Instituto de Estudios Universitarios, S.C.

Alumno: Alexandra Violeta Pintos Díaz

Matrícula: 81890

Grupo: CF31

Materia: Estadística

Docente: Mtro. Jorge Enrique Velázquez Mancilla

Actividad 4: Distribuciones de probabilidad

Coatzacoalcos, Veracruz a 5 de junio, 2017.

 Ejemplo: Se conocen los precios y litros de gasolina vendidos en una gasolinera.  Probabilidad condicionada es la probabilidad de que ocurra un evento A. de los eventos X e Y ocurriendo • Frecuencia absoluta conjunta: viene determinada por el de forma simultánea. la suma de las frecuencias relativas conjuntas extendida a todos los pares es igual a 1. sabiendo que también sucede otro evento B. La suma de frecuencias absolutas marginales de la variable X. el PIB. y es difícil saber qué variable influye sobre la otra. Las dos propiedades anteriores se cumplen también para la variable Y. Se concepto se generaliza a cualquier número de eventos o variables aleatorias. en medicina para conocer evidenciar la relación entre ciertos fenómenos. más sólo se requiere obtener la distribución marginal de los litros vendidos.  Se calcula aplicando la fórmula:  Cuando se estudian dos características simultáneamente sobre una muestra. esto es. es el cociente todas las observaciones.  Surgen cuando se estudian conjuntamente dos variables.  Se cumplen 3 relaciones entre las frecuencias de distribución marginales. es igual al número de observaciones que componen la de veces que aparece el valor xi de X. como por ejemplo. cuenta cual es el valor de la variable Y.  La probabilidad condicionada se escribe P(A|B).  Ejemplo: al tirar un dado se sabe que la probabilidad de que salga un 2 es 1/6.  Se utiliza cuando se cuenta con información estadística que muestra simultáneamente el comportamiento de dos o más variables entrelazadas. En el caso de solo dos variables aleatorias se denomina una distribución bivariada. entre la frecuencia absoluta conjunta y el número total de  Se utiliza en experimentos estadísticos que incluyan más de una variable aleatoria que actúan en forma conjunta. La suma de las frecuencias relativas marginales de la variable X.  Se obtiene cuando se contabiliza el número de veces que aparece una u otra modalidad de un carácter con independencia del otro. las variables independientes Xi y un término aleatorio ε.  Es la distribución de probabilidad de la intersección de eventos de X y Y.  En la mayoría de los casos la relación entre las variables es mutua. pero el número de veces que aparece el par ordenado (Xi .  También llamada distribución bidimensional de frecuencias. es igual a 1.  Se calcula con la fórmula Y = a + b X + ε  Algunos usos son: en elaboración de líneas de tendencia. y 2 baterías aceptables y se toman dos baterías al azar. en informática. • Frecuencia absoluta marginal: Representa el número 1. observaciones.  Ejemplo: Una caja contiene 4 baterías defectuosas. se puede considerar que una de ellas influye sobre la otra de alguna manera. y es de interés determinar la probabilidad correspondiente a los diferentes valores que estas variables puedan tomar. El objetivo principal de la regresión es descubrir el modo en que se relacionan.  A Thomas Bayes se le atribuye el mérito de haber expresado la probabilidad condicional en función de la probabilidad Se representa conjunta.  Marginal: 2. que indican si un conjunto de datos en particular (como por ejemplo.  Se utiliza una vez que se ha incorporado información adicional a la situación de partida. Yj).  Condicionada:  Las probabilidades condicionadas cumplen con los tres axiomas de probabilidad y con los teoremas derivados de éstos. representa por nij. • Frecuencia relativa marginal: Para xi de X es fi= xi/n y 3. Yj . Se representa por fij. la relación entre el fumar tabaco con índices de mortalidad. el precio del petróleo o el valor de las acciones) han aumentado o decrementado en un determinado período. Si se incorpora nueva información (por ejemplo. 3 baterías en regular estado. sin tener en muestra. simple:  Consiste en un modelo matemático usado para aproximar la relación de dependencia entre una variable dependiente Y. sin embargo sólo es de interés la información de una de ellas para estudiarla de forma individual.  Regresión  La regresión simple es el caso más sencillo de relación entre dos variables. . se sabe que el resultado ha sido un número par) entonces la probabilidad de que el resultado sea el 2 ya no es 1/6. para yi de Y es fj= nj/n. y se lee «la probabilidad de A dado B». La distribución de probabilidad en este caso será conjunta.  Conjunta:  Características: La suma de las frecuencias absolutas conjuntas extendida a todos los pares es igual a la suma de • Frecuencia relativa conjunta: del par Xi . para proyectar valores futuros.

Pierdant. México Limusa Wiley.. (2001). “Distribuciones bidimensionales” en Manual de Estadística. T. España: Thomson Ediciones. J. y Rodríguez. Edumet. “Business Statistics”. (2007). A. Montero. (2008). BIBLIOGRAFÍA Levine. Krehbiel. D. y Berenson. “Estadística descriptiva”. D. (2004). Pp. “Estadística para administración”. . Rodríguez. México: Grupo Editorial Patria. Ruíz. J. C. (2014). 28-43 Wayne. pp. 124-149. M. D.. USA: Pearson Education. “Algunas distribuciones de muestreo importantes” en Bioestadística Base para el análisis de las ciencias de la salud.