Distribuciones Probabilisticas: Objetivos de Aprendizaje

DISTRIBUCIONES
PROBABILISTICAS
Objetivos de Aprendizaje
Definir una distribucin de probabilidad.
Distinguir entre una distribucin probabilstica discreta y una distribucin
probabilstica continua.
Calcular la media, la variancia y la desviacin estndar de una
distribucin de probabilidad.
Elaborar una distribucin Binomial, y una distribucin de Poisson.
Determinar que distribucin probabilstica emplear en la una situacin
dada.
30/11/2017 EDGAR ALVAREZ ARAGON IQ 1

DISTRIBUCIONES PROBABILISTICAS
-.Unadistribucin probabilstica es la
enumeracin de todos los resultados de un
experimento junto con las probabilidades
asociadas
.-La distribucin de una variable X se define como

una descripcin del conjunto de valores posibles
de X, junto con la probabilidad asociada con cada
uno de estos valores

.Para una variable aleatoria discreta la distribucin de probabilidad
se describe mediante una funcin de probabilidad, representada
por f(x). Donde esta funcin define la probabilidad de cada valor
de la variable analizada
Probabilidad
Cantidad discreta

DISTRIBUCIONES DE PROBABILIDAD.
Toda distribucin de probabilidad es generada por una variable aleatoria x, la

que puede ser de dos tipos: Discretas y continuas
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 nmero finito
de ellos.
Ejemplos:
x Variable que nos define el nmero 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 nmero de productos defectuosos en un lote
de 25 productos.
x0, 1, 2, 3,....,25 productos defectuosos en el lote
xVariable que nos define el nmero de alumnos aprobados en la materia

de probabilidad en un grupo de 40 alumnos.
x0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en probabilidad
VARIABLE ALEATORIA
Una variable aleatoria es un valor numrico determinado
por el resultado de un experimento.
Ejemplo 1: considere un experimento aleatorio en el
que se lanza tres veces una moneda. Sea X el nmero
de caras. Sea H el resultado de obtener una cara y T el
de obtener una cruz.
El espacio muestral para este experimento ser: TTT,
TTH, THT, THH, HTT, HTH, HHT, HHH.
Entonces, los valores posibles de X (nmero de caras)
son x = 0, 1, 2, 3,
El resultado ser: cero caras ocurri una vez, una
cara ocurri tres veces, dos caras ocurri tres veces
y tres caras ocurri una vez.
De la definicin de variable aleatoria, la X definida en
este experimento, es
30/11/2017 una
EDGAR variable
ALVAREZ ARAGON IQ aleatoria. 5
DISTRIBUCIONES PROBABILISTICAS
NMEROS DE PROBABILIDAD DE LOS

CARAS RESULTADOS
0 1/8 = 0.125
1 3/8 = 0.375
2 3/8 = 0.375
3 1/8 = 0.125
Total 8/8 = 1
Caractersticas de una distribucin probabilstica: La

probabilidad de un resultado siempre debe estar entre 0 y 1.
La suma de todos los resultados mutuamente excluyentes
siempre es 1.

Nmero de caras al lanzar 3 monedas.
40%
35%
30%
25%
20%
15%
10%
5%
0%
0 1 2 3

DISTRIBUCIN DE PROBABILIDAD DISCRETA.
Caractersticas:
1. Es generada por una variable discreta (x).
xVariable que solo toma valores enteros

x0, 1, 2, 3, 4, 5, 6, 7, 8, ... etc,etc.
2. p(xi)0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero.
3.p(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los

valores que toma x debe ser igual a 1.

CALCULO DE MEDIA Y DESVIACIN ESTANDAR PARA UNA
DISTRIBUCIN DISCRETA
1. 1. Media o valor esperado de x.- Para determinar la media de la

distribucin discreta se utiliza la siguiente frmula:
E( x ) xi* p( xi )
Donde:
= media de la distribucin
E(x) = valor esperado de x
xi = valores que toma la variable
p(xi) = probabilidad asociada a cada uno de los valores de la variable x
2. Desviacin estndar. Para determinar la desviacin estndar de la

distribucin discreta se utiliza la siguiente frmula:
2
( xi ) * p( xi )
Donde:
= desviacin estndar
= media o valor esperado de x
xi = valores que toma la variable x
p(xi) = probabilidad asociada a cada uno de los valores que toma x
1. Se ha detectado en una lnea de produccin que 1 de cada 10 artculos
fabricados es defectuoso; se toman de esa lnea tres artculos uno tras otro,
a) obtenga la distribucin de probabilidad del experimento, b) encuentre el
nmero esperado de artculos defectuosos en esa muestra y su desviacin
estndar.
Solucin:
Tambin haciendo uso de in diagrama de rbol, se obtiene el espacio muestral
a)
D = objeto defectuoso
N = objeto no defectuoso
=DDD, DDN, DND, DNN, NDD, NDN, NND, NNN
Este espacio muestral ha sido obtenido haciendo uso de un diagrama de rbol,
x = Variable que nos define el nmero de objetos defectuosos encontrados

x = 0, 1, 2 o 3 objetos defectuosos
p(x=0)=p(NNN)=(0.9)(0.9(0.9)=0.729
p(x=1)=p(DNN, NDN, NND)=(0.1)(0.9)(0.9)+(0.9)(0.1)(0.9)+(0.9)(0.9)(0.1)=0.243
p(x=2)=p(DDN, DND, NDD)=(0.1)(0.1)(0.9)+(0.1)(0.9)(0.1)+(0.9)(0.1)(0.1)=0.027
p(x=3)=p(DDD)=(0.1)(0.1)(0.1)=0.001
Distribucin de probabilidad
x 0 1 2 3
P(x) 0.729 0.243 0.027 0.001
b) xi*
p( xi ) (0)(0.729)+(1)(0.243)+(2)(0.027)+(3)(0.001)=
= 0.0 + 0.243 + 0.054 + 0.003 = 0.3 0 productos defectuosos
Interpretacin:
Se espera que ninguno de los productos inspeccionados sea defectuoso.
2
( xi )* p( xi )
2 2 2
( 0 0 )*( 0.729 ) ( 1 0 )*( 0.243 ) ... ( 3 0 )*( 0.001 )
0.0 0.243 0.108 0.009 0.36
= 0.6 = 1 producto defectuoso

2. Variable aleatoria continua (x). Se le
denomina variable porque puede tomar diferentes
valores, aleatoria, porque los valores que toma son
totalmente al azar y continua porque puede tomar
tanto valores enteros como fraccionarios y un
nmero infinito de ellos.
Ejemplos:
xVariable que nos define el dimetro de un engrane en pulgadas

x5.0, 4.99, 4.98, 5.0, 5.01, 5.0, 4.96
xVariable que nos define la longitud de un cable o circuito utilizado

en un arns de auto
x20.5 cm, 20.1, 20.0, 19.8, 20,6, 20.0, 20.0
xVariable que nos define la concentracin en gramos de plata de

algunas muestras de mineral
x14.8gramos, 12.0, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8

DISTRIBUCIN DE PROBABILIDAD CONTINUA.
Caractersticas:
1. Es generada por una variable continua (x).
x Es una variable que puede tomar tanto valores enteros como

fraccionarios.
x 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, .....,
2. f(x)0 Las probabilidades asociadas a cada uno de los valores que toma x
deben ser mayores o iguales a cero. Dicho de otra forma, la funcin de
densidad de probabilidad deber tomar solo valores mayores o iguales a
cero. La funcin de densidad de probabilidad slo puede estar definida en
los cuadrantes I y II.
f ( x )dx 1
3. La sumatoria de las probabilidades asociadas a cada uno de
los valores que toma x debe ser igual a 1. El rea definida bajo la funcin de
densidad de probabilidad deber ser de 1.

CALCULO DE MEDIA Y DESVIACIN ESTNDAR PARA UNA
DISTRIBUCIN CONTINUA
1.Media o valor esperado de x.- Para calcular la media de una distribucin de
probabilidad continua se utiliza la siguiente frmula:

xf ( x )dx

Donde:
= E(x) = media o valor esperado de la distribucin
x = variable aleatoria continua
f(x) = funcin de densidad de la distribucin de probabilidad
2.Desviacin estndar.- La frmula para determinar la desviacin estndar de

una distribucin continua es;
2
( x )* f ( x )dx
2

luego:
2

Ejemplo 4
Una persona vende autos nuevos para una empresa. Generalmente negocia
el mayor numero de autos los sbados. Ha establecido la siguiente
distribucin de probabilidad para el numero de autos que espera vender en
un sbado en particular.
NMEROS DE AUTOS VENDIDOS X PROBABILIDAD P(X)

0 0.10
1 0.20
2 0.30
3 0.30
4 010
Total 1.00
1. Qu tipo de distribucin es esta?
2. En un sbado comn, Cuntos autos desea vender?
3. Cul es la variancia de la distribucin?
Ejemplo 4 (continuacin)
1. Es una distribucin de probabilidad discreta (las respuestas

son mutuamente excluyentes).
2. El numero medio de autos vendidos:
= [x*P(X)]=0(0.1) +1(0.2)+ 2(0.3)+ 3(0.3)+4(0.1)=2.1
NMEROS DE PROBABILIDAD X.P(X)
AUTOS VENDIDOS P(X)
X
0 0.10 0.00
1 0.20 0.20
2 0.30 0.60
3 0.30 0.90
4 010 0.40
Total 1.00 2.10
Ejemplo 4 (continuacin)
NMEROS DE AUTOS VENDIDOS PROBABILIDAD (PX) X.P(X)
X
0 0.10 0.00
1 0.20 0.20
2 0.30 0.60
3 0.30 0.90
4 010 0.40
Total 1.00 E(X) =2.10
3. De nuevo es util una tabla para sistematizar los clculos para la variancia. Su
valor es 1.290
NMEROS DE PROBABILIDAD (X - ) (X - )2 (X - )2. P(X)
AUTOS VENDIDOS P(X)
X
0 0.10 0 2.1 4.41 0.441
1 0.20 1 2.1 1.21 0.242
2 0.30 2 - 2.1 0.01 0.003
3 0.30 3 2.1 0.81 0.243
4 010 4 2.1 3.61 0.361
Total 1.00 2
= 1.290
30/11/2017 EDGAR ALVAREZ ARAGON IQ = 1.136 16
DISTRIBUCIONES DE PROBABILIDAD DISCRETAS.
Entre las distribuciones discretas a tratar en este caso

estn:
1.Bernoulli
1. Binomial
2. Multinomial
3. Hipergeomtrica
4. Hipergeomtrica generalizada
5.Poisson
6.Aproximacin de Poisson a la Binomial
7.Geomtrica
8.Binomial Negativa

Distribucin de Bernoulli
Tenemos un experimento de Bernoulli si al realizar un
experimentos slo son posibles dos resultados:
X=1 (xito, con probabilidad p)
X=0 (fracaso, con probabilidad q=1-p)
Lanzar una moneda y que salga cara.

p=1/2
Elegir una persona de la poblacin 1000 y que est enfermo.
p=1/1000 = prevalencia de la enfermedad
Aplicar un tratamiento a un enfermo y que ste se cure.
p=95%, probabilidad de que el individuo se cure
Como se aprecia, en experimentos donde el resultado

es dicotmico, la variable queda perfectamente
determinada conociendo el parmetro p.

DISTRIBUCIN BINOMIAL
La distribucin Binomial es un caso particular de probabilidad de variable aleatoria discreta, y

por sus aplicaciones, es posiblemente la ms importante.
Esta distribucin corresponde a la realizacin de un experimento aleatorio que cumple con las
siguientes condiciones:
* Al realizar el experimento slo son posible dos resultados: el suceso A, llamado xito, o su
contrario A, llamado fracaso.
* Al repetir el experimento, el resultado obtenido es independiente de los resultados obtenidos

anteriormente.
* La probabilidad del suceso A es constante, es decir, no vara de una prueba del experimento a
otra. Si llamamos p a la probabilidad de A, p(A) = P, entonces p(A) = 1 p = q
* En cada experimento se realizan n pruebas idnticas.
Todo experimento que tenga estas caractersticas se dice que sigue el modelo de la distribucin
Binomial o distribucin de Bernoulli.

Distribucin Binomial
Si se repite un nmero fijo de veces, n, un
experimento de Bernoulli con parmetro p, el nmero
de xitos sigue una distribucin binomial de
parmetros (n,p).
Lanzar una moneda 10 veces y contar las caras.
Bin(n=10,p=1/2)
Lanzar una moneda 100 veces y contar las caras.

Bin(n=100,p=1/2)
Difcil hacer clculos con esas cantidades. El modelo normal ser ms
adecuado.
El nmero de personas que enfermar (en una poblacin

de 500.000 personas) de una enfermedad que desarrolla
una de cada 2000 personas.
Bin(n=500.000, p=1/2000)
Difcil hacer clculos con esas cantidades. El modelo de Poisson
ser ms adecuado.
DISTRIBUCION PROBABILISTICA BINOMIAL
Para elaborar una distribucin binomial, sea

n el nmero de ensayos
r el nmero de xitos observados
p la probabilidad de xito en cada ensayo
q la probabilidad de fracaso, que se obtiene por
1- p.
n!
Pr = r
(p) (q) n-r
30/11/2017
r!(n r)!
EDGAR ALVAREZ ARAGON IQ 21
Funcin de probabilidad
Problemas de clculo si n es grande y/o

p cercano a 0 o 1.
n k nk
P[ X k ] p q , 0 k n
Media: =n p k
Varianza: 2 = n p q

Propiedades de la Distribucin Binomial
Promedio Np
Varianza Npq
2
Desviacin Estndar Npq

q p
Coeficiente de Asimetra 3
Npq
1 6 pq
Curtosis 4 3
Npq

Calculo de la distribucin de probabilidad binomial
por tres mtodos:
a) Utilizacin del Minitab 15.

b) Utilizacin de la frmula
c) Utilizacin de las tablas binomiales

) Clculo de la distribucin de probabilidad binomial utilizando el Minitab 15.
a
Cul es la probabilidad de obtener

exactamente 2 caras al lanzar una misma
moneda 6 veces ?
Datos:
P(X) = ?
p = es la probabilidad de xito del evento (en
un intento) (0.5)
q = es la probabilidad de fracaso del evento
(en un intento) (se define como q = 1 p )=(0.5)
X = xitos deseados = 2
n = nmero de intentos = 6
A la columna C1 la titulamos X y en el rengln
1 columna 1 colocamos 2 (el cual representa el
nmero de ocurrencia del evento, queremos
saber la probabilidad de que caigan
exactamente dos caras).
Seleccionamos:
Calc / Probability Distributions / Binomial

En seguida aparecer la ventana "Binomial Distribution" ("Distribucion Binomial").
Seleccionar Probability
En el campo de "Number of trials" (Nmero de intentos) colocar 6 (n)
En el campo de "Event probability" colocar 0.50 (probabilidad de xito)

En el campo de Input column colocamos
el puntero del mouse y automticamente
aparecer en el recuadro de la izquierda
C1 X el cual seleccionamos con el puntero
del mouse y luego presionamos Select
Una vez alimentado los datos presionamosOK

Para obtener de esta manera el resultado.
La probabilidad de que caigan 2 caras en el
lanzamiento de una moneda 6 veces es
0.234375.
Comprobando (sustituyendo en la frmula):
n! x n-x
P(X) = -------------- p q
X!(n X)!
Al sustituir los valores en la frmula obtenemos:

6! 2 6-2
P(2 caras) = -------------- 0.5 X 0.5
2!(6 2)!
P(2 caras) = 0.234375

Para una combinacin de n y p, la entrada indica
una probabilidad de obtener un valor especfico de r.
Para localizar la entrada, cuando p0.50, localice p a
lo largo del
encabezado de la tabla, correspondiente localice n y
r en el margen
izquierdo; cuando p0.50, localice el valor de p en la
parte inferior
de la tabla, y n y r arriba, en el margen derecho.
Para el ejemplo que estamos viendo: Cul es la

probabilidad de obtener exactamente 2 aras al lanzar
una misma moneda 6 veces ?
Tenemos p = 0.50, n = 6 y r = 2 obteniendo resultado
directo de tablas
P(2 caras) = 0.2344
TAREA. 1 Si la probabilidad de que el vapor se
condense en un tubo de aluminio de cubierta
delgada a 10 atm de presin es de 0.40, si se
prueban 12 tubos de ese tipo y bajo esas
condiciones, determine la probabilidad de que:
a) el vapor se condense en 4 de los tubos, b) en
ms de 2 tubos se condense el vapor, c) el vapor
se condense en exactamente 5 tubos.

TAREA 2: La probabilidad de que el nivel de ruido
de un amplificador de banda ancha exceda de 2
dB (decibeles) es de 0.15, si se prueban 10
amplificadores de banda ancha, determine la
probabilidad de que;
a) en solo 5 de los amplificadores el nivel de
ruido exceda los 2 dB,
b) por lo menos en 2 de los amplificadores, el
ruido exceda de 2 dB,
c)que entre 4 y 6 amplificadores no se excedan
de los 2 dB,
d)encuentre el nmero esperado de
amplificadores que se exceden de un nivel de
ruido de 2dB y su desviacin estndar.
TAREA 3: La probabilidad de xito de una
determinada vacuna es 0,72. Calcula la
probabilidad de a que una vez administrada a
15 pacientes:
a)Ninguno sufra la enfermedad

b)Todos sufran la enfermedad
c)Dos de ellos contraigan la enfermedad
Solucin : Se trata de una distribucin binomial
de parmetros B(15, 0'72)

TAREA 4: Se dice que el 75% de los accidentes
de una planta se atribuyen a errores humanos.
Si en un perodo de tiempo dado, se suscitan 5
accidentes, determine la probabilidad de que;
a) dos de los accidentes se atribuyan a errores
humanos,
b) como mximo 1 de los accidentes se atribuya
a errores de tipo humano,
c) tres de los accidentes no se atribuyan a
errores humanos.

TAREA 5
En la inspeccin de hojalata producida por un proceso
electroltico continuo, se identifican 0.2 imperfecciones en
promedio por minuto. Determine las probabilidades de
identificar a) una imperfeccin en 3 minutos, b) al menos dos
imperfecciones en 5 minutos, c) cuando ms una imperfeccin
en 15 minutos.

DISTRIBUCION DE POISSON
La distribucin de POISSON es tambin

un caso particular de probabilidad de
variable aleatoria discreta, el cual debe
su nombre a Simon Denis Poisson
(1781-1840), un francs que la desarroll
a partir de los estudios que realiz durante
la ltima etapa de su vida.

Dato Histrico
La distribucin de Poisson se llama as
en honor a su creador, el francs
Simen Dennis Poisson (1781-1840),
Esta distribucin de probabilidades fue
uno de los mltiples trabajos
matemticos
que Dennis complet en su productiva
trayectoria

Utilidad
La distribucin de Poisson se utiliza en situaciones
donde los sucesos son impredecibles o de
ocurrencia aleatoria. En otras palabras no se
sabe el total de posibles resultados.
Permite determinar la probabilidad de ocurrencia

de un suceso con resultado discreto.
Es muy til cuando la muestra o segmento n es

grande y la probabilidad de xitos p es pequea.
Se utiliza cuando la probabilidad del evento que

nos interesa se distribuye dentro de un
segmento
Ejemplos de la utilidad
La llegada de un cliente al negocio durante una hora.
Las llamadas telefnicas que se reciben en un da.
Los defectos en manufactura de papel por cada metro producido.
Los envases llenados fuera de los lmites por cada 100 galones de
producto terminado La llegada de un cliente al negocio durante una hora.
Las llamadas telefnicas que se reciben en un da.
Los defectos en manufactura de papel por cada metro producido.
Los envases llenados fuera de los lmites por cada 100 galones de
producto terminado
La distribucin de Poisson se emplea
para describir procesos con un elemento
en comn, pueden ser descritos por una
variable aleatoria discreta.
1. La probabilidad de observar exactamente un
xito en el segmento o tamao de muestra n es
constante.
2. El evento debe considerarse un suceso raro.
3. El evento debe ser aleatorio e independiente de
otros eventos
Si repetimos el experimento n veces
podemos obtener resultados para la
construccin de la distribucin de Poisson.

Esta distribucin se utiliza para describir ciertos procesos.
Caractersticas:
En este tipo de experimentos los xitos buscados son

expresados por unidad de rea, tiempo, pieza, etc:
- # de defectos de una tela por m2

- # de aviones que aterrizan en un aeropuerto por da,
hora, minuto, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefnicas a un conmutador por hora,
minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da,
mes, etc, etc.
Se tiene que cumplir que:
p < 0.10
p * n < 10

-
Para determinar la probabilidad de que ocurran x xitos por unidad de
tiempo, rea, o producto, la frmula a utilizar es:
donde:
p(X) = probabilidad de que ocurran x xitos, cuando el nmero promedio
de ocurrencia de ellos es l.
l = media o promedio de xitos por unidad de tiempo, rea o producto
e = 2.718 (base de logaritmo neperiano o natural)
X = variable que nos denota el nmero de xitos que se desea que ocurra

Propiedades de la distribucin Poisson
Promedio
Varianza
2
Desviacin Estndar
1
Coef. De Asimetra 3

1
4 3
Curtosis
Hay que hacer notar que en esta distribucin el
nmero de xitos que ocurren por unidad de
tiempo, rea o producto es totalmente al azar y que
cada intervalo de tiempo es independiente de otro
intervalo dado, as como cada rea es independiente
de otra rea dada y cada producto es independiente
de otro producto dado.
Clculo de la distribucin de probabilidad de
Poisson por tres mtodos:
a) Utilizacin del Minitab 15.
b) Utilizacin de la frmula
c) Utilizacin de las tablas de Poisson
Por ejemplo:
Si un banco recibe en promedio (l=) 6
cheques sin fondo por da, cules son las
probabilidades de que reciba:
a) cuatro cheques sin fondo en un da dado x
b) 10 cheques sin fondos en cualquiera de dos

das consecutivos?
(e= 2.718281828)

a) Clculo de la distribucin de probabilidad
de Poisson utilizando el Minitab 15.
Resolviendo para:
a) x = 4; l = 6 cheques sin fondo por da

Titular la columna C1 como X y en el rengln 1
columna 1 se coloca el nmero 4 (el cual
representa el nmero de ocurrencia del evento, ya
que se desea saber la probabilidad de que el
banco reciba 4 cheques sin fondos en un da
dado).

Seleccionar: Calc / Probability Distributions / Poisson
En seguida aparecer una ventana ""Distribucin dePoisson
Seleccionar Probability
En el campo de "Mean" (media = l )

colocar 6 (promedio de cheques
diarios recibidos sin fondos)

En el campo de "Input column" colocar el puntero del mouse y
automticamente aparecer en el recuadro de la izquierda C1 X.
Seleccionarlo con el puntero del mouse y presionar "Select"

Una vez alimentado los datos presionar "OK" .
Porlo tanto la probabilidad de

que el banco reciba cuatro
cheques sin fondo en un da
dado es:

X=10; l= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das
consecutivos.
Por lo tanto la probabilidad de que

el banco reciba diez cheques sin
fondo en dos das consecutivos es:

c) Clculo de la distribucin de probabilidad de Poisson utilizando las tablas de Poisson
Valores directos para determinar probabilidades de Poisson.
Para un valor dado de , la entrada indica la probabilidad de obtener un valor especfico de X
Para el mismo ejemplo, resolviendo para:
a) Cul es la probabilidad de que el banco reciba cuatro cheques sin fondo en un da dado?
Se tiene x = 4; l = 6 cheques sin fondo por da; obteniendo resultado directo de tablas :

b) Cul es la probabilidad de que el banco reciba diez cheques sin fondo en
dos das consecutivos?
Se tiene X=10; l= 6 x 2 = 12 cheques sin fondo en promedio que llegan al
banco en dos das consecutivos, obteniendo resultado directo de tablas :

Distribuciones Probabilisticas: Objetivos de Aprendizaje

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Distribuciones Probabilisticas: Objetivos de Aprendizaje

Uploaded by

Copyright:

Available Formats

DISTRIBUCIONES

30/11/2017 EDGAR ALVAREZ ARAGON IQ 1

.-La distribucin de una variable X se define como

30/11/2017 EDGAR ALVAREZ ARAGON IQ 2

30/11/2017 EDGAR ALVAREZ ARAGON IQ 3

Toda distribucin de probabilidad es generada por una variable aleatoria x, la

1. Variable aleatoria discreta (x). Se le denomina

xVariable que nos define el nmero de alumnos aprobados en la materia

NMEROS DE PROBABILIDAD DE LOS

Caractersticas de una distribucin probabilstica: La

30/11/2017 EDGAR ALVAREZ ARAGON IQ 6

30/11/2017 EDGAR ALVAREZ ARAGON IQ 7

xVariable que solo toma valores enteros

3.p(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los

30/11/2017 EDGAR ALVAREZ ARAGON IQ 8

1. 1. Media o valor esperado de x.- Para determinar la media de la

2. Desviacin estndar. Para determinar la desviacin estndar de la

Este espacio muestral ha sido obtenido haciendo uso de un diagrama de rbol,

x = Variable que nos define el nmero de objetos defectuosos encontrados

= 0.6 = 1 producto defectuoso

30/11/2017 EDGAR ALVAREZ ARAGON IQ 10

xVariable que nos define el dimetro de un engrane en pulgadas

xVariable que nos define la longitud de un cable o circuito utilizado

xVariable que nos define la concentracin en gramos de plata de

30/11/2017 EDGAR ALVAREZ ARAGON IQ 11

x Es una variable que puede tomar tanto valores enteros como

x 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, .....,

30/11/2017 EDGAR ALVAREZ ARAGON IQ 12

2.Desviacin estndar.- La frmula para determinar la desviacin estndar de

30/11/2017 EDGAR ALVAREZ ARAGON IQ 13

NMEROS DE AUTOS VENDIDOS X PROBABILIDAD P(X)

1. Es una distribucin de probabilidad discreta (las respuestas

Entre las distribuciones discretas a tratar en este caso

30/11/2017 EDGAR ALVAREZ ARAGON IQ 17

Lanzar una moneda y que salga cara.

Como se aprecia, en experimentos donde el resultado

30/11/2017 EDGAR ALVAREZ ARAGON IQ 18

La distribucin Binomial es un caso particular de probabilidad de variable aleatoria discreta, y

* Al repetir el experimento, el resultado obtenido es independiente de los resultados obtenidos

* En cada experimento se realizan n pruebas idnticas.

30/11/2017 EDGAR ALVAREZ ARAGON IQ 19

Lanzar una moneda 100 veces y contar las caras.

El nmero de personas que enfermar (en una poblacin

Para elaborar una distribucin binomial, sea

Problemas de clculo si n es grande y/o

30/11/2017 EDGAR ALVAREZ ARAGON IQ 22

Desviacin Estndar Npq

30/11/2017 EDGAR ALVAREZ ARAGON IQ 23

a) Utilizacin del Minitab 15.

30/11/2017 EDGAR ALVAREZ ARAGON IQ 24

Cul es la probabilidad de obtener

30/11/2017 EDGAR ALVAREZ ARAGON IQ 25

En el campo de "Number of trials" (Nmero de intentos) colocar 6 (n)

En el campo de "Event probability" colocar 0.50 (probabilidad de xito)

30/11/2017 EDGAR ALVAREZ ARAGON IQ 26

Una vez alimentado los datos presionamosOK

30/11/2017 EDGAR ALVAREZ ARAGON IQ 27

Al sustituir los valores en la frmula obtenemos:

30/11/2017 EDGAR ALVAREZ ARAGON IQ 28

Para el ejemplo que estamos viendo: Cul es la

30/11/2017 EDGAR ALVAREZ ARAGON IQ 31

a)Ninguno sufra la enfermedad

30/11/2017 EDGAR ALVAREZ ARAGON IQ 33