Distribuciones de Probabilidad.

Septiembre 2005
3.- Distribuciones de probabilidad

Introduccin

Las variables aleatorias son los instrumentos matemticos destinados
a representar los resultados de un determinado experimento
aleatorio. Para ello se requiere asignar a cada elemento del espacio
de las muestras un nmero. El resultado de dicha asignacin es una
funcin matemtica llamada variable aleatoria. As, si el experimento
es lanzar una moneda y observar si sale cara o cruz, podemos
asignar un 1 a la cara y un 0 a la cruz y tendremos una variable
aleatoria.

Evidentemente esta asignacin es en s misma aleatoria, podramos
asignar cualesquiera otros dos nmeros distintos. En muchos
experimentos cientficos la variable aleatoria asociada surge de
manera natural. Por ejemplo si el experimento consiste en contar el
nmero de bacterias en un cierto cultivo de hora en hora, la variable
tomar como valores el nmero de cada recuento. Si se trata de
medir la temperatura en una cierta estancia, la variable tomar los
valores de dichas lecturas de temperatura.

Las variables aleatorias se dividen en discretas, si toman valores
discretos de un cierto conjunto, y continuas, si toman valores en un
rango continuo. Como cada suceso tiene asignado un cierto valor de
la variable aleatoria, es equivalente hablar de probabilidades para
los sucesos y para los valores que toma la variable aleatoria.

Esta asignacin de probabilidades se realiza mediante una funcin
llamada de densidad de probabilidad. Definida para variables
discretas como:

f(x
k
) = p (X=x
k
)

Tambin se definen las funciones de distribucin, que proporcionan
los valores acumulados de la probabilidad. Para variables discretas
tenemos:



y para variables continuas:


donde f(t) es la funcin de densidad continua, que permite calcular
probabilidades en intervalos:



Distribuciones discretas

Matlab proporciona las funciones necesarias para trabajar con las
distribuciones discretas ms comunes: binomial, geomtrica,
hypergeomtrica, binomial negativa y de Poisson.


Las distintas funciones de densidad de probabilidad de las
distribuciones discretas son las siguientes:

- Binomial: binopdf
- Geomtrica: geopdf
- Hipergeomtrica: hygepdf
- Binomial negativa: nbinpdf
- Poisson: poisspdf

Por ejemplo, la funcin binopdf(50,100,0.5) proporciona la
probabilidad para el caso de una distribucin B(100,0.5), la
probabilidad de obtener 50 xitos.

>> binopdf(50,100,0.5)

ans =

0.0796

Las distintas funciones de distribucin de probabilidad de las
distribuciones discretas son las siguientes:

- Binomial: binocdf
- Geomtrica: geocdf
- Hipergeomtrica: hygecdf
- Binomial negativa: nbincdf
- Poisson: poisscdf

Por ejemplo, la funcin geocdf(5,0.5) proporciona la probabilidad de
obtener 5 o menos xitos en una distribucin geomtrica.


>> geopdf(5,0.5)

ans =

0.0156

Se puede obtener la media y la varianza de cada una de las
anteriores distribuciones de probabilidad utilizando las siguientes
sentencias:

- Binomial: binostat
- Geomtrica: geostat
- Hipergeomtrica: hygestat
- Binomial negativa: nbinstat
- Poisson: poisstat

La siguiente funcin, [m,d]=binostat(10,0.5), almacena en la variable
m la media y en la d la varianza de la distribucin binomial B(10,0.5).

>> [m,d]=binostat(10,0.5)

m =

5


d =

2.5000

La sintaxis de cada una de las anteriores funciones se puede
consultar en la ayuda de Matlab.

Probemos ahora con la distribucin binomial: Vamos a establecer una
binomial con 5 pruebas y probabilidad 0.3.

Podemos calcular la esperanza y la varianza de la siguiente forma:

>> [m,d]=binostat(5,0.3)

m =

1.5000


d =

1.0500

Veamos las funciones de densidad y distribucin:

>> X=[0 1 2 3 4 5]

X =

0 1 2 3 4 5

>> Y=binopdf(X,5,0.3)

Y =

0.1681 0.3601 0.3087 0.1323 0.0283
0.0024

>> Y=binocdf(X,5,0.3)

Y =

0.1681 0.5282 0.8369 0.9692 0.9976
1.0000

Vamos a representar las funciones de densidad y distribucin:

>> X=[0 1 2 3 4 5];
>> Y=binopdf(X,5,0.3);
>> plot(X,Y,'*')


>> Y=binocdf(X,5,0.3);
>> plot(X,Y,'*')



Probemos ahora con la distribucin Binomial Negativa. Esta
distribucin corresponde al caso en que la variable aleatoria cuenta el
nmero de ensayos de Bernouilli necesarios hasta obtener k xitos.
Asi, el nmero de pruebas realizadas es n = x + k, donde x es el
numero de fracasos y k el de exitos.

Para esta variable aleatoria discreta, P(X=n) es la probabilidad de
obtener el xito k en el n-simo ensayo, habindose producido k-1
xitos durante los ensayos anteriores. Se calcula de la siguiente
manera



siendo p la probabilidad de obtener xito cada prueba de Bernouilli.


Asi, si p=0.3, la probabilidad de contar 5 fracasos hasta obtener 10
xitos, no es mas que la probabilidad de que se hayan realizado 15
ensayos para obtener 10 exitos, y se calcularia con la formula
anterior tomado n=15 y k=10. Procediendo de este modo se
comprueba que la probabilidad calculada es de 0.0020.

La funcion de dsitribucion de la binomial negativa en matlab (mirar
el manual de documentacion) viene en funcion del numero de
fracasos, de manera que

>> a=nbinpdf(5,10,0.3)

a =0.0020

nos proporciona la probabilidad de obtener 5 fracasos hasta obtener
10 exitos. En ocasiones hay que prestar atencion a la definicion que
proporciona Matlab a la variable aleatoria, que puede no coincidir
exactamente con las definiciones dadas en clase.

Adems de estas funciones, Matlab dispone de una herramienta de
calculo y visualizacion, la Probability Distribution Function Tool, que
realiza la representacin grfica de las funciones de probabilidad
pdf (del ingles 'probability distribution function') y de distribucin
de probabilidad cdf (del ingles 'cumulative distribution function') de
la principales distribuciones de probabilidad.

Esta herramienta se abre utilizando el comando disttool en la
ventana de Matlab:

>> disttool



Por defecto la ventana se abre con la distribucin N(0,1) y
representando la funcin de distribucin de probabilidad.

Desde el desplegable Distribution se podr seleccionar la funcin de
probabilidad que se desee estudiar, en el desplegable Function type
se podr seleccionar entre la funcin de probabilidad o la funcin de
distribucin de probabilidad.

Por ejemplo, una distribucin binomial con 10 experimentos y una
probabilidad de xito de 0,7 se configurara de la siguiente forma:



Como se observa en la figura hemos seleccionado la distribucin
binomial y la funcin de densidad/probabilidad para su
representacin.

Los parmetros que definen la distribucin se indican en las cajas de
la parte inferior de la ventana. En particular el nmero de
experimentos en la caja Trials y la probabilidad de xito en Prob,
el resto de campos indican los lmites superior/inferior de los ejes que
se representan.

Otra informacin importante que se observa en la ventana son las
coordenadas, en la parte inferior del grfico hay una campo editable
donde podemos escribir la coordenada del eje X, de forma que en la
parte izquierda de la grfica se muestra la densidad/probabilidad para
este valor. Es decir, la probabilidad de obtener 5 xitos es de
0.109292.

Si seleccionamos la funcin de distribucin obtenemos el siguiente
grfico:



Las lneas rojas discontinuas se pueden mover con el puntero del
ratn, de forma que el punto donde se posiciona se indica en las
cajas de los ejes, de forma que indican el valor de la variable y su
distribucin de probabilidad (P(X<=5)=0,15027). Esto ltimo permite
el clculo de probabilidad de forma grfica.

Para introducir un ttulo en la grfica, en los ejes de coordenadas o
lneas, cajas, texto, etc se debe acceder a las distintas opciones que
aparece en el men Insertar.

Son tambin interesantes las opciones disponibles en el men
Tools, desde este men se puede aplicar zoom a la figura, aplicar
una vista en 3D:




Distribuciones continuas

Las variables aleatorias continuas son las que pueden tomar cualquier
valor de entre el infinito nmero de valores de un intervalo. Por este
motivo resulta imposible asignar probabilidad a cada uno de los
valores particulares de forma que la suma sea 1, ya que se tienen
infinitos sumandos, y se ha de recurrir al concepto de integral.

Como hemos dicho ya en la introduccin, para una variable aleatoria
continua, existe una funcin f(t) llamada funcin de densidad de
probabilidad, de manera que la probabilidad de obtener valores en un
intervalo viene dada por:



De entre las distribuciones continuas, la distribucin normal es, con
mucho, la ms importante de todas y, adems, la mayor parte de las
distribuciones continuas se deducen de combinaciones normales.

Matlab dispone las funciones de densidad de las distribuciones
continuas ms usuales: Normal, Exponencial, chi-cuadrado, T de
Student y F de Snedecor.

- Normal: normpdf, normcdf, normstat
- Chi-cuadrado: chi2pdf, chi2cdf, chi2stat
- T de Student: tpdf, tcdf, tstat
- F de Snedecor: fpdf, fcdf, fstat

Empecemos con la distribucin normal, las principales funciones
disponibles son: normpdf, normcdf y normstat como era de suponer.

Supongamos que una variable aleatoria X sigue una distribucin
normal de media 5 y desviacin tpica 0.2. Para obtener la
probabilidad a la izquierda de 4.6, es decir P(X <= 4.6) haramos:

>> a=normcdf(4.6,5,0.2)

a =

0.0228


Evidentemente, la probabilidad a la izquierda de la media es 0.5:

>> a=normcdf(5,5,0.2)

a =

0.5000

Hagamos lo mismo utilizando la Probability Distribution Function Tool:



Veamos ahora para la distribucin t de Student. Definimos una t con
7 grados de libertad y calculamos la probalidad de que sea menor que
2:

>> a=tcdf(2,7)

a =

0.9572

Realicemos el mismo clculo utilizando la ventana:



Se pueden encontrar todas las funciones de distribucin de
probabilidad en la ayuda de Matlab, buscando Supported
Distributions en el campo del Help Navigator y las disponibles en la
herramienta a partir del desplegable Distribution.



Ejercicios:

1. En un proceso de fabricacion de componentes electrnicos
bajo control de calidad se sabe que la probabilidad de que
aparezca un componente defectuoso es p=0.01. Si los
componentes se distribuyen en cajas de 200, encontrar la
probabilidad de que haya menos de 5 defectuosos en cada
caja.
2. La distribucin binomial se puede aproximar por una
distribucin de Poisson para valores grandes del numero de
pruebas. Calcular la probabilidad anterior utilizando la
aproximacin de Poisson. Comenta el resultado.
3. Calcular la probabilidad de que entre 1000 individuos tomados
al azar, exactamente 10 hayan nacido el dia de Navidad.
4. Hallar la probabilidad de que un estudiante que contesta al azar
en un examen verdadero-falso conteste correctamente:
a) 5 preguntas de un total de 10.
b) 10 omas preguntas de un total de 20.
c) Menos de 20 preguntas de un total de 40.

5. Sea X una variable aleatoria con una distribucin N(0.8,2).
Calcular los valores de las siguientes probabilidades:
a) P(X <= 2.58); b) P(1.2<X<3.5); c) P(X>0.7)
Resuelve utilizando la funcin normcdf, y tambin utilizando el
disttool.
6. Hallar la probabilidad de que entre 100000 xifras elegidas al
azar, la cifra 6 salga menos de 9971 veces. Este problema se
puede hacer utilizando una variable aleatoria discreta o una
v.a. continua. Porqu? Razona tu respuesta y explica que
resultado estas utilizando.
7. Sabiendo que la probabilidad de hacer blanco en un objectivo
con cierto sistema de tiro es de 0.01, Cuntos disparos
debern realizarse para alcanzar el objetivo al menos una vez
con una probabilidad del 95%?. Y si la probabilidad de acertar
es de 0.6?
8. La media de los pesos de 1000 estudiantes de una universidad
es de 62.5 Kg, y la desviacin tpica de 6.1 Kg. Suponiendo que
los pesos siguen una distribucin normal, calcular el numero de
estudiantes que pesan
a) Entre 58 y 65 Kg.
b) Mas de 74 Kg.
Utiliza la funcin normcdf, y la herramienta disttool.
9. Un distribuidor de semillas ha determinado a partir de
numerosos ensayos que el 5% de un grupo grande de semillas
no germina. El distribuidor vende las semillas en paquetes de
200, garantizando una germinacin del 90%. Cual es la
probabilidad de que un paquete no cumpla la garanta?
10. Una prueba de laboratorio para detectar herona en sangre
tiene una precisin del 92%. Se analizan 72 muestras en un
mes. Cul es la probabilidad de que:
a) 60 muestras estn correctamente evaluadas?
b) Menos de 60 muestras estn correctamente evaluadas?

11. En una distribucin T de Student con 7 grados de libertad,
a) Qu punto deja a la izquierda una probabilidad de 0.95?
b) Qu punto deja a la derecha una probabilidad de 0.35?
12. La duracin en minutos del viaje desde un hotel hasta el
aeropuerto siguiendo un itinerario A sigue una distribucin
normal N(27,5), mientras que si se sigue el itinerario B el
tiempo de llegada sigue una distribucin N(30,2). Si se dispone
de 34 minutos para llegar al aeropuerto, Cul de los dos
itinerarios conviene utilizar?
13. Se sabe que una fuente radiactiva emite partculas alfa a un
ritmo de 1.5 por minuto. Si medimos el numero de partculas
en 2 minutos, Cual es el resultado promedio esperado? Cual
es la probabilidad de observar x=0,1,2,3,4? Y la probabilidad
de que x>5?.
14. Utilizar el disttool para comparar las distribuciones P(k) y
N(k,k) para k=10, 20, 30, 40 y 80. Calcular el area a la
izquerda de k/4 en cada caso. Comenta tus resultados.