VARIABLE ALEATORIA

Cuando el contenido de la variable en estudio es el resultado numrico de un evento aleatorio, dicha variable adopta el no
DISTRIBUCION DE VARIABLE ALEATORIA
todos los valores que puede adoptar dicha variable y con las probabilidades de ocurrencia de cada una de ellas

debemos considerar todos los casos posibles en que puede presentarse, siendo todos ellos mutuamente excluyentes y exh
En todos esos casos, a los efectos de poder operar estadsticamente
con dicha variable, ser necesario asignarle, a cada uno de los distintos eventos en que puede presentarse, un valor numr
MEDIA
La media de la distribucin de una variable aleatoria est dada por la suma de los productos entre cada uno de los valores
MEDIA= (xi . P(xi) )
MEDIA = 0 . 0,5 + 1 . 0,5 = 0,5
MEDIA = 0,5
VARIANZA
La varianza de la distribucin de una variable aleatoria esta dada por la sumatoria de los productos entre, el cuadrado de la
multiplicada por la probabilidad que la variable aleatoria en estudio adopte dicho valor.
Var(x) = SUMA( xi - MEDIA)^2 . P(xi)
Var(x) = ( 0 0,5)2 . 0,5 + (1-0,5)2 . 0,5 = 0,25
Var(x) = 0,25 = 1 / 4
DESVIACION ESTANDAR
Como ya sabemos, la desviacin estndar de la distribucin de todos los
valores posibles que puede adoptar la variable, est dada por la raz cuadrada de la varianza de dicha distribucin.
D. ESTANDAR = RAIZ CUADRADA DE( Var(x))
D. ESTANDAR = RAIZ(1 / 4 ) = 1 / 2
D. ESTANDAR = 1 / 2.
VALOR ESPERADO
Dada una distribucin de variable aleatoria, se denomina Valor Esperado o
Esperanza Matemtica a la media de la distribucin y se la expresa como
E(x) = MEDIA = SUMATORIA(xi . P(xi))
FUNCION DE DISTRIBUCION DE PROBABILIDADES
SI LA VARIABLE ES DISCRETA PUEDE HABER DISTRIBUCION: BINOMIAL, DE POISSON Y HIPERGEOMTRICA
SI LA VARIABLE ES CONTINUA PUEDE HABER DISTRIBUCION: NORMAL, CHI CUADRADO Y T DE STUDENT.

DISTRIBUCION BINOMIAL: REQUISITOS Y FORMULAS

1- Est conformado por n ensayos idnticos
2- Como resultado de cada ensayo se obtiene, uno de solo dos resultados, de forma tal que si a uno de ellos lo denominam
3- Si a la probabilidad del acierto lo denominamos como P(acierto) = p , la probabilidad del desacierto P(desacierto) = 1- p
4- Todos los eventos son independientes entre si. Esto indica que el resultado de cada ensayo es independiente del resultad
5- La probabilidad del acierto se mantiene constante (esto implica que la poblacin es muy grande o infinita, o los ensayos

El estudio est centrado en determinar la probabilidad que en n ensayos se obtenga un nmero x de aciertos. Este nmero
producto de un conteo es del tipo discreta.

Las probabilidades del nmero posible de aciertos en n ensayos, estn dadas por los trminos del desarrollo de la potencia
P(x) = n C x q^(n x) p^x
MEDIA: NxP
ESPERANZA= E(X)=NxP
Var(x) = n . p . q
DESVIO ESTANDAR = RAIZ DE Var(x)

La caracterstica de la distribucin de probabilidades binomiales lo define el valor de

p. Quiere decir que toda distribucin Binomial puede tener sesgo o ser insesgada. Si p
= 0,5 la distribucin de probabilidades es insesgada, tenga en cuenta que en este caso p= q. Si p es distinto de 0,5 la distrib
contrario tendr sesgo izquierdo.

DISTRIBUCION DE POISSON: REQUISITOS Y FORMULAS

Esta es otra distribucin de variable del tipo discreta. Los tipos de casos que se pueden modelizar bajo este tipo de distribu
a)- Nmero de clientes que concurren a una entidad bancaria por hora b)- Nmero de errores tipogrficos por pgina
c)- Nmero de defectos que por metro cuadrado acusa una fbrica de mosaicos d)- Nmero de llamadas que por minuto lle
e)- Cantidad de cabezas de ganado por Ha
f)- Nmero de accidentes que en una esquina cntrica se producen diariamente.

1-La probabilidad de ocurrencia de un evento es la misma a travs de todo el campo de observacin.

2- La probabilidad de observar ms de un xito en el intervalo planteado es aproximadamente 0
3- El nmero de ocurrencias en cualquier intervalo es independiente del nmero de ocurrencias en cualquier otro intervalo

Esta distribucin tiene como parmetro un solo valor, el promedio de ocurrencia y al que denominaremos como Lambda (L
La expresin matemtica que resuelve esta distribucin es:
P(x)= L^x * e^(-L) / X!
La suma de todas las probabilidades de X tienen que ser = 1
Donde i vara, al menos tericamente, entre cero e infinito. Decimos tericamente ya que, por ejemplo si se informa que e
tendra sentido pretender determinar la probabilidad de que en una hora aterricen en dicho aeropuerto 90 aviones de cab
MEDIA= LAMBADA (L)= E(X)
VARIANZA = Var (x) = L
DESVIO ESTANDAR = RAIZ DE LA VARIANZA

RESOLUCION DE DISTRIBUCION BINOMIAL POR APROXIMACION CON LA DE POISSION

En muchas oportunidades, nos encontramos con distribuciones que responden al modelo Binomial, con un p (probabilidad
de las probabilidades de xitos se puede volver tedioso, sobretodo cuando no se cuenta con una tabla o una buena calcula
valor de Lambda (media de Poisson), el valor de:
L = n . p (que no es ms que la media de la binomial)

DISTRIBUCION HIPERGEOMETRICA

Supongamos tener una poblacin finita de tamao N. De los N elementos de la poblacin k de ellos cumplen con una cond
con esa condicin. Si de la poblacin se extrae una muestra de n elementos y tal que se cumpla que:
n / N >= 0,05
Entonces la probabilidad que en la muestra de n elementos se tengan x de los k esta dada por la expresin:

CONDICIONES
a-Que la poblacin es finita y el tamao de la muestra es grande, significativo respecto al tamao poblacional y por lo tanto
b- El muestreo se realiza sin reposicin y al ser significativa el tamao de la muestra con respecto al tamao de la poblacin
Retomemos el caso de los 42 alumnos. Si se toma una muestra azarosa de 10 alumnos puede ocurrir que en la muestra se
N tamao poblacional = 42
k Nmero de elementos de la poblacin que cumplen con la condicin en estudio (le llambamos nmero de xitos en la p
n Tamao de la muestra
Estos tres valores constituyen los parmetros de la distribucin x nmero de xitos en la muestra.

DISTRIBUCION NORMAL
Es necesario ahora definir una distribucin que analice las probabilidades que la variable aleatoria adopte un valor dentro d

la distribucin Normal tambin denominada como distribucin Gaussiana en honor a los trabajos desarrollados por el mate
Esta distribucin rene caractersticas bien definidas; a saber:
1- Tiene forma acampanada
2- Es simtrica respecto al eje vertical que pasa por la abscisa de mayor ordenada.
3-El valor de la abscisa de mayor ordenada coincide con la media y al ser simtrica respecto al eje vertical que pasa por ese
4-Las ramas son asintticas respecto al eje horizontal y tericamente se extiende desde - INFINITO a + INFINITO
La superficie encerrada por la funcin y el eje horizontal es igual a 1.
Esto implica que la integral de la funcin, F(x) entre los lmites - INFINITO y + INFINITO =1
INTEGRAL DE F(x) . dx = 1
7- La probabilidad de que la variable aleatoria tome un valor comprendido en un intervalo ( a, b), esta dada por la superfici
P (a <= x <= b) = INTEGRAL DE F(x) .d(x)

Este concepto se relaciona totalmente con la propiedad vista en el tem 6, la probabilidad que la variable tome un valor com
8- La probabilidad que la variable tome un valor puntual es igual a cero
P(x = a) = 0
Esto no es ms que una consecuencia de lo especificado por el tem anterior, si el intervalo (a, b) disminuye por que el extr
probabilidad toma el valor de cero, no se tiene superficie por no existir intervalo.
9- El rea bajo la curva, entre la media y un punto cualquiera es una funcin del nmero de desviaciones estndar que el p
X MEDIA - X CUADRADO P (x) CUADRADO x P(x) MEDIA
0 -2 4 0.2 0.8
1 1 1 0.5 0.5
2 2 4 0 0
3 3 9 0.1 0.9
4 4 16 0.2 3.2

MEDIA 23
DESVIACION 2
LIMITE 27
Z 2
2 VARIANZA 2.7
EJERCICIO 1
DISTRIBUCION BINOMIAL
n 3 P(X IGUAL 0) 0.125
p 0.5 P(X IGUAL 1) 0.375
q 0.5 P(X IGUAL 2) 0.375
k 1 P(X IGUAL 3) 0.125
n-k 2

EJERCICIO 2
X MAYOR O IGUAL QUE 3 0.474407196 EJERCICIO 5
X=0 0.056313515 P
X=1 0.187711716 N
X=2 0.281567574
X=3 0.250282288
X=4 0.145998001
X=5 0.0583992
X=6 0.016222
X=7 0.003089905
X=8 0.000386238
X=9 2.861023E-05
X = 10 9.536743E-07

EJERCICIO 3
MEDIA 7.5
DESVIO ESTANDAR 1.5

X 12 Z= 3 0.998650102 0.001349898
X 5 Z= -1.6666666667 0.047790352 0.952209648
X 7 Z= -0.3333333333 0.36944134 0.63055866
X 1 Z= -4.3333333333 7.34342E-06 0.999992657
X 6 Z= -1 0.158655254 0.841344746

EJERCICIO 4
MEDIA 75
DESVIO ESTANDAR 5

X 80 Z= 1 0.841344746 0.158655254
X 65 Z= -2 0.022750132 0.977249868
X 84 Z= 1.8 0.964069681 0.035930319
X 60 Z= -3 0.001349898 0.998650102

EJERCICIO 6
MEDIA 162
DESVIO ESTANDAR 12

X 165 Z= 0.25 0.598706326 0.401293674

X 159 Z= -0.25 0.401293674 0.598706326

p 0.35
N 5
0.1160290625 0X
0.3123859375 1X
0.336415625 2X
0.181146875 3X
0.0487703125 4X
0.0052521875 5X
 0.4 0 0.046656 0.1792
6 1 0.186624
2 0.31104
3 0.27648
4 0.13824
5 0.036864
6 0.004096

0.941319549
-0.09870633
0.098706326
n 500 error bondad 95% 4.3826932359 90%
desvio 50 error con n= 400 4.9 95%
bondad 95% 98%
z 1.96 99%

ejercicio 2
inciso a
error permitido 0.05 n= (z/e)^2 * p*q
bondad 95% N= 384.16
z 1.96
n averiguar

inciso b
error permitido 0.04 N= 600.25

ejercicio 3
error permitido 4 n 8.6436
bondad 95 n con bondad de 99 14.91890625
z 1.96
n averiguar
desvio estandar 6

ejercicio 4
z 1.645 intervalo de confianza 97.6736186899 102.326381
media 100 error 2.3263813101
desvio estandar 20
n 200

ejercicio 5
n 120 intervalo de confianza 0.7059742943 0.89402571
estim puntual 80 a favor error 0.0940257057
a favor 0.8
en contra 0.2 intervalo de confianza 0.1059742943 0.29402571
error 0.0940257057

ejercicio 6
media 3800 intervalo de confianza 3777.367869448 3822.63213
desvio 200 22.6321305522
n 300
z 1.96

error 0.01 n 39200

n averiguar 51500
1.645
1.96
2.33
2.575