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. Es una distribución teórica de frecuencias que describe cómo se espera que varíen los resultados de un experimento. Existen diferentes tipos de modelos que permiten describir el comportamiento de fenómenos estadísticos que permiten hacer inferencias y tomar decisiones en condiciones de incertidumbre. Binomial Hipergeométrica Multinomial Poisson Discretas Distribuciones continuas. por ejemplo el número de años de estudio. Son aquellas donde las variables en estudio pueden asumir cualquier valor dentro de determinados límites. en C. José Luis Hernández González . Son aquellas donde las variables asumen un número limitado de valores. 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. por ejemplo. la estatura de un estudiante.

la cual puede ser representada mediante una función matemática. es igual a la unidad. . 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. 0 ≤ P(xi) ≤ 1 ∀ xi La suma de todas las probabilidades asociadas a todos los valores que toma la variable x. La diferencia consiste en que la función matemática se transforma en una función probabilística. se dice que x es una variable aleatoria.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 xn p(xn) Dados los eventos E1. .. 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. 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. una gráfica o una tabla de valores.. 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. . En ⊂ S... E1 S E0 X x0 x1 P(X) p(x0) p(x1) ... E2.. si a cada valor de xi que asume cada Ei. será mayor o igual a cero pero menor que uno. una distribución de probabilidad es un listado de las probabilidades de todos los resultados posibles que podrían presentarse si se efectuara el experimento. José Luis Hernández González . en realidad se han presentado cuando se lleva a cabo un experimento.. en C. en cambio.

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

. 2.En las finanzas. Cada observación se puede clasificar en una de dos categorías conocidas como éxito E o fracaso E'. 4.5) 2 + K + (6 − 3.6) 2 6 = 2. en C.2. las cuales son mutuamente excluyentes es decir E ∩ E' = 0.. . Se puede considerar que cada observación se ha seleccionado de una población infinita sin reposición o de una población finita con reposición.En educación.5) 2 + (2 − 3. La distribución binomial posee las siguientes propiedades esenciales: 1. . 2. José Luis Hernández González 3.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. . 3. . Las observaciones posibles se pueden obtener mediante dos diferentes métodos de muestreo.5 6 σ2 = (1 − 3. 6} P (x = 1.Juegos de azar.El espacio muestral contiene n ensayos idénticos. 5 M..Control de calidad de un producto. 6) = 1 6 µ= σ 2 = i =1 ∑ (x i 1+ 2 + 3+ 4 + 5 + 6 = 3 . 5.91 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: .- DEPARTAMENTO DE CIENCIAS BÁSICAS .

durante los n ensayos. 1 p = probabilidad de éxito en un ensayo. calcular el evento "Número de águilas que caen. 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.  =  =       2   0  2   2  16  1 3 4 1   4  1   1    P (E1) = P1. p ) =  p q x   donde: p = Probabilidad característica o probabilidad de éxito.p = 1− = 2 2 x = 0.  =      =   16 2   1  2   2   6 1   4  1   1    P (E 2 ) = P 2.4.- Las probabilidades de éxito p y de fracaso q = 1 .INSTITUTO TECNOLÓGICO DE APIZACO Estadística 4. El resultado de cualquier observación es independiente del resultado de cualquier otra observación.  =  =      2    3  2   2  16 2 2 DEPARTAMENTO DE CIENCIAS BÁSICAS 6 M. en C. 3.4. 2.x) veces en n ensayos independientes está dado por la fórmula binomial: n x n-x P ( x. q = Probabilidad de fracaso x = Número de éxitos deseados n = Número de ensayos efectuados Si se lanza 4 veces una moneda. 2 1 1 q = 1 . 1. n .4.  =      =   16 2   2  2   2   3 1 4 1   4  1   1    P (E3) = P 3.p en un ensayo se mantienen constantes." datos: n = 4 ensayos. La probabilidad de que el evento E ocurra x veces y el evento E' ocurra (n .5. José Luis Hernández González .

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

José Luis Hernández González .INSTITUTO TECNOLÓGICO DE APIZACO Estadística  M  N − M       x   x − n  P(x. equivale a contratar (n . en C. equivale a contratar (n . 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. E M=5 E’ N-M = 8 N = 13 n=2 x=0 n-x = 2 DEPARTAMENTO DE CIENCIAS BÁSICAS 8 M. 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. = Se contratan x1 = 1 hombres. N.x1) = 1 mujeres. = Se contratan x2 = 2 hombres.x2) = 0 mujeres. 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 .x0) = 2 mujeres. M.

5.5.5.82% 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.13.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 = 0.13.1282 = 12.2 hombres posibles a contratar n-x = 2.3588 = 35. José Luis Hernández González .1.88% 78 13    2    5  8       1 40   1  P(E1) = P(1.2) = = = 0.1.13.0 mujeres posibles a contratar  5  8        0 28   2  P(E0) = P(0.2) = = = 0.5128 = 51. en C.2) = = = 0.28% 78 13    2    5  8        2 10   0  P(E2) = P (2.

4339 = 0. cúal es la probabilidad de que al surtir un pedido de 7 envases tomados al azar 2 sean de manzana.2.. en C.4339 0. en una muestra aleatoria de tamaño n. 4 de naranja y 1 de uva.k2. .1) = = 0.6587 DISTRIBUCIÓN HIPERGEOMÉTRICA GENERALIZADA (MULTIVARIADA) Si N resultados pueden dividirse en la k celdas N1. 5 de naranja y 4 de uva. k 1.. entonces la distribución de probabilidad representa el número de elementos selecionados... kn elementos respectivamente.4. Nk con k1 .. k 2 . es:  N 1  N 2   N n       K   k   1  k 2   k n  P(n. k n ) = N   n   Si en un refrigerador hay 12 envases de refrescos de los cuales son 10 de manzana.7693  13  σ2 = (2)(5)(13 − 5)(13 − 2) (13) 2 (13 − 1) σ= = 0. 5 µ = 2  = 0. K . . José Luis Hernández González .INSTITUTO TECNOLÓGICO DE APIZACO Estadística sustituyendo en el ejemplo anterior.. N1 = 3 N2 = 5 N3 = 4 N = 12 k1 = 2 k2 = 4 k3 = 4 n=7  3  5  4           2   4  1  P(7. N2.0758 12   7    DEPARTAMENTO DE CIENCIAS BÁSICAS 10 M.

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

1406 = 0.00674963 0! b) Exactamente 3 llamadas: x = 3 P (E 3 ) = P (3. x = 0 5 0 e .5 = 0.INSTITUTO TECNOLÓGICO DE APIZACO Estadística Para este problema λ = 5.52 % 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 otros casos deberá calcularse con: λ = n p. a) Ninguna llamada. José Luis Hernández González . en C.0067+ 0.1404 3! P(x < 4) = P(x ≤ 3) = P(x0 = 0) + P(x1 = 1) + P(x2 = 2) + P(x3 = 3) P(x < 4) = 0.5) = = 0.5) = c) No más de 3 llamadas: x < 4 5 3 e .5 P (E 0 ) = P (0.0842 + 0.2652 = 26.0337 + 0.

Sign up to vote on this title
UsefulNot useful