Documente Academic
Documente Profesional
Documente Cultură
Probabilidad
Facilitadora: Integrante:
Sección “G”
Ejemplos:
x Variable que nos define el número de burbujas por envase de vidrio que son
generadas en un proceso dado.
X 0, 1, 2, 3, 4, 5, etc, etc. burbujas por envase
x Variable que nos define el número de productos defectuosos en un lote de 25
productos.
X 0, 1, 2, 3,....,25 productos defectuosos en el lote
X Variable que nos define el número de alumnos aprobados en la materia de
probabilidad en un grupo de 40 alumnos.
X 0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en probabilidad
Con los ejemplos anteriores nos damos cuenta claramente que los valores de la
variable x siempre serán enteros, nunca fraccionarios.
2. Distribución binominal
Propiedades
- La muestra se compone de un número fijo de observaciones n
- Cada observación se clasifica en una de dos categorías, mutuamente
excluyentes (los eventos no pueden ocurrir de manera simultánea. Ejemplo: Una
persona no puede ser de ambos sexos) y colectivamente exhaustivos (uno de los
eventos debe ocurrir. Ejemplo: Al lanzar una moneda, si no ocurre cruz, entonces
ocurre cara). A estas categorías se las denomina éxito y fracaso.
- La probabilidad de que una observación se clasifique como éxito, p, es constante
de una observación o otra. De la misma forma, la probabilidad de que una
observación se clasifique como fracaso, 1-p, es constante en todas las
observaciones.
- La variable aleatoria binomial tiene un rango de 0 a n
Ecuación:
PX=n!X!n-X!·pX·1-pn-X
Donde
PX=Probabilidad de X éxitos, dadas y
n = Número de observaciones
p = Probabilidad de éxitos
1-p = Probabilidad de fracasos
X = Número de éxitos en la muestra (= 0, 1, 2, 3, 4,………)
Ejemplo ilustrativo N° 1
Determine P(X=5) para n = 6 y p = 0,83
Solución:
Aplicando la ecuación se obtiene:
PX=n!X!n-X!·pX·1-pn-X
PX=5=6!5!6-5!·0,835·1-0,836-5=0,4018
En Excel se calcula de la siguiente manera:
a) Se escribe los datos y se inserta la función DISTR.BINOM. Clic en Aceptar. Los
argumentos de la función escribir como se muestra en la figura:
b) Clic en Aceptar
Ejemplo ilustrativo N° 2
Determinar P(X=4) para n =5 y p = 0,45
Solución:
Se puede aplicar la ecuación para cada probabilidad, pero para ahorrar tiempo se
recomienda encontrar las probabilidades con lectura en la tabla de probabilidades
binomiales. Realizando la lectura en la tabla de la distribución binomial para
P(X=0) con n=5 y p=0,5 se obtiene 0,0503. Continuando con la respectivas
lecturas en la tabla se obtiene: 0,2059 para P(X=1), 0,3369 para P(X=2), 0,2757
para P(X=3) y 0,1128 para P(X=4),
Por lo tanto PX=4=0,0503+0,2059+0,3369+0,2757+0,1128=0,9816
Luego, P(x=6) = 0,205, es decir, se tiene una probabilidad del 20,5% de obtener 6
caras al lanzar 10 veces una moneda.
y (si f es continua en x)
CARACTERISTICAS
De las propiedades de la función de densidad se siguen las siguientes
propiedades de la fdp (a veces visto como pdf del inglés):
para toda .
El área total encerrada bajo la curva es igual a 1:
4. Distribución Normal
Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su
propio nombre indica su extendida utilización, justificada por la frecuencia o
normalidad con la que ciertos fenómenos tienden a parecerse en su
comportamiento a esta distribución. Muchas variables aleatorias continuas
presentan una función de densidad cuya gráfica tiene forma de campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un
mismo valor de p y valores de n cada vez mayores, se ve que sus polígonos de
frecuencias se aproximan a una curva en "forma de campana".
En resumen, la importancia de la distribución normal se debe principalmente a que
hay muchas variables asociadas a fenómenos naturales que siguen el modelo de
la normal.
Caracteres morfológicos de individuos (personas, animales, plantas,…) de una
especie, p. ejm. Tallas, pesos, envergaduras, diámetros, perímetros…
Caracteres fisiológicos, por ejemplo; efecto de una misma dosis de un fármaco,
o de una misma cantidad de abono.
Caracteres sociológicos, por ejemplo: consumo de cierto producto por un
mismo grupo de individuos, puntuaciones de examen.
Caracteres psicológicos, por ejemplo: cociente intelectual, grado de adaptación
a un medio……
Errores cometidos al medir ciertas magnitudes.
Valores estadísticos maestrales, por ejemplo: la media.
Otras distribuciones como la binomial o la de Poisson son aproximaciones
normales…
Y en general cualquier característica que se obtenga como suma de muchos
factores.
Ejemplo
Ejemplo 1.- El tiempo medio en realizar una misma tarea por parte de los
empleados de una empresa se distribuye según una distribución normal, con
media de 5 días y desviación típica 1 día. Calcular el porcentaje de empleados que
realizan la tarea en un tiempo inferior a 7 días.
t1 = -y t2 = (7 -5)/1 = 2
En la tabla la probabilidad acumulada para el valor 2 (equivalente a un tiempo
inferior a 7 días.). Esta probabilidad es 0,9772. Por lo tanto, el porcentaje de
empleados que realizan la tarea en un tiempo inferior a 7 días es del 97,7%.
5. Tipificación de la normal
Como ya debes saber, para calcular probabilidades con variables que siguen la
distribución normal se usan tablas. Pero, puesto que sería imposible tener una
tabla para cada posible distribución normal, como habrás visto en el apartado
anterior, solamente tenemos la tabla de la distribución normal estándar.
Necesitaremos, pues, ser capaces de transformar las
variables X "normales" N(µ,s) que encontremos en variables Z que sigan una
distribución normal estándar N(0,1). Este proceso se llama "tipificación de la
variable".
Llamamos tipificación de una distribución normal N(μ, σ) al proceso de efectuar
el siguiente cambio de variable:
a)
Luego el 69,15% de los pinos superan los 181 cm.
b)
d)
Luego el porcentaje de los que miden entre 165 cm y 1865 cm es del 59,34%.
e) E 59,32 % de los 1350 pinos, que son 801 pinos, medirán entre 165 y 185
cm. Mientras que el 1.88% de los 1350 pinos, que son 25 pinos pasarán de los
2 m de altura.
6 Aproximación de la normal
El teorema del límite central, explicado de forma intuitiva, afirma que cualquiera
que sea la distribución común de un conjunto de variables aleatorias,
suponiendo que su varianza sea finita, la suma y la media de un número
elevado de estas variables tenderá a distribuirse de manera similar a una
variable normal.
Curtosis.
El coeficiente de curtosis mide cuan 'puntiaguda' es una distribución respecto de
un estándar. Este estándar es una forma acampanada denominada 'normal', y
corresponde a una curva de gran importancia en estadística.
El coeficiente de curtosis está definido por:
El número de intervalo hasta el límite, es decir, cuando este número tiende a ser
infinito, nos encontramos con que la línea quebrada que dibuja las bañas del
histograma acaba asimilándose a una cuiva.