ESTADISTICA_leccion_4_1 2015 2016 V1
Grado en Sistemas de Información
Curso Académico 2015/2016
Dpto. Ciencias de la Computación
Estadística
Tema 4. 1ª Parte: Variable aleatoria y modelos
univariantes de distribución de probabilidad
Variable aleatoria (VA)
Dado un espacio muestral S sobre el que se encuentra definida
una función de probabilidad y X una función de valor real
definida sobre S, de manera que transformelos resultados de
S en puntos sobre la recta de los reales. Se dice entonces que
X es una variable aleatoria (VA)
Ejemplo. El lanzamiento de una moneda tiene dos resultados
posibles sobre el espacio muestral, cara o cruz. X(cara)=0,
X(cruz)=1
P(X=0), P(X=1): Probabilidades de que salga cara o cruz
respectivamente.
Las variables aleatorias (VVAA) pueden ser discretas o
continuas
2
103/10/2015
Variable aleatoria (VA)
Variable aleatoria discreta
Se dice que una variable aleatoria (VA) es discreta si el conjunto de
todos los valores que puede tomar es un conjunto, a lo sumo,
numerable (discreto).
Ejemplos:
•
El número de accidentes laborales en una empresa al año.
•
El número de errores en un mensaje transmitido.
•
El número de piezas defectuosas producidas a lolargo de un día en
una cadena de producción.
El número de días de baja de un trabajador al mes.
•
3
Distribución de probabilidad de variables
discretas
Función de probabilidad: Función que asigna una probabilidad a
cada realización x de la variable aleatoria X
p( x) 0
p( x) P( X x)
p ( xi ) 1
•
Ejemplo: Número de caras al lanzar 3 monedas.
moneda 1
CARA
CARA
CARA
CARA
CRUZ
CRUZCRUZ
CRUZ
nº
moneda 2
CARA
CARA
CRUZ
CRUZ
CARA
CARA
CRUZ
CRUZ
nº caras
0
1
2
3
moneda 3
CARA
CRUZ
CARA
CRUZ
CARA
CRUZ
CARA
CRUZ
frecuencia
0,125
0,125
0,125
0,125
0,125
0,125
0,125
0,125
8
P(x)
P(x=0)
P(x=1)
P(x=2)
P(x=3)
0,125
0,375
0,375
0,125
4
2
03/10/2015
Distribución de probabilidad de variables
discretas
La función de distribución (acumulativa) de la variable
aleatoria X es laprobabilidad de que X sea menor o igual que un
valor específico de x y está dado por
F ( x) P( X x) p( xi )
xi x
Ejemplo:
•
Número de caras al lanzar 3 monedas.
nº caras
0
1
2
3
F(x)
F(0)=p(X≤0)
F(1)=P(X≤1)
F(2)=P(X≤2)
F(3)=P(X≤3)
0,125
0,500
0,875
1,000
5
Distribuciones de probabilidad de variables
discretas
Ejemplo: Función de probabilidad correspondiente al lanzamiento de2
dados
Va ria ble a lera toria
2
1
Nº de ocurrencia s
P roba bilida d
2,8%
3
4
5
6
7
8
9
10
11
2
3
4
5
6
5
4
3
2
1
5,6%
8,3%
8,3%
5,6%
2,8%
11,1% 13,9% 16,7% 13,9% 11,1%
12
36
6
3
03/10/2015
Distribución de probabilidad de variables
discretas
Ejemplo: Función de distribución acumulativa del lanzamiento de 2 dados
Variable aleratoria
2
3
4
5
6
7
8
9
1011
Nº de ocurrencias
1
2
3
4
5
6
5
4
3
2
1
Probabilidad
2,8%
5,6%
8,3%
11,1%
13,9%
16,7%
13,9%
11,1%
8,3%
5,6%
2,8%
Probabilidad acumulada
2,8%
8,3%
16,7%
27,8%
41,7%
58,3%
72,2%
83,3%
91,7%
97,2%
100,0%
12
7
Distribución de probabilidad de variables
continuas: función densidad de probabilidad
En el caso continuo la probabilidad se determina porintervalos
f(x): función densidad de probabilidad
Ejemplo: se mide la llegada de 100
clientes a una tienda
Intervalo
Nº de
llegadas
Frecuencia
relativa
Frecuencia relativa
acumulada
1.00
22
0,20
0,20
2.00
18
0,16
0,36
3.00
17
0,15
0,52
4.00
13
0,12
0,64
5.00
14
0,13
0,76
6.00
8
0,07
0,84
7.00
6
0,05
0,89
8.00
7
0,06
0,95
9.00
10.00
3
2
0,03
0,02
0,98
1,00
8
403/10/2015
Distribución de probabilidad de variables
continuas: función densidad de probabilidad
Si se va aumentando el nº de observaciones y disminuyendo la anchura
de cada clase se llega a una curva límite.
Esta curva limite es la que se obtendría a partir del histograma de una población
disminuyendo indefinidamente las anchuras de cada clase.
10 Clases: Anchura de clase =1
[0,1);...
Regístrate para leer el documento completo.