P. 1
2 Prob y Est-distribuciones de Probabilidad

2 Prob y Est-distribuciones de Probabilidad

|Views: 75|Likes:
Publicado porEric Alejandre

More info:

Published by: Eric Alejandre on Mar 15, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

11/18/2012

pdf

text

original

Unidad II

Distribuciones de

Probabilidad

Introducción Una distribución de probabilidad indica toda la gama de valores que pueden representarse como resultado de un experimento.

Una distribución de probabilidad es similar a la distribución de frecuencias relativas.
Si embargo, en vez de describir el pasado, describe la probabilidad que un evento se realice en el futuro, constituye una herramienta fundamental para la prospectiva, puesto que se puede diseñar un escenario de acontecimientos futuros considerando las tendencias actuales de diversos fenómenos naturales.

Las decisiones estadísticas, basadas en la estadística Inferencial son fundamentales en la investigación que son evaluadas en términos de distribución de probabilidades.
Una distribución de probabilidad muestra todos los resultados posibles de un experimento y la probabilidad de cada resultado.

Una distribución de probabilidad se genera a partir de querer pronosticar un suceso probable, ejemplo:

CSCS. SSSS } . CCSS. CCCS. CCSC. dos caras. CSSC. CSSS. SSCC. SSCS. Si realizamos el experimento obtenemos el siguiente espacio muestral: n = { CCCC. SCSS. SCCS. tres caras y cuatro caras. SCSC. SSSC. una cara.Supongamos que se quiere saber el numero de caras que se obtienen al lanzar cuatro veces una moneda al aire? Los posibles resultados son: cero caras. SCCC. CSCC.

.

Suponga que las probabilidades son: P (X = 0) = 0. 1. Los valores posibles de X son ( 0.2916 P (X = 2) = 0.0036 P (X = 4) = 0. 2.0001 .Ejemplo 2.6561 P (X = 1) = 0. 4 ).0486 P (X = 3) = 0. Sea X igual al numero de bits con error en los cuatro siguientes bits transmitidos. 3. Existe la posibilidad de que un bit transmitido a través de un canal de transmisión digital se reciba con error.

Presentamos la distribución en la siguiente grafica: .La distribución de probabilidad de X se especifica por los valores posibles junto con la probabilidad de cada uno.

La PROBABILIDAD de un evento se puede definir. como: En donde: N(E) = numero de elementos independientes de E N(S) = numero total de elementos independientes . si estuviésemos hablando de conjuntos finitos.

esto no es posible para la mayoría de los demás casos.En algunos casos sencillos es posible conocer fácilmente el número total de elementos que conforman cada uno de los conjuntos. . por lo que es conveniente recurrir en principio a las técnicas de conteo para determinar las probabilidades. sin embargo.

Lo representamos así: N = N1.Técnicas de Conteo Principio Fundamental del Conteo Si un evento n1 se puede realizar de N1 formas y otro evento se puede realizar de N2 formas.N2 formas.N2 . entonces el evento conjunto se puede realizar de N1.

con lo que se obtienen N1*N2=4*2 = 8 trayectorias ó formas .El principio fundamental del conteo se puede representar gráficamente mediante el llamado diagrama de árbol. Se muestra a continuación el diagrama de árbol para el caso de N1=4 y N2 = 2. Cada trayectoria en el diagrama de árbol representa un posible resultado o forma de realizarse el experimento.

.

7.8.9. .2. entonces el evento total conjunto de los k eventos.3. Veamos los siguientes ejemplos: 1. Determine el numero total de combinaciones de un candado formado por tres discos giratorios y cada uno de los cuales puede ser colocado en los números 0.5.N2….Por otra parte el principio fundamental del conteo se puede generalizar a k eventos.1. Ni……Nk formas. esto es. se puede realizar de N1.6. si el evento i puede ocurrir de Ni formas.4.

y N3=10. esto es N1=10. N2=10. Aplicando el principio fundamental del conteo se obtiene: .SOLUCION De acuerdo a los indicado en el problema cada uno de los discos pude ser colocado en 10 formas.

El ESPACIO MUESTRAL es el conjunto de todos los resultados posibles de un evento aleatorio ó probabilístico. . vamos a plantearlo de esta forma: Una moneda es arrojada 2 veces consecutivas.Si retomamos el ejercicio de arrojar la moneda. Normalmente el espacio muestral se representa por la letra S y en términos de conjuntos es el equivalente al conjunto universo. Obtenga el espacio muestral del conjunto.

A). Águila (A) ó Sol (S).S)} . Si la moneda es arrojada dos veces.SOLUCION Una moneda tiene dos resultados posibles. (S. (A. (S.A).S). entonces: N = N1 * N2 = 2*2 = 4 eventos independientes Cada uno de los eventos individuales se muestran a continuación: S={ (A.

2. lístense todas las posibilidades: SOLUCION El número total de posibles eventos independientes es: N = (2.Replanteamos el ejercicio original: Un experimento consiste en arrojar una moneda 4 veces. . 2. 2) = 24 = 16 (Ya revisamos el conjunto de posibilidades en el primer planteamiento).

entonces: .Realizar el siguiente ejercicio: Obtenga el número total de eventos independientes que se obtiene al arrojar una moneda 5 veces consecutivas. ó Sol (S). SOLUCION En cada uno de los 5 casos de arrojar una moneda está puede tener solamente dos resultados posibles. Águila (A).

5). entonces como es arrojado 2 veces: S = { (1. (1. (5. (3.3). (1.2).6). (4.3).1).2). (2. (4.1).5). (1.2). (6.4). (3. (6.2). (5.6).6) } .3).1).5). (4. El dado tiene 6 caras y por lo tanto existen 6 posibilidades para cada vez que es arrojado.5).6).4). (4. (3. (3. (5.Realice el siguiente ejercicio: Obtenga el espacio muestral que se genera al arrojar un dado 2 veces SOLUCION.1). (1.2).3). (2.1).3). (5.6). (6.1).3). (6. (2. (4.4). (2. (4.4).4). (6. (3.5). (5. (3. (5. (2.4).2).6).5). (6. (1. (2.

SOLUCION. Existen 10 posibilidades para cada uno de los números y 26 posibilidades para cada una de las letras (no se incluyen letras dobles RR. entonces: . LL y la letra Ñ). si la placa esta formada por 3 números consecutivos y 3 letras del abecedario. CH. Determine el número posible de combinación de placas válidas.Realice el siguiente ejercicio.

por ejemplo: En general las placas no pueden tener un cero o ceros antes que un número diferente de cero.En el cálculo anterior se han incluido placas que no existen para fines prácticos. .

.

Número de placas no validas = (90)(263)+ (9)(263)+ 263=(102)(263)=(100) (263) Entonces Número de placas validas = Número total - Número de placas no validas.

= (103) (263) - (100) (263) = (900)( 263) =

15 818 400 placas.

METODO II

La primer casilla de número no puede ser cero, por lo tanto se reduce sus posibles valores a:

N 1= 9
Manteniéndose los demás valores iguales al método I

Número de placas validas = (900) (263) = 15 818 400 placas

Nota La probabilidad de cada resultado especifico va desde cero hasta uno inclusive

VARIABLE S ALEATORIAS El objetivo de la Estadística es la realización de inferencias acerca de una población y sus características. es necesario ampliar el concepto de Probabilidad a Variables Aleatorias La cual se define como: La función que le asocia un numero real a cada elemento de un espacio muestral . Para poder realizar esto.

hallar los valores que toma la Variable Aleatoria X que representa el numero de Águilas al lanzar una moneda dos veces: . Por ejemplo.Las Variables Aleatorias se van a indicar con letras mayúsculas.

Distinguimos dos tipos de Variables Aleatorias: Discretas y Continuas Las Variables Aleatorias Discretas: Representa los resultados de un espacio muestral. . en forma tal que por P(X = x) se entenderá la probabilidad de que X tome el valor de x Una variable discreta proporciona datos que son llamados datos cuantitativos discretos y son respuestas numéricas que resultan de un proceso de conteo.

Número de circuitos en una computadora.Por ejemplo: . en un lote de autos . .El número de águilas en cinco lanzamientos de una moneda. .La cantidad de alumnos regulares en un grupo escolar. .El número de vehículos vendidos en un día.

Las dimensiones de un vehículo. Ejemplo: . .La edad de un hijo de familia.La estatura de un alumno de un grupo escolar. . . .Variable aleatoria continua. ésta puede asumir infinito número de valores y éstos se pueden medir. Es aquella que se encuentra dentro de un intervalo comprendido entre dos valores cualesquiera.El peso en gramos de una moneda.

A su vez. Espacio muestral continuo: Contiene un numero infinito de posibilidades igual al numero de puntos en un segmento de línea. g(x). h(x). que se va a denotar como: f(x). Cada una de estas variables puede tomar cada uno de sus valores con cierta probabilidad. estas variables aleatorias definen espacios muestrales Espacio muestral discreto: Contiene un numero finito de posibilidades o una secuencia con tantos elementos como numero naturales existen. etc. .

. Es una distribución teórica de frecuencias que describe cómo se espera que varíen los resultados de un experimento. permiten hacer inferencias y tomar decisiones en condiciones de incertidumbre. Existen diferentes tipos de modelos que permiten describir el comportamiento de fenómenos estadísticos. y que a su vez.Distribuciones Distribución de Probabilidad.

.

Son aquellas donde las variables asumen un número limitado de valores. por ejemplo el número de años de estudio. .Distribuciones discretas.

Distribuciones continuas. . la estatura de un estudiante. Son aquellas donde las variables en estudio pueden asumir cualquier valor dentro de determinados límites. por ejemplo.

en realidad se han presentado cuando se lleva a cabo un experimento.Una distribución de frecuencias es un listado de las frecuencias observadas de todos los resultados de un experimento que. En cambio. . una distribución de probabilidad es un listado de las probabilidades de todos los resultados posibles que podrían presentarse si se efectuara el experimento.

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.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. si a cada valor de xi que asume cada Ei. se le asocia su probabilidad de ocurrencia y cumple con las siguientes condiciones: .. En S. se dice que x es una variable aleatoria. ..Dados los eventos E1.

a) La probabilidad para todo valor que asuma la variable aleatoria xi. es igual a la unidad. b) La suma de todas las probabilidades asociadas a todos los valores que toma la variable x. será mayor o igual a cero pero menor que uno. .

.Tarea: Encuentre la distribución de probabilidad de lanzar dos monedas y la variable aleatoria número de águilas.

.

es decir.Encuentre la distribución de probabilidad de lanzar dos monedas y la variable aleatoria número de águilas. es decir. es decir. la probabilidad de que caigan dos águilas . la probabilidad de que caiga sólo una águila Se lee la probabilidad de que x sea igual a dos. la probabilidad de que no caigan águilas Se lee la probabilidad de que x sea igual a uno. S x {Lanzar dos monedas} Número de águilas E0 E1 E2 P(x = 0) = ? P(x = 1) = ? P(x = 2) = ? Se lee la probabilidad de que x sea igual a cero.

De acuerdo al diagrama de árbol correspondiente: Primer Segundo lanzamiento lanzamiento A . AS. SS} . A S A S S Existen 4 posibles escenarios para este espacio muestral: S = {AA. SA.

SA) P (x = 2) = ¼ Por que solo hay un escenario de los cuatro posibles en donde caen dos águilas (AA) .Basándonos en el diagrama hecho. P (x = 0) = ¼ Por que solo hay un escenario de los cuatro posibles en donde no caen águilas (SS) P (x = 1) = 2/4 = ½ Por que hay dos escenarios de los cuatro posibles en donde cae sólo una águila (AS.

por lo que hay que aprender a calcularlas a través de técnicas de conteo y/o reglas aditivas y multiplicativas. no siempre es pertinente realizar diagramas de árbol para calcular las probabilidades de los eventos.De acuerdo a la complejidad del experimento en cuestión. Lo explicaremos así:: P(caiga sol en una moneda) = P(S) = ½ P (caiga águila en una moneda) = P(A) = ½ .

N2 formas. seria: N = N1 + N2 . Lo representamos así: N = N1.Técnicas de Conteo Principio Fundamental del Conteo Si un evento n1 se puede realizar de N1 formas y otro evento se puede realizar de N2 formas.N2 Si un evento se puede realizar de una forma u otra. entonces el evento conjunto se puede realizar de N1.

o águila en la primera y sol en la segunda P(x = 1) = P(S)*P(A) + P(A)*P(S) = (1/2)(1/2) + (1/2)(1/2) = ½ P(x = 2) = Probabilidad de que caiga águila en una moneda y águila en la otra moneda P(x = 2) = P(A)*P(A) = (1/2)(1/2) = ¼ .Calculando las probabilidades: P(x = 0) = Probabilidad de que caiga sol en una moneda y sol en la otra moneda P(x = 0) = P(S)*P(S) = (1/2)(1/2) = ¼ P(x = 1) = Probabilidad de que caiga sol en la primera moneda y águila en la segunda moneda.

la distribución de probabilidad queda de la siguiente manera: x 0 1 2 P(x) ¼ ½ ¼ . De esta manera.Se comprueba que por ambos métodos se llega al mismo resultado. siendo más recomendable usar recursos como los ya mencionados (técnicas de conteo. reglas).

Gráficamente: .

Al tratarse de variables discretas. llamadas momentos de la distribución que son: la media aritmética o esperanza matemática y la desviación estándar. . Existen ciertas características que diferencian a las distribuciones de probabilidad. se debe cumplir que: ¼+½+¼=1 1=1 Por lo que se concluye que la distribución discreta de probabilidad es la correcta.

... 2.Una relación teórica de resultados y probabilidades que se puede obtener de un modelo matemático y que representa algún fenómeno de interés.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. 3.FUNCIONES DE PROBABILIDAD DISCRETAS La distribución de probabilidad para una variable aleatoria discreta puede ser: 1.Una relación empírica de resultados y sus frecuencias relativas observadas. .

. y dichos valores son numerables...La distribución uniforme discreta.La distribución de probabilidad de Poisson.La distribución de probabilidad Hipergeométrica. . 1. 2. Existen varios modelos matemáticos que representan diversos fenómenos discretos de la vida real.La distribución de probabilidad Binomial o de Bernoulli. 3.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.. Las más útiles son: 1.

entonces la distribución uniforme es: .Distribución UNIFORME DISCRETA Si la variable aleatoria X asume valores de X1. X2. Xk con iguales probabilidades.. ...

.

3. 6} .La distribución de probabilidad del lanzamiento de un dado es: S = {1. 4. 5. 2.

.Control de calidad de un producto.En educación. .Juegos de azar. . .En las finanzas.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: .

La distribución binomial posee las siguientes propiedades esenciales: 1. 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.. .Cada observación se puede clasificar en una de dos categorías conocidas como éxito E o fracaso E'.Las observaciones posibles se pueden obtener mediante dos diferentes métodos de muestreo.El espacio muestral contiene n ensayos idénticos... 3.

.4.Las probabilidades de éxito p y de fracaso q = 1 .. durante los n ensayos.p en un ensayo se mantienen constantes.. 5.El resultado de cualquier observación es independiente del resultado de cualquier otra observación.

q = Probabilidad de fracaso x = Número de éxitos deseados n = Número de ensayos efectuados .x) veces en n ensayos independientes está dado por la fórmula binomial: donde: p = Probabilidad característica o probabilidad de éxito.La probabilidad de que el evento E ocurra x veces y el evento E' ocurra (n .

Si se lanza 4 veces una moneda. 4 S = {lanzar 4 veces la moneda} A = {número de águilas que caen} . 2. calcular el evento "Número de águilas que caen. q=1-p=1-½=½ x = 0. 3.“ datos: n = 4 ensayos. 1. p = ½ probabilidad de éxito en un ensayo.

.

La probabilidad de que ocurran x éxitos. con n ensayos y p probabilidad de éxito respectivamente. es igual al producto de las combinaciones de x en n. donde r es x en la fórmula de probabilidad binomial . y por q elevada a la n menos x En la calculadora la función para calcular combinaciones es nCr. por p elevada a la x.

MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN El cálculo de estas magnitudes pueden realizarse con las siguientes fórmulas: .

donde: p = Probabilidad característica o probabilidad de éxito. q = Probabilidad de fracaso n = Número de ensayos efectuados .

En en n intentos independientes es: .. k2.. p2. . pk en un solo ensayo.... la distribución de probabilidad de las variables aleatorias k1. .DISTRIBUCIÓN MULTINOMIAL Ocurre cuando en el experimento binomial cada intento tiene más de dos resultados posibles.. Las probabilidades de ocurrencia p1... . E2. kn que representan el número de ocurrencias de E1..

Calcular la probabilidad de obtener dos veces el número 4. n! = 1 x 2 x 3 x 4 x … x n 4! = 1 x 2 x 3 x 4 = 24 6! = 1 x 2 x 3 x 4 x 5 x 6 = 720 P = (30)(1/36)(1/36)(1/6) . en el lanzamiento de un dado 5 veces. dos veces el número 5 y una vez el número 2.

Por esto es que el resultado de una observación depende o es afectado por el resultado de cualquier otra u otras observaciones anteriores. .LA DISTRIBUCIÓN HIPERGEOMÉTRICA Se emplea para calcular la probabilidad de obtener determinado número de éxitos en un espacio muestral de n ensayos. pero a diferencia de la distribución binomial es que los datos de la muestra se extraen sin reemplazo en una población finita.

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. .

x = Número de fracasos de la muestra.donde: N = El tamaño de espacio muestral S n = El número de ensayos M = El número de éxitos en el espacio muestral N .M = Número de fracasos del espacio muestral x = Número de éxitos en la muestra n . .

Si en una empresa se presentan para cubrir dos vacantes 13 aspirantes de los cuales 5 son hombres y 8 son mujeres." S = {13 aspirantes para cubrir 2 vacantes} X = {Número de hombres contratados} E0 = E1 = E2 = . calcular " El número de hombres contratados.

E1 = Se contratan x1 = 1 hombres.x2) = 0 mujeres. equivale a contratar (n . equivale a contratar (n .x0) = 2 mujeres.E0 = Se contratan x0 = 0 hombres. . equivale a contratar (n . E2 = Se contratan x2 = 2 hombres.x1) = 1 mujeres.

2 hombres posibles a contratar n-x = 2.0 mujeres posibles a contratar .desarrollando N = 13 total de aspirantes M = 5 aspirantes hombres N-M = 8 aspirantes mujer n = 2 vacantes totales x = 0.1.1.

.

MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN El cálculo de estas magnitudes pueden realizarse con las siguientes fórmulas: Media Varianza Desviación estándar .

.sustituyendo en el ejemplo anterior.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->