INTRODUCCIN

El presente trabajo, nos muestra los diferentes conceptos acerca del tema de
variables aleatorias, se presentan los tipos de distribuciones: continuas y
discretas, as como algunos tipos de distribuciones, en este caso, las ms
utilizadas, tanto para discretas como para continuas, tales como la distribucin
binomial, de poisson, normal, entre otras, en dicho trabajo, se menciona algunas,
as como se muestra su frmula y algunas tablas representativas.
Tambin anexado a este trabajo se encuentra un formulario con expresiones como
varianza y esperanza, que nos servir en dicho tema.

DISTRIBUCIONES CONTINUAS

Una distribucin de probabilidad es continua cuando los resultados posibles del

experimento son obtenidos de variables aleatorias continuas, es decir, de variables
cuantitativas que pueden tomar cualquier valor, y que resultan principalmente del
proceso de medicin.
En las distribuciones de probabilidad continuas, la distribucin de probabilidad es
la integral de la funcin de densidad, por lo que tenemos entonces que:

TIPOS DE DISTRIBUCIONES CONTINUAS

DISTRIBUCION EXPONENCIAL

Su funcin de distribucin acumulada es:

Donde:
t= Lapso de tiempo
e=Base del logaritmo natural aproximadamente igual a 2,718281828
= Tasa promedio de ocurrencia

BETA
Esuna distribucin de probabilidad
cuya funcin de densidad para valores

Donde

continua con
es

dos

parmetros

dos

parmetros

es la funcin gamma.

GAMMA
Es una distribucin de probabilidad continua
cuya funcin de densidad para valores
es

con

Donde
es el nmero e, aproximadamente igual a 2,718281828
es
la funcin
gamma.
Para
valores
gamma es

(el factorial de

la funcin

F (DE SNEDECOR)

Donde
U1 y U2 siguen una distribucin ji-cuadrado con d1 y d2 grados de libertad
respectivamente, y
U1 y U2 son estadsticamente independientes.

JI CUADRADA O DE PEARSON, X2

Donde
son
variables
aleatorias normales independientes de media cero
y varianza uno. El que la variable aleatoria
tenga sta distribucin se
representa habitualmente as:

T ( DE STUDENT)

Donde
Z es una variable aleatoria distribuida segn una normal tpica (de media
nula y varianza 1).
V es una variable aleatoria que sigue una distribucin con
libertad.
Z y V son independientes
NORMAL (CAMPANA DE GAUSS)

grados de

UNIFORME

Donde:
a = mnimo valor de la distribucin
b = mximo valor de la distribucin
b a = Rango de la distribucin

DISTRIBUCIONES DISCRETAS
Se denomina distribucin de variable discreta a aquella cuya funcin de
probabilidad slo toma valores positivos en un conjunto de valores de
finito o infinito numerable.

BINOMIAL

Donde

Siendo

las combinaciones de
de

en

elementos tomados

en )

POISSON

Donde

k es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la

probabilidad de que el evento suceda precisamente k veces).

es un parmetro positivo que representa el nmero de veces que se

espera que ocurra el fenmeno durante un intervalo dado. Por ejemplo, si el
suceso estudiado tiene lugar en promedio 4 veces por minuto y estamos
interesados en la probabilidad de que ocurra k veces dentro de un intervalo de
10 minutos, usaremos un modelo de distribucin de Poisson con = 104 =
40.
e es la base de los logaritmos naturales (e = 2,71828)

BERNOULLI
Toma valor 1 para la probabilidad de xito ( ) y valor 0 para la probabilidad de
fracaso (
).

HIPERGEOMTRICA

Donde
es el tamao de poblacin, es el tamao de la muestra extrada,
es el nmero de elementos en la poblacin original que pertenecen a la
categora deseada y es el nmero de elementos en la muestra que
pertenecen a dicha categora. La notacin
hace referencia al coeficiente
binomial, es decir, el nmero de combinaciones posibles al seleccionar
elementos de un total .

TABLAS
BINOMIAL

10

POISSON

11

NORMAL

12

JI-CUADRADA

13

F DE SNEDECOR)

14

15

FORMULARIO

ESPERANZA:
Es el nmero
aleatorio.

que formaliza la idea de valor medio de un fenmeno

Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la

probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho
suceso. Por lo tanto, representa la cantidad media que se "espera" como resultado
de un experimento aleatorio cuando la probabilidad de cada suceso se mantiene
constante y el experimento se repite un elevado nmero de veces. Cabe decir que
el valor que toma la esperanza matemtica en algunos casos puede no ser
"esperado" en el sentido ms general de la palabra - el valor de la esperanza
puede ser improbable o incluso imposible.
Si la esperanza matemtica es cero, E(x) = 0, el juego es equitativo, es decir, no
existe ventaja ni para el jugador ni para la banca.
Formula:

VARIABLE ALEATORIA:
Es una variable estadstica cuyos valores se obtienen de mediciones en
experimento aleatorio.
Los valores posibles de una variable aleatoria pueden representar los posibles
resultados de un experimento an no realizado, o los posibles valores de una
cantidad cuyo valor actualmente existente es incierto (p.e., como resultado de
medicin incompleta o imprecisa).
es una funcin real definida en el espacio muestral, , asociado a un experimento
aleatorio.

16

VARIANZA:
La varianza de una variable aleatoria es una caracterstica numrica que
proporciona una idea de la dispersin de la variable aleatoria respecto de su
esperanza. Decimos que es un parmetro de dispersin.

PRUEBA DE HIPTESIS
Una prueba puede ser un ensayo, un experimento, una evaluacin o una muestra:
su acepcin depende del contexto en el que se utiliza. Hiptesis, por su parte, es
una conjetura o una presuncin que tiene una cierta probabilidad de ser cierta o
real.
Cuando estudiamos ambos valores estadsticos es decir, ambos lados de la media
lo llamamos prueba de uno y dos extremos o contraste de una y dos colas.
Con frecuencia no obstante, estaremos interesados tan slo en valores extremos a
un lado de la media (o sea, en uno de los extremos de la distribucin), tal como
sucede cuando se contrasta la hiptesis de que un proceso es mejor que otro (lo
cual no es lo mismo que contrastar si un proceso es mejor o peor que el otro) tales
contrastes se llaman unilaterales, o de un extremo. En tales situaciones, la
regin crtica es una regin situada a un lado de la distribucin, con rea igual al
nivel de significacin.
Prueba de Hiptesis sobre Una Muestra Referente a la Varianza (cont.)
Prueba de dos colas en el nivel de significancia la regin crtica es
f < f1-/2(v1,v2) o f > f/2(v1,v2).
Prueba de una cola (izquierda) en el nivel de significancia la regin crtica es
f < f1-(v1,v2).
Prueba de una cola (derecha) en el nivel de significancia la regin crtica es
f > f(v1,v2).

17

CONCLUSIONES
Realizar un trabajo de este tema, nos sirve para tener un mayor conocimiento, (en
este caso previo) al tema que se ver, esto nos permiti, buscar, encontrar y
procesar la informacin de tal manera que al momento que la vayamos a utilizar
nos sea mucho ms fcil, ya conociendo algunos trminos.

BIBLIOGRAFIA
http://allman.rhon.itam.mx/~ebarrios/TablasProbabilidad/TabProb_Est2-100.pdf

18