Professional Documents
Culture Documents
VARIABLE ALEATORIA
Ejemplo:
Supngase el experimento atender dos parturientas primerizas para un proceso de
parto. El espacio muestral, esto es, el conjunto de resultados compuestos
posibles asociados al experimento aleatorio* tipo de parto realizado si C =
parto por cesrea y V = parto va vaginal, sera:
*Si el tipo de parto se realizara de acuerdo a las condiciones naturales aleatoria que presente la
parturienta y no en funcin de una decisin sesgada del mdico que la atienda
CC
CV y VC
VV
luego, como el rango de esta funcin est dentro del conjunto de los nmeros reales
R, esto es R(x) = {0, 1, 2} por lo tanto VA(x): S
R , se dice que es una
variable aleatoria.
Observacin:
Si se pueden conocer todos los valores que puede tomar una variable aleatoria, y
adems tenemos (conocemos o se puede determinar) la probabilidad de cada uno
de esos valores, y estos valores los podemos representar mediante una tabla,
grfico o frmula, se dice entonces que estamos en presencia de lo que
normalmente se conoce como distribucin de probabilidades, en donde la variable
AAAA
4C4 = 1
AAAB
4C3 = 4
AABA
AABB
ABAA
ABAB
ABBA
ABBB
BAAA
BAAB
BABA
BABB
BBAA
BBAB
BBBA
BBBB
A
A
B
4C2 = 6
A
A
B
B
4C1 = 4
0
A
A
B
B
A
B
B
4C0 = 1
Una solucin podra facilitarse si pudisemos conocer como se distribuyen sus probabilidades
porqu?, vemoslo a continuacin, no sin antes clasificar las variables aleatorias y definir lo
que se ha de entender en probabilidades por funcin de distribucin
TIPOS DE VARIABLE ALEATORIA
Las variables aleatorias pueden clasificarse segn el recorrido o rango Rx, as:
a) Si Rx es un subconjunto discreto, como en nuestro ejemplo, la variable recibe el
nombre de variable aleatoria discreta o VAD
Otros ejemplos seran:
FUNCIN DE DISTRIBUCIN
Cuando para c/una de las anteriores variables es posible encontrar todos los valores
que asumen las mismas, o bien es posible definir una funcin que permitiese
conocer o determinar dichos valores, y se ordenan estos en una tabla de
frecuencias o en una grfica, a tal funcin, que muestra el comportamiento
ordenado de las probabilidades que tienen cada uno de los eventos mutuamente
excluyentes que produce la variable aleatoria, se le conoce como distribucin de
probabilidad, la cual recibe a la vez diferente nombre en funcin de si la variable
aleatoria es discreta o continua, a saber:
a) Funcin de Masa o Cuanta, si se tratase de una variable aleatoria discreta;
luego, una funcin de masa o cuanta es aquella funcin que recoge todos los
valores que asume una VAD, o
b) Funcin de Densidad, si se tratase de una variable aleatoria continua, o sea,
una funcin de densidad es aquella funcin que recoge todos los valores que
se asocian a una VAC
De lo anterior se puede ver que una funcin de distribucin de probabilidades no es
ms que aquella funcin (frmula) que permite obtener las probabilidades de todos
aquellos eventos que produce un experimento aleatorio. Y recordando que la
probabilidad puede expresarse en trminos de frecuencia relativa P(E)= n/N, se
puede decir entonces que una distribucin de probabilidad tambin es un arreglo
Pm
P(E)
1
4
6
4
1
16
1/16
4/16
6/16
4/16
1/16
1.00
V(y)
1
2
3
Caras observadas
observaciones
La funcin de distribucin de probabilidad no es ms que la sumatoria de la funcin de
Masa o cuanta, esta ltima a su vez es la frmula que permite obtener la probabilidad
Para cada uno de los eventos que asume la variable aleatoria discreta, esto es:
Si la probabilidad para un evento puede ser determinada a partir de slo dos posibles
resultados, uno de los cuales denominaremos probabilidad de xito, y al otro probabilidad
de frecaso. Ejem. Determinar para una muestra la probabilidad de encontrar determinado
grupo sanguneo sabiendo que en la poblacin sus indicadores son A=27%, B=10%,
AB=13% y O=50%
Distribucin de probabilidad Binomial negativa
Importante, en el caso de la probabilidad binomial, para determinar el orden en que pueden
ocurrir las probabilidades para un punto muestral o evento especfico
Distribucin de probabilidad de Poisson
en el caso de necesitar encontrar probabilidades para un tamao grande de muestra
(matemticamente, podramos decir, cundo n tiende a infinito) y un pequeo valor de
variable aleatoria con una probabilidad muy pequea (matemticamente, se podra decir,
cuando P tiende a cero)
Distribucin de probabilidad Geomtrica
LA DISTRIBUCIN BINOMIAL
La distribucin binomial es una distribucin de probabilidad discreta del nmero de xitos en
una secuencia de n experimentos independientes, cada uno de los cuales tiene probabilidad
P de ocurrir. La funcin de masa para la distribucin de probabilidad binomial viene dada por:
P(Y=y) = nCy . Py . Qn-y
Los intentos son idnticos, y cada uno de ellos puede resultar en dos posibles
resultados,
que se denotan por xito (P) o fracaso (Q, ) luego (P(P)+P(Q)=1
Referencia estadstica
Sondeo o estudio piloto
Planteamiento de hiptesis
Probabilidad clsica usando Mtodos de conteo
Asuncin o presuncin de P=Q
Otras formas (determinacin a partir de indicadores, etc.)
= 12(0.5) = 6
= 12(0.5)(0.5) = 3
EJEMPLO 2.- supngase que como producto de una investigacin se observa que un
15% de las estudiantes universitarias de Y universidad sale embarazada antes de
terminar su tercer ao de estudios, y que l 75% de ellas deja el estudio como
consecuencia de la situacin, si para efectos de evaluar el fenmeno, ud toma
aleatoriamente y sin que se sepa 25 seoritas de nuevo ingreso, y se dispone a
llevar el control respectivo, Qu probabilidad tiene de observar al final de 3 aos
que:
a) 5 seoritas salgan embarazadas
b) Al menos 2 seoritas dejen de estudiar por salir embarazadas
c) A lo sumo 3 se embaracen pero no dejen de estudiar
Qu probabilidad hay que al tomar una muestra de 15 seoritas que desertaron del
estudio se observe que:
a) dos lo hayan hecho por haber salido embarazadas
b) a lo sumo 3 hayan abandonado los estudios por embarazo
c) ninguna lo hizo por embarazo
Ahora bien, Qu pasara si en vez de tomar una muestra de 15, tomsemos como
observacin las 600 que ingresan en Y facultad, y que se sabe que slo el 3.5% de
las estudiantes deja de estudiar como consecuencia de un embarazo? Que la
binomial ya no nos es tan til ni viable su clculo, por lo que la probabilidad es
mejor calcularla a partir de la distribucin de Poisson, pero Qu es la distribucin
de Poisson?, vemoslo a continuacin
LA DISTRIBUCIN DE POISSON
En teora de probabilidad y estadstica, la distribucin de Poisson es una
distribucin de probabilidad discreta. Expresa la probabilidad de un nmero de
eventos ocurriendo en un tiempo fijo si estos eventos ocurren con una tasa media
conocida, y son independientes del tiempo desde el ltimo evento. En trminos
concretos la probabilidad viene definida por la funcin de masa
y:
y sustituyendo valores
0.091603661
Distribucin uniforme
Distribucin normal (o de gauss)
Distribucin gamma
Distribucin exponencial
Distribucin Pareto
Distribucin ji-cuadrada
Distribucin t de Student
Distribucin Laplace
Distribucin beta
Distribucin de Cauchy
Distribucin F de Snedecor-Fisher
Su funcin de densidad es simtrica y con forma de campana, lo que favorece su aplicacin como
modelo a gran nmero de variables estadsticas.
Es, adems, lmite de otras distribuciones y aparece relacionada con multitud de resultados ligados
a la teora de las probabilidades gracias a sus propiedades matemticas.
f6
Donde:
f1 + f2 + .. + f6 = frecuencias absolutas
f5
f3
f2
f1
C1
C2
C3
C4
C5
C6
AT = A1 + A2 + . + A6, pero del grfico se puede ver que A =fixC, por lo que
sustituyendo, tenemos que:
frc
= f1/F
A1 / AT = f1 / F = frc es decir
O sea que A1/AT ; f1/F representan la frecuencia relativa de la ocurrencia de los valores que
se encuentran en cada rectngulo del histograma, entre f i las verticales levantadas en
Ai
Ahora bien, un anlisis final se puede hacer, y es el hecho de que a medida en que se
aumente el nmero de intervalos hacia el infinito, reducindose su ancho de clase, y
aumentando el nmero de valores de la variable, el histograma tomar la forma de
una curva suave, ver figuras siguientes:
y que son el tipo de grfica que reflejan generalmente las distribuciones de variables
aleatorias continuas con tendencia normal por ejemplo, la estatura de una poblacin
Sobre estos tipos de distribucin que tienen tendencia normal, podemos sacar
algunas conclusiones importantes:
a) Son simtricas respecto de su media, por lo tanto la media, la mediana y la
moda son iguales.
b) Si se han graficado las frecuencias relativas, el rea total bajo la curva y
sobre el eje horizontal, es igual a 1, por cuanto se trata de una distribucin
de probabilidades y porque fr = fi/N
c) Si se levantan perpendiculares a una distancia de una, dos y/o tres
desviaciones tpicas, en ambas direcciones, entonces el rea encerrada
entre estas perpendiculares ser aproximadamente del 68.23, 95 y 99.7%
aproximada y respectivamente en funcin del rea total
d) La frecuencia relativa (probabilidad) de la ocurrencia de los valores entre 2
puntos cualesquiera sobre el eje horizontal es igual al rea total limitada
por las rectas perpendiculares levantadas en esos dos puntos , la curva y el
eje horizontal. Esto es:
fr (ab)= AT
AT
Dado lo anterior se puede afirmar que la curva normal queda definida entonces por los
parmetros y , y de acuerdo a esta ltima caracterstica tendremos una familia de
distribuciones segn ellas (ver figura) , en donde desplaza la curva hacia la derecha cuando
crece (asimetra); y la hace ms achatada cuando crece (curtosis), luego cuando =0 y =1,
tenemos el caso particular de distribucin llamada distribucin normal unitaria o estndar.
Frecuentemente, es con la CNU que se obtienen probabilidades para cualquier variable aleatoria
continua en estudio que tenga esta tendencia o comportamiento normal, y en lugar de utilizar la
frmula matemtica (funcin de densidad) se puede recurrir a unas tablas en que se nos
proporcionan las reas bajo la curva normal para un valor definido de z. Antes de hacerlo y para
hacerlo (calcular probabilidades usando la CNU) es importante aclarar que para convertir una
variable aleatoria X en una variable aleatoria Z, es necesario estandarizar o tipificar los valores
de la Variable X, lo cual se puede hacer procediendo de la siguiente manera:
,
se dice entonces, que se ha tipificado o estandarizado la variable X, si sustituimos X en Z,
esto grficamente es:
Ej.1.- Encontrar a partir de la distribucin normal unitaria, el rea bajo la curva, por encima del eje z
entre z=0 y Z = 2.21
2.21
A11z
A2
1
Paso1: hacemos un esquema para visualizar el rea
Paso2: buscamos en la tabla de reas bajo la curva
normal tipificada de 0 a Z, el valor de A1=Az -1.25 y
A2=Az2.75 tenemos que:
Paso3: AT = A1 + A2 = 0.39435 + 0.49702
AT = 0.89137
P=89.137% aproximadamente
-1.25
2.75
, por lo
Az 1
Az 2
AT
AT = Az 1 + Az 2 = 0.37900 + 0.19146
AT = 0.57046
Y por lo tanto P(1.6X1.7) 57.05%
-1.17
0 0.5
Supngase que la poblacin del problema anterior son de los 287 estudiantes de
bioestadstica que realizaron la PBANIPs y que por alguna razn estamos interesados
en seleccionar un estudiante al azar, entonces: Qu probabilidad tendra este de:
a)
b)
c)
d)
e)
f)
g)
h)
i)