Professional Documents
Culture Documents
Distribuciones acumuladas
La distribución normal
DISTRIBUCIÓN DE PROBABILIDAD
P
r
o
10/50
b
a
b
i
l
i 5/50
d
a
d
0 1 2 3 4 5 6 7 8 9 10 X
1 2 2
f(x)= e –(-) /2 , - ∞< < ∞
2
1 2
f(z)= e-z /2
, - ∞< z < ∞
2
Para encontrar la probabilidad de que z tome un valor entre dos puntos
cualesquiera del eje z, digamos z0 y z1debemos encontrar el área limitada por
las perpendiculares levantadas en esos puntos, la curva y el eje horizontal.
z1 1
z =
2
z
e -z /2
dz
0 2
La tabla F presenta las áreas bajo la curva entre 0 (media) y los valores de z. El
área sombreada en la figura representa el área dada en la tabla.
Dada la distribución normal unitaria, encontrar el área bajo la curva, por encima
del eje z, entre 0 y z=2. UN primer paso puede ser sombrear el área bajo la
curva. Se busca en la tabla el valor para z= 2.0 y este es 0.4772. Este valor se
puede interpretar de diferentes formas:
Como la probabilidad de que una z elegida al azar de la población z tenga un
valor entre 0 y 2
Como la frecuencia relativa de la ocurrencia de los valores de z entre 0 y 2
El 47.72% de las z tiene un valor entre 0 y 2.
En tabla se busca el área entre 0 y 1.53= 0.4370 y también el área entre 0 y -2.74
que es = 0.4949. Luego se suman y el área total es 0.9339
Aplicaciones
Muchas de las variables tiene una distribución normal y en otros casos
se supone que se distribuyen normalmente
-
Z=
15- 10
Z= =2
2.5
NOTA: La distancia desde la media (10) hasta el valor de x que interesa (15)
es 15-10 =5, la cual equivale a una distancia de dos veces la desviación
estándar. Cuando se transforman los valores de x a z, la distancia del valor
de z que interesa hasta su media, 0, es igual a la distancia del valor x
correspondiente hasta su media, 10 en unidades de desviación estándar.
50- 70 85- 70
Z= = -1.6 Z= = 1.2
12.5 12.5
Se busca en tabla F el área entre 0 y -1.6 = 0.4452 y el área entre 0 y 1.2=
0.3849 y luego se suman. El resultado es 0.8301 que corresponde a la
probabilidad requerida.
P(-1.6 z 1.2)=
P(-1.6 z 0.) + P(0 z 1.2)
0.4452+ 0.3849 = 0.8301
Distribución de frecuencias Distribución de probabilidad
0.8 es ♀
0.8 es ♀
Cuando tenemos muchos ensayos y sucesos favorables, es
necesario aplicar una fórmula:
p(k)= πk (1- π) n-k n!
(n-k)! k!
0 0.107 0.107
1 0.268 0.376
2 0.302 0.678
3 0.201 0.879
4 0.088 0.967
5 0.026 0.994
6 0.0055 0.999
7 0.0008 ≈1.000
8 0.0001 ≈1.000
9 0.000004 ≈1.000
10 0.0000001 1
Si graficamos estos datos, obtendremos una figura asimétrica, que tenderá a la
simetría a medida que la proporción teórica se aproxime a 0.5 y también a medida
que se aumente el tamaño de muestra.
Cuando una distribución binomial tiene un tamaño grande (n≥100) y la
característica de interés es poco frecuente (π≤0.05) existe una aproximación a
la distribución de Poisson cuya expresión es:
p (k)= λ
k
e-λ Donde,
k!
Ejemplo
¿Cuál es la probabilidad de encontrar entre 200 colonias coralinas, 1 con
enfermedad de banda roja cuya probabilidad (π) es de 0.01?
λ= 200 x 0.01= 2 que se interpreta como el número de sucesos esperados
En la distribución Poisson su media y varianza coinciden. Como esta distribución se aproxima bien a una
binomial cuando n es grande y π pequeña, la Poisson está indicada cuando hay sucesos raros, como
ocurrencia de enfermedades por unidad de tiempo (se asume que ocurre homogeneamente en un tiempo) o
número de partículas en el medio (se asume que están repartidas al azar en todo el medio)