Apunte Estadísticas
Apunte Estadísticas
Contenido
I. Introducción ................................................................................................... 3
V. Variable Aleatoria………………………………………………………………...12
I. Introducción
resultados y haya que asignar una determinada posibilidad a cada uno de esos
los posibles resultados del estudio particular y asignan a cada uno de dichos
suceso indica el grado a priori en que es posible esperar que dicho resultado
acontezca.
va desde las ciencias físicas (posición o velocidad de una partícula, por ejemplo),
conceptos básicos.
experimento aleatorio.
5 Apunte de clase
en mayúsculas.
Ejemplo:
Ω= {𝑐𝑎𝑟𝑎, 𝑠𝑒𝑙𝑙𝑜}
Un suceso sería:
Tipos de Sucesos
espacio muestral 𝜀.
posible
Suceso seguro: es aquel suceso que puede ocurrir con toda seguridad.
Está formado por todos los resultados posibles del experimento y, por tanto,
ellos.
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝐴
𝑃(𝐴) =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 Ω
Ejemplo 1:
cuatro?
1
𝑃(𝐴) = = 0,16̅ = 16,7%
6
8 Apunte de clase
Ejemplo 2:
Escuela de
Hombre Mujer Total
Administración
Aprobados 55 40 95
a) Sea hombre
100
𝑃(𝐻) = = 0,416̅ = 41,7%
240
95
𝑃(𝐴) = = 0,3958 = 39,6%
240
𝑃: Ω → 𝐼𝑅
𝐴 → 𝑃(𝐴)
9 Apunte de clase
tal que:
i. 𝑃(𝐴) ≥ 0, ∀ 𝐴 𝐶 Ω
ii. 𝑃(Ω) = 1
iii. Para toda sucesión de sucesos disjuntos dos a dos, {𝐴1 , 𝐴2 , . . . . . . } tales que
𝐴𝑖 ∩ 𝐴𝑗 = ∅ ∀ 𝑖 ≠ 𝑗, entonces
∞ ∞
𝑃 = (⋃ 𝐴𝑖 ) = ∑ 𝑃(𝐴𝑖 )
𝑖=1 𝑖=1
i. 𝑃(∅) = 0
iii. 0 ≤ 𝑃(𝐴) ≤ 1
Ejemplo:
Dado el siguiente espacio muestral: Ω= {2, 9, 15, 22, 50} se desea determinar la
probabilidad que, al extraer un número de forma aleatoria, este sea un número par
o múltiplo de cinco.
3 2 1 4
𝑃(𝐴 ∪ 𝐵) = + − = = 0,8 = 80%
5 5 5 5
10 Apunte de clase
𝑃(𝐴 ∩ 𝐵) = 0
Probabilidad Condicional
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴/𝐵) = 𝑐𝑜𝑛 𝑃(𝐵) > 0
𝑃(𝐵)
Ejemplo:
una asignatura
Escuela de
Hombre Mujer Total
Administración
Aprobados 55 40 95
𝑃(𝐵 ∩ 𝐴) 40/240 40
𝑃(𝐵/𝐴) = = = = 0,2857 = 28,57%
𝑃(𝐴) 140/240 140
Probabilidad Total
Sea B1, B2,....., Bn una participación del espacio muestral y A un suceso cualquiera
ii. Ω=
iii. 𝑃(𝐵𝑖 ) ≠ 0 ∀𝑖
y sea A otro suceso del espacio muestral, para que el que se conocen las
Entonces:
del suceso A.
causa.
𝑃(𝐴/𝐵𝑖 ) ∗ 𝑃(𝐵𝑖 )
𝑃(𝐵𝑖 /𝐴) = 𝑐𝑜𝑛 𝑃(𝐴) ≠ 0
𝑃(𝐴)
V. Variable Aleatoria
Son aquellas cuando los posibles valores de X son finitos o infinitos numerables,
en este caso es posible distinguir cada valor de Xi, por lo tanto, la probabilidad de
X tiene significado para cada valor puntual de la variable aleatoria (Anderson et al,
2008).
Toda variable aleatoria, tal que su dominio sea solo números enteros, será una
Función de cuantía:
i. 𝑃(𝑋𝑖 ) ≥ 0
ii. ∑ 𝑃(𝑋𝑖 ) = 1
Propiedades:
P( x1 X x2 ) F ( x2 ) F ( x1 )
F es monótona creciente.
aleatorio.
𝑛
𝜇 = 𝐸(𝑥) = ∑ 𝑥𝑖 𝑃(𝑥𝑖 )
𝑖=1
𝑖=1
15 Apunte de clase
específico.
matemática correspondiente.
Función de densidad:
ii. 1
iii.
16 Apunte de clase
discretas, se observa que son las mismas, con la diferencia que una plantea el
Esperanza matemática
+∞
𝐸 (𝑥 ) = ∫ 𝑥𝑓(𝑥 )𝑑𝑥, 𝑓(𝑥 ) = 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑒𝑛𝑠𝑖𝑑𝑎𝑑
−∞
Varianza
2 E ( X 2 ) ( E ( x )) 2
Donde
E( X ) x f ( x ) dx
2 2
17 Apunte de clase
Distribución Binomial
𝑛
𝑃(𝑋 = 𝑥) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥
𝑛 𝑛!
Donde ( ) = 𝑥!(𝑛−𝑥)!
𝑥
La media, varianza y desviación estándar, para distribución binomial, están dadas
por:
Media =
Varianza =
18 Apunte de clase
Distribución de Poisson
λ𝑥
𝑃 (𝑋 = 𝑥 ) =
𝑥! 𝑒 λ
Donde:
de tiempo.
𝐸(𝑥) = 𝜇
𝑉𝑎𝑟(𝑥) = 𝜇
19 Apunte de clase
Las condiciones que se deben cumplir, para aplicar este tipo de distribución, son
las siguientes:
a N a
P ( X x)
x n x
x 0,1,2,...., n
N
n
Donde:
N= tamaño de la población
a
E[ X ] n
N
a a N n
Var ( X ) n 1
N N N 1
20 Apunte de clase
Distribución Uniforme
ab
E[ X ]
2
(b a ) 2
Var ( X )
12
Distribución Exponencial
1
E[ X ]
1
Var ( X )
2
21 Apunte de clase
Distribución Normal
y σ2 (que se denota como N ~ (μ, σ2), si puede tomar valores numéricos a lo largo
Donde:
σ = desviación estándar
μ = media o esperanza de X
E(x) = μ
V(x) = σ2
a)
desde el inicio de la curva por la izquierda hasta dicho valor, P (Z ≤ a). No nos da
Casos:
a) General (menor)
𝑥 − 𝜇
𝑃(𝑋 ≤ 𝑥) = 𝑃 (𝑍 ≤ ) = 𝑃(𝑍 ≤ 𝑍1 )
𝜎
b) Central
𝑎 − 𝜇 𝑏 − 𝜇
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝑃 ( ≤𝑍≤ ) = 𝑃(𝑍1 ≤ 𝑍 ≤ 𝑍2 ) = 𝑃(𝑍 ≤ 𝑍2 ) − 𝑃(𝑍 ≤ 𝑍1 )
𝜎 𝜎
c) Mayor
𝑥 − 𝜇
𝑃(𝑋 ≥ 𝑥) = 𝑃 (𝑍 ≥ ) = 𝑃(𝑍 ≥ 𝑍1 ) = 1 − 𝑃(𝑍 ≤ 𝑍1 )
𝜎
24 Apunte de clase
VII. Bibliografía
Hill.
Anderson D., Sweeney D., y Williams T., (2008). Estadística para Administración y
información:
Todos los derechos de autor son de la exclusiva propiedad de UNIACC o de los otorgantes de sus licencias.
No está permitido copiar, reproducir, reeditar, descargar, publicar, emitir, difundir, poner a disposición del público
ni utilizar los contenidos de forma alguna, excepto para su uso personal, nunca comercial.
Av. Salvador 1200, Providencia, Santiago, Chile © 2020-2023 Universidad UNIACC.