Documente Academic
Documente Profesional
Documente Cultură
DISTRIBUCIONES DE PROBABILIDAD.
Toda distribución de probabilidad es generada por una variable aleatoria x, la que
puede ser de dos tipos:
1.Variable aleatoria discreta (x). Se le denomina variable porque puede tomar diferentes valores,
aleatoria, porque el valor tomado es totalmente al azar y discreta porque solo puede tomar valores
enteros y un número finito de ellos.
Ejemplos:
x Variable que nos define el número de burbujas por envase de vidrio que son
generadas en un proceso dado.
x0, 1, 2, 3, 4, 5, etc, etc. burbujas por envase
xVariable que nos define el número de productos defectuosos en un lote de 25
productos.
x0, 1, 2, 3,....,25 productos defectuosos en el lote
xVariable que nos define el número de alumnos aprobados en el curso de
Estadística Descriptiva en un grupo de 40 alumnos.
x0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en Estadística Descriptiva.
Con los ejemplos anteriores nos damos cuenta claramente que los valores de la
variable x siempre serán enteros, nunca fraccionarios.
VARIABLE ALEATORIA(V.A.).-SE LLAMA V.A. A TODA FUNCIÓN X DE Ω
CUYO DOMINIO ES EL ESPACIO MUESTRAL Y CUYO RECORRIDO O
RANGO ES UN SUBCONJUNTO DE LOS NÚMEROS REALES.
Ω X ІR
.a
x=X(a)
X( no falla ) = 0
X( falla ) = 1
Variables Aleatorias
falla
A cada s
le corresponde
Espacio Muestral no falla exactamente
un valor X(s)
Conjunto
IR Números
Reales
- 0 1 +
X: Rx IR
Variables Aleatorias
si
A X(s) = b; s
sk
X(s) = a
RX
a b
Función de distribución
PERMUTACION
Cálculo del número de permutaciones para n
objetos tomados de x
n!
Px
n
donde x n
(n - x)!
Ejemplo:
Los biólogos están interesados en el orden en
que cuatro ribonucleótidos adenina (A), uracilo
(U), guanina (G) y citosina (C) se combinan
para formar una cadena. ¿Cuántas cadenas
formadas por dos nucleótidos pueden formarse?
Hacer un diagrama de árbol
4! 4 x3x2 x1
P2
4
12 para indicar las 12 cadenas
(4 - 2)! 2 x1
COMBINACION
Numero de combinaciones de n objetos
tomadas de x
n!
C n
donde x n
x !(n - x)!
x
Ejemplo:
Se realiza un estudio para determinar la
opinión de los profesores de la UPAO respecto
al aborto; si se elige una muestra de cuatro
profesores de un total de 45. ¿Cuántas
muestras distintas pueden seleccionarse?
45! 45 x44 x43x42 x41! 45 x44 x43x42
C45
148,995
4!(45 - 4)!
4
4! x41! 4!
8.2 Las Distribuciones de Probabilidad
Nº de Probabilidad
Resultados Probabilidad
varones 0.50
0 MM 0,25
1 VM,MV 0,50 0.25
2 VV 0,25
0 1 2 Nº de
VARONES
TIPOS DE DISTRIBUCIONES
a) DISCRETAS: La variable toma un número limitado de
valores. Abarca :
- Distribución binomial
- Distribución de Poisson
- Distribución hipergeométrica
b) CONTINUAS: La variable puede tomar cualquier valor
dentro de un intervalo dado. Abarca:
- Distribución normal
- Distribución normal estándar o Z
- Distribución t
- Distribución Ji-cuadrada 2
- Distribución F
8.3 Variables Aleatorias
a. Calcule el valor de k
b. Calcule e interprete el valor numérico del promedio de la demanda
diaria de la herramienta.
c. Si la utilidad Y en dólares del bien está dada por la relación:
Y = 10 + 2D. Halle la distribución de probabilidades de la utilidad diaria.
d. Calcule e interprete la utilidad diaria esperada.
Solución:
a. Como la suma de todas las probabilidades es 1, el valor de K es:
K = 1 – (1/16 + 4/16 + 6/16 + 1/16) = 4/16
b. El valor esperado de D es:
E(D) = 1 .1/16 + 2.4/16 + 3.6/16 + 4.4/16 + 5.1/16 = 3
Interpretación: Si durante varios días registramos la demanda, el
promedio de las demandas diarias tenderá a 3, mientras mayor sea la
cantidad de días que se toman en cuenta.
c. D Y=10+2.D P(Y=y)
1 10+2.1=12 1/16
2 10+2.2=14 4/16
3 10+2.3=16 6/16
4 10+2.4=18 4/16
5 10+2.5=20 1/16
d. El valor esperado de Y es:
E(Y) = 12 . 1/16 + 14 . 4/16 + 16 . 6/16 + 18 . 4/16 + 20 . 1/16 = 16
-5 2/4 = 0,5
0 1/4 = 0,25
10 1/4 = 0,25
Xi pi
50 0,041
0 0,245
-5 0,306
- 10 0,408
μ = 50. 0,041+ 0. 0,245 – 5 .0,306 – 10.0,408 = - 3,56
No jugaríamos, pues tenemos desventaja, no es equitativo.
EJEMPLO
Lanzamos dos dados en forma de tetraedro, uno con las caras
numeradas del 0 al 3, y el otro con las caras numeradas del 1 al
4. ¿Cuál es la esperanza matemática o valor esperado de la
función que asigna a cada valor de x la suma de resultados?.
Solución
xi fi pi xi.pi
1 1 0,0625 0,0625
2 2 0,1250 0,25
3 3 0,1875 0,5625
4 4 0,25 1,00
5 3 0,1875 0,9375
6 2 0,1250 0,75
7 1 0,0625 0,4375
μ = ∑xi.pi = 4
16 4,00
Esperanza matemática : E (X)
Es el promedio de la variable aleatoria, si el experimento
se repite un número infinito de veces.
Ejemplo : Se lanzan 3 monedas
1/8 1/8 1/8 1/8 1/8 1/8 1/8 1/8
= {CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS}
12/8 3
𝟐 12 2
𝝈𝒙 =3- ( ) = 0.75
8
𝜎 = 0.75= 0.87
Aplicación: uso del valor esperado y las
pérdidas monetarias.
Supongamos que un distribuidor de medicinas que muy
rápidamente se deterioran (vacunas) compra cada cajita a 20
SOLES y las vende a 50 SOLES. No puede especificar el número
de cajitas que le solicitarán diariamente, pero dispone de los
siguientes datos:
10 0 20 40 60
11 30 0 20 40
12 60 30 0 20
13 90 60 30 0
Cálculo de la pérdida esperada
Para un stocks de 10 cajitas, la pérdida esperada será:
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
Distribuciones Discretas de
Probabilidad
La distribución binomial
Se utiliza para describir variables discretas.
P(X = 2) =
4!
0.22 0.802
2! (4 - 2)!
0,1536
d) La distribución
Cierto proceso médico se repite cuatro veces.
Suponga que existe la probabilidad de 0.50 que el
proceso resulte deficiente. En cuatro repeticiones se
puede obtener 0,1,2,3 ó 4 procesos deficientes. Se
puede calcular la probabilidad de cada uno de estos
posibles resultados mediante la distribución
binomial.
X
(Número de P(X = x )
procesos deficientes)
0 4
4! 1 1
0 116
0!4! 2 2
1 3
4! 1 1
1 416
1!3! 2 2
2 2
4! 1 1
2 616
2!2! 2 2
3 1
4! 1 1 4
3 16
3!1! 2 2
4 0
4 4! 1 1
116
4!0! 2 2
µ= np
σ 2 = npq
e) La media y la desviación estándar
X 0 1 2 3 4
P(X = x ) 1/16 4/16 6/16 4/16 1/16
La media
= XP( x)
X P(x) XP(x) 32
0 1/16 0
XP( x) 16
1 4/16 4/16 = 2 procesos
2 6/16 12/16
3 4/16 12/16 También:
4 1/16 4/16 = np
32/16
= 4( 12) 2
( 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
(X - ) P( x)
2
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
P (k = 6) = 0.205
Es decir, que la probabilidad de obtener 6 caras al lanzar 10 veces
una moneda es de 20.5% .
Ejemplo
x e-
P(X = x) =
x!
donde
(lambda): media = np = variancia
e : base de logaritmos naturales =2.71828
x! : factorial de x
Ejemplo:
Supongamos que estamos investigando la seguridad
de una peligrosa intersección de calles, los registros
policíacos indican un media de 5 accidentes
mensuales en esta intersección. El número de
accidentes esta distribuido de acuerdo con una
distribución de Poisson y el departamento de
seguridad vial desea que calculemos la probabilidad
de que en cualquier mes ocurra exactamente 3
accidentes.
X = 3 acc/mes 53 2.7183-5
P( x 3) 0.14042 14.04%
= 5 acc/mes 3!
Uso de Tablas
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
Aplicación
Solución: 32 (2.71828) -3
P(X = 2) =
p = 0.03 2!
n = 100
= 02240
=3
Ejercicio
100!
P(X = 3) = (0,02) 3 (0,98) 97
3! 97!
0,1823
Los cálculos son muy tediosos. Cuando p es pequeño y n
es lo suficientemente grande, la formula binomial puede
aproximarse mediante una distribución de Poisson con
= np
-
e
x
P(X = 3) =
x!
np = 100 (0,02) = 2
(2)3 (2,71828) -2 8
2
0,1805
3! 6 (2,71828)
La respuesta es muy ¨próxima¨ a la encontrada con la
distribución binomial. La aproximación se considera válida
cuando
p 0.05 y n 20
En estudios anteriores, en una agencia bancaria, en promedio
llegan 3 clientes a una ventanilla para ser atendido durante la
hora del almuerzo. Si en la actualidad queremos hacer
modificaciones en la ventanillas, una de las preguntas que se
pueden hacer los del depto. de Mercadeo es:
82
Si λ=3 y n=5, calcular P(X > 2)
P( X 2) P( X 3) + P( X 4) + P( X 5)
e -3 33 e -3 34 e -3 35
P( X 2) + +
3! 4! 5!
(0.049787)( 27) (0.049787)(81) (0.049787)( 243)
P( X 2) + +
3 x 2 x1 4 x3 x 2 x1 x 4 x3x 2 x1
P( X 2) 0.22404 + 0.16803 + 0.10082
P( X 2) 0.49289
• Luego,
• P (x = 3) = 0,0892
• Por lo tanto, la probabilidad de tener 3 accidentes de tráfico en
300 viajes es del 8,9%
• Otro ejemplo: La probabilidad de que un niño nazca
pelirrojo es de 0,012. ¿Cuál es la probabilidad de que
entre 800 recién nacidos haya 5 pelirrojos?
•
• Luego,
• P (x = 5) = 4,602
• Por lo tanto, la probabilidad de que haya 5 pelirrojos
entre 800 recién nacidos es del 4,6%..
MEDIA Y VARIANZA