PROYECTO FINAL

UNAM DCB
Asignatura: Probabilidad y stad!sti"a #$%&' Pro( sora: Ing) Mar!a T r sa P *u*uri +antoyo + , str : &-%./% 0ru1o: &$ F "2a: -&3%&3%4

Int grant s: A"osta Robl s P dro D lgado +ot lo 5 s6ar t2 Mar!n Ibarra Luis Eduardo Moral s Ro7as 5 s8s Alb rto 9 ra 9 ra 0uill r,o

Ob7 ti:o 0 n ral:

Con la presente herramienta de estudio facilitaremos la comprensin, reflexin y mejor aprovechamiento de los conceptos del temario de la asignatura para poder aplicarlos en la rama ingenieril y vida cotidiana , as como tambin esperamos que los ndices de reprobacin disminuyan y el promedio en la asignatura se eleve.

T ,a %: An;lisis stad!sti"o d datos

CONTENIDO TEM<TICO

OB5ETI9O E+PEC=FICO
El alumno podr describir los datos de una muestra y obtener las medidas descriptivas m s significativas! as como tambin este an lisis le servir de herramienta para tomar decisiones ya sea en un proyecto econmico, fenmeno natural, juego de a"ar, o simplemente saber que marca de cereal es la m s vendida por poner algunos ejemplos de aplicacin.

Estad!sti"a d s"ri1ti:a: Es aquella parte del estudio que incluye la obtencin, organi"acin, presentacin y descripcin de la informacin numrica.

Estad!sti"a In( r n"ial: Es una tcnica de la cual se obtienen generali"aciones o se toman decisiones con base a informacin parcial o incompleta obtenida mediante tcnicas descriptivas.

#esde el punto de vista de la naturale"a de la informacin manipulada, la estadstica puede clasificarse como paramtrica y no paramtrica.

Estadstica paramtrica$ %on todas aquellas tcnicas y herramientas estadsticas que utili"an variables cuantitativas, es decir, medibles.

Estadstica no paramtrica$ %on todas aquellas tcnicas y herramientas estadsticas que utili"an variables cualitativas.

#esde el punto de vista del n&mero de variables sobre las cuales se basa el an lisis matem tico respectivo, siendo la estadstica univariable la que utili"a una sola variable, mientras que la estadstica multivariable anali"a dos o m s variables.

%)% La 1obla"i>n y la ,u stra) R la"i>n ntr la 1robabilidad y la stad!sti"a) Clasi(i"a"ion s d la stad!sti"a)

Estad!sti"a$ %e le conoce como un conjunto de datos. Es un conjunto de mtodos para manejar la obtencin, presentacin y el an lisis de observaciones numricas. 'a finalidad es$ #escribir el conjunto de datos obtenidos y tomar decisiones, o bien, reali"ar generali"aciones acerca de las caractersticas de todas las posibles observaciones bajo consideracin. Existen dos tipos$ 'a descriptiva y la inferencial.

(oblacin$ Conjunto de todas las posibles observaciones. %e define como la totalidad de todas las posibles mediciones observables, bajo consideracin en una situacin dada por determinado problema, circunstancias diferentes implican situaciones diferentes.

'as poblaciones se clasifican en funcin a su cardinalidad.

(oblacin )inita$ Es aquella que incluye un n&mero limitado de medidas y observaciones.

(oblacin *nfinita$ Es aquella que por incluir un gran n&mero de medidas y observaciones no es posible determinar la cantidad de stas.

+uestra$

Es el conjunto de observaciones o medidas tomadas a partir de una poblacin dada, es decir, es un subconjunto de la poblacin. 'a cardinalidad de la muestra depende de la cardinalidad de la poblacin. 'as muestras deben ser representativas para evitar un sesgo o error.

Estadsticos muestrales$ %on las caractersticas medibles de la muestra.

El muestreo es la tcnica seguida para obtener o extraer una muestra. %u ventaja radica en que nos permite conocer, con un grado de aproximacin aceptable, apartir de sus caractersticas, las caractersticas propias de la poblacin de la cual proviene.

%esgo$
Es la diferencia que existe entre los datos obtenidos a travs de una muestra y los datos reales ,normalmente desconocidos- pertenecientes a la poblacin. %e puede interpretar como un error absoluto entre un valor real y uno aproximado. Cuando se denomina como sesgado a determinado resultado se pretende establecer que su valor es diferente al real.

+uestreo probabilstico$ Es aquel en donde la eleccin de una muestra interviene al a"ar. +uestreo no probabilstico$ Es aquel en donde la seleccin de una muestra no interviene el a"ar. +uestreo .leatorio %imple$ Cada uno de los componentes de la muestra tienen la misma probabilidad de ser elegido. (uede ser$ Con /eempla"o logra un n&mero infinito de las muestras, lo que asegura la independencia estadstica entre ellas. %in /eempla"o logra un n&mero finito de las muestras las cuales estadsticamente dependientes.

+uestreo Estratificado$ Esta tcnica implica dividir a la poblacin en clases o grupos denominados estratos. %e supone que las unidades que componen al estrato, son relativamente homogneas, con respecto a las caractersticas que vayan a estudiarse. . menudo se toma una ra"n de muestreo igual para todos los estratos generalmente en proporcin! a una muestra seleccionada as, se le llama +uestra Estratificada (roporcional ,%e estudia slo el estrato-.

+uestreo por Conglomerados$ Este procedimiento implica la seleccin de grupos ,conglomerados- a partir de la poblacin, las diferencias entre conglomerados son generalmente peque0as, aunque internamente sus unidades son heterogneas. Cada conglomerado es una miniatura de la poblacin. +uestreo sistem tico$ %e selecciona una muestra tomada cada 12sima unidad de la poblacin a la ve", una ve" que las unidades de la poblacin est n arregladas de alguna forma. 1, es la ra"n del muestreo. ,En el metro, preguntar a cada 3 personas que pasan.

%)& Estad!sti"a d s"ri1ti:a)

/epresentacin de los datos de una muestra.

'a Estadstica #escriptiva se encarga de la obtencin, organi"acin, representacin y descripcin de los datos. 'a obtencin de los datos se logra a travs delas tcnicas de muestreo, conforme al dise0o del experimento seleccionado. Como se podr observar m s adelante, existen expresiones que permiten trabajar con la totalidad de los datos de la muestra! al arreglo que utili"a la totalidad de los datos se le conoce como datos no agrupados. .ntes de la evolucin tecnolgica o bien, cuando los recursos de cmputo son limitados, trabajar con un n&mero alto de datos resulta complicado. (or tal motivo, se conform un arreglo de datos basado en intervalos conocido como tabla de frecuencias. Cuando se utili"a la tabla de frecuencias se dice que se trabaja con datos agrupados *ntervalos de clase$ %e refiere a los intervalos en los cuales ser n agrupados los n datos obtenidos en el muestreo. 4na tabla de frecuencias se compone de un n&mero finito de intervalos continuos, todos del mismo ancho. El n&mero de intervalos es variable y su eleccin depende de la experiencia de quin construye la tabla.

5o existe consenso por parte de los autores para determinar el n&mero ptimo de intervalos, pero en lo general se coincide que no sean tan pocos que no resulte apropiada la agrupacin de datos ni tantos que la haga poco pr ctica. En general, se recomienda que el n&mero de intervalos no sea ni menor de cinco ni mayor a quince. 'o que resulta importante, m s que determinar el n&mero de intervalos, es que estos cumplan con una serie de caractersticas$ %)Todos los int r:alos d b n t n r l ,is,o an"2o) &)Un dato s>lo 1u d 1 rt n " r a un solo int r:alo) 4)No d b 2ab r int r:alos :a"!os)

/ango. Es la diferencia entre el dato mayor y el menor.

.ncho del intervalo. %e define como$

+arcas de clase. %on los puntos intermedios de cada intervalo de clase.

)recuencia. Es el n&mero de datos que pertenece a cada intervalo de clase. )i $ )recuencia de la i2sima clase )recuencia /elativa. %e refiere a la frecuencia de cada una de las clases dividida entre el n&mero total de datos ,n-. #e aqu se deriva la interpretacin frecuentista de la probabilidad

)recuencia .cumulada. %on los datos acumulados desde el primer dato hasta la i2sima clase. )aci$ )recuencia .cumulada de la i2sima clase.

Este concepto coincide con el particular de )uncin de #istribucin o )uncin de (robabilidad .cumulada. #ebe destacarse que la )recuencia .cumulada de la &ltima clase debe coincidir con el n&mero total de datos ,n-.

)recuencia .cumulada /elativa. Es la frecuencia acumulada de la clase i2sima entre el n&mero total de datos ,n-.

/epresentacin gr fica de la distribucin de frecuencias. 4na forma muy r pida y efectiva de interpretar la informacin contenida en una distribucin de frecuencias consiste en graficar sus elementos. 6 sicamente existen tres tipos de representaciones$

El 7istograma en una gr fica de barras o columnas que se construye en un sistema coordenado en cuyo eje hori"ontal o de abscisas se detallan los intervalos de clase y en el eje vertical o de ordenadas se ubican las frecuencias o las frecuencias relativas.

El polgono de frecuencias es una lnea quebrada que une los puntos de interseccin de la abscisa que corresponde a la marca de clase con la ordenada que puede ser la frecuencia o la frecuencia relativa. El polgono se cierra con el eje hori"ontal al iniciarlo en el lmite inferior del primer intervalo de clase y concluirlo en el lmite superior del &ltima intervalo de clase.

'as ojivas de frecuencias son lneas quebradas que se tra"an por los puntos de interseccin delas coordenadas que corresponden a las marcas de clase y sus respectivas frecuencias acumuladas o frecuencias acumuladas relativas.

M didas d s"ri1ti:as. Estos ndices permiten caracteri"ar a las distribuciones de frecuencias para poder hacer una interpretacin acertada de la misma.

+edidas de 8endencia Central. %on aquellas medidas que nos proporcionan un dato que, con ciertos matices, puede considerarse representante de los n datos obtenidos del muestreo.

+edia. 8radicionalmente se considera a la media como un promedio aritmtico de n datos. En realidad es m s que esto. 'a media pretende representar de la mejor forma a los datos de los cuales proviene. Esta representacin puede lograrse de varias formas.

+edia .ritmtica Es el valor caracterstico de una serie de datos cuantitativos objeto de estudio que parte del principio de la esperan"a matem tica o valor esperado, se obtiene a partir de la suma de todos sus valores dividida entre el n&mero de sumandos.

(ara datos no agrupados$

donde n es el n&mero total de datos. (ara datos agrupados$

)i es la frecuencia de la i2sima clase 8i es la marca de clase de la i2sima clase ) 9ies la frecuencia relativa de la i2sima clase 1 representa el total de clases de ladistribucin

+edia (onderada. . diferencia del promedio aritmtico, el promedio ponderado toma en cuenta la existencia de los elementos adem s de su valor a promediar. Es decir, al tomar en cuenta el n&mero de elementos repetidos minimi"a la posibilidad de uno o dos datos extremos dram ticamente el resultado. 'a media ponderada corresponde directamente al valor esperado o esperan"a matem tica estudiado en (robabilidad. modifiquen

+oda. Es el elemento de la muestra que m s se repite. 4na muestra puede tener una o m s modas. Cuando todos los elementos de la muestra son diferentes, no tiene sentido hablar de ella. (ara datos no agrupados, la moda se determina por inspeccin, mientras que para datos agrupados se puede aproximar con la marca de clase del intervalo de la clase modal, que es la que tenga la mayor frecuencia.

+edidas de dispersin. Estas medidas reflejan la separacin o alejamiento de los elementos de una muestra. Estas medidas deben acompa0ar a las medidas de tendencia central, particularmente a la media, para evitar los efectos que los datos extremos tienen sobre ellas.

:arian"a. 8al y como la define la probabilidad, la varian"a de una variable aleatoria es el segundo momento de la misma con respecto a la media. .simismo, se interpreta de la misma forma, como un promedio de las distancias de cada dato hacia la media.

#esviacin est ndar. Es f cil de percibir, a partir de un an lisis dimensional, que la varian"a posee las unidades de la variable muestreada elevada al cuadrado. Esta situacin no permite una r pida visuali"acin o interpretacin de la dispersin de los datos la desviacin est ndar es la ra" cuadrada de la varian"a$ ;< ;=

CONCLU+IONE+
El tema nos da una descripcin de los conceptos b sicos que se deben saber acerca de la materia de probabilidad y la estadstica. Es de suma importancia conocer este tema y sus respectivas definiciones ya que, de estas, parte lo que es el an lisis de datos y su correcta manipulacin. 7ay algunas definiciones que en el curso no se manejan ya que forman parte de otra rama de la probabilidad, sus trminos son complicados y se enfocan m s en la recopilacin de datos m s detallados.

6ibliografa
http$>>???.ditutor.com>estadistica>estadistica@descriptiva.html http$>>es.?i1ipedia.org>?i1i>+edidas@de@tendencia@central http$>>es.?i1ipedia.org>?i1i>%esgo@estadACBA.#stico

http$>>???.slideshare.net>gevalbe>calculo2de2la2desviacin2estnda

http$>>???.bioingenieria.edu.ar>academica>catedras>introprob>de

T ,a &: Funda, nt os

CC58E5*#C 8E+D8*CC

C6EE8*:C E%(ECF)*CC
Por , dio d sta 1r s nta"i>n l alu,no "o,1r nd r; y a1li"ar; (;"il, nt los "on" 1tos d l t ,a & al ;r a d ing ni r!a "orr s1ondi nt as! "o,o ta,bi?n n situa"ion s "otidianas)

Experimentos deterministas y aleatorios

DETERMINI+TA+$ .quellos que tenemos la certe"a de lo que suceder bajo condiciones iniciales conocidas. Ejemplos$

 ALEATORIO+: .quel que bajo el mismo conjunt de condiciones iniciales, puede presentar resultados diferentes G es decir, no se puede predecir el resultado de cada experiencia particular. Ejemplos$

(ermutaciones y combinaciones

Espacio +uestral
D (ini"i>n:

El espacio muestral o espacio de muestreo denotado ,E ,% , H o 4 - consiste en el conjunto de todos los posibles resultados individuales de un experimento aleatorio.

Eventos continuos y discretos

DI+CRETO+: %on aquellos en los que las variables de estado cambian instant neamente en instantes separados de tiempo Ejemplo$ n&mero de clientes en el banco.

 Continuos: %on aquellos en los que las variables de estado cambian de forma continua con el paso del tiempo
Ejemplo$ avin en vuelo ,posicin,velocidad,etc.-

E: ntos ,utua, nt @"luy nt s y "ol "ti:a, nt @2austi:os

E: ntos ,utua, nt @"luy nt s: aquellos en los que si un evento sucede significa que el otro no puede ocurrir. %i bien suelen usarse en teoras cientficas, tambin son parte de las leyes y los negocios. Como resultado, entender los eventos mutuamente excluyentes puede ser importante para una variedad de disciplinas. 'a frmula matem tica para determinar la probabilidad de los eventos mutuamente excluyentes es (,. 4 6- < (,.- I (,6-.

Ejemplos$
+a"ar una "arta d tr?bol s ro7a) Es un eventos mutuamente excluyente pues las cartas de trboles son exclusivamente negras.

Col "ti:a, nt

@2austi:os:

Constan de todos los posibles resultados de un experimento y constituyen su espacio muestral. E7 ,1lo: #e los 3JJ empleados de King Dynamics, Inc. KLJ est n clasificados como miembros del personal administrativo, =MJ como trabajadores de lnea y los NJ trabajadores restantes son empleados auxiliares. 'os eventos colectivamente exhaustivos son S, L y A. %i un empleado se selecciona al a"ar,

#ebido a que ocurre la certe"a de que el empleado seleccionado provenga de una de estas tres categoras colectivamente exhaustivas,

Probabilidad "l;si"a

Probabilidad (r "u ntista

Probabilidad sub7 ti:ista

Probabilidad a@io,;ti"a
D (ini"i>n:

'os axiomas de probabilidad son las condiciones mnimas que deben verificarse para que una funcin que definimos sobre unos sucesos determine consistentemente valores de probabilidad sobre dichos sucesos. 'a probabilidad ( de un suceso E, denotada por (,E-, se define con respecto a un OuniversoO o espacio muestral H, conjunto de todos los posibles sucesos elementales, tal que ( verifique los .xiomas dePolmogorv, enunciados por el matem tico ruso de este nombre en KMBB. En este sentido, el suceso E es, en trminos matem ticos, un subconjunto de H.

T or ,as a@io,;ti"os d 1robabilidad

A@io,as

Probabilidad "ondi"ional

E7 ,1lo

Diagra,a d ;rbol

E: ntos ind 1 ndi nt s

Probabilidad total

T or ,a d Bay s

E7 ,1lo

CONCLU+IONE+
El tema = Q)undamentos de probabilidadR, es determinante para entender los fenmenos aleatorios! objeto de estudio de la probabilidad, as cmo tambin diferentes problemas de la vida diaria y de ingeniera, en este captulo se nos presentaron varias herramientas para poder solventarlos! por su campo de aplicacin y relevancia destacamos al teorema de 6ayes, diagrama de rbol, de igual forma los diferentes tipos de eventos existentes ,discretos, continuos, mutuamente excluyentes y colectivamente exhaustivos-.

Bibliogra(!a
http$>>mate.cucei.udg.mx>matdis>Ncon>NconB.htm http$>>co"umel.fi2a.unam.mx>Spinilla>.puntes>pye=.pdf
http$>>???.eui.upm.es>Srafami>Estadistica>+aterial>8ema=2.puntes.pdf http$>>aprendoestadistic.blogspot.mx>=JKB>JN>eventos2mutuamente2excluyentes.html http$>> ???.sites.upiicsa.ipn.mx>polilibros>portal>(olilibros>(@terminados>(robabilidad>doc>4nidadA=JK>K.K.L.htm http$>>???.itch.edu.mx>academic>industrial>sabaticorita>@private>J=.xiomasA=JyA=Jteoremas.htm http$>>probabilidadaxiomaticaeB.blogspot.mx>=JJM>K=>probabilidad2axiomatica.html http$>>es.?i1ipedia.org>?i1i>#iagrama@de@ACBA.Krbol http$>>???.slideshare.net>EreboJT>probabilidad2condicional2eindependiente2KNLM=U3M

T ,a 4: 9ariabl

Contenido 8em tico

Cbjetivo especfico
El alumno conocer el concepto de variable aleatoria y podr anali"ar el comportamiento probabilstico de la variable, a travs de su distribucin y sus caractersticas numricas.

4)% El "on" 1to d :ariabl al atoria "o,o abstra""i>n d un : nto al atorio y su d (ini"i>n)
Es posible incorporar el uso de herramientas matem ticas al c lculo de probabilidades a travs de reali"ar una operacin consistente en buscar una regla de correspondencia que proyecte los resultados de un evento o experimento en la recta de los reales.

.l asociar los resultados aleatorios a puntos sobre la recta de los reales, es decir, a la variable independiente, esta variable adquiere un car cter aleatorio. #e tal forma, se le denomina variable aleatoria.

#e acuerdo a la naturale"a del evento, existen dos tipos de variables aleatorias$

%e dice que una variable aleatoria V es discreta si el n&mero de valores que puede tomar es contable ,ya sea finito e infinito- y si estos pueden arreglarse en una secuencia que corresponde con los enteros positivos.

%e dice que una variable aleatoria V es continua si sus valores consisten en uno o m s intervalos de la recta de los reales.

. la regla de correspondencia f,x- se le denomina funcin de probabilidad, siempre y cuando cumpla con una condicin que se describir m s adelante.

El proceso integral de creacin de una variable aleatoria y su respectiva funcin de probabilidad puede describirse en el siguiente diagrama a bloques$

4)& 9ariabl al atoria dis"r ta: Fun"i>n d 1robabilidadA sus 1ro1i dad s y su r 1r s nta"i>n gr;(i"a) Fun"i>n d distribu"i>n a"u,ulati:aA sus 1ro1i dad s y su r 1r s nta"i>n gr;(i"a)
:ariable aleatoria discreta

%ea % un espacio muestral sobre el que se encuentra definida una funcin de probabilidad. %ea V una funcin de valor real, definida sobre % de manera que transforme los resultados de % en punto sobre la recta de los reales, se dice entonces que V es una variable aleatoria. En general una variable aleatoria discreta representa los resultados de un espacio muestral en forma tal que (,V<x-

%e entender la probabilidad de V tome el valor de x de esta forma, al considerar los valores de una variable aleatoria es posible desarrollar una funcin matem tica que asigne una probabilidad a cada (or axiomas de probabilidad se reali"acin x de la variable aleatoria tiene$ V, esta funcin recibe el nombre de funcin e probabilidad ,funcin masa de probabilidad- de la variable aleatoria V.

)uncin de distribucin acumulativa. %e define a la funcin de distribucin acumulada de la En general la funcin variable aleatoria como la probabilidad de que x sea menor o distribucin acumulativa (,xuna variable aleatoria discreta igual a un valor especfico de x. una funcin no decreciente de valores de V de tal manera que$

de de es los

4)4 9ariabl al atoria "ontinua: Fun"i>n d d nsidadA sus 1ro1i dad s y su r 1r s nta"i>n gr;(i"a) Fun"i>n d distribu"i>n a"u,ulati:aA sus 1ro1i dad s y su r 1r s nta"i>n gr;(i"a)
En el caso discreto se asignan probabilidades positivas a todos los valores puntuales de la variable aleatoria, pero la suma de todas ellas es K, a&n a pesar de que el conjunto de valores sea infinito contable. (ara el caso continuo lo anterior no es posible, por esta ra"n la probabilidad de que una variable aleatoria continua V tome un valor especfico x es cero ,J-.

'a distribucin de probabilidad de una variable aleatoria continua V est caracteri"ada por una funcin, llamada funcin de densidad o probabilidad. Esta funcin no es la misma que para el caso discreto. #ado que existe que la probabilidad de que V tome el valor especfico x es cero, esta funcin determina la probabilidad en un intervalo.

(uesto que el rea total bajo )x,x- es K, la probabilidad del intervalo aWxWb, es el rea acotada por la funcin de densidad y las rectas x<a y x<b.

)uncin de distribucin .cumulativa.

'a distribucin acumulativa ),x- es una funcin lisa no decreciente de los valores de la variable aleatoria con las siguientes propiedades$

.l igual que en el caso de una v.a. discreta la funcin de distribucin acumulativa de una variable aleatoria continua V es la probabilidad de que En donde t es una variable V tome un valor menor o igual a alg&n artificial de invariacin, por lo tanto la x especfico. funcin de distribucin acumulativa es$ el rea acotada por la funcin de densidad que se encuentra a la i"quierda de la recta V<x.

4). 9alor s1 rado o , dia d la :ariabl al atoria dis"r ta y d la "ontinuaA y su int r1r ta"i>n 1r;"ti"a) El :alor s1 rado "o,o o1 rador ,at ,;ti"o y sus 1ro1i dad s) Mo, ntos "on r s1 "to al orig n y a la , dia)
:alor esperado.

El valor esperado nace de la pr ctica de los juegos de a"ar. El valor esperado ,o esperan"arepresenta para los jugadores la cantidad que ganar n, o perder n, despus de jugar repetidamente cierto juego.

'a esperan"a o valor esperado debe interpretarse como un promedio. *magnese que un experimento, por ejemplo, un volado, se repite un n&mero grande de veces! algunos volados se ganan, otros se pierden. 'a pregunta que se hace el jugador es$ #espus de la jornada de juego XCu nto espero haber ganadoY

Ctra interpretacin consiste en denominar al valor esperado como un promedio ponderado. . diferencia del promedio aritmtico, el promedio ponderado toma en cuenta la existencia de los elementos adem s de su valor a promediar.

En general, es posible #efinicin$ El valor esperado de esperado de una funcin g,x-$ una variable aleatoria se define como$

obtener el valor

#onde g,x- es una funcin de la variable aleatoria V.

Pro1i dad s:

.l primer momento alrededor del +omento cero con respecto al cero se le conoce como media o valor origen esperado de la distribucin y se denota$

#e la misma forma se obtienen momentos con respecto al origen de orden superior.

.l segundo momento con respecto a la media se le conoce como variancia varian"a

'a varian"a de una variable aleatoria es una medida de dispersin de la distribucin de probabilidades de sta. (or ejemplo, para el caso continuo, si la mayor parte del rea por debajo de la curva de distribucin se encuentra cercana a la media, la varian"a es peque0a! si la mayor parte del rea se encuentra muy dispersa al rededor de la media, la varian"a es grande.

. la ra" cuadrada positiva de la varian"a recibe el nombre de desviacin est ndar y se denota por ;.

%i se desea comparar la varian"a con la desviacin est ndar de varias variables con diferentes unidades entre s, la comparacin resultar injusta debido a que las distribuciones de variables aleatorias con unidades peque0as tendr n aparentemente menos variacin. (ara hacer este tipo de comparaciones se define otro indicador denominado coeficiente de variacin$ como el cociente de la desviacin est ndar entre la media y la desviacin est ndar tiene las mismas unidades que el coeficiente de variacin por lo tanto es adimensional.

4)B Par;, tros d las distribu"ion s d las :ariabl s al atorias dis"r tas y "ontinuas) M didas d t nd n"ia " ntral: , diaA , diana y ,oda) M didas d dis1 rsi>n: rangoA d s:ia"i>n st;ndarA :arian"ia y "o (i"i nt d :aria"i>n) M dida d si, tr!a) La :arian"ia "o,o l s gundo ,o, nto "on r s1 "to a la , dia y sus 1ro1i dad s)

+edidas descriptivas. Estos ndices permiten caracteri"ar a las distribuciones de frecuencias para poder hacer una interpretacin acertada de la misma.

+edidas de 8endencia Central. %on aquellas medidas que nos proporcionan un dato que, con ciertos matices, puede considerarse representante de los n datos obtenidos del muestreo.

+edia. 8radicionalmente se considera a la media como un promedio aritmtico de n datos. En realidad es m s que esto. 'a media pretende representar de la mejor forma a los datos de los cuales proviene.

+edia .ritmtica #onde n es el n&mero total de datos. Como dato representante de una muestra, lamedia aritmtica presenta el problema de los datos ubicados en los extremos de la muestra, los m s peque0os y los m s grandes, que en la generalidad suelen ser pocos, sesgan o inducen un error en el resultado. 'a media aritmtica nunca debe utili"arse por s sola para hacer alguna conclusin sobre la muestra, resulta conveniente acompa0arla de alguna medida de dispersin como se ver m s adelante.

+edia (onderada. . diferencia del promedio aritmtico, el promedio ponderado toma en cuenta la existencia de los elementos adem s de su valor a promediar.

+ediana. Es el dato que divide exactamente a la mitad a la muestra. (ara su c lculo como dato agrupado, la mediana se obtiene determinando cual es la clase que incluye a la mediana, la cual se distingue porque tiene una frecuencia acumulada relativa mayor o igual a J.3 ,3JA de los datos-.

+oda. Es el elemento de la muestra que m s se repite. 4na muestra puede tener una o m s modas. Cuando todos los elementos de la muestra son diferentes, no tiene sentido hablar de ella.

+edidas de dispersin.

Estas medidas reflejan la separacin o alejamiento de los elementos de una muestra. Estas medidas deben acompa0ar a las medidas de tendencia central, particularmente a la media, para evitar los efectos que los datos extremos tienen sobre ellas. 'a medida de dispersin m s sencilla es el /ango, .mplitud o recorrido, que como ya se mencion es la diferencia entre el dato mayor y del menor

:arian"a. 8al y como la define la probabilidad, la varian"a de una variable aleatoria es el segundo momento de la misma con respecto a la media. .simismo, se interpreta de la misma forma, como un promedio de las distancias de cada dato hacia la media.

#esviacin est ndar. Es f cil de percibir, a partir de un an lisis dimensional, que la varian"a posee las unidades de la variable muestreada elevada al cuadrado. Esta situacin no permite una r pida visuali"acin o interpretacin de la dispersin de los datos. En virtud de lo anterior, la desviacin est ndar es la ra" cuadrada de la varian"a

Con"lusion s
Zracias a lo aprendido en el tema podemos concluir que el estudio de las variables aleatoria nos sirven para anali"ar diferentes sucesos que estn ligados a dichas variables, y as poder saber la probabilidad de que estos eventos sucedan adem s podemos conocer sus medidas de tendencia central, dispersin , etc. [ue forman parte importante del estudio de estas variables, (udiendo conocer as muchas de las caractersticas de nuestros sucesos.

Bibliogra(!a

http$>> ???.ub.edu>stat>Zrups*nnovacio>%tatmedia>demo>8emas>Capitu 6orras, et. al. .puntes de (robabilidad y Estadstica, )acultad de *ngeniera 45.+. http$>>co"umel.fi2a.unam.mx>S pinilla>.puntes>pyeB.pdf http$>> ???.slideshare.net>(\6=JJ>probabilidad2variables2aleatorias http$>>recursostic.educacion.es>descartes>?eb>materiales@didact

T ,a .: Mod los 1robabil!sti"os "o,8n s

CONTENIDO TEM<TICO

OB5ETI9O E+PEC=FICO
7acer una herramienta &til para que el alumno comprenda y aplique los modelos probabilsticos m s comunes. 4tili"ar un modelo consiste en tomar un conjunto de datos obtenidos de muestreos de datos con comportamiento aleatorio.

N.K Ensayo de 6ernoulli

#istribucin de 6ernoulli

N.= Ensayo 6inomial

#istribucin 6inomial

#istribucin 7ipergeomtrica

#istribucin geomtrica

Distribu"i>n binor,al n gati:a

N.B (roceso de (oisson

#istribucin de (oisson

.proximacin entre la distribucin binormal y (oisson

.). Distribu"ion s "ontinua uni(or,

Ejemplo

N.3

 Ejemplo

4so de tablas de distribucin normal est ndar

E7 ,1lo

.proximacin de la distribucin binomial a la distribucin normal

E7 ,1lo

N.U 5&meros aleatorios

4n g n rador d n8, ros al atorios es un dispositivo inform tico o fsico dise0ado para producir secuencias de n&meros sin un orden aparente. 'os algoritmos para la generacin de valores uniformemente distribuidos est n presentes en todas las calculadoras y lenguajes de programacin, suelen estar basados en congruencias numricas del tipo$

Ejemplo

CC5C'4%*C5E%
Esta herramienta de estudio ser de gran utilidad a futuras generaciones para comprender con mayor facilidad los temas tratados en el tema *: del temario. #e igual manera se buscar bajar los ndices de reprobacin de la asignatura y el mejor aprovechamiento de la misma.

6ibliografa
http$>>dcb.fi2c.unam.mx>profesores>irene>5otas>8ema@N2K.pdf http$>>co"umel.fi2a.unam.mx>Spinilla>.puntes>pyeN.pdf http$>>???.sepi.upiicsa.ipn.mx>mdid>diapJ3.pdf

http$>>hal?eb.ucBm.es>esp>(ersonal>personas>m?iper>docenc

http$>>???.slideshare.net>alexanderfloresvalencia>distribucion

http$>>???.slideshare.net>grupodetrabajo>distribucion2binomia

T ,a B: 9ariabl s al atorias "on7untas

C6EE8*:C E%(ECF)*CC
El alumno conocer el concepto de variables aleatorias conjuntas y podr anali"ar el comportamiento probabilista, conjunta e individualmente, de las variables a travs de su distribucin, e identificara relaciones de dependencia entre dichas variables

CC58E5*#C 8E+D8*CC

D (ini"i>n B)%
En los captulos anteriores se estudiaron variables unitarias unidimensionales, es decir se estudio cada variable independiente. %in embargo en ocasiones hay que estudiar mas de dos variables en un experimento.

 %i C% A C& A C4 A DA Cn son variables aleatorias definidas sobre un mismo espacio muestral, dichas variables aleatorias reciben el nombre de :./*.6'E% .'E.8C/*.% CC5E458.%
% % % %

 %i C% A C& A C4 A DA Cn son variables aleatorias conjuntas discretas, se define su funcin de probabilidad conjunta como$
% % % %

)xK x=,]xn ,xKx=,], xn -<p,xK<xK^x= <x=^...^Vn < xn )xK x=,]xn ,xKx=,], xn -<(,xK <xK, x= <x= ,], xn < xn -

0ra(i"a d una (un"i>n d 1robabilidad "on7unta)

Caractersticas de la funcin de probabilidad conjunta

)unciones de probabilidad$ +arginal y condicional

%i C y y son dos variables aleatorias conjuntas discretas, entonces se pueden hacer las siguientes definiciones. 'a funcin de probabilidad marginal de C , funcin de probabilidad de C al margen de Y - como$

'a funcin de probabilidad marginal de _ ,funcin de la probabilidad de _ al margen de V- como

'a funcin de probabilidad condicional V dado que _<yJ es$

'a funcin de probabilidad condicional _ dado que V<VJ es$

D (ini"i>n B)& 9ariabl s al atorias "on7untas "ontinuas

%i C% A C& A C4 A DA Cn son variables aleatorias conjuntas continuas, entonces su funcin de densidad conjunta se define como una funcin con las siguientes caractersticas.
% % % %

Fun"ion s d d nsidad: Marginal y "ondi"ional

.l igual que para las variables aleatorias conjuntas discretas, para las continuas tambin se definen las funciones de densidad marginal y condicional. %i C y Y son dos variables aleatorias conjuntas continuas, entonces se define$ 'a funcin de densidad marginal de C ,funcin de probabilidad de C al margen de Y- como

'a funcin de densidad marginal de _ ,funcin de probabilidad de _ al margen de V- como$

'a funcin de densidad condicional de C dado que _< yJ es$

'a funcin de densidad condicional de Y dado que V< xJ es$

Cbsrvese que la distribucin condicional, se obtiene con la misma expresin tanto para variables aleatorias discretas como continuas.

Fun"i>n d distribu"i>n Con7unta)

(roporciona el comportamiento probabilstico acumulado conjunto de una serie de variables aleatorias.

 Cbsrvese que para construir una tabla de funcin de distribucin conjunta discreta slo se requiere sumar todos los valores por arriba y hacia la i"quierda ,incluyendo valores diagonales- del valor que se desea obtener, en la tabla de la funcin de la probabilidad conjunta.

Ind 1 nd n"ia d 9ariabl s Al atorias Con7untas

#espus de estudiar las funciones de probabilidad y de densidad marginales, se observa que el conocimiento , o la informacinsobre el valor de una de las variables aleatorias puede modificar el comportamiento probabilstico de otra variable. Esto slo sucede si las variables conjuntas son dependientes.

%i V y _ son variables aleatorias conjuntas, se dice que son independientes si y solo si$ para todo x y y En general, para nA variables aleatorias conjuntas C%A C&AD Cn, con funcin de probabilidad o de densidad conjunta )C%A C&AD Cn,C%A C&AD Cn,- y marginales )C%#C%' para iE %A&ADn, son independientes si y slo si

B)4 Cara"t r!sti"as nu,?ri"as d las :ariabl s al atorias "on7untas

'as caractersticas de las variables aleatorias conjuntas son valores que describen el comportamiento probabilstico conjunto. M didas d t nd n"ia " ntral: :alor s1 rado y "ur:a d r gr si>n)

Pro1i dad s d l :alor s1 rado

B). M didas d dis1 rsi>n d :ariabl s al atorias Con7untas: Co:arian"ia y "orr la"i>n)

Co:arian"ia 'a covariancia es una medida de dispersin que indica, en promedio, qu tanto se alejan conjuntamente los valores de sus medidas respectivas, i.e. qu tanto varan en conjunto ,qu tanto cavaran-.

 'a curva de regresin de Y dado C, es el lugar geomtrico de los valores esperados de las distribuciones condicionales de Y. %u ecuacin es$ EFYG@

'a curva de regresin de C dado yA es el lugar geomtrico de los valores esperados de las distribuciones condicionales de V. %u ecuacin es$ El concepto de curva de regresin tiene su principal utilidad en los pronsticos, puesto que para cada V proporciona el valor esperado , o pronstico- de A o viceversa. En el tema de .n lisis se modela para una lnea recta u otra curva a travs de un sistema lineal en los par metros, dando lugar al concepto de regresin lineal.

 .plicando las propiedades del valor esperado, se tiene que la covariancia se puede calcular mediante$ Cov,V,_- < E`,V2ax -,_2 ay -b <E,V_-2 ax ay

El valor esperado de la covarian"a depende de la escala en la que est n C y Y. (ara referir la relacin entre C y Y a una escala fija se debe utili"ar el coeficiente de correlacin.

 El coeficiente de correlacin es una cantidad a dimensional que mide la asociacin lineal entre dos variable aleatorias, el valor de H est contenido en el intervalo `2K,Kb. El coeficiente de correlacin tiene las siguientes propiedades. K- %i V,_ son variables aleatorias independientes, entonces H E =- (ara cualesquiera variables aleatorias conjuntas 2K W H WK B- H E I%A si y slo si E ,CJb para m y b constantes.

 El coeficiente de determinacin, proporciona el grado de explicacin de una variable ,generalmente y - respecto a la otra ,generalmente x-, es decir qu tanto se explica y, conociendo @.

B)B Distribu"i>n Binor,al

4na generali"acin de la variable aleatoria normal unidimensional es la distribucin binormal se encuentra en el c lculo de errores y en la teora para la regresin lineal, cuando se estudian los supuestos tericos que debe cumplir.

 'a funcin de densidad binormal tiene como interpretacin gr fica una superficie.

_ las funciones de densidad marginales son normales con par metros y respectivamente. 'as condiciones tambin son normales con par metros$

(ara la condicional de C dado y)

+ientras que la condicin de y dado x como par metros a$

Bibliogra(!a
http$>>probestunalm"l.?i1ispaces.com>file>vie?>JU@2@ )#(s@conjuntas@=x=.pdf http$>> ???."?eigmedia.com>+undo/eal>%ummaryL.html http$>>???.ugr.es>Sbioestad>@private>8ema@B.pdf

http$>> dcb.fi2c.unam.mx>users>angellbs>htm>Z/4(CK>./C7*:C%@:

 Conclusiones
%e comprendi el uso de las variables conjuntas, es decir la probabilidad en = variables diferentes, como se relacionan estas dos probabilidades entre si, como se modifica la probabilidad con el cambio de una variable y los modelos que se generan para sacar las probabilidades en funcin de V o _, o en funcin de las dos dentro de un limite. 8ambin se asimilo la aplicacin de estas variables conjuntas contra problemas de probabilidad aplicada a la ingeniera.