Professional Documents
Culture Documents
Y
ESTADÍSTICA
DISTRIBUCIONES
DE
PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD
Definición
Una distribución de probabilidad indica toda la gama
de valores que pueden representarse como
resultado de un experimento si éste se llevase a
cabo.
1
VARIABLES ALEATORIAS
DISCRETAS Y CONTINUAS
2
VARIABLES ALEATORIAS
Ejemplo para variable aleatoria discreta
Tenemos una moneda que al lanzarla puede dar sólo
dos resulatdos: o cara (50%), o cruz (50%).
La siguiente tabla nos muestra los posibles resultados
de lanzar dos veces una moneda:
PROBABILIDAD
NUMERO DE
PRIMER SEGUNDO DE LOS 4
CARAS EN 2
LANZAMIENTO LANZAMIENTO RESULTADOS
LANZAMIENTOS
POSIBLES
VARIABLES ALEATORIAS
NOTA:
ESTA TABLA NO REPRESENTA EL RESULTADO REAL DE LANZAR UNA MONEDA DOS VECES
SINO LA DEL RESULTADO TEÓRICO, ES DECIR REPRESENTA LA FORMA EN QUE ESPERAMOS
6
SE COMPORTE NUESTRO EXPERIMENTO DE LANZAR6 DOS VECES UNA MONEDA
3
VARIABLES ALEATORIAS CONTINUAS
−∞
4
PRINCIPALES DISTRIBUCIONES DE
PROBABILIDAD DISCRETA
UNIFORME
BERNOULLI
BINOMIAL
MULTINOMIAL
HIPERGEOMÉTRICA
BINOMIAL NEGATIVA
GEOMÉTRICA
POISSON
APROXIMACIÓN DE POISSON A LA BINOMIAL
PRINCIPALES DISTRIBUCIONES DE
PROBABILIDAD CONTINUA
UNIFORME
EXPONENCIAL
NORMAL
APROXIMACIÓN NORMAL A LA
BINOMIAL
5
OTRAS DISTRIBUCIONES
DE PROBABILIDAD (NO EN PROGRAMA)
LOGARÍTIMICA
WEIBULL
GAMMA
CHI CUADRADA
BETA
PEARSON
ERLANG
NAKAGAMI
TRIANGULAR
LAPLACE
PARETO
ETC, ETC
DISTRIBUCIONES DE
PROBABILIDAD DISCRETAS
EasyFit
12
6
DISTRIBUCIONES DE
PROBABILIDAD CONTINUAS (1)
13
DISTRIBUCIONES DE
PROBABILIDAD CONTINUAS (2)
7
Valor esperado
El valor esperado de una variable
aleatoria discreta es la media
ponderada de todos los posibles
resultados en los cuales los pesos son
las probabilidades de tales resultados
RHR
Media de distribuciones
discretas
La media aritmética de una distribución de
probabilidad se llama valor esperado E(X), y
se encuentra multiplicando cada resultado
posible por su probabilidad y sumando los
resultados, tal y como se muestra en la
fórmula.
µ = E ( X ) = ∑ [( xi ) P ( xi )]
Donde xi son los resultados individuales.
RHR
8
Ejemplo
La distribución de probabilidad para el experimento
de lanzar un dado se muestra en las primeras dos
columnas de la siguiente tabla.
La columna 3 ilustra el cálculo del valor esperado
para el experimento utilizando la fórmula de E(X).
Cada resultado se multiplica por su respectiva
probabilidad, y los resultados se suman, produciendo
E(X) = 3.5.
Esto sugiere que si se lanza un dado, se puede
esperar obtener 3.5? Difícilmente.
Significa que si se promedian los resultados de los
lanzamientos del dado (téoricamente, un número
infinito) se obtendrá 3.5.
RHR
Tabla
(1) Solución (2) P (xi) (3) (xi)P (xi) (4) (xi-µ) ²*P (xi)
(xi)
RHR
9
Varianza
σ² = ∑ ((xi-µ) ²*P (xi))
Desviación estándar
σ = √σ²
Para el ejemplo σ = 1.71
RHR
PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
10
PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
La distribución Binomial es por sus aplicaciones posiblemente la
más importante de las de probabilidad discreta.
Esta distribución corresponde a la realización de un experimento
aleatorio que cumple con las siguientes condiciones:
1. Al realizar el experimento sólo son posibles dos resultados: el
suceso A, llamado éxito, o su contrario A’, llamado fracaso.
2. Al repetir el experimento, el resultado obtenido es
independiente de los resultados obtenidos anteriormente.
3. En cada experimento se realizan n pruebas idénticas.
4. La probabilidad del suceso A es constante, es decir, no varía
de una prueba del experimento a otra. Si llamamos p a la
probabilidad de A, p(A) = P, entonces p(A’)= 1 – p = q
DISTRIBUCION BINOMIAL
22
22
11
PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
APLICACIONES:
12
PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
n!
P( x) = p x (1 − p ) n − x
x!(n − x)!
= C xn p x q n − x
n = tamaño de la muestra
x= número de éxitos puede tomar los valores 0, 1, 2,
... n p = probabilidad de éxito
Cxn es el símbolo usado para representar:
n!/(x!(n-x)!)
13
PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
Media = E(X) = µ = np
PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
EJEMPLO
En un municipio grande del occidente de
Guatemala se supone que el 30% de todos los
pozos de agua potable tienen impurezas. Es
demasiado caro analizar el agua de todos los
pozos por lo que para comenzar a analizar el
problema se decide analizar el agua de 10 pozos
escogidos al azar.
14
PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
EJEMPLO (SOLN CON FÓRMULA)
¿ cuál es la probabilidad de que exactamente 3
pozos tengan impurezas asumiendo que el
supuesto es correcto?
n!
P (x) = p x (1 − p ) n − x
x ! ( n − x )!
= C xn p x q n − x
PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
EJEMPLO (SOLN CON TABLA)
¿ cuál es la probabilidad de que exactamente 3
pozos tengan impurezas asumiendo que el
supuesto es correcto?
n = 10 k = x = 3 p = 0.3
15
PROBABILIDAD DISCRETA
DISTRIBUCIÓN BINOMIAL
EJEMPLO (SOLN CON EXCEL)
Num_éxito = x = 3 ensayos = n = 10
prob_éxito= p = 0.3 acumulado = falso
A B
Datos Descripción
3 Número de éxitos de los ensayos
3
10 Número de ensayos
4 independientes
0.3 Probabilidad de éxito de cada
5 ensayo
Fórmula: Descripción (resultado)
16