Metodos Estadisticos - Unidad I

MTODOS
ESTADSTICOS
Radomiro Corts Gmez
Estadstico
Licenciado en Matemticas
Ingeniero Comercial
rcortes.gomez@hotmail.es
CARRERA DE INGENIERA CIVIL INDUSTRIAL PCE
MTODOS
ESTADSTICOS
UNIDAD I
VARIABLES ALEATORIAS
CARRERA DE INGENIERA CIVIL INDUSTRIAL PCE
UNIDAD I: VARIABLES ALEATORIAS

1.- CONCEPTO DE VARIABLE ALEATORIA
En probabilidad y estadstica, una variable aleatoria o

variable estocstica es una variable estadstica cuyos
valores se obtienen de mediciones en algn tipo de
experimento aleatorio. Formalmente, una variable
aleatoria es una funcin, que asigna eventos a nmeros
reales.
Una variable aleatoria (v.a.) X es una funcin real definida
en el espacio muestral, , asociado a un experimento
aleatorio.

2.- TIPOS DE VARIABLES ALEATORIAS
Para comprender de una manera ms amplia y rigurosa los tipos de
variables, es necesario conocer la definicin de conjunto discreto.
Un conjunto es discreto si est formado por un nmero finito de
elementos, o si sus elementos se pueden enumerar en secuencia de
modo que haya un primer elemento, un segundo elemento, un
tercer elemento, y as sucesivamente
Por otro lado, un conjunto es continuo si esta formado por un
conjunto de posibles dentro de un intervalo de nmeros reales
(infinito).

2.1 VARIABLE ALEATORIA DISCRETA
una v.a. es discreta si su recorrido es un conjunto discreto.
EXPERIMENTO
VARIABLE ALEATORIA
POSIBLES RESULTADOS
LANZAR UN DADO
SALGA UN NMERO PAR
1,2,3,4,5,6
INSPECCIONAR UN
EMBARQUE DE 20 TV
CANTIDAD DE
DEFECTUOSOS
0,1,2, . 20
ALMUERZOS QUE SE
VENDEN EN UN
RESTAURANTE
CANTIDAD DE CLIENTES
0,1,2,3,
VENDER UN AUTO
GENERO DEL CLIENTE
0: HOMBRE ; 1: MUJER

2.2 VARIABLE ALEATORIA CONTINUA
una v.a. es continua si su recorrido no es un conjunto numerable.
Intuitivamente esto significa que el conjunto de posibles valores de
la variable abarca todo un intervalo de nmeros reales
EXPERIMENTO
VARIABLE ALEATORIA
POSIBLES RESULTADOS
FUNCIONAMIENTO DE UN
BANCO
TIEMPO EN MINUTO,
ENTRE LLEGADA DE
CLIENTE
X0
LLENAR UNA LATA DE

BEBIDA (max 350 cc)
CANTIDAD DE cc
0 X 350
PROYECTO
CONSTRUCCION DEL
HOSPITAL
PORCENTAJE DE
TERMINACION
0 X 100
ENSAYO QUIMICO
T REACCION (25C 47C)
25 X 47

3. MODELOS CONTINUOS
Como objetivo es introducir las distribuciones continuas mas
importantes:
3.1.- Distribucin Uniforme
3.2.- Distribucin Exponencial
3.3.- Distribucin Normal

3.1.- DISTRIBUCIN UNIFORME
Supongamos que una variable X puede tomar valores al azar en un
rango (a, b).
En este caso, se dice que X tiene una distribucin uniforme entre a y
b y se escribe:
X U(a, b)
En este caso, la probabilidad de que X caiga en cualquier zona es la
misma, y entonces la funcin de densidad es constante.
P(X x) =

3.1.- DISTRIBUCIN UNIFORME
La funcin de densidad de la v.a.c. X en el intervalo es:

; ,
Las Propiedades de esta Distribucin: Esperanza (Media), Varianza,

Desviacin Tpica

3.1.- DISTRIBUCIN UNIFORME (Ejemplo)
Supongamos que se debe reservar una sala de videoconferencias
para cierta asignatura por no ms de cuatro horas. Sin embargo, el
uso de la sala es tal que muy frecuentemente tienen lugar
videoconferencias largas y cortas.
a) Cul es la funcin de densidad de probabilidad?,
b) Cul es la probabilidad de que cualquier videoconferencia dada
dure al menos tres horas?

Supongamos que se debe reservar una sala de videoconferencias
para cierta asignatura por no ms de cuatro horas. Sin embargo, el
uso de la sala es tal que muy frecuentemente tienen lugar
videoconferencias largas y cortas.
De hecho, se puede suponer que la duracin X de una
videoconferencia tiene una distribucin uniforme en el intervalo
[0,4].

La funcin de densidad apropiada para la v.a.c. X en esta
situacin es f(x)=1/4, cuando x pertenece a [0,4] y cero en otro
caso.


3.1.- DISTRIBUCIN UNIFORME (Ejemplo 2)
Una variable aleatoria se distribuye uniformemente en el intervalo [0 , 100].
a) Calcule la probabilidad de que su valor est comprendido entre 20 y 35.
b) Determine su esperanza y varianza.

3.1.- DISTRIBUCIN UNIFORME (Ejemplo 2)
Una variable aleatoria se distribuye uniformemente en el intervalo [0 , 100].
a) Calcule la probabilidad de que su valor est comprendido entre 20 y 35.
Pr(20 X 35) = Pr(X 35) - Pr(X 20) = F(35) - F(20) = 0,15
b) Determine su esperanza y varianza.
REPASO DE DISTRIBUCIN
DISTRIBUCIN DE POISSON
Las distribucin de Poisson se realiza cuando el experimento se
realiza en un nmero "n" muy elevado de veces y la probabilidad
de xito "p" en cada ensayo es reducida, entonces se aplica el
modelo de distribucin de Poisson:
Se tiene que cumplir que:
" p " < 0,10
" p * n " < 10
DISTRIBUCIN DE POISSON
Las distribucin de Poisson esta dado por la siguiente formula:
Donde:
= 2,71828
= n*p (numero de veces que se realiza el experimento por la probabilidad de xito (p)).
k = es el nmero de xitos de cuya probabilidad se esta calculando
DISTRIBUCIN DE POISSON (EJEMPLO)
La probabilidad de tener un accidente de trfico es de 0,02 cada
vez que se viaja, si se realizan 300 viajes, cual es la probabilidad
de tener 3 accidentes?
Como la probabilidad " p " es menor que 0,1, y el producto " n * p " es
menor que 10, entonces aplicamos el modelo de distribucin de Poisson.
Donde:
= 2,71828
= 300*0,02 = 6
k=3
Donde:
= 2,71828
= 300*0,02 = 6
k=3
Donde:
= 2,71828
= 300*0,02 = 6
k=3
Por lo tanto, la probabilidad de tener 3 accidentes de trfico en

300 viajes es del 8,9%
Por lo tanto, la probabilidad de tener 3 accidentes de trfico en

300 viajes es del 8,9%

4.- DISTRIBUCIN EXPONENCIAL
Supongamos que queremos estudiar la distribucin del tiempo Y
entre un suceso y el siguiente.
En este caso, la distribucin de Y es una distribucin exponencial
con parmetro .
Y tiene una distribucin exponencial con parmetro si
f(y) = ey
para 0 < y .
En este caso se escribe Y ().


Las Propiedades de esta Distribucin: Esperanza (Media),
Varianza, Desviacin Tpica

4.- DISTRIBUCIN EXPONENCIAL (Ejemplo)
El tiempo T entre llegadas sucesivas de coches a un punto en
la carretera se distribuye como una exponencial con
parmetro = 0,01 segundos.
1) Hallar la media y varianza de T.
2) Un viejecillo empieza a cruzar la calle inmediatamente
despus de que un coche pasa por all. Si tarda 50 segundos
en cruzar la calle, cul es la probabilidad de que le atropella
la siguiente coche que pasa (suponiendo que no para, igual
que la mayora de conductores chilenos)?
3) Cul es la probabilidad de que en un minuto no llegue
ningn coche?

E[T]=1/0,01 = 100
V [T]=1/0,012 = 10.000.

Sea X el nmero de coches que llegan en un minuto. La
distribucin de X es Poisson:
X P(60 0,01) = P(0,6).

5.- DISTRIBUCIN NORMAL
Es el modelo de distribucin ms utilizado en la prctica, ya que
multitud de fenmenos se comportan segn una distribucin normal.
Esta distribucin de caracteriza porque los valores se distribuyen
formando una campana de Gauss, en torno a un valor central que
coincide con el valor medio de la distribucin:

5.- DISTRIBUCIN NORMAL. Cont.
Un 50% de los valores estn a la derecha de este valor central y otro 50% a la
izquierda
Esta distribucin viene definida por dos parmetros:
X : N (, 2)
: es el valor medio de la distribucin y es precisamente donde se sita el centro
de la curva (de la campana de Gauss).
2 : es la varianza. Indica si los valores estn ms o menos alejados del valor
central: si la varianza es baja los valores estn prximos a la media; si es alta,
entonces los valores estn muy dispersos.
Cuando la media de la distribucin es 0 y la varianza es 1 se denomina "normal
tipificada", y su ventaja reside en que hay tablas donde se recoge la probabilidad
acumulada para cada punto de la curva de esta distribucin.
Adems, toda distribucin normal se puede transformar en una normal
tipificada:

5.- DISTRIBUCIN NORMAL. Cont.
Una variable aleatoria sigue el modelo de una distribucin normal con media 10
y varianza 4. Transformarla en una normal tipificada.
X: N (10, 4)
Para transformarla en una normal tipificada se crea una nueva variable (Y) que
ser igual a la anterior (X) menos su media y dividida por su desviacin
tpica(que es la raz cuadrada de la varianza)
En el ejemplo, la nueva variable sera:
Esta nueva variable se distribuye como una normal tipificada, permitindonos,

por tanto, conocer la probabilidad acumulada en cada valor.
Y: N (0, 1)

5.1.- DISTRIBUCIN NORMAL. (EJEMPLO)
El salario medio de los empleados de una empresa se distribuye segn una
distribucin normal, con media 5 millones de pesos. y desviacin tpica 1 milln
de pesos. Calcular el porcentaje de empleados con un sueldo inferior a 7
millones de pesos.

millones de pesos.
Lo primero que haremos es transformar esa distribucin en una normal
tipificada, para ello se crea una nueva variable (Y) que ser igual a la
anterior (X) menos su media y dividida por la desviacin tpica

millones de pesos.
Lo primero que haremos es transformar esa distribucin en una normal
tipificada, para ello se crea una nueva variable (Y) que ser igual a la
anterior (X) menos su media y dividida por la desviacin tpica
En el ejemplo, la nueva variable sera:

Esta nueva variable se distribuye como una normal tipificada. La variable Y que
corresponde a una variable X de valor 7 es:
Para encontrar esta probabilidad se debe consultar

la tabla la probabilidad acumulada.

Para encontrar esta probabilidad se debe consultar

la tabla la probabilidad acumulada.
0,00
0,01
0,0
0,5000
0,5040
0,1
0,5398
0,5438
0,2
0,5793
0,5832
0,3
0,6179
0,6217
0,4
0,6554
0,6591
0,5
0,6915
0,6950
0,6
0,7257
0,7291
0,7
0,7580
0,7611
0,8
0,7881
0,7910
0,9
0,8159
0,8186
1,0
0,8416
0,8438
1,1
0,8643
0,8665
1,2
0,8849
0,8869
1,3
0,9032
0,9049
1,4
0,9192
0,9207
1,5
0,9332
0,9345
1,6
0,9452
0,9463
1,7
0,9554
0,9564
1,8
0,9641
0,9649
1,9
0,9713
0,9719
2,0
0,97725
0,97778

Segn la tabla la probabilidad es 0,97725

Por lo tanto, el porcentaje de empleados con salarios inferiores a 7 millones
de pesos. es del 97,725%.

5.2.- DISTRIBUCIN NORMAL. (EJEMPLO 2)
La renta promedio de los habitantes de un pas es de 4 millones de pesos/ao,
con una varianza de 1,5. Se supone que se distribuye segn una distribucin
normal.
Calcular:
a) Porcentaje de la poblacin con una renta inferior a 3 millones de pesos.
b) Renta a partir de la cual se sita el 10% de la poblacin con mayores ingresos.
c) Ingresos mnimo y mximo que engloba al 60% de la poblacin con renta
media.

normal.
Calcular:
b) Renta a partir de la cual se sita el 10% de la poblacin con mayores ingresos.
media.
OJO: El dato indica la varianza, por lo que necesitamos la

desviacin estndar.

normal.
Calcular:

normal.
Calcular:
Lo primero que tenemos que hacer es calcular la normal tipificada:

normal.
Calcular:
P (X < 3) = P (Y < -0,817)

Ahora tenemos que ver cul es la probabilidad acumulada hasta ese
valor.
Tenemos un problema: la tabla de probabilidades slo abarca
valores positivos, no obstante, este problema tiene fcil solucin, ya
que la distribucin normal es simtrica respecto al valor medio.
Por lo tanto:
P (Y < -0,817) = P (Y > 0,817)
Por otra parte, la probabilidad que hay a partir de un valor es igual a 1
(100%) menos la probabilidad acumulada hasta dicho valor:
P (Y > 0,817) = 1 - P (Y < 0,817) = 1 - 0,7925 (aprox.) = 0,2075
Luego, el 20,75% de la poblacin tiene una renta inferior a 3

millones pesos.

b) Renta a partir de la cual se sita el 10% de la poblacin con mayores
ingresos.
Vemos en la tabla el valor de la variable tipificada cuya probabilidad
acumulada es el 0,9 (90%), lo que quiere decir que por encima se sita el 10%
superior.
Buscamos en la Tabla la probabilidad que mas se acerca a 0,9 y asignamos el
valor para ese X

ingresos.
X
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,0
0,5000
0,5040
0,5080
0,5120
0,5160
0,5199
0,5239
0,5279
0,5319
0,5359
0,1
0,5398
0,5438
0,5478
0,5517
0,5557
0,5596
0,5636
0,5675
0,5714
0,5723
0,2
0,5793
0,5832
0,5871
0,5910
0,5948
0,5987
0,6026
0,6064
0,6103
0,6141
0,3
0,6179
0,6217
0,6255
0,6293
0,6331
0,6368
0,6406
0,6443
0,6480
0,6517
0,4
0,6554
0,6591
0,6628
0,6664
0,6700
0,6736
0,6772
0,6808
0,6844
0,6879
0,5
0,6915
0,6950
0,6985
0,7019
0,7054
0,7088
0,7123
0,7157
0,7090
0,7224
0,6
0,7257
0,7291
0,7324
0,7357
0,7389
0,7422
0,7454
0,7486
0,7517
0,7549
0,7
0,7580
0,7611
0,7642
0,7673
0,7704
0,7734
0,7764
0,7794
0,7813
0,7852
0,8
0,7881
0,7910
0,7939
0,7967
0,7995
0,8023
0,8051
0,8078
0,8106
0,8133
0,9
0,8159
0,8186
0,8212
0,8238
0,8264
0,8289
0,8315
0,8340
0,8365
0,8389
1,0
0,8416
0,8438
0,8461
0,8485
0,8508
0,8531
0,8554
0,8577
0,8599
0,8621
1,1
0,8643
0,8665
0,8686
0,8708
0,8729
0,8749
0,8770
0,8790
0,8810
0,8830
1,2
0,8849
0,8869
0,8888
0,8907
0,8925
0,8944
0,8962
0,8980
0,8997
0,9015
Buscamos en la Tabla la probabilidad que mas se acerca a 0,9 y asignamos el valor

para ese X, quedando los valores del verde: 1,2 + 0,09 = 1,29

ingresos.
Ese valor corresponde a Y = 1,29 (aprox.). Ahora calculamos la variable normal
X equivalente a ese valor de la normal tipificada:
Despejando X, su valor es 5,58. Por lo tanto, aquellas personas

con ingresos superiores a 5,58 millones de pesos. constituyen
el 10% de la poblacin con renta ms elevada.

media.

5.2.- DISTRIBUCIN NORMAL. EJEMPLO 2)
media.
Vemos en la tabla el valor de la variable normalizada Y cuya probabilidad
acumulada es el 0,8 (80%). Como sabemos que hasta la media la
probabilidad acumulada es del 50%, quiere decir que entre la media y
este valor de Y hay un 30% de probabilidad.

media.
Por otra parte, al ser la distribucin normal simtrica, entre -Y y la media
hay otro 30% de probabilidad. En definitiva, el segmento (-Y, Y) engloba al
60% de poblacin con renta media.

media.
Por otra parte, al ser la distribucin normal simtrica, entre -Y y la media
hay otro 30% de probabilidad. En definitiva, el segmento (-Y, Y) engloba al
60% de poblacin con renta media.
El valor de Y que acumula el 80% de la probabilidad es 0,842 (aprox.), por
lo que el segmento viene definido por (-0,842, +0,842). Ahora calculamos
los valores de la variable X correspondientes a estos valores de Y.

5.2.- DISTRIBUCIN NORMAL. (EJEMPLO2)
media.
Los valores de X son 2,97 y 5,03. Por lo tanto, las

personas con ingresos superiores a 2,97 millones
de pesos. e inferiores a 5,03 millones de pesos.
constituyen el 60% de la poblacin con un nivel
medio de renta.

La vida media de los habitantes de un pas es de 68 aos, con una
varianza de 25. Se hace un estudio en una pequea ciudad de
10.000 habitantes:
a) Cuntas personas superarn previsiblemente los 75 aos?
b) Cuntos vivirn menos de 60 aos?

La vida media de los habitantes de un pas es de 68 aos, con una varianza de
25. Se hace un estudio en una pequea ciudad de 10.000 habitantes:
a) Personas que vivirn (previsiblemente) ms de 75 aos
Calculamos el valor de la normal tipificada equivalente a 75 aos
Por lo tanto
P (X > 75) = (Y > 1,4) = 1 - P (Y < 1,4) = 1 - 0,9192 = 0,0808
Luego, el 8,08% de la poblacin (808 habitantes) vivirn ms de 75 aos.

La vida media de los habitantes de un pas es de 68 aos, con una varianza de
25. Se hace un estudio en una pequea ciudad de 10.000 habitantes:
b) Personas que vivirn (previsiblemente) menos de 60 aos
Calculamos el valor de la normal tipificada equivalente a 60 aos
Por lo tanto
P (X < 60) = (Y < -1,6) = P (Y > 1,6) = 1 - P (Y < 1,6) = 0,0548
Luego, el 5,48% de la poblacin (548 habitantes) no llegarn probablemente a
esta edad.

RESP: La probabilidad de que el tiempo de

reaccin se encuentre entre 1 y 1,75 segundos es
de un 56,53%





6.- DISTRIBUCIN CONJUNTA DE VARIABLES ALEATORIAS
Cuando tenemos dos variables aleatorias X e Y, si queremos estudiarlas
conjuntamente debemos establecer una relacin que ligue los valores de una
con los de la otra. Esta relacin podr ser lgica o no, til o no, en cualquier
caso, dadas dos variables cualesquiera y una relacin que las ligue se puede
pensar en realizar un estudio estadstico conjunto, es decir, aun cuando en la
prctica slo se utilicen variables unidas por nexos lgicos, desde un punto de
vista puramente terico, toda relacin imaginable puede ser estudiada.
As pues, en una situacin como esta, para variables discretas, se puede
establecer una funcin de probabilidad para las posibles parejas de valores de
ambas variables; a esta funcin se le llama funcin de probabilidad conjunta,
f(x,y).
Una funcin de probabilidad conjunta de las variables X e Y es una funcin
de las dos variables tal que, al sustituir la x por un valor de la variable X y la y
por un valor de la variable Y, el valor de la funcin nos da la probabilidad de que
X e Y tomen simultneamente esa pareja de valores anteriormente citados.

Las propiedades que debe cumplir la funcin de probabilidad

conjunta son:
1.
Como consecuencia del primer axioma.
2.
3.
Como consecuencia del segundo axioma.

Por definicin.
Donde X x Y es el producto cartesiano de X por Y, o sea, el conjunto

de todos las parejas de valores x,y .

Si X e Y son variables continuas, la funcin que se define es una funcin de
densidad conjunta y es una funcin que al integrarla respecto de x e y sobre
unos intervalos nos d la probabilidad de que la variable tome valores en esos
intervalos.
Que debe de cumplir unas condiciones similares a las anteriores:
1.
Como consecuencia del primer axioma.
2.
Como consecuencia del segundo axioma.
3.
Por definicin.

Metodos Estadisticos - Unidad I

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Metodos Estadisticos - Unidad I

Hochgeladen von

Copyright:

Verfügbare Formate

MTODOS

CARRERA DE INGENIERA CIVIL INDUSTRIAL PCE

UNIDAD I: VARIABLES ALEATORIAS

En probabilidad y estadstica, una variable aleatoria o

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

SALGA UN NMERO PAR

GENERO DEL CLIENTE

UNIDAD I: VARIABLES ALEATORIAS

LLENAR UNA LATA DE

T REACCION (25C 47C)

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

La funcin de densidad de la v.a.c. X en el intervalo es:

Las Propiedades de esta Distribucin: Esperanza (Media), Varianza,

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

Pr(20 X 35) = Pr(X 35) - Pr(X 20) = F(35) - F(20) = 0,15

b) Determine su esperanza y varianza.

Por lo tanto, la probabilidad de tener 3 accidentes de trfico en

Por lo tanto, la probabilidad de tener 3 accidentes de trfico en

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

En el ejemplo, la nueva variable sera:

Esta nueva variable se distribuye como una normal tipificada, permitindonos,

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

En el ejemplo, la nueva variable sera:

UNIDAD I: VARIABLES ALEATORIAS

Para encontrar esta probabilidad se debe consultar

UNIDAD I: VARIABLES ALEATORIAS

Para encontrar esta probabilidad se debe consultar

UNIDAD I: VARIABLES ALEATORIAS

Segn la tabla la probabilidad es 0,97725

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

OJO: El dato indica la varianza, por lo que necesitamos la

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

P (X < 3) = P (Y < -0,817)

UNIDAD I: VARIABLES ALEATORIAS

Luego, el 20,75% de la poblacin tiene una renta inferior a 3

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS

Buscamos en la Tabla la probabilidad que mas se acerca a 0,9 y asignamos el valor

UNIDAD I: VARIABLES ALEATORIAS

Despejando X, su valor es 5,58. Por lo tanto, aquellas personas

UNIDAD I: VARIABLES ALEATORIAS

UNIDAD I: VARIABLES ALEATORIAS