Documente Academic
Documente Profesional
Documente Cultură
Distribuciones de Probabilidad
Distribuciones de probabilidad
QUE PRESENTA:
ASIGNATURA:
ESTADSTICA APLICADA
Distribuciones de Probabilidad
CUATRIMESTRE:
Septiembre de 2016
ndice
INTRODUCCIN ...................................................................................................... 3
Distribucin de probabilidad .................................................................................. 4
Divisin de distribuciones................................................................................... 4
DISTRIBUCIONES CONTINUAS .............................................................................. 5
La distribucin uniforme ..................................................................................... 5
Distribucin normal o de Gauss ......................................................................... 5
Distribucin Gamma () ..................................................................................... 7
Distribucin exponencial .................................................................................... 8
Distribucin Chi-cuadrado (c2)........................................................................... 9
Distribucin T de Student ................................................................................. 10
Distribucin F de Snedecor .............................................................................. 11
DISTRIBUCIONES DISCRETAS ............................................................................ 13
Distribucin uniforme ........................................................................................... 13
Distribucin binomial ........................................................................................... 14
Distribucin multinomial ....................................................................................... 15
Distribucin hipergeomtrica ............................................................................... 16
Distribucin multihipergeomtrica ........................................................................ 17
Distribucin de poisson........................................................................................ 17
CONCLUSIN ........................................................................................................ 20
Septiembre de 2016
INTRODUCCIN
Cuando nos planteamos estudiar estas distribuciones de probabilidad, lo hacemos
partiendo de la base que su estudio nos permitir simplificar el tratamiento
estadstico de muchos fenmenos reales. De esta manera, si nosotros nos
encontramos con un fenmeno real tal y como puede ser realizar una inversin o
no. Este es un fenmeno que tiene dos posibles valores, invertir, no invertir. Bien,
veremos que este tipo de fenmenos los podemos estudiar como una variable o
distribucin de Bernuille. Si nosotros hemos estudiado esta variable tendremos
perfectamente identificados tanto la media como la varianza como su funcin de
cuanta, etc... Es decir, conocemos el comportamiento probabilstico de este
fenmeno. Si nos ponemos a pensar en fenmenos econmicos reales, veremos
que existen muchos que se pueden ajustar a un comportamiento de este tipo. Todos
ellos estn estudiados simultneamente mediante la distribucin de Bernuilli o la
generalizacin binomial.
Una distribucin de probabilidad indica toda la gama de valores que pueden
representarse como resultado de un experimento. Una distribucin de probabilidad
es similar al distribucin de frecuencias relativas .Sin embargo, en vez de describir
el pasado, describe la probabilidad que un evento se realice en el futuro, constituye
una herramienta fundamental para la prospectiva, puesto que se puede disear un
escenario de acontecimientos futuros considerando las tendencias actuales de
diversos fenmenos naturales.
Las decisiones estadsticas basadas en la estadstica inferencial son fundamentales
en la investigacin que son evaluadas en trminos de distribucin de probabilidades.
Una variable aleatoria es un valor numrico que corresponde al resultado de un
experimento aleatorio, como el nmero de caras que se obtienen al lanzar 4 veces
una moneda, el nmero de lanzamientos de un dado hasta que aparece el seis, el
nmero de llamadas que se reciben en un telfono en una hora, el tiempo de espera
a que llegue un autobs...
Septiembre de 2016
Distribucin de probabilidad
En teora de la probabilidad y estadstica, la distribucin de probabilidad de una
variable aleatoria es una funcin que asigna a cada suceso definido sobre la variable
aleatoria la probabilidad de que dicho suceso ocurra. La distribucin de probabilidad
est definida sobre el conjunto de todos los sucesos y cada uno de los sucesos es
el rango de valores de la variable aleatoria.
La distribucin de probabilidad est completamente especificada por la funcin de
distribucin, cuyo valor en cada x real es la probabilidad de que la variable aleatoria
sea menor o igual que x
Divisin de distribuciones
Esta divisin se realiza dependiendo del tipo de variable a estudiar, esto significa
que:
1. Si la variable es una variable discreta (valores enteros), corresponder una
distribucin discreta, de las cuales existen:
2. Si la variable es continua, esto significa que puede tomar cualquier valor dentro
de un intervalo, la distribucin que se generar ser una distribucin continua,
tambin llamada "distribucin normal".
Adems, se puede utilizar la "distribucin de poisson como una aproximacin de la
distribucin binomial" cuando la muestra por es estudiar es grande y la probabilidad
de xito es pequea. De la combinacin de los dos tipos de distribuciones anteriores
(a y b), surge una conocida como "distribucin normal como una aproximacin de la
distribucin binomial y de poisson".
Septiembre de 2016
DISTRIBUCIONES CONTINUAS
La distribucin uniforme
Es una variable que puede tomar tanto valores enteros como fraccionarios.
Es generada por una variable continua (x).
f(x) 0 Las probabilidades asociadas a cada uno de los valores que toma x deben
ser mayores o iguales a cero. Dicho de otra forma, la funcin de densidad de
probabilidad deber tomar solo valores mayores o iguales a cero. La funcin de
densidad de probabilidad slo puede estar definida en los cuadrantes I y II.
La sumatoria de las probabilidades asociadas a cada uno de los valores que toma
x debe ser igual a 1. El rea definida bajo la funcin de densidad de probabilidad
deber ser de 1.
Septiembre de 2016
2)
3)
4)
Septiembre de 2016
Distribucin Gamma ()
La distribucin gamma se define a partir de la funcin gamma, cuya ecuacin es:
Septiembre de 2016
Distribucin exponencial
Es un caso particular de la distribucin gamma cuando = 1. Su funcin de
densidad es:
Su parmetro es .
La media y la varianza de la distribucin exponencial son:
Septiembre de 2016
Septiembre de 2016
Distribucin T de Student
Supongamos dos variables aleatorias independientes, una normal tipificada, Z , y
otra con distribucin c2 con n grados de libertad, la variable definida segn la
ecuacin:
Septiembre de 2016
Septiembre de 2016
1,
Septiembre de 2016
DISTRIBUCIONES DISCRETAS
Las distribuciones discretas son aquellas en las que la variable puede pude tomar
un nmero determinado de valores:
Ejemplo: si se lanza una moneda al aire puede salir cara o cruz; si se tira un dado
puede salir un nmero de 1 al 6; en una ruleta el nmero puede tomar un valor del
1 al 32.
Distribucin uniforme
La distribucin uniforme es la que corresponde a una variable que toma todos sus
valores, x1, x2..., xk, con igual probabilidad; el espacio muestral debe ser finito.
Si la variable tiene k posibles valores, su funcin de probabilidad sera:
Septiembre de 2016
Distribucin binomial
La distribucin binomial es tpica de las variables que proceden de un experimento
que cumple las siguientes condiciones:
1) El experimento est compuesto de n pruebas iguales, siendo n un nmero
natural fijo.
2) Cada prueba resulta en un suceso que cumple las propiedades de la variable
binmica o de Bernouilli, es decir, slo existen dos posibles resultados,
mutuamente excluyentes, que se denominan generalmente como xito y
fracaso.
3) La probabilidad del xito (o del fracaso) es constante en todas las pruebas.
P (xito) = p; P (fracaso) = 1 - p = q
4) Las pruebas son estadsticamente independientes,
En estas condiciones, la variable aleatoria X que cuenta el nmero de xitos en la
n pruebas se llama variable binomial. Evidentemente, el espacio muestral estar
compuesto por los nmeros enteros del 0 al n. Se suele decir que una variable
binmica cuenta objetos de un tipo determinado en un muestreo de n elementos con
reemplazamiento.
La funcin de probabilidad de la variable binomial se representa como b(x,n,p)
siendo n el nmero de pruebas y p la probabilidad del xito. n y p son los parmetros
de la distribucin.
Septiembre de 2016
Distribucin multinomial
La distribucin multinomial es esencialmente igual a la binomial con la nica
diferencia de que cada prueba tiene ms de dos posibles resultados mutuamente
excluyentes.
Si tenemos K resultados posibles (Ei, i = 1,..., K) con probabilidades fijas (pi , i = 1,
... , K), la variable que expresa el nmero de resultados de cada tipo obtenidos en n
pruebas independientes tiene distribucin multinomial.
Septiembre de 2016
Distribucin hipergeomtrica
Una variable tiene distribucin hipergeomtrica si procede de un experimento que
cumple las siguientes condiciones:
1) Se toma una muestra de tamao n, sin reemplazamiento, de un conjunto
finito de N objetos.
2) K de los N objetos se pueden clasificar como xitos y N - K como fracasos.
X cuenta el nmero de xitos obtenidos en la muestra. El espacio muestral es el
conjunto de los nmeros enteros de 0 a n, o de 0 a K si K < n.
En este caso, la probabilidad del xito en pruebas sucesivas no es constante pues
depende del resultado de las pruebas anteriores. Por tanto, las pruebas no son
independientes entre s.
La funcin de probabilidad de la variable hipergeomtrica es:
Septiembre de 2016
El factor por el que difieren ser siempre menor que 1 y tan prximo a 1 como cierto
sea que n << N.
El aspecto de la distribucin es bastante similar al de la binomial. Como ejemplo,
mostramos los casos anlogos a los de las binomiales del apartado anterior (p inicial
= 0,25 y n = 4)
Distribucin multihipergeomtrica
Este variable se define igual que la hipergeomtrica con la nica diferencia de que
se supone que el conjunto de objetos sobre el que se muestrea se divide en R
grupos de A1, A2,..., AR objetos y la variable describe el nmero de objetos de cada
tipo que se han obtenido (x1, x2,..., xR)
Distribucin de poisson
Una variable de tipo poisson cuenta xitos (es decir, objetos de un tipo determinado)
que ocurren en una regin del espacio o del tiempo.
El experimento que la genera debe cumplir las siguientes condiciones:
Septiembre de 2016
1. El nmero de xitos que ocurren en cada regin del tiempo o del espacio es
independiente de lo que ocurra en cualquier otro tiempo o espacio disjunto del
anterior.
2. La probabilidad de un xito en un tiempo o espacio pequeo es proporcional al
tamao de este y no depende de lo que ocurra fuera de l.
3. La probabilidad de encontrar uno o ms xitos en una regin del tiempo o del
espacio tiende a cero a medida que se reducen las dimensiones de la regin en
estudio.
Como consecuencia de estas condiciones, las variables Poisson tpicas son
variables en las que se cuentan sucesos raros.
La funcin de probabilidad de una variable Poisson es:
Esta caracterstica puede servirnos para identificar a una variable Poisson en casos
en que se presenten serias dificultades para verificar los postulados de definicin.
La distribucin de Poisson se puede considerar como el lmite al que tiende la
distribucin binomial cuando n tiende a
y p tiende a 0, siendo np constante (y
menor que 7); en esta situacin sera difcil calcular probabilidades en una variable
binomial y, por tanto, se utiliza una aproximacin a travs de una variable Poisson
con media l = n p.
La varianza de la variable aproximada es ligeramente superior a la de la variable
binomial.
Septiembre de 2016
Septiembre de 2016
CONCLUSIN
Distribucin de probabilidad de variables aleatorias discretas. Una variable puede
tomar una variable cualquiera durante un proceso dado. Las variables aleatorias son
funciones que asocian a cada elemento del espacio muestral [conjunto de los
diferentes resultados de un experimento estadstico] un nmero real, se clasifican
en: Variable aleatoria discreta, proporciona datos cuantitativos discretos, es el
resultado de un proceso de conteo (ejemplo el nmero de soles de n lanzamientos
de una moneda) y Variable aleatoria contina, se encuentra dentro de un intervalo
comprendido entre 2 nmeros x(estatura de un alumno de un grupo escolar). La
distribucin de probabilidad, describe el comportamiento de fenmenos estadsticos
es decir, es un listado de las probabilidades de todos los resultados posibles que
podran presentarse si se efecta un experimento. En la distribucin discreta, las
variables asumen un nmero limitado de valores, por ejemplo el nmero de aos de
estudio y en la distribucin continua, las variables en estudio pueden asumir
cualquier valor dentro de determinados lmites, por ejemplo la estatura de un
estudiante. Son las probabilidades que se asocian a cada uno de los valores que
toma la variable aleatoria x. La distribucin de probabilidad para una variable
aleatoria discreta, son las relaciones de los resultados y sus probabilidades de las
frecuencias observadas. Un ejemplo seria la probabilidad de que al lanzar un dado
n nmero de veces caiga cara2 o que al lanzar una moneda 2 veces caiga sol las 2
tiradas. Existen varios modelos matemticos que representan diversos fenmenos
discretos de la vida real. Las ms tiles son: 1.- La distribucin uniforme discreta.
1.- La distribucin de probabilidad Binomial o de Bernoulli. 2.- La distribucin de
probabilidad Hipergeomtrica. 3.- La distribucin de probabilidad de Poisson.
Septiembre de 2016
Referencias
http://cvb.ehu.es/open_course_ware/castellano/tecnicas/software_mate/material-de-estudio1/distribuciones-de-probabilidad-discretas-y-continuas.pdf
http://personales.unican.es/gonzaleof/Itop/teoria/Teoria_distribuciones.pdf
http://herzog.economia.unam.mx/profesores/blopez/estadistica-discretas.pdf
http://pendientedemigracion.ucm.es/info/genetica/Estadistica/estadistica_basica%201.htm
http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/04Distribuciones%20d
e%20Probabilidad.htm
Septiembre de 2016