Documente Academic
Documente Profesional
Documente Cultură
8 DISTRIBUCIONES
DE PROBABILIDAD
OBJETIVOS
1. Técnicas de conteo
2. Las distribuciones de probabilidad
3. Las variables aleatorias
4. Distribuciones discretas de probabilidad
5. Distribuciones continuas de probabilidad
Combinación:
Es una selección de objetos con independencia en
su ordenamiento.
Ejemplo:
Un biólogo dispone de 10 plantas para un
experimento. Sólo ocho son necesarias para
realizarlo. Las ocho plantas necesariamente son
seleccionadas aleatoriamente.
Nº de Probabilidad
Resultados Probabilidad
varones 0.50
0 V,V 0,25
1 VM,MV 0,50 0.25
2 MM 0,25
0 1 2 Nº de
caras
10 0 20 40 60
11 30 0 20 40
12 60 30 0 20
13 90 60 30 0
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
Cálculo de la pérdida esperada
Posibles Nº Probabilidad
Pérdida Pérdida
de cajitas que se reciban
Condicional esperada
pedidas/día estos pedidos
10 0 0.15 0.00
11 30 0.20 6.00
12 60 0.40 24.00
13 90 0.25 22.50
Pérdida esperada: 52.50
Solución óptima: analizar otros tamaños de stocks
y decidir por aquél que genere la menor perdida
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
8.4 Distribuciones Discretas de
Probabilidad
8.4.1 La distribución binomial
Se utiliza para describir variables discretas.
Es una de las distribuciones mas utilizadas en la
estadística aplicada. La distribución se deriva de
un procedimiento llamado ensayo de Bernoulli,
nombrado así en honor del matemático Suizo
James Bernoulli (1654 - 1785).
a) Características:
El experimento consiste en una serie de ensayos
repetidos.
Cada ensayo sólo tiene dos resultados posibles:
éxito y fracaso.
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
La probabilidad de éxito, designado por p es la misma
para cada ensayo, la probabilidad de fracaso q (igual a
1-p) es también constante.
P(X = 2) =
4!
0.22 0.802
2! (4 - 2)!
0,1536
X 0 1 2 3 4
P(X = x ) 1/16 4/16 6/16 4/16 1/16
La media
= XP( x)
( x ) 2
P( x )
x P( x) (x ) (x )2 ( x ) 2 P( x )
0 1/16 -2 4 4/16
1 4/16 -1 1 4/16
2 6/16 0 0 0
3 4/16 +1 1 4/16
4 1/16 +2 4 4/16
16/16
16
16
( X ) P( x )
2
1 proceso deficiente
16
También:
npq
4(0,5)(0,5) 1
5 0 0.0380 5
1 0.1755 4
2 0.3240 3
3 0.2990 2
4 0.1380 1
5 0.0255 0 5
n r 0.63 0.62 0.61 0.60 0.59 0.58 0.57 0.56 0.55 0.54 0.53 0.52 0.51 0.50 r n
p
X = 3 acc/mes 53 2.71835
P( x 3) 0.14042 14.04%
= 5 acc/mes 3!
0 0.0067
La probabilidad de
1 0.0337 tener exactamente 3
2 0.0842
3 0.1404
accidentes en un
4 0.1755 mes cualquiera es
5 0.1755
0.1404
Solución:
32 (2.71828) 3
p = 0.03 P(X = 2) =
n = 100 2!
= 02240
=3
100!
P(X = 3) = (0,02) 3 (0,98) 97
3! 97!
0,1823
ex
P(X = 3) =
x!
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
np = 100 (0,02) = 2
(2)3 (2,71828) 2 8
2
0,1805
3! 6 (2,71828)
p 0.05 y n 20
P(X = x)
20! 1
10!(20 - 10)! 2
10
1
2
10
184756
0,1762
1048576
La media: E(X) np
N n
np(1 p)
La desviación estándar: N 1
N n
Donde N 1 es un factor de corrección de
población finita que se produce debido al proceso
de muestreo sin reposición de poblaciones finitas.
La distribución normal de
probabilidad es simétrica con
respecto a una línea vertical que
pase por la media
2
donde:
e : constante matemática: 2.71828
:constante matemática: 3.14159
: media de la población
: desviación estándar de la población
x : cualquier valor de la variable
aleatoria continua
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
Areas debajo de la curva normal
68% datos
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
2: Aproximadamente 95.5% de todos los valores
de una población normalmente distribuida se
encuentra datos 2 desviación estándar de la
media.
2
2
94.6% datos
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
3: Aproximadamente 99.7% de todos los valores de
una población normalmente distribuida se
encuentra datos 3 desviación estándar de la
media
3 3
99% datos
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
8.5.2 La distribución normal estándar (Z)
50
1
2.5 2.5
x 15 10
Calculando Z: z 2
2.5
10 15
Para Z=2, buscamos en la tabla cual es la
probabilidad (o área) que le corresponde:
Área = .4772
Como deseamos conocer esta área: 2.5
P( x 15) 0.5 0.4772 0.0228 2.28%
10
15
Calculando Z:
11 10
Cuando x 11 z 0.4 A 0.1554
2.5
14 10
Cuando x 14 z 1.6 A 0.4452
2.5
11 14
Solución:
En la figura, podemos ver que la
mitad del área bajo la curva está
P(X>500)=0.5
localizada a ambos lados de la
media de 500 horas. Por lo tanto
podemos deducir que la
probabilidad de que la variable
aleatoria tiene un valor mayor a
500 es el área sombreada, es
decir, 0.5.
650 500
Z 1.5
100
Solución:
Estamos interesados en el área a la derecha de 700.
Estandarizamos
x
Z
P(X >700)= 0..0228
700 500
Z 2
100
x
Z
550 500
Z 0.5
100
entre 4 y 7 días
a) Características
Al igual que la normal, también es simétrica
es algo más plana que la distribución normal
hay una distribución t para cada tamaño de
muestra cuando el tamaño de la muestra es
mayor a 30, la distribución t se asemeja tanto
a la normal que se prefiere utilizar ésta.
SI
¿S E CONOCE ? US A R Z
NO
SI
¿es n 30? US A R Z
NO
US A R t
d. f . n 1
2 1.89 2.92 4.3 6.97 9.92
3 1.64 2.35 3.18 4.54 5.84
Ejemplo:
:
n= 28 N.C. = 95%
:
t=?
:
:
d.f. = 28 - 1 = 27
26 1.32 1.71 2.06 2.48 2.78
t = 2,0518
27 2.31 1.7 2.05 2.47 2.77
28 1.31 1.7 2.05 2.47 2.76
:
:
:
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
b) Fórmula
x
t
s
n
c) Grados de libertad
Se definen como el número de valores que
podemos escoger libremente.
a) Características
b) Definición
La distribución Ji-cuadrada
n esta definida por
2 Z i2
i 1
d) Distribución
2
S mayor
F 2
S menor