Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD
DE
CIENCIAS
MATEMTICAS Y FSICAS
Carrera de Ingeniera en Sistema Computacionales &
Networking
Pertenece:
Andrs Rosado Gutirrez
Curso:
S3B
Profesor:
Ing. Lorenzo Cevallos
INDICE
INTRODUCCION A LA ESTADISTICA.......................................................................................... 6
PARAMETRO Y ESTIMADOR...................................................................................................... 8
TIPOS DE VARIABLE................................................................................................................. 9
DATOS NO AGRUPADOS......................................................................................................... 10
DATOS AGRUPADOS Y TABLAS DE FRECUENCIA.....................................................................13
GRAFICAS ESTADISTICAS....................................................................................................... 15
ESTADISTICA DE POSICION..................................................................................................... 20
MEDIDA DE LA CURTOSIS....................................................................................................... 23
CONTEO................................................................................................................................. 25
PRINCIPIO BASICO DE CONTEO.............................................................................................. 25
TECNICAS DE CONTEO........................................................................................................... 26
EXPERIMENTO ESTADISTICO Y ESPACIO MUESTRAL................................................................28
FUNCION DE PROBABILIDADES.............................................................................................. 29
MUESTREO CON O SIN REPOSICION....................................................................................... 29
LEY DEL COMPLEMENTO........................................................................................................ 30
LEY ADITIVA DE PROBABILIDAD.............................................................................................. 30
PROBABILIDAD CONDICIONAL................................................................................................ 32
EVENTOS INDEPENDIENTES................................................................................................... 33
REGLA MULTIPLICATIVA DE PROBABILIDAD............................................................................. 34
PROBABILIDAD TOTAL............................................................................................................ 35
TEOREMA DE BAYES............................................................................................................... 36
VARIABLE ALEATORIA............................................................................................................. 36
VALORES ESPERADOS............................................................................................................ 37
MEDIA Y VARIANZA DE UNA VARIABLE ALEATORIA.................................................................37
FUNCION DE DISTRIBUCION DE PROBABILIDADES.................................................................38
HISTOGRAMA DE PROBABILIDADES........................................................................................ 38
DISTRIBUCION ACUMULADA................................................................................................... 39
GRAFICA DE LA DISTRIBUCION ACUMULADA..........................................................................39
EXPERIMENTO BINOMIAL....................................................................................................... 40
DISTRIBUCION BINOMIAL....................................................................................................... 40
DISTRIBUCION BINOMIAL NEGATIVA....................................................................................... 40
DISTRIBUCION HIPERGEOMETRICA.......................................................................................... 41
DISTRIBUCION POISON............................................................................................................ 41
VARIABLE ALEATORIA CONTINUA............................................................................................ 42
DISTRIBUCION ACUMULADA................................................................................................... 42
VALORES ESPERADOS.............................................................................................................. 43
MEDIA Y VARIANZA DE UNA VARIABLE ALEATORIA CONTINUA..................................................44
DISTRIBUCION GAMMA........................................................................................................... 44
BIBLIOGRAFIA........................................................................................................................ 46
INTRODUCCION
SUMARIO
3
INTRODUCCION A LA ESTADISTICA
Qu es la Estadstica?
Es la sistematizacin, ordenacin y presentacin de los datos referentes a un fenmeno
que presenta variabilidad e incertidumbre para su estudio metdico, con objeto de
deducir las leyes que rigen esos fenmenos y poder de esa forma hace previsiones sobre
los mismos, tomar decisiones y obtener conclusiones.
Sheldon M. Ross (2007) indica:
La estadstica s el arte de aprender a partir de los datos. Est
relacionado con la recopilacin de datos, su descripcin subsiguiente y
su anlisis, lo que nos lleva a extraer conclusiones.
Estadstica Descriptiva
Es la que utiliza todos los datos de la poblacin.
Sheldon M. Ross (2007) indica:
La parte de la estadstica relacionada con la descripcin y la clasificacin
de los datos se conoce con el nombre de Estadstica Descriptiva.
Estadstica Inferencial
Al obtener o formular inferencias (previsiones y decisiones) acerca de una poblacin
con base en informacin obtenida de una muestra.
Sheldon M. Ross (2007) indica:
La parte de la estadstica relacionada con la extraccin de conclusiones
a partir de los datos se conoce con el nombre de Estadstica Inferencial.
Poblacin Objetivo
Conjunto bien definido de elementos que son sujetos de alguna medicin.
Irwin Miller & John Freund (1963) establece:
Las poblaciones finitas, nos referimos a la distribucin real de sus
valores.
Unidades de Investigacin
Elementos de la poblacin objetivo a los que se les efecta alguna medicin.
Muestra
Subconjunto n de unidades de investigacin tomadas de la poblacin objetivo.
Jos Tomas Prez (2004) indica:
Se denomina muestra a un subconjunto (una parte) de la poblacin.
Observacin
Son cada uno de los valores incluidos en la muestra.
EJEMPLO
Tiempo de duracin de un componente elctrico.
10
12
23
24
25
23
25
28
31
30
23
21
12
15
18
31
36
21
23
14
15
17
17
21
Muestra
x = media muestral
u = media poblacional
2
s = varianza muestral
PARAMETRO Y ESTIMADOR
Parmetros
Es una cantidad numrica calculada a partir de los elementos de una poblacin por
ejemplo la altura de los habitantes de un pas.
Estimador o Estadstico
Es una cantidad numrica calculada a partir de elementos de una muestra por ejemplo,
la altura de las personas de un curso.
TIPOS DE VARIABLE
Existen dos tipos de variable:
Cuantitativas
Si sus valores son numricos, es decir, se pueden hacer operaciones algebraicas entre
ellas. Tenemos dos tipos de esta variable cuantitativa:
Discretas: Es cuando se toman valores puntuales por ejemplo:
Nmero de hijos
Numero de mquinas con problemas
1. Continuas: Es cuando , si entre dos valores, son posibles infligir los valores
intermedios por ejemplo:
El tiempo que se demora una maquina en encuadernar
Antonio Vargas S. (1995) indica:
Se dice cuantitativo cuando sus diversas modalidades pueden ser
medidas o numeradas. La talla, el peso, la edad, el dimetro de una pieza
circulas son caracteres cuantitativos.
Cualitativas
Son el tipo de variables que como su nombre lo indica expresan distintas cualidades,
caractersticas o modalidad. Cada modalidad que se presenta se denomina atributo o
categora, y la medicin consiste en una clasificacin de dichos atributos.
Antonio Vargas S. (1995) establece:
Se dice cualitativo cuando sus distintas modalidades no son medibles ni
contables, sino que su variacin se pone de manifiesto mediante
cualidades que presentan formas alternativas, como puede ser el estado
matrimonial, el sexo.
DATOS NO AGRUPADOS
Ejemplo
El nmero de faltas ortogrficas que cometen un grupo de estudiantes en un
dictado fue:
n = 40
CLASE
MARCA
CLASE
FRECUENCIA
ABSOLUTA
12
FRECUENCIA
RELATIVA
12/40
FRECUENCIA
ACUMULADA
12
F. RELATIVA
ACUMULADA
0.3
9/40
21
0.525
7/40
28
0.7
6/40
34
0.85
3/40
37
0.925
3/40
40
40
40/40
10
2.8
3.0
2.9
2.4
2.9
3.2
2.6
3.5
3.4
2.8
3.8
1.8
3.0
2.0
3.1
2.5
3.3
3.1
2.6
3.1
2.7
2.9
2.2
3.1
3.0
3.7
2.1
3.4
2.3
3.1
1.9
3.4
2.5
3.5
2.8
2.6
2.8
1.9
2.9
2.6
3.5
3.1
3.0
3.0
2.9
2.3
3.9
2.9
2.7
3.3
Tabla de Frecuencia
CLASE
MARCA
CLASE
FRECUENCIA
ABSOLUTA
FRECUENCI
A RELATIVA
11
FRECUENCIA
ACUMULAD
A
F. RELATIVA
ACUMULAD
A
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
3.5
3.7
3.8
3.9
1
2
1
1
1
2
1
2
4
2
4
6
5
6
1
2
3
3
1
1
1
50
0.02
0.04
0.02
0.02
0.02
0.04
0.02
0.04
0.08
0.04
0.08
0.12
0.10
0.12
0.02
0.04
0.06
0.06
0.02
0.02
0.02
50/50
1
3
4
5
6
8
9
11
15
17
21
27
32
38
39
41
44
47
48
49
50
0.02
0.06
0.08
0.10
0.12
0.16
0.18
0.22
0.30
0.34
0.42
0.54
0.64
0.76
0.78
0.82
0.88
0.94
0.96
0.98
1
Clase
Si tenemos datos agrupados son intervalos de igual longitud que son exhaustivos y
mutuamente excluyentes.
12
Marca de clase
Para datos agrupados es el punto medio de cada una de las clases.
Frecuencia Absoluta
Numero de observaciones que se pueden clasificar en la clase.
Vctor Crdova & Ariel Cortez (2008) indica:
Es el nmero de veces que se repite ese dato, tambin se presenta la
frecuencia absoluta que se refiere al numero de datos que pertenecen a ese
Frecuencia Relativa
Se la obtiene dividiendo la frecuencia de la clase i=1/n
Vctor Crdova & Ariel Cortez (2008) indica:
Se obtiene al vivir la frecuencia absoluta de cada dato entre el nmero
total de datos.
Frecuencia Acumulada
Resulta de sumar la frecuencia de la clase i-1.
Vctor Crdova & Ariel Cortez (2008) indica:
Es la suma de las frecuencias empezando con la primera frecuencia y
terminando con la orden n.
EJEMPLO
CLASE
MARCA
CLASE
FRECUENCI
A ABSOLUTA
FRECUENIA
RELATIVA
FRECUENCI
A
ACUMULAD
A
F. RELATIVA
ACUMULAD
A
[0 - 6)
[6 - 12)
[12 - 18)
[18 - 24)
[24 - 30)
[30 - 36)
[36 - 42)
0+6/2
6+12/2
12+18/2
18+24/2
24+30/2
30+36/2
36+42/2
2
6
8
16
10
7
1
50
0.04
0.12
0.16
0.32
0.20
0.14
0.02
50/50
2
8
16
32
42
49
50
0.04
0.16
0.32
0.64
0.84
0.98
1
GRAFICAS ESTADISTICAS
Histograma de frecuencias
El histograma es un grfico bidimensional en donde en el eje de las X se encuentra las
clases y en el eje de las Y la frecuencia relativa.
Vctor Crdova & Ariel Cortez (2008) indica:
Es una grfica en forma de barras que consta de 2 ejes, uno horizontal,
llamado eje de la variable en observacin en donde situamos la base de
una serie de rectngulos o barras contiguas.
HISTOGRAMA
14
-4
2)
[3
6
-3
6)
[3
0
-3
0)
[2
4
-2
4)
[1
8
-1
8)
[1
2
-1
2)
VARIABLE
[6
[0
-6
)
0.4
0.3
0.2
0.1
0
POLIGONO DE FRECUENCIA
-4
2)
[3
6
-3
6)
[3
0
-3
0)
[2
4
-2
4)
[1
8
-1
8)
[1
2
-1
2)
VARIABLE
[6
[0
-6
)
0.4
0.3
0.2
0.1
0
Ojiva
Es un grfico que presenta en el eje horizontal la caracterstica cuantitativa que se est
investigando y en el eje vertical la frecuencia relativa acumulada.
Vctor Crdova & Ariel Cortez (2008) indica:
Es igual que el histograma y polgono de frecuencias se utiliza para el
anlisis y representacin de variables continuas, solo que en vez de utilizar
las frecuencia relativa utilizamos la frecuencia relativa acumulada.
15
OJIVA
1
0.8
VARIABLE
0.6
0.4
0.2
0
6
12
18
24
30
36
42
Diagrama de cajas
Se lo utiliza para variables discretas o caractersticas cualitativas. Para esto se deja una
separacin entre las barras para indicar los valores que no son posibles. El histograma se
lo utiliza para variables continuas. No se deja separacin de espacios entre cada barra.
Vctor Crdova & Ariel Cortez (2008) indica:
Es un mtodo grfico que consta de dos ejes: Uno horizontal, en el que se
representan los valores (Eje de los datos) utilizando barras verticales en
forma rectangular y de la misma amplitud, y un eje vertical, en el cual la
frecuencia representa la altitud que tendr la barra rectangular (Eje de las
frecuencias), las barras van separadas la misma distancia unas de otras y
para distinguirlas puede utilizarse distintos colores o entramados segn se
DISEO MUESTRAL
1.
2.
3.
4.
R = X(mayor) X(menor)
ni = 1 + 3.32 lg(n)
i = R/ni
Nuevo R = ni*i
16
EJERCICIOS
Si en una distribucin de 40 datos el valor mayor es de 41 y el menor es 20.
Construya una tabla de frecuencia y cuantos intervalos posee y su ancho.
1. R = X(mayor) X(menor)
R = 41 20
R = 21
INTERVALOS
2. ni = 1 + 3.32 lg(n)
ni = 1 + 3.32 lg(40)
ni = 1 + 5.32
ni = 6.32 = 6
[19 23)
[23 27)
[27 31)
3. i = R/ni
i = 21/6
i = 3.5 = 4
X(1) = 30
[31 35)
[35 39)
[39 43)
X(21) = 48
X(2) = 30
4. R= ni*i
X(3) =R=
326*4
R= 24
X(4) = 32
X(22)
4924 21 =
R- =
R=
X(5) = 35
X(25) = 50
X(6) = 35
X(26) = 52
X(7) = 35
X(27) = 54
X(8) = 35
X(28) = 55
X(9) = 36
X(29) = 56
3 = 50
X(23)
-1
X(24) = 50
+2
1. R = Xmayor Xmenor
R = 65 30
R = 35
2. ni = 1 + 3.32 lg(n)
ni = 6.32 = 6
X(10) = 37
X(30) = 56
A 40 estudiantes se les pidi que estimen el nmero de horas que haban
X(11) =dedicado
38
X(31) la
= 56
a estudiar
semana pasada ( dentro y fuera de clase) obteniendo los
siguientes resultados.
3. i = R/ni
X(12) = 39
X(32) = 56
36 =
X(13)
54
X(14)
32 =
58 =
X(15)
58
X(16) =
39 30
35
40 35
45 50
50
45
47 =
X(33)
45
X(34)
56 =
65 =
X(35)
47
X(36) =
58 60
52
58 48
58 35
58
58
32
48
30
56
55
i = 35/6
i35
= 5.83 =40
6
58
55
47 ni * i
4. R=
39 6*6
R=
60
49
37
58
R= 36
X(38) = 60
X(19) = 47
X(39) = 60
X(20) = 48
X(40) = 65
17
5. R- R = 36 35
=1
50
38
39
56
45
Tabla de frecuencia
CLASE
[29
[35
[41
[47
[53
[59
35)
41)
47)
53)
59)
65)
MARCA
CLASE
FRECUENCI
A ABSOLUTA
FRECUENCI
A RELATIVA
FRECUENCI
A
ACUMULAD
A
F. RELATIVA
ACUMULAD
A
32
38
44
50
56
62
4
10
2
10
11
3
40
0,1
0,25
0,05
0,25
0,275
0,075
4
14
16
26
37
40
0,10
0,35
0,40
0,65
0,925
1
Media
18
2.
x= xi =
i=1 n
( )
46.95
Varianza
3.
S 2=
1
( xi x)2=
n1 i=1
9.91
ESTADISTICA DE POSICION
i
100
19
Cuartiles
Divide los elementos de las muestra en 4 grupos con frecuencias similares.
Deciles
Divide los elementos de la muestra en 10 grupos con frecuencias similares.
Q1 = 25%
Q2 = 50%
Q3 = 75%
= P = 25
= P = 50
= P = 75
20
D = 2.5
D=5
D = 7.5
C = 0,25
C = 0,50
C = 0,75
Q4 = 100%
= P = 100 D = 10
C=1
P ( i )= X (
( n+1 ) i
)
100
EJERCICIO
Encuentre los cuartiles y percentiles.
20
25
34
39
23
29
36
40
24
31
36
40
24
31
37
41
24
33
39
45
) 25
=X 5,25
( ( 20+1
100 )
21
) 50
=X 10,5
( ( 20+1
100 )
) 70
=X 14,7
( ( 20+1
100 )
MEDIDA DE LA CURTOSIS
22
EJERCICIOS
1,2,3,4,4,4,4,5,5,5,6,6,6,6,8,8,8,8,9,10,11,12,13,15,17
La media es 7
La mediana es 6
1,2,3,4,5,6,9,9,12,12,12,15,17
23
Platicurtica:
Es una distribucin menos puntiaguda y menos apuntada a la distribucin estndar.
Mesocurtica:
Es aquella distribucin que se asemeja o se parece a la distribucin normal.
Leptocurtica:
Presenta una distribucin ms apuntada, con una elevacin superior a la curva normal.
24
CONTEO
EJERCICIOS
1. Cuntas placas de auto se pueden formar para la provincia del guayas?
26
26
10
10
10
10
1 x 26 x 26 x 10 x 10 x 10 x 10
2. Cuntos nmeros telefnicos diferentes hay por cada regin ahora con 7 dgitos
y antes cuando eran 6?
10
10
10
10
10
10
1 X10 X 10 X 10 X 10 X 10 X 10
n = moneda
m = dado
={(1,c), (1,s), (2,c), (2,s), (3,s), (3,c), (4,s), (4,c), (5,s), (5,c), (6,s), (6,c)}
5 x 4 x 2 = 40
TECNICAS DE CONTEO
Regla multiplicativa
Si se tiene K tareas o actividades y la tarea I se puede realizar de N formas entonces el
total de maneras diferentes de hacer las K tareas de manera simultnea est dada por:
N1, n2 nk
Combinaciones
Si se tiene un conjunto de N elementos y se desean tomar K de ellos, y el orden de
seleccin de los elementos no es importante, entonces el nmero de formas diferentes de
tomar los K elementos est dada por:
!
(nk )= K ! ( nnk
)!
Ejercicios Combinaciones
26
(nk)= 3 12!
! ( 9 !)
= 220
(nk )= 3 !7( 4! ! )
= 35
= 42
Ejercicios Permutaciones
Son los arreglos diferentes que se pueden hacer con los elementos de un grupo. En estos
arreglos se debe considerar el orden de los elementos incluidos.
Si se tiene 3 nios y 3 nias. De cuantas formas diferentes se pueden sentar en
forma alternada?
36
36
27
72
10
P3 =
n!
10 !
10 x 9 x 8 x 7
=
=
=720
7
( nk ) ! ( 103 ) !
Ejercicios
Lanzar 3 monedas
28
Eventos
Todo subconjunto de se denomina evento.
Si el experimento consiste en lanzar un dado y observar el nmero que queda en
la cara superior del mismo el conjunto = {1,2,3,4,5,6}
Walpole, Ronald E. (1999) establece:
Un evento es un subconjunto de un espacio muestral
FUNCION DE PROBABILIDADES
Una funcin P cuyo dominio es l y cuyo conjunto de llegada es el intervalo de nmeros
reales de 0 a 1, es una funcin de probabilidades.
P=l [ 0,1 ] y solo si:
P ( ] =1
0 P ( E ) 1 E l
N ( E)
N ()
Ejercicios
Lanzamiento de un dado:
= {1,2,3,4,5,6}
P ( E 1) =
1
6
1
6
3
6
Ejercicios
30
Sea
B,
tales
que
la
probabilidad
de
es
0.35
P ( B c ) =0.27 y P ( A c B ) =0.59
Calcule la probabilidad de ( A B ) = 0.14
Calcule la probabilidad de ( A B ) = 0.35 + 0.73 -0.14 = 0.94
c
Calcule la probabilidad de ( A B ) = 0.35 + 0.27 0.21 = 0.41
c
Calcule la probabilidad de ( A B )
31
7 x + x + 5 - x + 6 = 15
-x = 15 7 6 5
(-1) x = -3 (-1)
X=3
PROBABILIDAD CONDICIONAL
La probabilidad de un evento puede depender o estar condicionada al valor de
probabilidad de otro evento.
Sean A, B eventos de la probabilidad condicional de elemento A dado B se escribe de
la siguiente forma:
Ejercicios
Un experimento consiste en lanzar una vez el dado y una moneda calcule la
probabilidad de tener el nmero 5 y sello.
32
Suponga que luego de lanzar el dado y la moneda nos informa que el numero del
dado fue impar.
33
EVENTOS INDEPENDIENTES
Sean A y B eventos independientes si:
P=( A B )=P ( A ) P( B)
Ejercicios
Calcule la probabilidad que el ultimo digito del numero de una plca de carro
elegida al azar sea par y el penltimo digito sea impar
A: El ltimo digito sea par
B: El penltimo digito es un impar
P=( A B )=P ( A ) P ( B ) =0.5 x 0.5=0.25
En una caja hay 10 bateras de las cuales 4 estn en buen estado. Se repite dos
veces el siguiente ensayo: extraer una batera al azar, revisar su estado y
devolvera a la caja.
a) Encuentre la probabilidad que en ambos intentos se obtenga una batera
en buen estado.
A: La primera batera que se toma de la caja esta en buen estado
B: La segunda batera que se toma de la caja esta en buen estado
P=( A B )=P ( A ) P ( B ) =0.4 x 0.4=0.16
34
Ejercicios
En una caja hay 10 bateras de las cuales 4 estn en buen estado. Se extraen al
azar dos bateras sin devolverlas a la caja. Calcule la probabilidad que.
a) Ambas bateras estn en buen estado
b) Solamente una batera este en buen estado
c) Al menos una batera este en buen estado
d) Ninguna batera este en buen estado
PROBABILIDAD TOTAL
El siguiente grafico permite visualizar esta relacin entre los eventos descritos:
P ( A )=P ( A E1 )+ P ( A E 2 ) + P ( A E 3 )+ P ( A E 4 )
Ejercicios
Una empresa
tiene
3
personas
para atender a sus clientes: Mara, Carmen y Beatriz. Se dispone de un registro
histrico del porcentaje de quejas de los clientes atendidos por estas tres
personas: 1%, 3%, 2%
respectivamente.
35
TEOREMA DE BAYES
Sean B1, B2, ., Bk eventos nulos mutuamente excluyentes de y que constituyen
una particin de , y sea A un evento no nulo cualquiera de .
La siguiente formula se denomina Formula de Bayes y permite calcular la probabilidad
correspondiente a cada uno de los eventos que contribuyen a la realizacin de otro
evento, dado que se conoce la probabilidad de este evento
VARIABLE ALEATORIA
36
VALORES ESPERADOS
E g x g x P X x
xs
Propiedades:
E cg x cE g x
E g1 x g 2 x E g1 x E g 2 x
37
E X
2 E X E X 2 2
2
0 P X x 1
P X x 1
xS
1
x 0,3
8 ;
3
P X x
;
x 1,2
8
0 ; resto de x
38
HISTOGRAMA DE PROBABILIDADES
0.3
0.2
P(X=x)
0.1
0
DISTRIBUCION ACUMULADA
Una funcin de variable real F: R [0,1] es definida como Distribucin Acumulada de X,
si y solo si: F(x)=P(X x) para todo valor x real, est o no en el soporte S de X.
La distribucin acumulada de X igual al nmero de monedas en las que sale cara en la
parte superior del lanzamiento de tres monedas es:
0
1/ 8
F x 4 / 8
7/8
;
;
;
;
;
si x 0
si 0 x 1
si 1 x 2
si 2 x 3
si x 3
39
EXPERIMENTO BINOMIAL
Un experimento es Binomial cuando tiene las siguientes caractersticas
Lo constituyen n repeticiones idnticas, este nmero de repeticiones se fija
previo el inicio del experimento
En cada repeticin o prueba hay dos posibles resultados suceso o falla.
La probabilidad de que en una repeticin cualquiera ocurra suceso es p y falla
(1-p) y se mantiene invariable durante todo el experimento
Cada una de las repeticiones es independiente de la otra
40
DISTRIBUCION BINOMIAL
n
n x
P X x p x 1 p , x S
x
2 np1 p np
P X x
r 1 p
r
2
p
p
P X x p 1 p
x 1
, xS
Si r=1 la distribucin Binomial Negativa recibe el nombre
de distribucin Geomtrica
siendo S={1,2,3,}
41
1 p
p
1
p
La media y la varianza estn dadas por:
DISTRIBUCION HIPERGEOMETRICA
P X x
a
x
N a
nx
N
n
xS
an N a N n
an
N N N 1
N
DISTRIBUCION POISON
42
P X x
e x
x!
xS
f ( x) 0
f ( x ) dx 1
DISTRIBUCION ACUMULADA
Sea X una variable aleatoria continua con funcin de densidad f(x), la distribucin
Acumulada de X se define como:
F x P X x
f (t )dt
lim F x 0
43
lim F x 1
F(x) es creciente
F(x) es continua
VALORES ESPERADOS
Sea X una variable aleatoria continua con funcin de densidad f(x) y g(x) una funcin
en trminos de x. El valor esperado de g(x) si existe, se define como:
E g x
g x f x dx
Propiedades:
44
E c c
E cg x cE g x
E g1 x g 2 x E g1 x E g 2 x
E X
La varianza de una variable aleatoria X continua con funcin de densidad f(x) se define
como:
2 E X E X 2 2
2
DISTRIBUCION GAMMA
Sea X una variable aleatoria contina, X tiene distribucin Gamma con parmetros a>0
y b>0 si su funcin de densidad es:
45
1
1
f x
x e
, S x R x 0
2 2
0.5
0.4
0.3
Axis Title
0.2
0.1
0
0
10 20 30 40
46
1
f x e
, S x R x 0
2 2
BIBLIOGRAFIA
Sheldon M. Ross(2007), Introduccion a la Estadistica , Barcelona, Espaa,
Editorial Reverte S.A
Michael J. Evans & Jefrey S. Rosenthal (2004), Probabilidad y Estadistica,
Barcelona, Espaa; Editorial Rverte S.A
Irwin Miller & John E. Freund(1963), Probabilidad y Estadistica para
Ingenieros, Barcelona, Espaa. Editorial Reverte S.A
Jose Tomas Perez Romero(2004)Estadistica, Espaa, Editorial MAD S.L
47
48
Estadistica
para