INSTITUTO TECNOLÓGICO DE APIZACO

Estadística

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS
ESPACIO MUESTRAL. El conjunto de todos los resultados posibles de un experimento estadístico denotado por “S” o “ Ω ” VARIABLE. Se denomina variable a la entidad que puede tomar un valor cualesquiera durante la duración de un proceso dado. Si la variable toma un solo valor durante el proceso se llama constante. VARIABLE ALEATORIA: Es una función que asocia un número real a cada elemento del espacio muestral. Es decir son aquellas que pueden diferir de una respuesta a otra. Una variable aleatoria se puede clasificar en: Variable aleatoria discreta. Variable aleatoria continua. Variable aleatoria discreta. Una variable discreta proporciona datos que son llamados datos cuantitativos discretos y son respuestas numéricas que resultan de un proceso de conteo. La cantidad de alumnos regulares en un grupo escolar. El número de águilas en cinco lanzamientos de una moneda. Número de circuitos en una computadora. El número de vehículos vendidos en un día, en un lote de autos Variable aleatoria continua. Es aquella que se encuentra dentro de un intervalo comprendido entre dos valores cualesquiera; ésta puede asumir infinito número de valores y éstos se pueden medir. La estatura de un alumno de un grupo escolar. El peso en gramos de una moneda. La edad de un hijo de familia. Las dimensiones de un vehículo.

DEPARTAMENTO DE CIENCIAS BÁSICAS

1

M. en C. José Luis Hernández González

Se pueden clasificar en: Discretas P(x) Distribuciones Continuas x1 P(x) x2 xn x x1 xn x Distribuciones discretas. la estatura de un estudiante. por ejemplo el número de años de estudio. Binomial Hipergeométrica Multinomial Poisson Discretas Distribuciones continuas. Existen diferentes tipos de modelos que permiten describir el comportamiento de fenómenos estadísticos que permiten hacer inferencias y tomar decisiones en condiciones de incertidumbre. Es una distribución teórica de frecuencias que describe cómo se espera que varíen los resultados de un experimento. Son aquellas donde las variables en estudio pueden asumir cualquier valor dentro de determinados límites. por ejemplo. en C. Uniforme Continuas Exponencial Normal DEPARTAMENTO DE CIENCIAS BÁSICAS 2 M. Son aquellas donde las variables asumen un número limitado de valores.INSTITUTO TECNOLÓGICO DE APIZACO Estadística DISTRIBUCIONES Distribución de probabilidad. José Luis Hernández González .

S X E0 E1 E2 {Lanzar dos monedas} Número de águilas Caen x = 0 águilas Caen x = 1 águilas P(E0) = Caen x = 2 águilas 1 4 1 P(E1) = 2 1 P(E2) = 4 DEPARTAMENTO DE CIENCIAS BÁSICAS 3 M. será mayor o igual a cero pero menor que uno.. la cual puede ser representada mediante una función matemática.. José Luis Hernández González .. 0 ≤ P(xi) ≤ 1 ∀ xi La suma de todas las probabilidades asociadas a todos los valores que toma la variable x. si a cada valor de xi que asume cada Ei. en cambio..INSTITUTO TECNOLÓGICO DE APIZACO Estadística Una distribución de frecuencias es un listado de las frecuencias observadas de todos los resultados de un experimento que. una gráfica o una tabla de valores. se dice que x es una variable aleatoria. se le asocia su probabilidad de ocurrencia y cumple con las siguientes condiciones: a) La probabilidad para todo valor que asuma la variable aleatoria xi. La diferencia consiste en que la función matemática se transforma en una función probabilística. .. en realidad se han presentado cuando se lleva a cabo un experimento. E1 S E0 X x0 x1 P(X) p(x0) p(x1) . En xn p(xn) Dados los eventos E1. es igual a la unidad. . Las probabilidades que se asocian a cada uno de los valores que toma la variable aleatoria x constituyen lo que se conoce como DISTRIBUCIÓN DE PROBABILIDAD. . en C.. una distribución de probabilidad es un listado de las probabilidades de todos los resultados posibles que podrían presentarse si se efectuara el experimento... E2.. b) ∑ P(x i ) = 1 1 ∝ n −∝ ∫ P(x i )dx =1 Encuentre la distribución de probabilidad de lanzar dos monedas y la variable aleatoria número de águilas. En ⊂ S.

.La distribución de probabilidad de Poisson. UNIFORME DISCRETA Si la variable aleatoria X asume valores de X1. X2. Sabemos que una variable aleatoria discreta o discontinua es aquella en la que existe una distancia bien definida entre dos de los valores consecutivos que asume.La distribución de probabilidad Binomial o de Bernoulli. entonces la distribución uniforme es: f (x. 2.2. Una relación empírica de resultados y sus frecuencias relativas observadas. k ) = 1 k M. y dichos valores son numerables.Una relación teórica de resultados y probabilidades que se puede obtener de un modelo matemático y que representa algún fenómeno de interés. 3.La distribución uniforme discreta.INSTITUTO TECNOLÓGICO DE APIZACO Estadística P(X) 1 2 1 4 X 0 1 2 Existen ciertas características que diferencian a las distribuciones de probabilidad.La distribución de probabilidad Hipergeométrica. llamadas momentos de la distribución que son: la media aritmética o esperanza matemática y la desviación estándar. FUNCIONES DE PROBABILIDAD DISCRETAS La distribución de probabilidad para una variable aleatoria discreta puede ser: 1. Las más útiles son: 1. Existen varios modelos matemáticos que representan diversos fenómenos discretos de la vida real. . José Luis Hernández González DEPARTAMENTO DE CIENCIAS BÁSICAS 4 .. Una relación subjetiva de resultados relacionados con sus probabilidades subjetivas o artificiales que representan el grado de convicción del encargado en tomar decisiones sobre la probabilidad de posibles resultados. Xk con iguales probabilidades.3.. en C. 1.

INSTITUTO TECNOLÓGICO DE APIZACO Estadística P(x) x1 x2 xk µ= k i =1 ∑ xi k − µ )2 k k La distribucióin de probabilidad del lanzamiento de un dado es: S = {1. José Luis Hernández González 3. .. Se puede considerar que cada observación se ha seleccionado de una población infinita sin reposición o de una población finita con reposición.En las finanzas. 6} P (x = 1. Cada observación se puede clasificar en una de dos categorías conocidas como éxito E o fracaso E'. 5 M. 6) = 1 6 µ= σ 2 = i =1 ∑ (x i 1+ 2 + 3+ 4 + 5 + 6 = 3 . 4.6) 2 6 = 2. 5.5) 2 + (2 − 3. 2.5 6 σ2 = (1 − 3. en C.5) 2 + K + (6 − 3.En educación. Las observaciones posibles se pueden obtener mediante dos diferentes métodos de muestreo.- DEPARTAMENTO DE CIENCIAS BÁSICAS .2. 2.Juegos de azar.El espacio muestral contiene n ensayos idénticos..91 LA DISTRIBUCION BINOMIAL Esta distribución fue elaborada por Jacobo Bernoulli y es aplicable a un gran número de problemas de carácter económico y en numerosas aplicaciones como: .Control de calidad de un producto.. La distribución binomial posee las siguientes propiedades esenciales: 1. . . las cuales son mutuamente excluyentes es decir E ∩ E' = 0. 3. .

4.p en un ensayo se mantienen constantes. José Luis Hernández González . durante los n ensayos.4. 1.p = 1− = 2 2 x = 0.  =      =   16 2   1  2   2   6 1   4  1   1    P (E 2 ) = P 2. 3. n . en C.5.  =      =   16 2   2  2   2   3 1 4 1   4  1   1    P (E3) = P 3. El resultado de cualquier observación es independiente del resultado de cualquier otra observación. 4 S = {lanzar 4 veces la moneda} A = {número de águilas que caen} 0 4 1   4  1   1  1   P (E0) = P 0.4.x) veces en n ensayos independientes está dado por la fórmula binomial: n x n-x P ( x." datos: n = 4 ensayos. La probabilidad de que el evento E ocurra x veces y el evento E' ocurra (n .INSTITUTO TECNOLÓGICO DE APIZACO Estadística 4. q = Probabilidad de fracaso x = Número de éxitos deseados n = Número de ensayos efectuados Si se lanza 4 veces una moneda.- Las probabilidades de éxito p y de fracaso q = 1 . p ) =  p q x   donde: p = Probabilidad característica o probabilidad de éxito. 2.  =  =      2    3  2   2  16 2 2 DEPARTAMENTO DE CIENCIAS BÁSICAS 6 M. 1 p = probabilidad de éxito en un ensayo.  =  =       2   0  2   2  16  1 3 4 1   4  1   1    P (E1) = P1. calcular el evento "Número de águilas que caen. 2 1 1 q = 1 .4.

M) ⊂ N entonces. pero a diferencia de la distribución binomial es que los datos de la muestra se extraen sin reemplazo en una población finita. 1) =       = 0.. Dado un espacio muestral S de tamaño N con los subespacios M ⊂ N y (N .00385 2!2!1!  6   6   6  LA DISTRIBUCIÓN HIPERGEOMÉTRICA Se emplea para calcular la probabilidad de obtener determinado número de éxitos en un espacio muestral de n ensayos. .INSTITUTO TECNOLÓGICO DE APIZACO Estadística MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN El cálculo de estas magnitudes pueden realizarse con las siguientes fórmulas: µ = np σ 2 = npq σ= µ = Media σ2 = Varianza σ = Desviación estándar DISTRIBUCIÓN MULTINOMIAL Ocurre cuando en el experimento binomial cada intento tiene más de dos resultados posibles. k 2 .. Las probabilidades de ocurrencia p1. . En en n intentos independientes es: npq P(n..M) está dada por: DEPARTAMENTO DE CIENCIAS BÁSICAS 7 M. José Luis Hernández González 2 2 1 .x) pertenezca a (N . k 1 .. K . p2. la distribución de probabilidad de las variables aleatorias k1. 2. kn que representan el número de ocurrencias de E1.. dos veces el número 5 y una vez el número 2. 2. E2. en el lanzamiento de un dado 5 veces. 5!  1   1   1  P(5. Por esto es que el resultado de una observación depende o es afectado por el resultado de cualquier otra u otras observaciones anteriores. en C.. la probabilidad de que en n ensayos x pertenezca a M y (n .. Es decir la distribución hipergeométrica se emplea para muestreos sin reemplazo de una población finita cuya probabilidad de ocurrencia cambia a lo largo del ensayo... k n ) = n! k kn p 1 1 p k2 2 K pn k 1!k 2! K k n! Calcular la probabilidad de obtener dos veces el número 4. . k2. pk en un solo ensayo.

José Luis Hernández González . Si en una empresa se presentan para cubrir dos vacantes 13 aspirantes de los cuales 5 son hombres y 8 son mujeres. equivale a contratar (n .x1) = 1 mujeres.x0) = 2 mujeres. en C. E M=5 E’ N-M = 8 N = 13 n=2 x=0 n-x = 2 DEPARTAMENTO DE CIENCIAS BÁSICAS 8 M.x2) = 0 mujeres. equivale a contratar (n . N. n) = N   n   Gráficamente se puede representar como: E M E’ N-M N n x n-x donde: N n M N-M x n-x = El tamaño de espacio muestral S = El número de ensayos = El número de éxitos en el espacio muestral = Número de fracasos del espacio muestral = Número de éxitos en la muestra = Número de fracasos de la muestra. M. calcular " El número de hombres contratados." N A E0 E1 E2 = {13 aspirantes para cubrir 2 vacantes} = {Número de hombres contratados} = Se contratan x0 = 0 hombres. equivale a contratar (n . = Se contratan x1 = 1 hombres.INSTITUTO TECNOLÓGICO DE APIZACO Estadística  M  N − M       x   x − n  P(x. = Se contratan x2 = 2 hombres.

1. José Luis Hernández González .82% 78 13   2    MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN El cálculo de estas magnitudes pueden realizarse con las siguientes fórmulas: M µ = n  N σ2 = nM(N − M)(N − n) N 2 (N − 1) σ= µ = Media σ2 = Varianza σ = Desviación estándar σ2 DEPARTAMENTO DE CIENCIAS BÁSICAS 9 M.2 hombres posibles a contratar n-x = 2. en C.2) = = = 0.1.INSTITUTO TECNOLÓGICO DE APIZACO Estadística desarrollando N = 13 total de aspirantes M = 5 aspirantes hombres N-M = 8 aspirantes mujer n = 2 vacantes totales x = 0.13.5.5.2) = = = 0.0 mujeres posibles a contratar  5  8        0 28   2  P(E0) = P(0.5128 = 51.13.13.28% 78 13    2    5  8        2 10   0  P(E2) = P (2.3588 = 35.88% 78 13    2    5  8       1 40   1  P(E1) = P(1.1282 = 12.2) = = = 0.5.

Nk con k1 . entonces la distribución de probabilidad representa el número de elementos selecionados..k2. .6587 DISTRIBUCIÓN HIPERGEOMÉTRICA GENERALIZADA (MULTIVARIADA) Si N resultados pueden dividirse en la k celdas N1.4339 0. en C. José Luis Hernández González . 5 µ = 2  = 0.INSTITUTO TECNOLÓGICO DE APIZACO Estadística sustituyendo en el ejemplo anterior.4.2.1) = = 0.. k 2 .4339 = 0.. en una muestra aleatoria de tamaño n. kn elementos respectivamente. ..7693  13  σ2 = (2)(5)(13 − 5)(13 − 2) (13) 2 (13 − 1) σ= = 0.. k 1. 4 de naranja y 1 de uva. N2.0758 12   7    DEPARTAMENTO DE CIENCIAS BÁSICAS 10 M. 5 de naranja y 4 de uva. K . k n ) = N   n   Si en un refrigerador hay 12 envases de refrescos de los cuales son 10 de manzana. cúal es la probabilidad de que al surtir un pedido de 7 envases tomados al azar 2 sean de manzana.. N1 = 3 N2 = 5 N3 = 4 N = 12 k1 = 2 k2 = 4 k3 = 4 n=7  3  5  4           2   4  1  P(7. es:  N 1  N 2   N n       K   k   1  k 2   k n  P(n.

La probabilidad de observar dos o más éxitos en el intervalo es cero.71828.2. P(E) = P(x.INSTITUTO TECNOLÓGICO DE APIZACO Estadística DISTRIBUCIÓN DE POISSON Esta función de distribución de variable discreta se emplea para calcular las probabilidades asociadas a la variable aleatoria dentro de un intervalo continuo de tiempo o espacio.La probabilidad de observar exactamente un éxito en el intervalo es estable.x). λ = n p = Constante igual al número de éxitos promedio por unidad de medida p = Probabilidad constante durante el proceso igual al número de éxitos promedio por unidad de medida. etc.3.Número de defectos por lote de un proceso de producción.. Un conmutador recibe en promedio 5 llamadas sobre autos extraviados por hora. . Algunos de los problemas que presentan como un fenómeno con distribución de Poisson son: . . este intervalo es generalmente una unidad de medida conocida: cm2..Defectos por m2 de tela. . José Luis Hernández González . λ ) = λ x e -λ x! donde: n = Número de ensayos x = Número de éxitos esperados en n ensayos e = 2. A este tipo de problemas se les conoce el número de éxitos x obtenidos por unidad de medida en n ensayos. La ocurrencia de un éxito en cualquier intervalo es estadísticamente independiente de que suceda en cualquier otro intervalo.Los embotellamientos que se producen por día. .Número de llamadas por hora. litros. en C.Número de negocios cerrados por semana. ¿Cuál es la probabilidad de que en una hora tomada al azar reciba? a) Ninguna llamada. c) No más de 3 llamadas. gramos. b) Exactamente 3 llamadas. pulgadas. Se dice que se da un proceso de Poisson si se pueden observar eventos discretos en un intervalo continuo en forma tal que si se acorta el intervalo lo suficiente: 1. DEPARTAMENTO DE CIENCIAS BÁSICAS 11 M. km. pero es totalmente imposible conocer el número de fracasos (n . La distribución de Poisson se expresa mediante la siguiente fórmula.

en otros casos deberá calcularse con: λ = n p.5 = 0.1404 3! P(x < 4) = P(x ≤ 3) = P(x0 = 0) + P(x1 = 1) + P(x2 = 2) + P(x3 = 3) P(x < 4) = 0.0842 + 0.1406 = 0.5) = c) No más de 3 llamadas: x < 4 5 3 e . José Luis Hernández González . en C.0337 + 0.5 P (E 0 ) = P (0.INSTITUTO TECNOLÓGICO DE APIZACO Estadística Para este problema λ = 5.2652 = 26. x = 0 5 0 e .00674963 0! b) Exactamente 3 llamadas: x = 3 P (E 3 ) = P (3. a) Ninguna llamada.52 % MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN El cálculo de estas magnitudes pueden realizarse con las siguientes fórmulas: µ = λ = np σ2 = λ σ= λ µ = Media σ2 = Varianza σ = Desviación estándar DEPARTAMENTO DE CIENCIAS BÁSICAS 12 M.5) = = 0.0067+ 0.

Sign up to vote on this title
UsefulNot useful