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

INSTITUTO TECNOLÓGICO DE APIZACO Estadística DISTRIBUCIONES Distribución de probabilidad. Existen diferentes tipos de modelos que permiten describir el comportamiento de fenómenos estadísticos que permiten hacer inferencias y tomar decisiones en condiciones de incertidumbre. en C. por ejemplo el número de años de estudio. Son aquellas donde las variables en estudio pueden asumir cualquier valor dentro de determinados límites. Binomial Hipergeométrica Multinomial Poisson Discretas Distribuciones continuas. Uniforme Continuas Exponencial Normal DEPARTAMENTO DE CIENCIAS BÁSICAS 2 M. Se pueden clasificar en: Discretas P(x) Distribuciones Continuas x1 P(x) x2 xn x x1 xn x Distribuciones discretas. Es una distribución teórica de frecuencias que describe cómo se espera que varíen los resultados de un experimento. por ejemplo. Son aquellas donde las variables asumen un número limitado de valores. la estatura de un estudiante. 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. 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.... es igual a la unidad. José Luis Hernández González . una distribución de probabilidad es un listado de las probabilidades de todos los resultados posibles que podrían presentarse si se efectuara el experimento... si a cada valor de xi que asume cada Ei. 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. 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. E1 S E0 X x0 x1 P(X) p(x0) p(x1) ... será mayor o igual a cero pero menor que uno. se dice que x es una variable aleatoria. . En xn p(xn) Dados los eventos E1. 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. . En ⊂ S. en C. 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. E2. La diferencia consiste en que la función matemática se transforma en una función probabilística. . una gráfica o una tabla de valores. la cual puede ser representada mediante una función matemática. en realidad se han presentado cuando se lleva a cabo un experimento...

.3.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. FUNCIONES DE PROBABILIDAD DISCRETAS La distribución de probabilidad para una variable aleatoria discreta puede ser: 1.. José Luis Hernández González DEPARTAMENTO DE CIENCIAS BÁSICAS 4 . 2. Las más útiles son: 1. .La distribución de probabilidad de Poisson. UNIFORME DISCRETA Si la variable aleatoria X asume valores de X1.La distribución uniforme discreta.2. 1. llamadas momentos de la distribución que son: la media aritmética o esperanza matemática y la desviación estándar. Una relación empírica de resultados y sus frecuencias relativas observadas. entonces la distribución uniforme es: f (x. 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. 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. Xk con iguales probabilidades. Existen varios modelos matemáticos que representan diversos fenómenos discretos de la vida real.La distribución de probabilidad Hipergeométrica.La distribución de probabilidad Binomial o de Bernoulli.. k ) = 1 k M. 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. X2. 3. en C.

.Control de calidad de un producto. 2. 5. 3.. 4.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. las cuales son mutuamente excluyentes es decir E ∩ E' = 0. 2. .6) 2 6 = 2..En educación. La distribución binomial posee las siguientes propiedades esenciales: 1.- DEPARTAMENTO DE CIENCIAS BÁSICAS . Cada observación se puede clasificar en una de dos categorías conocidas como éxito E o fracaso E'.En las finanzas. 6) = 1 6 µ= σ 2 = i =1 ∑ (x i 1+ 2 + 3+ 4 + 5 + 6 = 3 . . en C.Juegos de azar. . Las observaciones posibles se pueden obtener mediante dos diferentes métodos de muestreo. 6} P (x = 1. . Se puede considerar que cada observación se ha seleccionado de una población infinita sin reposición o de una población finita con reposición. 5 M.5 6 σ2 = (1 − 3.2.5) 2 + (2 − 3.El espacio muestral contiene n ensayos idénticos. José Luis Hernández González 3.91 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: .5) 2 + K + (6 − 3.

4.  =      =   16 2   1  2   2   6 1   4  1   1    P (E 2 ) = P 2. José Luis Hernández González .4.INSTITUTO TECNOLÓGICO DE APIZACO Estadística 4.x) veces en n ensayos independientes está dado por la fórmula binomial: n x n-x P ( x. 2 1 1 q = 1 . 1 p = probabilidad de éxito en un ensayo.5." datos: n = 4 ensayos.  =  =      2    3  2   2  16 2 2 DEPARTAMENTO DE CIENCIAS BÁSICAS 6 M. 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.  =      =   16 2   2  2   2   3 1 4 1   4  1   1    P (E3) = P 3. 2.4. p ) =  p q x   donde: p = Probabilidad característica o probabilidad de éxito. 1. calcular el evento "Número de águilas que caen. n .- Las probabilidades de éxito p y de fracaso q = 1 . La probabilidad de que el evento E ocurra x veces y el evento E' ocurra (n .4. en C.p en un ensayo se mantienen constantes. q = Probabilidad de fracaso x = Número de éxitos deseados n = Número de ensayos efectuados Si se lanza 4 veces una moneda. durante los n ensayos.p = 1− = 2 2 x = 0. 3.  =  =       2   0  2   2  16  1 3 4 1   4  1   1    P (E1) = P1.

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. 2. pk en un solo ensayo. 2.... en el lanzamiento de un dado 5 veces.x) pertenezca a (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. p2.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. . José Luis Hernández González 2 2 1 . dos veces el número 5 y una vez el número 2. . pero a diferencia de la distribución binomial es que los datos de la muestra se extraen sin reemplazo en una población finita. k 2 .. k 1 . la probabilidad de que en n ensayos x pertenezca a M y (n ... K . kn que representan el número de ocurrencias de E1.. 1) =       = 0. En en n intentos independientes es: npq P(n. Dado un espacio muestral S de tamaño N con los subespacios M ⊂ N y (N .M) ⊂ N entonces. Las probabilidades de ocurrencia p1. la distribución de probabilidad de las variables aleatorias k1.M) está dada por: DEPARTAMENTO DE CIENCIAS BÁSICAS 7 M. . k2.. E2. 5!  1   1   1  P(5. 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. en C. Por esto es que el resultado de una observación depende o es afectado por el resultado de cualquier otra u otras observaciones anteriores.

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

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 = 0.2) = = = 0.82% 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.5128 = 51.13.5.2) = = = 0.3588 = 35.1.5.88% 78 13    2    5  8       1 40   1  P(E1) = P(1.2) = = = 0. en C.2 hombres posibles a contratar n-x = 2.1.1282 = 12.28% 78 13    2    5  8        2 10   0  P(E2) = P (2.13.0 mujeres posibles a contratar  5  8        0 28   2  P(E0) = P(0.13.5. José Luis Hernández González .

INSTITUTO TECNOLÓGICO DE APIZACO Estadística sustituyendo en el ejemplo anterior. . en C.7693  13  σ2 = (2)(5)(13 − 5)(13 − 2) (13) 2 (13 − 1) σ= = 0.. k 1.. N2..1) = = 0.. entonces la distribución de probabilidad representa el número de elementos selecionados..k2. k 2 . kn elementos respectivamente.2.4339 0.4. k n ) = N   n   Si en un refrigerador hay 12 envases de refrescos de los cuales son 10 de manzana. 4 de naranja y 1 de uva.6587 DISTRIBUCIÓN HIPERGEOMÉTRICA GENERALIZADA (MULTIVARIADA) Si N resultados pueden dividirse en la k celdas N1.4339 = 0.0758 12   7    DEPARTAMENTO DE CIENCIAS BÁSICAS 10 M. José Luis Hernández González .. cúal es la probabilidad de que al surtir un pedido de 7 envases tomados al azar 2 sean de manzana. es:  N 1  N 2   N n       K   k   1  k 2   k n  P(n. Nk con k1 . K . . N1 = 3 N2 = 5 N3 = 4 N = 12 k1 = 2 k2 = 4 k3 = 4 n=7  3  5  4           2   4  1  P(7. 5 µ = 2  = 0. en una muestra aleatoria de tamaño n. 5 de naranja y 4 de uva.

Número de defectos por lote de un proceso de producción..x). DEPARTAMENTO DE CIENCIAS BÁSICAS 11 M.3. P(E) = P(x. pulgadas.Número de negocios cerrados por semana. . A este tipo de problemas se les conoce el número de éxitos x obtenidos por unidad de medida en n ensayos.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.. ¿Cuál es la probabilidad de que en una hora tomada al azar reciba? a) Ninguna llamada.La probabilidad de observar exactamente un éxito en el intervalo es estable. b) Exactamente 3 llamadas.Los embotellamientos que se producen por día.71828. pero es totalmente imposible conocer el número de fracasos (n .2. c) No más de 3 llamadas. 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. Un conmutador recibe en promedio 5 llamadas sobre autos extraviados por hora. km. Algunos de los problemas que presentan como un fenómeno con distribución de Poisson son: . litros.Defectos por m2 de tela. este intervalo es generalmente una unidad de medida conocida: cm2. etc. . La probabilidad de observar dos o más éxitos en el intervalo es cero. gramos. La distribución de Poisson se expresa mediante la siguiente fórmula. La ocurrencia de un éxito en cualquier intervalo es estadísticamente independiente de que suceda en cualquier otro intervalo. . 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. . λ ) = λ x e -λ x! donde: n = Número de ensayos x = Número de éxitos esperados en n ensayos e = 2.Número de llamadas por hora. José Luis Hernández González . en C.

0067+ 0.52 % 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. en C.5) = c) No más de 3 llamadas: x < 4 5 3 e .5 = 0.5 P (E 0 ) = P (0. x = 0 5 0 e .0842 + 0.2652 = 26.1406 = 0.5) = = 0.0337 + 0. en otros casos deberá calcularse con: λ = n p.00674963 0! b) Exactamente 3 llamadas: x = 3 P (E 3 ) = P (3. José Luis Hernández González . a) Ninguna llamada.1404 3! P(x < 4) = P(x ≤ 3) = P(x0 = 0) + P(x1 = 1) + P(x2 = 2) + P(x3 = 3) P(x < 4) = 0.INSTITUTO TECNOLÓGICO DE APIZACO Estadística Para este problema λ = 5.