de masa o
probabilidad de la
distribucin de Poisson
es

donde

La ltima novela de un
autor ha tenido un gran
xito, hasta el punto de
que el 80% de los lectores
ya la han leido. Un grupo
de 4 amigos son
aficionados a la lectura:
Cul es la
probabilidad de que
e l gr u p o h a ya n l e d o
la novela 2
personas?
n=4
p = 0.8
q = 0.2
B(4, 0.8)

2. d)

Una empresa adopt un

proceso de control de
calidad consistente en
diariamente seleccionar al
azar 20 unidades del total
producido y conocer el
nmero de unidades
defectuosas. El plan
establece que si al
examinar diariamente las
veinte unidades, tres o ms
salen defectuosas, algo
est pasando y se ordena
detener el proceso
productivo para buscar la
falla.

Funcin
de
distribuci
n de
Poisson

k es el nmero
de ocurrencias
del evento o
fenmeno (la
funcin nos
da la
probabilidad
de que el
evento suceda
precisamente
k veces).
es un
parmetro
positivo que
representa el
nmero de
veces que se
espera que
ocurra el
fenmeno
durante un
intervalo
dado. Por
ejemplo, si el
suceso
estudiado
tiene lugar en
promedio 4
veces por
minuto y
estamos
interesados en
la
probabilidad
de que
ocurra k veces
dentro de un
intervalo de
10 minutos,

El nmero promedio de
partculas radioactivas que
registra un contador en un
milisegundo en la
realizacin de un
experimento aleatorio es
de cinco (5) partculas.
Hallar la probabilidad de
que se registre distinto
nmero de partculas en un
mismo milisegundo.

Acudiendo a las tablas

existentes para tal fn a
los medios electrnicos, se
llega a construir la tabla de
distribucin de
probabilidades, dando:
Tabla 1
y valores de
ms
grandes pero con
probabilidad mas pequea.
Se nota el punto de
inflexin
entre
y
y no
es tan sesgada a la derecha
por el valor

Valor
esperado y
varianza
en la
Funcin
de
probabilid
ad de
Poisson

usaremos un
modelo de
distribucin
de Poisson
con = 104
= 40.
e es la base de
los logaritmos
naturales (e =
2,71828...)

Tomando el ejemplo
anterior:
Valor esperado:

Valor Esperado:
el cual
conocido.
Varianza:

debe

Varianza:

con
idntica probabilidad.
Entonces la distribucin
uniforme discreta viene
dada por:
Distribuci
n de
probabilid
ad
uniforme
O sea que el parmetro
clave
en
esta
distribucin
es
=nmero de valores que
asume
la
variable
aleatoria X y que sera
un parmetro de conteo.

Valor esperado

Funcin
de

Funcin
de
distribuci
n Normal
estndar

cuando se lanza un dado

correcto, cada una de las
seis caras posibles
conforman el espacio
muestral:
La variable aleatoria X:
nmero de puntos en la
cara superior del dado
tiene una distribucin de
probabilidad Uniforme
discreta, puesto que:

Varianza (

Una variable
continua, X,

aleatoria
sigue

La distribucin normal
estndar, o tipificada o
reducida, es aquella que
tiene por media el valor
cero,
=0,
y
por desviacin tpica la
unidad, =1.
Su funcin de densidad
es:

III. DESARROLLO DESTREZAS

1.
=

una distribucin
normal de media
y desviacin tpica ,
y se designa por N(,
), si se cumplen las
siguientes condiciones:
1. La variable puede
tomar cualquier valor: (, +)
2. La funcin
de
densidad,
es
la
expresin en trminos
de ecuacin matemtica
de la curva de Gauss:

ser

Sea la variable aleatoria

X que puede asumir
valores

Valor
esperado y
varianza
en
la
distribuci
n
uniforme

distribuci
n Normal

En la tabla siguiente se dan las edades de la

poblacin de una ciudad pequea. Los datos
aparecen en miles de personas.

para

en otro caso.

Para
el
caso
del
lanzamiento del dado: el
valor esperado y la
varianza del nmero de
puntos en la cara superior
son:

Suponga una seleccin aleatoria de una persona de esta

poblacin.
Calculamos el nmero total de personas:
T= 80.5+19.0+39.9+45.2+37.7+24.3+35.0= 281.6
a. Cul es la probabilidad de que la persona
tenga entre 20 y 24 aos?
En este caso el xito seria escoger
una persona entre 20 y 24 = 19.0

2.

b.

Cul es la probabilidad de que la persona

tenga entre 20 y 34 aos?

c.

Cul es la probabilidad de que la persona

tenga 45 aos ms?

Considere el experimento que consiste en un empleado

que arma un producto.
a.

Defina la variable aleatoria que represente el tiempo

en minutos requerido para armar el producto.

4.

= Tiempo en minutos requerido para armar el

producto
= [1,2,3,4.]
=
Nuestra variable aleatoria va a ser t y representa el
tiempo en minutos.
b. Qu valores toma la variable aleatoria?

t=1, t=2, t=3

Es continua ya que puede tomar infinitos valores.

20
25
30
35
a.

0.20

Cul es la probabilidad de que x sea menor o igual

que 25?
(
)

d.

Cul es la probabilidad de que x sea mayor que 30?

Para hallar la probabilidad de x>30, debemos aplicar:
(
)
(
) Entonces:
(
)

Para el anterior ejercicio, calcule:

a. El valor esperado de x
Se define el valor esperado de una variable
aleatoria con distribucin discreta como:
U= E(x)= x.f(x) = 20 x 0.2 + 25 x 0.5 + 30 x
0.25 + 35 x 0.40
U = 38
El valor esperado de x es 38

5.

Considere un experimento binomial con dos ensayos y

p=0.4.
a. Dibuje un diagrama de rbol para este
experimento.

0.15
0.25
0.40

Es vlida esta distribucin de probabilidad?

No, ya que se debe cumplir que si
entonces
( )
( ) y vemos en el caso de x=20 y x=25
esto no se cumple ya que ( )
( ), la funcin
de probabilidad valida seria:

x
20
25
30
35

c.

c. La desviacin estndar de x
Con ayuda de la herramienta Excel hicimos el
clculo obteniendo e siguiente resultado:
DESVEST = 6.45497224

c. Es una variable aleatoria discreta o continua?

A continuacin se presenta la distribucin de

probabilidad de una variable aleatoria x.
( )

Cul es la probabilidad de que x = 30?

Para hallar la probabilidad de x=30, debemos aplicar:
(
)
(
)
(
) Entonces:
(
)

b. La varianza de x
Con ayuda de la herramienta Excel hicimos el
clculo obteniendo el siguiente resultado:
VAR = 41.6666667 ; VARPA = 31.25

Puede tomar infinitos valores como:

3.

b.

F(x)
0.15
0.20
0.25
0.40

b.

c.

Calcule la probabilidad de un xito, f(1).

f(1) = 0.84 - 0.36
f(1) = 0.48
Calcule f(0).
f(0) = 0.36

f.

6.

N=11(nmeros a evaluar)
A= 10(menor valor)
B=20(mayor valor)

f(2) = 0,16

Calcule la probabilidad de por lo menos un

xito.
La probabilidad de por lo menos un xito es
0.84

Discrete Uniform Distribution

0,1

1,5

0,08
1

0,06

Calcule el valor esperado, la varianza y la

desviacin estndar.
Valor esperado, E(x) = 0,8
Desviacin estndar, std.Dev(x) = 0,69
Varianza, Var(x) = 0.48

0,04

0,5

0,02

Se hizo una encuesta a los estudiantes de estadstica

donde se pregunt: Cuando viaja a otras ciudades
Suele aventurarse ud. solo a conocer los sitios
tursticos o prefiere permanecer con el grupo de su tour
y respetar el itinerario? Se encontr que 23% prefiere
permanecer con el grupo.
a. Cul es la probabilidad de que en una
muestra de seis viajeros, dos prefieran
permanecer con su grupo?
P =2/6 =1/3= 0,33333
33.33333%
De que en una muestra de seis viajeros, por lo
menos dos prefieran permanecer con su grupo?
P =2/6 =1/3= 0,33333
33.33333%

b.

Calcule P(x<15)
P(x<15)= 0.5454

c.

Calcule P(12x 18)

P(12)= 0.2727
P(18)=0.8181
P(12x 18)= P(18)-P(12)= 0.5454

d.

Calcule E(x).

b.

De que en una muestra de 10 viajeros,

ninguno prefiera permanecer con su grupo?
P = 10/0 = 0
0%

0
1011121314151617181920212223242526272829
Prob. mass function
Distribution function

c.

7.

Segn un estudio de una empresa, cada ao ocurren en

promedio 15 accidentes areos
a. Calcule el nmero medio de accidentes areos
por mes.
Cada ao son 12 meses, entonces se hace por
distribucin de probabilidad de poisson, as
podemos decir que pueden haber 0,1 o 2
accidentes en un mes
=15(1/12)
x= nmeros de eventos

b.

c.

d.

8.

Calcule la probabilidad de que no haya ningn

accidente en un mes.
F(x=0)= (((15/12)^0)/ 0!) e^(-15/12) = 0.2865
De que haya exactamente un accidente en un
mes.
F(x=1)= (((15/12)^1)/ 1!) e^(-15/12) = 0.3581

De que haya ms de un accidente en un mes.

f(x>1)=1-f(1)=1
La variable aleatoria x est distribuida uniformemente
entre 10 y 20.
a. D la grfica de la funcin de densidad de
probabilidad.

E(x) = 15
e.

9.

Calcule Var(x).
h=(20-10)/(11-1)=1
Var(x)= (h^2)*((n^2)-1)/12= 1

Dado que z es la variable normal estndar, calcule las

probabilidades siguientes.
a. P(-1.98z0.49)
P(z0.49)-P(z-1.98) = 6.88-0.024 = 6.856
b.

P(0.52z1.22)
P(z1.22)-P(z0.52)= 0.88-0.69 = 0.19

c.

P(-1.75z-1.04)
P(z-1.04)-P(z-1.75)=0.15-0.04=0.11

d.

P(z>0.44)
1-P(z0.44)=1-0.67= 0.33

e.

P(z<1.20)= 0.885

10. El volumen de negociaciones en la Bolsa de Nueva

York es ms intenso en la primera media hora (en la
maana temprano) y la ltima media hora (al final de la
tarde) de un da de trabajo. A continuacin se presentan
los volmenes (en millones de acciones) de 13 das de
enero y febrero.

Distribution function

e.

Calcule f(2).
f(2) = 1 - 0.84

Prob. mass function

d.

214

163

265

194

202

198

212

201

174

171

211

211

180
-

La distribucin de probabilidad de los volmenes de

negociaciones es aproximadamente normal.
a. Calcule la media y la desviacin estndar a
usar como estimaciones de la media y de la
desviacin estndar de la poblacin.

b.

Cul es la probabilidad de que, en un da

elegido al azar, el volumen de negociaciones
en la maana temprano sea superior a 180
millones de acciones?
S=(x-n)/d
n:media
d:desviacion
S=(180-200)/26.04 =-0.768
P [ S > -a] = P [ S < a ].
P(S>-0.768) = P(S<0.768)=0.779

c.

Cul es la probabilidad de que, en un da

elegido al azar, el volumen de negociaciones
en la maana temprano sea superior a 230
millones de acciones?
S=(230-200)/26.04 = 1.152
P(S>1.15) = 1-P(S<1.152) = 1-0.875 = 0.125

d.

Cuntas acciones debern ser negociadas para

que el volumen de negociaciones en la maana
temprano de un da determinado pertenezca al
5% de los das de mayor movimiento?
Las acciones a negociar deberan ser 242.84
millones.

IV CONCLUSIONES
Con este caso podemos concluir que se puede
diferenciar estandarizando las variables aleatorias en
funciones de distribucin en continuas o discretas, cada
una de ellas tiene sus funciones, sus mtodos para poder
hallar la probabilidad de un solo evento o la
probabilidad acumulada de varios eventos.
V REFERENCIAS
http://tic.uis.edu.co/ava/pluginfile.php/240819/mod_r
esource/content/12/Formulas_v5.3.pdf
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_u
niforme_discreta