DISTRIBUCIN DE PROBABILIDADES

http://metodoscuantitativo2.galeon.com/enlaces2218784.html

Buscar

Compartir en:

Denunciar

Poltica de cookies

INTRODUCCIN
A LAS
PROBABILIDADES
DISTRIBUCIN
DE
PROBABILIDADES
INTRODUCCIN
A LA
PROGRAMACIN
LINEAL
MODELOS DE
LINEA DE
ESPERA (TEORIA
DE COLAS)
PRONSTICOS
CORRELACIN Y
REGRESIN

DEFINICIN

Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como resultado de un experimento si ste se llevase a cabo.
Es decir, describe la probabilidad de que un evento se realice en el futuro, constituye una herramienta fundamental para la prospectiva, puesto que se puede disear un escenario de acontecimientos futuros considerando las tendencias
actuales de diversos fenmenos naturales
Toda distribucin de probabilidad es generada por una variable (porque puede tomar diferentes valores) aleatoria x (porque el valor tomado es totalmente al azar), y puede ser de dos tipos:

VARIABLE ALEATORIA DISCRETA (x).

Porque solo puede tomar valores enteros y un nmero finito de ellos. Por ejemplo:
X Variable que nos define el nmero de alumnos aprobados en la materia de probabilidad en un grupo de 40 alumnos (1, 2 ,3 los 40).

PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)

p(xi)<1 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero y menores o iguales a 1.
E p(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x debe ser igual a 1.
EJEMPLO
Para variable aleatoria discreta
Tenemos una moneda que al lanzarla puede dar slo dos resulatdos: o cara (50%), o cruz (50%).
La siguiente tabla nos muestra los posibles resultados de lanzar dos veces una moneda:

Al realizar la tabla de distribucin del nmero posible de caras que se obtiene al lanzar una moneda dos veces, obtenemos:

VARIABLE ALEATORIA CONTINUA (x).

Porque puede tomar tanto valores enteros como fraccionarios y un nmero infinito de ellos dentro de un mismo intervalo. Por ejemplo:
x es la Variable que nos define la concentracin en gramos de plata de algunas muestras de mineral (14.8 gr, 12.1, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8, , n)

PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)

p(x) Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero. Dicho de otra forma, la funcin de densidad de probabilidad deber tomar solo valores mayores o iguales a cero.
El rea definida bajo la funcin de densidad de probabilidad deber ser de 1.

ESPERANZA MATEMATICA O VALOR ESPERADO

El valor esperado de una Variable Aleatoria X es el promedio ponderado de todos los valores posibles de la misma. DNode los pesos son las probabilidades asociadas con los valores.
Para calcular el valor esperado de una variable aleatoria por su correspondiente probabilidad y luego sumar los trminos resultante.
La esperanza matemtica o valor esperado de una variable aleatoria tiene sus orgenes en los juegos de azar, debido a que los apostadores deseaban saber cul era su esperanza de ganar repetidamente un juego, por lo tanto, el valor

1 of 7

1/26/2015 2:34 AM

DISTRIBUCIN DE PROBABILIDADES

http://metodoscuantitativo2.galeon.com/enlaces2218784.html

Buscar

Compartir en:

Denunciar

Poltica de cookies

E(x) = = E xf (x)

VARIANZA
Es un promedio ponderado de las de las desvaciones al cuadrado.
Varianza = E ( x - ) f ( x)

DISTRIBUCIN BINOMIAL

La distribucin Binomial es un caso particular de probabilidad de variable aleatoria discreta, y por sus aplicaciones, es posiblemente la ms importante.
Esta distribucin corresponde a la realizacin de un experimento aleatorio que cumple con las siguientes condiciones:
* Al realizar el experimento slo son posible dos resultados: el suceso A, llamado xito, y el suceso B , llamado fracaso.
* Al repetir el experimento, el resultado obtenido es independiente de los resultados obtenidos anteriormente.
* La probabilidad del suceso A es constante, es decir, no vara de una prueba del experimento a otra.
* En cada experimento se realizan n pruebas idnticas.
Todo experimento que tenga estas caractersticas se dice que sigue el modelo de la distribucin Binomial o distribucin de Bernoulli.
En general, si se tienen n ensayos Bernoulli con probabilidad de xito p y de fracaso q, entonces la distribucin de probabilidad que la modela es la distribucin de probabilidad binomial y su regla de correspondencia es:

Donde:
P(X)= es la probabilidad de ocurrencia del
evento
p = es la probabilidad de xito del evento (en un intento)
q = es la probabilidad de fracaso del evento (en un intento) (se define como q = 1 p )
X = ocurrencia del evento o xitos deseados
n = nmero de intentos
EJEMPLO
Cul es la probabilidad de obtener exactamente 2 caras al lanzar una misma moneda 6 veces ?
Donde:
P(X)= Probabilidad de que ocurra el evento
p = (0.5)
q = (se define como q = 1 p ) (0.5)
X=2
n=6
Al sustituir los valores en la frmula obtenemos:

La posibilidad de obtener dos caras al lanzar una moneda 6 veces es de 0.234375

Como el clculo de estas probabilidades puede resultar algo tedioso se han construido tablas para algunos valores de n y p que nos facilitan el trabajo (Ver las tablas de la funcin de probabilidad Binomial).
Para una combinacin de n y p, la entrada indica una probabilidad de obtener un valor especfico de r.
Para localizar la entrada, cuando p8804;0.50, localice p a lo largo del encabezado de la tabla, y en la columna correspondiente localice n y r en el margen izquierdo; cuando p8805;0.50, localice el valor de p en la parte inferior de la tabla, y n
y r arriba, en el margen derecho.
Tenemos p = 0.50, n = 6 y r = 2 obteniendo resultado directo de tablas
P(2 caras) = 0.2344

2 of 7

1/26/2015 2:34 AM

DISTRIBUCIN DE PROBABILIDADES

http://metodoscuantitativo2.galeon.com/enlaces2218784.html

Poltica de cookies

DISTRIBUCIN DE POISSON

La distribucin de POISSON es tambin un caso particular de probabilidad de variable aleatoria discreta, el cual debe su nombre a Simon Denis Poisson (1781-1840), un francs que la desarroll a partir de los estudios que realiz durante
la ltima etapa de su vida.
Es til cuando tratamos con cantidades de ocurrencia de un evento a lo largo de un intervalo de tiempo o espacio especificado.
Esta distribucin se utiliza para describir ciertos procesos.
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto, la frmula a utilizar sera:

donde:
p(X) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia de ellos es /
/= media o promedio de xitos por unidad de tiempo, rea o producto
e = 2.718 (base de logaritmo neperiano o natural)
X = variable que nos denota el nmero de xitos que se desea que ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, as como cada rea es
independiente de otra rea dada y cada producto es independiente de otro producto dado.
EJEMPLO
Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos? (e= 2.718281828)
Resolviendo para :
a) x = 4; / = 6 cheques sin fondo por da
Comprobando (sustituyendo en la frmula):

Por lo tanto la probabilidad de que el banco reciba cuatro cheques sin fondo en un da dado es de 0.133853 (13.39%)
Valores directos para determinar probabilidades de Poisson.
Para un valor dado de /, la entrada indica la probabilidad de obtener un valor especfico de X

3 of 7

1/26/2015 2:34 AM

DISTRIBUCIN DE PROBABILIDADES

http://metodoscuantitativo2.galeon.com/enlaces2218784.html

Para el ejemplo, inciso a) que estamos viendo: Cul es la probabilidad de que el banco reciba cuatro cheques sin fondo en un da dado?
Tenemos x = 4; / = 6 cheques sin fondo por da; obteniendo resultado directo de tablas :

DISTRIBUCIN NORMAL
La distribucin normal es tambin un caso particular de probabilidad de variable aleatoria contnua, fue reconocida por primera vez por el francs Abraham de Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elabor
desarrollos ms profundos y formul la ecuacin de la curva; de ah que tambin se le conozca, ms comnmente, como la "campana de Gauss". La distribucin de una variable normal est completamente determinada por dos parmetros,
su media () y su desviacin estndar (&#963;). Con esta notacin, la densidad de la normal viene dada por la ecuacin:

que determina la curva en forma de campana que tan bien conocemos.

Existen dos razones bsicas por las cuales la distribucin normal ocupa un lugar tan prominente en la estadstica :
Tiene algunas propiedades que la hacen aplicable a un gran nmero de situaciones en la que es necesario hacer inferencias mediante la toma de muestras.
La distribucin normal casi se ajusta a las distribuciones de frecuencias reales observadas en muchos fenmenos, incluyendo caractersticas humanas, resultados de procesos fsicos y muchas otras medidas de inters para los
administradores, tanto en el sector pblico como en el privado.
Propiedad:
No importa cules sean los valores de y &#963; para un distribucin de probabilidad normal, el rea total bajo la curva siempre es 1, de manera que podemos pensar en reas bajo la curva como si fueran probabilidades. Matemticamente
es verdad que:
Aproximadamente el 68% de todos los valores de una poblacin normalmente distribuida se encuentra dentro de 1 desviacin estndar de la media.
Aproximadamente el 95.5% de todos los valores de una poblacin normalmente distribuida se encuentra dentro de 2 desviaciones estndar de la media.
Aproximadamente el 99.7% de todos los valores de una poblacin normalmente distribuida se encuentra dentro de 3 desviaciones estndar de la media.

4 of 7

1/26/2015 2:34 AM

DISTRIBUCIN DE PROBABILIDADES

http://metodoscuantitativo2.galeon.com/enlaces2218784.html

Denunciar

Poltica de cookies

Relacin entre el rea bajo la curva de distribucin normal de probabilidad y la distancia a la media medida en desviaciones estndar.
Estas grficas muestran tres formas diferentes de medir el rea bajo la curva normal. Sin embargo, muy pocas de las aplicaciones que haremos de la distribucin normal de probabilidad implican intervalos de exactamente (ms o menos) 1,
2 3 desviaciones estndar a partir de la media. Para estos casos existen tablas estadsticas que indican porciones del rea bajo la curva normal que estn contenidas dentro de cualquier nmero de desviaciones estndar (ms o menos) a
partir de la media.
Afortunadamente tambin podemos utilizar una distribucin de probabilidad normal estndar para encontrar reas bajo cualquier curva normal. Con esta tabla podemos determinar el rea o la probabilidad de que la variable aleatoria
distribuida normalmente est dentro de ciertas distancias a partir de la media. Estas distancias estn definidas en trminos de desviaciones estndar.
USO DE LA TABLA DE DISTRIBUCIN NORLAM DE PROBABILIDAD NORMAL STANDAR
Para cualquier distribucin normal de probabilidad, todos los intervalos que contienen el mismo nmero de desviaciones estndar a partir de la media contendrn la misma fraccin del rea total bajo la curva para cualquier distribucin de
probabilidad normal. Esto hace que sea posible usar solamente una tabla (Apndice Tabla 1) de la distribucin de probabilidad normal estndar.

5 of 7

1/26/2015 2:34 AM

DISTRIBUCIN DE PROBABILIDADES

http://metodoscuantitativo2.galeon.com/enlaces2218784.html

Poltica de cookies

El valor de z est derivado de la frmula:

En la que:
x = valor de la variable aleatoria que nos preocupa.
= media de la distribucin de la variable aleatoria.
&#963; = desviacin estndar de la distribucin.
z = nmero de desviaciones estndar que hay desde x a la media de la
distribucin. (el uso de z es solamente un cambio de escala de medicin del
eje horizontal)

Distribucin normal que ilustra la comparacin de los valores de z y las desviaciones estndar
EJEMPLO.
Partiendo de la misma premisa, = 500
y &#963; = 100. Cul es la probabilidad de que un candidato elegido al azar se tome entre 500 y 650 horas en completar el programa de entrenamiento?

6 of 7

1/26/2015 2:34 AM

DISTRIBUCIN DE PROBABILIDADES

http://metodoscuantitativo2.galeon.com/enlaces2218784.html

Compartir en:

Denunciar

Poltica de cookies

Si buscamos Z=1.5 (refirase a la tabla), encontramos una probabilidad de 0.4332.

Por lo tanto, la probabilidad de que un candidato escogido al azar requiera entre 500 y 650 horas para terminar el programa de entrenamiento es de 0.4332

Escrbeme
Para ms informacin

7 of 7

1/26/2015 2:34 AM