Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelos de Probabilidad
Modelos de Probabilidad
MODELOS DE PROBABILIDAD
Autores:
(avilag@uoc.edu),
Jos
Francisco
Martnez
(jmartinezbos@uoc.edu),
Anna
Lpez
(alopezrat@uoc.edu)
MAPA CONCEPTUAL
________________________
DISTRIBUCIN DE
PROBABILIDAD
VARIABLES ALEATORIAS
MEDIA, VARIANZA Y
DESV. ESTNDAR DE
UNA DISTR. PROB
MODELOS DE
PROBABILIDAD
V.A.DISCRETAS
V.A. CONTINUAS
LA DISTRIBUCIN BINOMIAL
LA DISTRIBUCIN DE POISON
LA DISTRIBUCIN NORMAL
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Modelos de probabilidad
INTRODUCCIN
___________________
OBJETIVOS
________________________
CONOCIMIENTOS PREVIOS
___________________________________
Sera conveniente tener presente el math-block Estadstica Descriptiva con Minitab para
tener asimilados los conceptos bsicos referentes a los parmetros estadsticos
fundamentales, as como el documento asociado al uso del Minitab.
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Modelos de probabilidad
CONCEPTOS FUNDAMENTALES
______________________________
F(a) = P(Xa)
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Modelos de probabilidad
De este modo: F(a) = P(Xa) es igual a la suma de todos los P(X=xi) tales que xi son
menores que a.
F (a) = P( X a) =
f ( x) dx
= E ( X ) = [xP( x)]
= E[X ] =
f ( x) dx
2 = [( x ) 2 P ( x)]
Para una variable aleatoria continua:
=
2
f ( x) dx
La distribucin Binomial.
Consideremos una variable aleatoria X que da el nmero de xitos que aparecen al repetir n
veces de forma independiente un experimento en idnticas condiciones. En esta situacin
diremos que X sigue una distribucin Binomial.
Ejemplos:
X= nmero de huevos defectuosos en un paquete de 12.
Y= nmero de 2 al tirar 10 veces un dado.
Las caractersticas principales de este modelo de distribucin son:
1. Repetir n pruebas independientes unas de otras.
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Modelos de probabilidad
2. Para cada una de las pruebas slo pueden darse dos resultados: xito o fracaso
3. La probabilidad de xito en cada prueba es de p.
En tales condiciones, diremos que la v.a. X = n de xitos en las n pruebas sigue una
distribucin Binomial de parmetros n y p, y lo escribiremos como X B(n,p) .
Observamos que la v.a. X slo puede tomar los valores 0, 1, 2, 3, , n siendo por tanto una
v.a. discreta.
As pues, las funciones de probabilidad y de distribucin de una distribucin binomial son
las siguientes:
donde
n
f ( x) = P( X = x) = p x (1 p ) n x
x
n
n!
=
y
x x!(n x)!
para x=0,1,2,3.n
F ( x) = P( X x) = P( X = i)
i =0
= n* p ,
= n * p * (1 p )
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Modelos de probabilidad
Por su parte,
P ( X = 0) =
5!
0.2 0 (1 0.2) 5 = 0.32768
0! (5 0)!
P ( X = 1) =
5!
0.2 1 (1 0.2) 4 = 0,4096
1! (5 1)!
P ( X = 2) =
5!
0.2 2 (1 0.2) 3 = 0.2048
2! (5 2)!
18!
0.6 0 (1 0.6) 18 = 0.0000000687
0! (18 0)!
18!
0.61 (1 0.6) 17 = 0.00000185
P ( X = 1) =
1! (18 1)!
P ( X = 0) =
P ( X = 2) =
18!
0.6 2 (1 0.6) 16 = 0.0000236
2! (18 2)!
P ( X = 3) =
18!
0.6 3 (1 0.6) 15 = 0.000189
3! (18 3)!
P ( X = 4) =
18!
0.6 4 (1 0.6) 14 = 0.00106
4! (18 4)!
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Modelos de probabilidad
Para calcular cual ser el nmero de socios medio esperado que se incorpore al
proyecto calculamos la media de una distribucin Binomial que nos da el nmero
medio de xitos, en este caso sera, n*p= 18*0,6=10,8 que redondeando sera 11.
Por tanto, el nmero medio esperado de socios que se incorporen al proyecto
ser de 11.
Ejemplos con Minitab:
1. Supongamos que X es una variable aleatoria (v.a.) que sigue una distribucin
binomial de parmetros n = 4 y p = 0,85.
Veamos cmo podemos calcular la funcin de probabilidad de esta v.a.:
En primer lugar, en la columna C1 colocaremos los posibles valores que esta v.a.
puede tomar, i.e., 0, 1, 2, 3 y 4.
Seleccionamos Calc > Probability Distributions > Binomial y completamos los
campos como se indica en la imagen inferior:
P( X = x)
0,0005
0,0115
0,0975
0,3685
0,5220
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Modelos de probabilidad
Queremos calcular la probabilidad de que X tome un valor menor o igual a 11, i.e.,
P(X<=11):
Seleccionamos Calc > Probability Distributions > Binomial y completamos los
campos como se indica en la imagen inferior:
El resultado es el siguiente:
Cumulative Distribution Function
Binomial with n = 20 and p = 0,333300
x
P( X <= x)
11,00
0,9870
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Modelos de probabilidad
El output que obtenemos nos dice que c = 3 es el valor que deja a su izquierda el
91,3% de la distribucin de X .
Inverse Cumulative Distribution Function
Binomial with n = 5 and p = 0,400000
x
3
P( X <= x)
0,9130
x
4
P( X <= x)
0,9898
P( X = x)
0.0563
Por tanto, P(X=0) = 0.056, es decir, la probabilidad de que hoy no se retrase ninguno
de los 10 vuelos es muy baja, aprox. 0.056
Ahora, para calcular la probabilidad de que no se retrasen ms de dos vuelos, es
decir, P(X<=2), seleccionaremos Calc > Probability Distributions > Binomial, y
activaremos la opcin de Cumulative Probability, obteniendo el siguiente resultado:
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Modelos de probabilidad
Cumulative Distribution Function
Binomial with n = 10 and p = 0.250000
x
2.00
P( X <= x)
0.5256
La distribucin de Poisson
Consideremos X una variable que da el nmero de individuos que presentan una cierta
caracterstica por unidad de tiempo, volumen, superficie, Entonces diremos que X sigue
una distribucin de Poisson.
Ejemplos:
X= Nmero de coches que cruzan un cruce en una hora.
Y= Nmero de enfermos de Sida por ao y por Comunidad Autnoma.
La funcin de probabilidad de la distribucin de Poisson es:
P ( x) =
x e
x!
para x=0,1,2,3,.
= ,
Observamos adems que una variable con distribucin Poisson toma infinitos valores, 0,1,
Ahora bien, las probabilidades van disminuyendo cada vez ms rpidamente cuando el valor
es alto, hacindose prcticamente nulas a partir de un valor. Por esto muchas veces la
distribucin de Poisson tambin se la llama distribucin de los sucesos raros o poco
probables.
10
Modelos de probabilidad
Seleccionamos Calc > Probability Distributions > Poisson y obtenemos:
Probability Density Function
Poisson with mu = 0.240000
x
0.00
P( X = x)
0.7866
Por tanto, se espera que aproximadamente el 79% de los vuelos no tengan ningn problema
con la prdida de equipaje.
La distribucin normal
La distribucin normal es la distribucin de probabilidad continua ms importante. Multitud de
variables aleatorias continuas siguen una distribucin normal o aproximadamente normal.
Una de sus caractersticas ms importantes es que cualquier distribucin de probabilidad,
tanto discreta como continua, se puede aproximar por una normal bajo ciertas condiciones.
La distribucin de probabilidad normal y la curva normal que la representa, tienen las
siguientes caractersticas:
-
La curva normal desciende suavemente en ambas direcciones a partir del valor central.
Es asinttica, lo que quiere decir que la curva se acerca cada vez ms al eje X pero
jams llega a tocarlo. Es decir, las colas de la curva se extienden de manera indefinida
en ambas direcciones.
colas
media=mediana=moda
Para indicar que una variable aleatoria (v.a.) sigue una distribucin normal de media y
desviacin estndar usaremos la expresin: X N(,).
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
11
Modelos de probabilidad
La probabilidad de que una variable aleatoria (v.a.) X tome un valor determinado entre dos
nmeros reales a y b coincide con el rea encerrada por la funcin f ( x ) =
1 x
f ( x)dx
Norm al(2,1)
0,4
0,3
0,2
0,1
0,0
a
Valores de la v.a. X
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
12
Modelos de probabilidad
expresin anterior, es posible encontrar el rea de probabilidad bajo cualquier curva normal
haciendo referencia a la distribucin normal estndar en las tablas correspondientes.
As pues, para averiguar el rea encerrada bajo la curva utilizaremos la tabla que
encontraremos al final de este apartado. Dicha tabla nos proporciona la probabilidad de que
la v.a. normal estndar Z tome un valor situado a la izquierda de un nmero c, i.e.: P(Z<c). En
otras palabras, esta tabla nos da el valor del rea encerrada por f(x) entre - y c.
Distribucin muestral de la media de las muestras:
Consistira en una distribucin de probabilidad de todas las medias posibles de las muestras
de un tamao de muestra dado.
As pues, dada una poblacin (a la cual representaremos por la v.a. X ), podemos extraer de
la misma k muestras, cada una de ellas de tamao n. Para cada una de las k muestras
podemos calcular un estadstico, p.e., la media de las n observaciones que la componen.
As tendremos un total de k nuevos valores xi , i = 1,..., k . Podemos asociar estos valores
a una nueva v.a. X , cuya distribucin llamaremos distribucin muestral.
Una de las propiedades ms importantes es la siguiente:
Teorema (Distribucin de las Medias Muestrales):
Sea X una v.a. cualquiera de media y desviacin tpica , entonces:
o
x =
x =
X N ,
La importancia del TCL radica en que sea cul sea la distribucin de la poblacin original
(v.a. X), conforme el tamao de las muestras ( n ) aumenta, la distribucin de las medias se
va aproximando a la de una normal (de la cual conocemos muchas propiedades).
As, si la poblacin tiene una distribucin de probabilidad normal, entonces, para cualquier
tamao de muestra la distribucin del muestreode la media tambin tendr una distribucin
normal. Si la distribucin de la poblacin es simtrica (pero no normal), se ver que surge la
forma normal como lo establece el TCL an con muestras de al menos 30 para observar las
caractersticas de normalidad.
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
13
Modelos de probabilidad
Si X B ( n, p ) y el n de pruebas n es muy grande (en la prctica es suficiente
con verificar: n*p5 y n*(1-p)5 ), entonces podemos aproximar la distribucin binomial
anterior a una normal, en concreto:
X N n * p, n * p * (1 p ) . Esta aproximacin
En el caso de una v.a. discreta, tiene sentido preguntarse por la probabilidad de que sta
tome un determinado valor. Sin embargo, si consideramos que la v.a. X es continua,
entonces P(X=a) = 0, aR. Por este motivo tendremos que aplicar el llamado factor de
correccin por continuidad que veremos a continuacin, es decir, en el caso anterior
calcularemos P(a-0,5<X<a+0,5).
Ejemplos:
1. El PER de una accin que cotiza en bolsa indica el nmero de veces que su
precio es mayor que el beneficio por accin y este ratio es uno de los ms
importantes que utilizan habitualmente los inversores. Supongamos que tenemos
la poblacin de todos los PER que tiene una media de 10,5 y una desviacin
estndar de 4,5. Cul es la probabilidad de que, en una muestra de 40 acciones,
el PER medio sea menor que 9?
Por el teorema del Lmite central, como n=40 y es mayor que 30 podemos afirmar
que la distribucin muestral de la media de los PER se aproximar a una
distribucin normal.
X 9 10,5
TABLAS
P X < 9 = P( X < 9) = P
4
,
5
n
40
Por lo tanto existe una probabilidad del 1,74% de que la media de los PER de la
muestra sea menor que 9.
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
14
Modelos de probabilidad
Para que se ordene la reorganizacin del proceso productivo, la probabilidad d
que la media de telfonos devueltos al da durante os prximos 48 das sea menor
que 0,8. Entonces debemos calcular la probabilidad de que la media no se mayor
que 120,
P ( X 120)
X 120 110
TABLAS
P(X 120) = P( X 120) = P
48
n
X 20 18
P(X > 20) = 1 P( X 20) = 1 P
= 1 P(Z 1,94)
4
15
n
TABLAS
1 0,9738 = 0,0262
Por lo tanto existe una probabilidad de 0,0262 de que el nmero medio de errores por
secretaria sea mayor que 20.
Ejemplo con minitab:
Segn viene publicado en una prestigiosa revista de economa, el salario semanal medio de
los profesores universitarios europeos es de 406,15 . Se estima adems que la desviacin
estndar de dichos salarios es de 55,50 . Supongamos ahora que pretendemos tomar una
muestra aleatoria de 100 profesores para estudiar sus salarios. Calcular las siguientes
probabilidades referentes a la media de dicha muestra:
1.
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
15
Modelos de probabilidad
P( X <= x)
0,1339
Por lo tanto existe una probabilidad del 13;39 % de que el salario medio se menor de
400.
2.
P( X <= x)
0,7561
Por tanto, tendremos: P (400 < X < 410) = P ( X < 410) P ( X < 400) = 0,6222
3. La probabilidad de que la media de la muestra sea mayor de 415 .
En este caso, P ( X > 415) = 1 P ( X < 415) . Hemos de calcular pues esta ltima
probabilidad, lo cual haremos de forma anloga a los apartados anteriores.
Obtendremos lo siguiente:
Cumulative Distribution Function
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
16
Modelos de probabilidad
Normal with mean = 406,150 and standard deviation = 5,55000
x
415,0000
P( X <= x)
0,9446
x
415,2789
P( X <= x)
0.4335
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
17
Modelos de probabilidad
En este caso, queremos calcular el nmero mximo de siniestros para poder
cubrir los gastos que ellos suponen.
Para ello, seleccionamos Calc > Probability Distributions > Poisson y rellenamos
como sigue:
Inverse Cumulative Distribution Function
Poisson with mu = 4.00000
x
9
P( X <= x)
0.9919
x
10
P( X <= x)
0.9972
Por tanto, la empresa habr dotado una reserva para afrontar un mximo de 9
siniestros, ya que, a un coste de 100.000 u.m. supondr 900.000 u.m.
P( X <= x)
0.0427
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
18
Modelos de probabilidad
P( X <= x)
0.9339
x
43.1674
As, pues, hara falta unos 43 catalanes para llegar al porcentaje del 90%
3) Supongamos que en una poblacin, slo el 47% de los habitantes son favorables a las gestiones
municipales realizadas por la alcalda. Se selecciona aleatoriamente una muestra de 100
personas y se les pasa un cuestionario, de manera independiente a cada una.
a) Cul es la probabilidad de que, en la muestra, aparezcan exactamente 47 personas
favorables al Ayuntamiento?
Sea X=Nmero de personas favorables al Ayuntamiento
Adems, X seguir una distribucin binomial con n=100 y cuya probabilidad de xito
ser 0.47, es decir, X B(100,0.47)
Para calcular P(X=47), seleccionaremos Calc > Probability Distribution > Binomial:
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
19
Modelos de probabilidad
Y obtenemos....
Probability Density Function
Binomial with n = 100 and p = 0.470000
x
P( X = x)
47.00
0.0797
La probabilidad de que haya exactamente 47 personas que estn a favor del alcalde
es 0.08, es decir, el 8%
Para ello, seleccionamos Calc > Probability Distributions > Binomial, activando la
opcin Cumulative Probability:
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
20
Modelos de probabilidad
que
calcular
el
valor
para
P(X=45),
ya
que
c) Es probable que en la muestra, si est bien escogida, puedan salir una mayora de
personas favorables al alcalde?
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
21
Modelos de probabilidad
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
22
Modelos de probabilidad
f)
P( X <= x)
0.1838
x
43
P( X <= x)
0.2420
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
23
Modelos de probabilidad
BIBLIOGRAFA
_________________________________
__
[1]
[2]
[3]
[4]
ENLACES
_________________________________
http://www.unalmed.edu.co/~estadist/binomial/binomial.htm
: Descripcin y representacin
de la distribucin binomial.
http://es.geocities.com/riotorto/tabl/tabl_binomial/tabl_binomial.htm
Descripcin
de
la
distribucin binomial.
http://huizen.dds.nl/~berrie/ : Vdeos de conceptos de estadstica
http://www.udc.es/dep/mate/recursos.html : Recursos de internet para la enseanza y
aprendizaje de la estadstica.
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
24