Está en la página 1de 8

DISTRIBUCIONES LA DISTRIBUCION BINOMIAL Esta distribucin fue elaborada por Jacobo Bernoulli y es aplicable a un gran nmero de problemas de carcter

econmico y en numerosas aplicaciones como: - Juegos de azar. - Control de calidad de un producto. - En educacin. - En las finanzas. La distribucin binomial es una distribucin de probabilidad discreta que mide el nmero de xitos si la variable es una variable aleatoria discreta, es decir,slo puede tomarlos valores 0, 1, 2, 3, 4, ...,n suponiendo que se han realizado n pruebas. En las empresas tenemos muchas situaciones donde se espera que ocurra o no un evento especfico. ste,slo puede ser de xito o fracaso. Por ejemplo, - en la produccin de una pieza, sta puede salir buena o defectuosa. Para situaciones como stas se utiliza la distribucin binomial -Al nacer puede ser varn o hembra. -Un equipo de baloncesto puede ganar o perder. - En un test psicotcnico hay peguntas de verdadero o falso, es decirslo hay dos alternativas. - Un tratamiento mdico, como por ejemplo la vacuna de la gripe A, puede ser efectivo o inefectivo. - El objetivo de ventas al ao de coches en un concesionario se puede o no lograr. La distribucin binomial posee las siguientes propiedades esenciales: 1.- El espacio muestral contiene n ensayos idnticos. 2.- Las observaciones posibles se pueden obtener mediante dos diferentes mtodos de muestreo. Se puede considerar que cada observacin se ha seleccionado de una poblacin infinita sin reposicin o de una poblacin finita con reposicin. 3.- Cada observacin se puede clasificar en una de dos categoras conocidas como xito E o fracaso E', las cuales son mutuamente excluyentes es decir E E' = 0. 4.- Las probabilidades de xito p y de fracaso q = 1 - p en un ensayo se mantienen constantes, durante los n ensayos. 5.- El resultado de cualquier observacin es independiente del resultado de cualquier otra observacin. La probabilidad de que el evento E ocurra x veces y el evento E' ocurra (n - x) veces en n ensayos independientes est dado por la frmula binomial: P(x,n,p)=( )pxq(n-x)

p = Probabilidad caracterstica o probabilidad de xito. q = Probabilidad de fracaso x = Nmero de xitos deseados n = Nmero de ensayos efectuados

Ejemplo 1.Si se lanza 4 veces una moneda, calcular el evento "Nmero de caras que caen." n = 4 ensayos. p= probabilidad de xito en un ensayo. q = 1 - p =1- 1/2= 0.5 Para x = 0, 1, 2, 3, 4 S = {lanzar 4 veces la moneda} A = {nmero de guilas que caen} Ejemplo 2.Un cazador tiene una probabilidad de acertar cada disparo que realiza con su escopeta (suceso A) del 40%. Qu probabilidad tiene de derribar a su presa si puede efectuar tres disparos consecutivos? Sea el suceso A: derriba a la presa en el disparo. La probabilidad de A, sera p=0,4. Sea la variable X ~ nmero de disparos acertados ~ B (n=3, p=0,4).

EJERCICIOS 1. Qu probabilidad hay de obtener al menos un seis al realizar seis lanzamientos consecutivos de un dado? 2. Con el propsito de verificar si se aceptan los lotes de piezas de que se reciben en una determinada fbrica, se lleva a cabo un plan de control consistente en seleccionar 10 artculos al azar de cada lote y determinar el nmero de piezas defectuosas. Un lote se rechaza si se encuentran dos o ms piezas defectuosas. Cul es la probabilidad de aceptar lotes con un 5 % de piezas defectuosas? 3. Un examen consta de 6 preguntas con 4 posibles respuestas cada una, de las que slo una de ellas es correcta. Un estudiante que no se haba preparado la materia responde completamente al azar marcando una respuesta aleatoriamente. Calcula la probabilidad de que acierte 4 o ms preguntas. Rpta. 0.03759 4. La probabilidad de que un cazador novato cobre una pieza es 0,4. Si lo intenta 5 veces, calcula la probabilidad de que cobre una pieza al menos 3 veces. Rpta. 0.31744 5. Un examen de tipo test consta de 100 preguntas, cada una de las cuales se acompaa de cuatro respuestas, una de ellas correcta y errneas las otras tres. Si un estudiante contesta al azar, cul es la probabilidad de que acierte ms de 30 preguntas? Y menos de 15? Rpta1: 0.1020 Rpta2: 0.0078

DISTRIBUCION NORMAL
Sin duda, la distribucin contnua de probabilidad ms importante, por la frecuencia con que se encuentra y por sus aplicaciones tericas, es la distribucin normal, gaussiana o de Laplace-Gauss. Caractersticas Est caracterizada por dos parmetros: la media, y la desviacin tpica, . Su funcin de densidad est dada por: En trminos de probabilidad, definimos igualmente la variable aleatoria normal, como aquella que tiene por grfica de su funcin de densidad la representada a la izquierda. El rea bajo la curva ser igual a la unidad y, con este criterio se confeccionaron tablas estadsticas que calculan el rea para un cierto intervalo de valores de la variable.

En trminos de probabilidad, definimos igualmente la variable aleatoria normal, como aquella que tiene por grfica de su funcin de densidad siguiente: El rea bajo la curva ser igual a la unidad y, con este criterio se confeccionaron tablas estadsticas que calculan el rea para un cierto intervalo de valores de la variable. Recordemos pues que la curva normal: a) es simtrica respecto a la media b) se establece que el rea bajo su grfica es igual a 1 Ejemplos: 1. Haciendo uso de la tabla que proporciona reas a la izquierda de cada valor z de la distribucin normal tipificada, calcular las probabilidades (reas) siguientes: a) Pr (z<1,35) d) Pr (z>-1) b) Pr (z<-0,338) e) Pr (-1,39<z-0,44) c) Pr (z>2,1) f) Pr (-1,52z0,897)

LA DISTRIBUCIN NORMAL ESTNDAR: Se observ que no existe una sola distribucin de probabilidad normal, sino una familia de ellas. Como sabemos, cada una de las distribuciones puede tener una media () o una desviacin estndar distinta (). Por tanto, el nmero de distribuciones normales es ilimitado y sera imposible proporcionar una tabla de probabilidades para cada combinacin de y . Para resolver este problema, se utiliza un solo miembro de la familia de distribuciones normales, aquella cuya media es 0 y desviacin estndar 1 que es la que se conoce como distribucin estndar normal, de forma que todas las distribuciones normales pueden convertirse a la estndar, restando la media de cada observacin y dividiendo por la desviacin estndar. Primero, convertiremos la distribucin real en una distribucin normal estndar utilizando un valor llamado Z, o estadstico Z que ser la distancia entre un valor seleccionado, designado X, y la media , dividida por la desviacin estndar . Formalmente, si X N (,) , entonces la v.a. Z= (x )/; Z se distribuye segn una normal de media 0 y desviacin estndar 1, i.e.: Z N (0,1) , que es la distribucin llamada normal estndar o tipificada. Ejemplos La estatura de una poblacin es una variable aleatoria normalmente distribuida con media 172.2 cm y desviacin estndar 6.35 cm. Se desea seleccionar una muestra al azar de 200 personas. Cuntas de ellas se espera que midan? a. Entre 170 y 172 cm b. Ms de 177.8 cm c. Menos de 150 cm d. Al menos 120 cm e. Ms de 200 o menos de 120 cm.

EJERCICIOS 1. Haciendo uso de la tabla que proporciona reas entre cada valor z y la media 0 de la distribucin normal tipificada, calcular las probabilidades (reas) siguientes: a) Pr (z0,22) d) Pr (z>-1,61) b) Pr (z<-1,8) e) Pr (-2,06<z<-0,24) c) Pr (z>1,0092) f) Pr (-0,02z1,7)

2.- Las calificaciones de los 500 aspirantes presentados a un examen para contratacin laboral, se distribuye normalmente con media 6'5 y varianza 4. a) Calcule la probabilidad de que un aspirante obtenga ms de 8 puntos. b) Determine la proporcin de aspirantes con calificaciones inferiores a 5 puntos. c) Cuntos aspirantes obtuvieron calificaciones comprendidas entre 5 y 7'5 puntos? 3.- Las calificaciones de los 500 aspirantes presentados a un examen para contratacin laboral, se distribuye normalmente con media 6'5 y varianza 4. a) Calcule la probabilidad de que un aspirante obtenga ms de 8 puntos. b) Determine la proporcin de aspirantes con calificaciones inferiores a 5 puntos. c) Cuntos aspirantes obtuvieron calificaciones comprendidas entre 5 y 7'5 puntos?

4. Analizadas 240 determinaciones de colesterol en sangre, se observ que se distribuan normalmente con media 100 y desviacin tpica 20. a) Calcule la probabilidad de que una determinacin sea inferior a 94. b) Qu proporcin de determinaciones tienen valores comprendidos entre 105 y 130 ?. c) Cuntas determinaciones fueron superiores a 138?. 5. Una compaa paga a sus empleados un salario promedio de $15.90 por hora con una desviacin estndar de $1.50. Si los salarios se distribuyen aproximadamente de forma normal y se pagan al centavo ms prximo. Qu porcentaje de los trabajadores reciben salarios entre $13.75 y $16.22? 6. Los CI de 600 aspirantes de cierta universidad se distribuyen aproximadamente de forma normal con una media de 115 y una desviacin estndar de 12. Si la universidad requiere un CI de al menos 95, cuntos de estos estudiantes sern rechazados sobre esta base sin importar sus otras calificaciones? 7.- Se llama coeficiente intelectual, C.I., a 100 veces el cociente entre la edad mental y la edad real. Si se tiene un colectivo con 2600 personas en las que el C.I. se distribuye normalmente con media 95 y desviacin tpica 22, calcule cuntas tendrn un C.I.: a) Superior a 130 b) Inferior a 70 c) Entre 80 y 115.

DISTRIBUCIN CHI CUADRADO


La denominada Distribucin Chi Cuadrado (que usualmente se escribe y se lee como: Ji Cuadrado), es una distribucin cuadrtica de la probabilidad que utiliza bsicamente variables aleatorias continuas. La Distribucin Chi Cuadrado de la probabilidad se denota mediante la letra griega minscula ji elevada al cuadrado (2), y consiste en establecer un espacio continuo delimitado por la suma de los cuadrados de n variables aleatorias que son independientes entre s, espacio dentro del cual la variable X puede asumir cualquiera de los infinitos valores que lo conforman, y por tanto para establecer el valor aproximado de una variable X dentro de ese espacio se procede a incluir una estimacin de sus posibles lmites que estn dados por los distintos Grados de Libertad que pueden existir entre las variables aleatorias analizadas que dan origen al referido espacio. En otras palabras, la Distribucin Chi Cuadrado en un delimitado espacio conjuga un determinado nmero de variables aleatorias independientes entre s, con unos valores de probabilidad ubicados entre 1 y 0 que son atribuibles a esas variables, y con unos lmites de la probabilidad para el verdadero valor de X delimitados por los Grados de Libertad atribuibles a las variables aleatorias analizadas. La Distribucin Chi Cuadrado permite calcular la probabilidad existente para que una variable X, que tiene un determinado Grado de Libertad frente a otras variables del mismo conjunto, permanezca dentro de unos lmites ideales previstos para X cuando tiene ese especfico Grado de Libertad o independencia. En otras palabras, la Distribucin Chi Cuadrado suministra un modelo ideal sobre los lmites probables que deberan regir las fluctuaciones en la aparicin de un determinado valor aleatorio X dependiendo del Grado de Libertad que tiene ese valor frente a otras variables similares dentro de un conjunto de datos analizados. La frmula matemtica para calcular la probabilidad de que una variable X permanezca dentro del lmite ideal correspondiente al respectivo Grado de Libertad es la siguiente:

Grados de Libertad atribuibles a un conjunto de variables equivalen al nmero de datos independientes entre s existentes dentro de ese conjunto que es necesario conocer previamente para poder estimar el valor de cualquier otro dato independiente del mismo grupo.

X2 =

(n-1) gl

1. Hallar:

a) X20.05 (6) d) X20.925 (10)

b). X20.95 (19) e) X20.99 (15)

c). X20.975 (28) f). X20.10 (42)

2.- Sea x una variable aleatoria X217; Hallar: a) P(X2 < 7.564) b) P(X2 > 27,59) c) P (6,408 <X2 27.59)

3. Sea x1, x2, x3,,x10 una muestra aleatoria de tamao 10, de una variable
aleatoria de distribucin X219, . Hallar la probabilidad de que exactamente dos de los 10 valores muestrales exceda a 30,14

DISTRIBUCIN T DE STUDENT (N)


La distribucin -Student se construye como un cociente entre una normal y la raz de una independiente. De modo preciso, llamamos distribucin t-Student con n grados de libertad, a la de una v.a. T,

La distribucin de Student tiene propiedades parecidas a la normal. 1.- Es de media cero, y simtrica con respecto a la misma; 2.- Es algo ms dispersa que la normal, pero la varianza decrece hasta 1 cuando el nmero de grados de libertad aumenta; Su funcin de densidad es:

Ejemplo 1. Encontrar P (t 1,476) para 5 grados de libertad. Solucin: En la tabla nos ubicamos en la fila de 5 grados de libertad y buscamos el valor de t=1.476. 2. Si el tamao de la muestra es 11, hallar a) P (t 1,812) b) P(t 3,581)

Para una muestra de tamao 21, hallar to ,tal que: a) P (t> to) = 0.025 b) P(t>to) = 0.05

3. Si T tiene una distribucin t con 25 gl. Hallar: 1.- a) P (t 10/9) b) P(-20/9 T) c) P(-2,787T 2,787)