Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad III Distribuciones de Vaddocx
Unidad III Distribuciones de Vaddocx
C.I.V. N 12.326
UNIDAD III
Distribuciones discretas y continuas. Distribucin Binomial. Aplicacin de la
Teora Combinatoria. Parmetros de una Distribucin Binomial. Ajuste de
una Distribucin
Binomial. Distribucin Multinomial. Parmetros
Distribucin de Poisson. Parmetros. Distribucin hipergeomtrica.
Diferencias. Resolucin de Problemas.
3.1. Definiciones previas:
Distribucin de probabilidad:
La distribucin de probabilidad de una variable aleatoria es una funcin que
asigna a cada suceso definido sobre la variable aleatoria la probabilidad de
que dicho suceso ocurra. La distribucin de probabilidad est definida sobre
el conjunto de todos los sucesos, cada uno de los sucesos es el rango de
valores de la variable aleatoria.
Distribucin de variable discreta:
Es aquella distribucin cuya funcin de probabilidad slo toma valores
positivos en un conjunto de valores de X finito o infinito numerable. A dicha
funcin se le llama funcin de masa de probabilidad. En este caso la
distribucin de probabilidad es la suma de la funcin de masa, por lo que
tenemos entonces que:
Pgina 1
() = , =
!
= !
Pgina 2
C.I.V. N 12.326
Media aritmtica):
() = =
= .
=
=
.
=
= .
= .
De acuerdo a las frmulas, los clculos seran muy laboriosos por lo cual
se asumen con alto grado de exactitud las expresiones siguientes:
() = .
=
. .
3.2.3. Ejemplos:
Un a g e n t e d e se g ur o s ve n de p li za s a ci n co p er so n a s de la
mi s ma e d a d y q u e d i sfr u t a n d e b ue n a sal u d . Se g n l a s
t a b la s a ctu al e s, l a p ro b a bili d a d d e q u e u n a p e r son a en
e st a s co n di ci o ne s vi va 3 0 a o s o m s e s 2 / 3 . H ll e se l a
p r o b a bili d ad d e qu e , tr a n scu rri d o s 30 a o s, vi va n :
a. L a s cin co p er so n a s.
b. Al me n o s t r e s p e r son a s
c. Exa ct a me n t e d o s p e r so n a s.
ING. ORLANDO F. OCHOA CH.
UBA - ESTADISTICA II - 2012
Pgina 3
C.I.V. N 12.326
= . + . . + . . + . . + . . + .
Interpretacin:
P 5 . Q0 = probabilidad de que estn cinco vivos y ninguno muerto
5. P 4 . Q1 = probabilidad de que estn cuatro vivos y uno muerto
10. P 3 . Q2 = probabilidad de que estn tres vivos y dos muertos
10. P 2 . Q3 = probabilidad de que estn dos vivos y tres muertos
5. P1 . Q4 = probabilidad de que est uno vivo y cuatro muertos
P 0 . Q5 = probabilidad de que ninguno est vivo y cinco muertos
a. Probabilidad que vivan las cinco personas:
= = . =
= ,
1 0
3
2 3
3
1 2
3
+ 5.
2 4
3
1 1
3
= .
1
.
3
= 0,164
Pgina 4
C.I.V. N 12.326
Grfica de la distribucin:
DISTRIBUCION BINOMIAL
0,400
P
R
O
B
A
B
I
L
I
D
A
D
0,300
0,200
Pi = f(Xi)
0,100
0,000
0
N DE PERSONAS VIVAS
Pgina 5
Donde:
n = nmero de ensayos
X = nmero de xitos esperados en n ensayos
e = 2,71828
= n.p = constante igual al nmero de xitos promedio por unidad de
medida.
P = probabilidad constante durante el proceso igual al nmero de xitos
por unidad de medida.
e. Parmetros:
Expectativa matemtica o Valor esperado (Esperanza matemtica
o Media aritmtica):
() = = .
Varianza (2 ) y Desviacin tpica ():
. = =
=
Pgina 6
C.I.V. N 12.326
f. Grfico:
= P X = 4, = 6 =
6 4 .(2,718 )6
4.3.2.1
1296 (0,00248 )
24
= ,
Pgina 7
= P X = 10, = 12 =
12 10 . 2,718 10
10 !
6,1917 (0,000006 )
3528800
= , = = ,
3.4. Distribucin hipergeomtrica:
3.4.1. Definicin:
La distribucin hipergeomtrica es una distribucin discreta relacionada con
muestreos aleatorios sin reemplazo.
Supngase que se tiene una poblacin de N elementos de los cuales, d
pertenecen a la categora A y N-d a la B. La distribucin hipergeomtrica
mide la probabilidad de obtener elementos de la categora A
en una muestra de n elementos de la poblacin original.
Algunos de los experimentos o problemas que se presentan como un
fenmeno con distribucin Hipergeomtrica son:
Al realizar un experimento con este tipo de distribucin, se esperan dos
tipos de resultados.
Las probabilidades asociadas a cada uno de los resultados no son
constantes.
Cada ensayo o repeticin del experimento no es independiente de los
dems.
Pgina 8
C.I.V. N 12.326
3.4.2. Caractersticas:
a. Frmula:
= =
Donde:
a
= coeficiente binomial, el nmero de combinaciones posibles al
x
seleccionar x elementos de un total a.
N = tamao de la poblacin
n = tamao de la muestra extrada
d = nmero de elementos en la poblacin original que pertenecen a la
categora deseada
x = nmero de elementos en la muestra que pertenecen a dicha
categora.
b. Parmetros:
Expectativa matemtica o Valor esperado (Esperanza matemtica
o Media aritmtica):
() =
.
= .
Pero:
d
P=N
Q = 1 P, por lo tanto:
= = . . .
ING. ORLANDO F. OCHOA CH.
UBA - ESTADISTICA II - 2012
Pgina 9
C.I.V. N 12.326
3.4.3. Ejemplo:
Se realiza un experimento para seleccionar un catalizador apropiado para la
produccin comercial de etilendiamina (EDA), un producto que se utiliza
para los jabones, Suponga que un ingeniero qumico selecciona al azar tres
catalizadores para probarlos de entre un grupo de 10 catalizadores, seis de
los cuales tienen baja acidez y cuatro de los cuales son muy cidos.
a) Calcular la probabilidad de que no se escoger un catalizador
muy acido
b) Calcular la probabilidad de que se escoja exactamente un catalizador
muy acido
c) Calcular la media y la varianza para la variable aleatoria x
Solucin:
a) Calcular la probabilidad de que no se escoger un catalizador
muy acido:
a
x
Na
n x . x = 0,1,2,3, . . n
N
n
4
= 0
10 4
3 0 = 1.20 = 20 = 1
10
120
120 6
3
a
x
Na
4
nx = 1
N
n
10 4
3 1 = 4.15 = 1
10
120 2
3
Nn
N1
= 3.0,4.0,6.
103
101
= 3.0,4.0,6.0,8 = ,
Pgina 10
Pgina 11
C.I.V. N 12.326
= .
+=
= + + + () +
Pgina 12
Eventos
Probabilidad
Frecuencias Tericas
(Xi)
(Px)
(FT)
P1
F1
P2
F2
P3
F3
Pn
Fn
Pi = 1,00
Fi = N
.
n
Pgina 13
C.I.V. N 12.326
Donde:
= nmero de grados de libertad
k = constante que depende de de tal forma que el rea bajo la
curva sea igual a 1
Los valores de esta funcin, se encuentran tabulados y se determinan
en base a los grados de libertad y a los niveles de significacin.
- Frmula:
La frmulas para determinar el X2c se fundamentan en las frecuencias
observadas (Fi) y las frecuencias tericas o calculadas (Ft).
X c2 =
F i F T 2
FT
Mtodo Directo
Mtodo Abreviado
Pgina 14
donde k = N de valores
de la variable
Distribucin Normal: G de L () = k 3
-
donde k = N de clases
Pgina 15
C.I.V. N 12.326
4.1.7. Ejemplo:
Se lanzan cuatro monedas 80 veces y el nmero de caras que se obtuvo en
cada lanzamiento es el siguiente:
N de caras (Xi)
15
30
20
10
Frecuencias
(Xi)
(fi)
Xi . fi
15
15
30
60
20
60
10
40
fi = 80
Xi.fi = 175
.
=
= .
Pgina 16
C.I.V. N 12.326
n+1 =5
X = n. P
P+Q =1
P=
X 2.20
=
n
4
= .
Q = 1 P = 1.00 0.55
= .
0,31
0,36
0,20
+ 0,04 = 1,00
Obtener 1 cara:
0,20
4x0,551x0,453 = 0,20
4x0,552x0,452 = 0,36
4x0,553x0,451 = 0,31
4x0,554x0,450 = 0,09
1x1x0,454
0,04
Pgina 17
C.I.V. N 12.326
Probabilidad
Frecuencias Tericas
(Xi)
(Px)
(Ft = Px.N)
0,04
0,20
16
0,36
29
0,31
25
0,09
Pi = 1,00
Fi = 80
f. Grfico:
Xi
Fi
15
30
20
10
FT
16
29
25
Frecuencias
Fi
FT
0
N de caras
Pgina 18
Frecuencias
Observadas
Tericas
Fi
Fi /Ft
(Fi)
(Ft)
25
8,33
15
16
225
14,06
30
29
900
31,03
20
25
400
16,00
10
100
14,29
Fi = 80
Ft = 80
Fi2/Ft = 83,71
< Xt2 se
Pgina 19
Pgina 20
C.I.V. N 12.326
Nmero de das
(Xi)
(Fi)
10
5.10. Se han tomado al azar 300 mujeres con no ms de seis hijos y se han
agrupado en la siguiente distribucin de frecuencias:
Nmero de hijos
Nmero de mujeres
(Xi)
(Fi)
20
40
70
80
50
30
10
Pgina 21
C.I.V. N 12.326
6. Anexos:
COEFICIENTES DEL BINOMIO DE NEWTON
1. Mtodo de los nmeros combinatorios:
!
= , =
! !
+
+
. +
. +
. ++
.
. +
. +
. +
. +
. +
= . + . + . + . + . + .
Trmino de lugar k
=
() .
5
5 2 3
P5 41 . Q41 =
P Q = 3!
41
3
5!
53 !
P2 Q3 = 10P2 Q3
Pgina 22
3. Mtodo abreviado:
3.1. El primero y ltimo trminos tienen como coeficiente 1
3.2. El coeficiente del segundo trmino y del penltimo trmino es el exponente al cual
est elevado el binomio
3.3. A partir del segundo trmino el coeficiente del trmino siguiente se determina
multiplicando el coeficiente de trmino anterior por el exponente del primer trmino
del binomio (P) y ese producto se divide entre el exponente del segundo trmino del
binomio (Q) y as, sucesivamente.
3.4. Ejemplo:
= . + . +
= . +
= . +
= . +
.
+
= . + . + . + . + . + .
Pgina 23
0,1
0,05
0,025
0,01
0,005
2,71
4,61
6,25
7,78
9,24
10,64
12,02
13,36
14,68
15,99
17,28
18,55
19,81
21,06
22,31
23,54
24,77
25,99
27,20
28,41
29,62
30,81
32,01
33,20
34,38
35,56
36,74
37,92
39,09
40,26
51,81
63,17
74,40
85,53
96,58
107,57
118,50
3,84
5,99
7,81
9,49
11,07
12,59
14,07
15,51
16,92
18,31
19,68
21,03
22,36
23,68
25,00
26,30
27,59
28,87
30,14
31,41
32,67
33,92
35,17
36,42
37,65
38,89
40,11
41,34
42,56
43,77
55,76
67,50
79,08
90,53
101,88
113,15
124,34
5,02
7,38
9,35
11,14
12,83
14,45
16,01
17,53
19,02
20,48
21,92
23,34
24,74
26,12
27,49
28,85
30,19
31,53
32,85
34,17
35,48
36,78
38,08
39,36
40,65
41,92
43,19
44,46
45,72
46,98
59,34
71,42
83,30
95,02
106,63
118,14
129,56
6,63
9,21
11,34
13,28
15,09
16,81
18,48
20,09
21,67
23,21
24,73
26,22
27,69
29,14
30,58
32,00
33,41
34,81
36,19
37,57
38,93
40,29
41,64
42,98
44,31
45,64
46,96
48,28
49,59
50,89
63,69
76,15
88,38
100,43
112,33
124,12
135,81
7,88
10,60
12,84
14,86
16,75
18,55
20,28
21,95
23,59
25,19
26,76
28,30
29,82
31,32
32,80
34,27
35,72
37,16
38,58
40,00
41,40
42,80
44,18
45,56
46,93
48,29
49,65
50,99
52,34
53,67
66,77
79,49
91,95
104,21
116,32
128,30
140,17
Pgina 24
7. Bibliografa:
Anderson, D., Sweeney D., Williams T.
Estadstica
para
Administracin y Economa.
Ed. CENGAGE - Learning.
Dcima Edicin., Mxico.
2000.
Probabilidad y Estadstica.
Aplicaciones y Mtodos. Ed.
Mc Graw Hill/Interamericana.
1 Ed., Mxico. 1988.
Introduccin a la Probabilidad
y Estadstica. Ed. Mc Graw
Hill Inc., Serie Schaum, 1
Ed., Madrid,1999.
Clculo de Probabilidades e
Inferencia
Estadstica.
Universidad Catlica Andrs
Bello,
Cuarta
Edicin,
Caracas, 2006
Estadstica
para
administracin y economa.
Ed.
Wadsworth
Internacional/Iberoamerica, 3
Ed., USA. 1978.
Meyer, Paul L.
Probabilidad y Aplicaciones
Estadsticas.
Ed.
Fondo
Educativo
Interamericano,
S.A., 2 Ed., Mxico. 1973.
Stevenson, W. J.
Estadstica
para
administracin y economa.
Ed. HARLA, 1 Ed., Mxico.
1982.
Pgina 25