Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teoria Distribuciones
Teoria Distribuciones
Distribuciones de probabilidad m
as
usuales
En este tema se estudiar
an algunas de las distribuciones discretas y continuas m
as comunes, que se pueden aplicar a una gran diversidad de problemas y campos cientficos.
Contenido
5.1. Distribuciones discretas m
as usuales . . . . . . . . . . . . . . . . .
5.1.1. Distribucion de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . .
19
20
21
21
5.1.
19
. . . . . . . . . . . . . . . .
22
22
23
23
25
Comentarios bibliogr
aficos . . . . . . . . . . . . . . . . . . . . . . . . . .
25
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
Distribuciones discretas m
as usuales
5.1.1.
Distribuci
on de Bernoulli
USUALES
TEMA 5. DISTRIBUCIONES DE PROBABILIDAD MAS
Curso 2007 - 08
Pr(X = 0) = 1 p = q
Propiedades:
1. = E(X) = 0 q + 1 p = p.
2. 2 = Var(X) = E(X 2 ) E 2 (X) = p p2 = pq.
5.1.2.
Distribuci
on binomial
Una sucesi
on de n pruebas se dice que es de Bernoulli cuando los experimentos individuales verifican las siguientes condiciones:
1. Las n pruebas son independientes.
2. Cada prueba es de Bernoulli.
3. La probabilidad p de exito es igual en todas las pruebas.
La variable aleatoria definida como n
umero de exitos en n pruebas, X B(n, p), se
dice que sigue una distribuci
on binomial de par
ametros n, p.
La variable puede tomar los valores {0, 1, 2, . . . , k, . . . , n} y su funci
on de probabilidad
es la siguiente:
n k nk
Pr(X = k) = Pr(k exitos en n pruebas) =
p q
k
donde
n
= n
umero resultados posibles con k exitos
k
pk q nk = P (cada resultado con k exitos)
Ejemplos:
N
umero de veces que aparece el resultado cara al lanzar una moneda diez veces.
N
umero de exitos en la recepci
on de un mensaje enviado a 100 destinatarios.
N
umero de ordenadores en una subred que han sido infectados por un virus.
Propiedades:
Dpto. Estadstica e I.O. y D.M.
20
USUALES
TEMA 5. DISTRIBUCIONES DE PROBABILIDAD MAS
Curso 2007 - 08
5.1.3.
Distribuci
on geom
etrica
1
p
2. 2 = Var(X) =
si p > 0.
q
.
p2
5.1.4.
Distribuci
on de Poisson
La distribuci
on de Poisson suele emplearse para representar experimentos en los que se
analiza el n
umero de veces que ocurre cierto suceso en un intervalo (en general de tiempo).
Los requisitos que deben verificar estas experiencias son las siguientes:
1. Las condiciones experimentales deben ser constantes a lo largo de todo el intervalo.
2. Los resultados del experimento deben ser independientes cuando se refieren a intervalos
disjuntos.
Dpto. Estadstica e I.O. y D.M.
21
USUALES
TEMA 5. DISTRIBUCIONES DE PROBABILIDAD MAS
Curso 2007 - 08
k
k!
si k = 0, 1, 2, . . .
Ejemplos:
El n
umero de partculas emitidas por una substancia radiactiva en una hora.
El n
umero de mensajes que llegan a un servidor de correo durante una hora.
Propiedades:
1. = E(X) = .
2. 2 = Var(X) = .
3. Sean X1 P (1 ) y X2 P (2 ) v.a. independientes, entonces X1 + X2 P (1 + 2 ).
5.2.
5.2.1.
Distribuciones continuas m
as usuales
Distribuci
on uniforme
si a x b,
1
f (x) =
ba
ba
0
en otro caso.
a
b
Esta distribuci
on se puede emplear en problemas en los que la probabilidad se reparte
por igual en todo el intervalo.
Propiedades:
1. = E(X) =
b+a
(punto medio del intervalo [a, b]).
2
2. 2 = Var(X) =
(b a)2
.
12
22
USUALES
TEMA 5. DISTRIBUCIONES DE PROBABILIDAD MAS
5.2.2.
Curso 2007 - 08
Distribuci
on normal
Es la m
as importante de las distribuciones continuas ya que permite describir un n
umero
muy grande de fen
omenos aleatorios, como por ejemplo aquellos en los que intervienen un
n
umero elevado de factores no controlables, que act
uan de manera independiente y con efectos
peque
nos.
Una v.a. se dice que sigue una distribuci
on normal X N (; ), si su funci
on de
densidad es:
(x )2
f (x) =
exp
2 2
2 2
1
x R
Propiedades:
1. E(X) = .
2. Var(X) = 2 .
3. Si X1 N (1 ; 1 ) y X2 Np
(2 ; 2 ) son v.a. independientes, entonces se verifica que:
X = X1 + X2 N (1 + 2 ; 12 + 22 ).
x
X
= P (Z z)
X
x
es la normal tipificada y z =
se denomina puntuaci
on tipifi
6. La funci
on de densidad de la normal no admite primitiva y su funci
on de distribuci
on se
calcula de manera aproximada. En lugar de tener que realizar esos c
alculos aproximados
para cada par de valores y , la propiedad anterior permite emplear las tablas de la
N (0; 1) para obtener la funci
on de distribuci
on de cualquier normal.
5.2.3.
Distribuci
on exponencial
23
USUALES
TEMA 5. DISTRIBUCIONES DE PROBABILIDAD MAS
Curso 2007 - 08
En este caso, la v.a. T = tiempo entre dos sucesos consecutivos es continua y su distribuci
on
se calcula de la siguiente manera:
P (T t) = 1 P (T > t) = 1 P (X = 0) = 1 et
ya que el suceso (T > t) significa que en el intervalo (0, t] no apareci
o en ninguna ocasi
on
el suceso E. Se dice entonces que T tiene distribuci
on exponencial de par
ametro , que se
denotar
a por T Exp() y su funci
on de distribuci
on viene dada por:
FT (t) =
1 et si t > 0,
0
en otro caso,
y su funci
on de densidad es:
f (t) =
et si t > 0,
0
en otro caso.
Ejemplo:
Tiempo que tarda una cierta cantidad de una substancia radiactiva en reducir su masa
a la mitad.
Tiempo transcurrido entre la llegada de dos clientes consecutivos a una tienda.
Propiedades:
1. E(T ) =
1
.
2. Var(T ) =
1
.
2
24
USUALES
TEMA 5. DISTRIBUCIONES DE PROBABILIDAD MAS
5.3.
Curso 2007 - 08
aprox.
N (n, n).
o equivalentemente
= X1 + + Xn
X
n
aprox.
,
n
La aproximaci
on se considera v
alida para valores grandes de n. Es importante recordar
que seg
un este resultado la suma de un n
umero suficientemente grande de variables independientes del mismo tipo sigue una distribuci
on normal, incluso en el caso de que se desconozca
la distribuci
on que siguen los sumandos Xi .
Como consecuencia del Teorema del Lmite Central, se obtienen las aproximaciones de
las distribuciones binomial y de Poisson por la distribuci
on normal.
P
Si X B(n, p) entonces X = ni=1 Xi donde cada Xi B(1, p). Por tanto, el TLC
Comentarios bibliogr
aficos
El bloque correspondiente al C
alculo de probabilidades, formado por los Temas 3, 4
y 5 del programa de la asignatura es desarrollado en mayor o menor profundidad por la
mayora de los textos de estadstica recomendados en la bibliografa. Sirvan como ejemplo los
siguientes:
Temas 3, 4 y 6 de Introducci
on a la Estadstica y sus aplicaciones. CAO ABAD,
R. et al. Ediciones Pir
amide, 2001.
Tema 2, 3 y 4 de Probabilidad y Estadstica para Ingeniera y Ciencias. DEVORE, J.L. International Thomson Editores, 2002.
SANCHEZ
25