Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Est Di Stica
Est Di Stica
Notacin:
Definicin:
Es una de las distribuciones de probabilidad ms tiles (control de calidad,
produccin, investigacin). Tiene que ver con el experimento aleatorio que produce
en cada ensayo o prueba uno de dos resultados posibles mutuamente excluyentes:
ocurrencia de un criterio o caracterstica especfico (llamado xito) y no ocurrencia
de ste (llamado fracaso). Los trminos o calificativos de "xito y fracaso" son solo
etiquetas y su interpretacin puede no corresponder con el resultado positivo o
negativo de un experimento en la realidad.
Ejemplo.
xito podra ser hallar en un ensayo especfico que la unidad es defectuosa al
examinarla. Cada experimento aleatorio consiste en una serie de ensayos o
pruebas repetidas realizadas en idnticas condiciones (
uno de ellos es independiente de los dems.
Sea
xitos en esos
ensayos.
nmero de xitos al
Para
entero y
PLANTEAMIENTO BSICO
Supongamos un proceso productivo en serie de una misma unidad metalmecnica
y en l que: Probabilidad de una unidad defectuosa:
unidad no defectuosa:
y probabilidad de
est
constituyen el
o
sea:
defectuosa
para
cada
posible
resultado
de
una
unidad
Como son cuatro resultados los que satisfacen el inters especfico de una unidad
defectuosa entonces
Si
generalizamos:
donde:
son
ensayos;
las
distintas
maneras como
es la
probabilidad de
xitos .
Para el caso del ejemplo:
Consideremos el caso ya no de
puede asumir X en las cuatro pruebas.
Como
son
de
ensayos
consideramos
todos
los
posibles
valores
entonces la
Los valores de
se pueden calcular por medios electrnicos utilizando las
tablas de la distribucin binomial que proporcionan la solucin de estas
operaciones, a veces largas o laboriosas.
Con los resultados de esos clculos podemos construir la tabla de distribucin de
probabilidades, hacer su grfica y definir sus principales caractersticas.
Tomemos
como
ejemplo
la
distribucin
binomial
de
parmetros
central:
aplicando
la
lo
(por lo tanto
(# de pruebas) y
tienda a
),
Total
0
; Tambin
;
Su
funcin
de
distribucin
acumulada
ser:
EJEMPLO
Una empresa adopt un proceso de control de calidad consistente en diariamente
seleccionar al azar 20 unidadeds del total producido y conocer el nmero de
unidades defectuosas. El plan establece que si al examinar diariamente las veinte
unidades, tres mas salen defectuosas, algo esta pasando y se ordena detener el
proceso productivo para buscar la falla. Cal es la probabilidad de que se ordene
parar el proceso productivo si se sabe por experiencia que la probabilidad de una
unidad defectuosa es 10%?
Se pide:
La solucin ms corta para este planteamiento sera entonces:
o sea
que
unidades defectuosas.
Varianza
Valores que como es lgico tambien pueden ser hallados por el mtodo tradicional.
Si se hace la grafica para determinar la forma (aunque se deduce que
como
ser
dado
sesgada
la
derecha).
Veremos
sin
embargo
que
Si se hace crecer
pero si
ir tornandose
de
La A con
con
simetrica
la
con
tendra
sesgo
negativo,
ya planteado
DISTRIBUCIN POISON.
Introduccin
Llamada asi por su autor Simon Denis Poisson, probabilista del siglo XIX, pues fue
el primero en describirla. Es una generalizacin de la distribucin binomial cuando
sobre un
tiempo especfico.
CRITERIOS O PROPIEDADES
1. Se da un intervalo de medida que divide un todo de nmeros reales y donde
el conto de ocurrencias es aleatorio. Esa divisin puede ser un subintervalo
de medida.
2. El nmero de ocurrencias de resultados en el intervalo subintervalo de
medida, es independiente de los dems intervalos subintervalos. por eso
se dice que el proceso de Poisson no tiene memoria.
3. La probabilidad de que un solo resultado ocurra en un intervalo de medida
muy corto pequeo es la misma para todos los dems intervalos de igual
tamao y es proporcional a la longitud del mismo al tamao de medida.
4. La probabilidad de que ms de un resultado ocurra en un intervalo
subintervalo corto es tan pequea que se considera insignificante (cercana
igual a cero).
Procesos que se ajustan a estos criterios, se dice, son procesos de Poisson.
DEFINICIN
Sea
una variable aleatoria que representa el nmero de eventos aleatorios
independientes que ocurren con igual rapidez en un intervalo de medida. Se tiene
entonces que la funcin de probabilidad de esta variable, se expresa por:
Donde
EJEMPLO
El nmero promedio de partculas radioactivas que registra un contador en un
milisegundo en la realizacin de un experimento aleatorio es de cinco (5)
partculas. Hallar la probabilidad de que se registre distinto nmero de partculas
en un mismo milisegundo.
Acudiendo a las tablas existentes para tal fn a los medios electrnicos, se llega a
construir la tabla de distribucin de probabilidades, dando:
y valores de
de inflexin entre
Varianza:
Forma sesgo: Hacia la derecha con sesgo positivo y que se va perdiendo a
medida que
diferentes valores de
Es de
en Poisson se puede
ocurrencias en
donde
en X y
Aqui
y
EJEMPLO
minutos.
DISTRIBUCIN NORMAL
Importancia de la distribucin normal
La distribucin normal es de suma importancia en estadstica por tres razones
principales:
1. Numerosas variables continuas de fenmenos aleatorios tienden a
comportarse probabilisticamente mediante sta.
2. Es el lmite al que convergen tanto variables aleatorias continuas como
discretas.
3. Proporciona la base de la inferencia estadstica clsica debido a su relacin
con el teorema del lmite central.
donde
Parmetros
es cualquier valor de la variable aleatoria continua, donde
As,
caso 2:
Cuando se mantiene la misma varianza, pero cambia la media.
Ejemplo: (
, es cncava hacia
abajo si
, y es cncava hacia arriba en cualquier
otro punto.
4. La curva normal se aproxima al eje horizontal de manera asinttica
conforme nos alejamos de la media en cualquier direccin.
Haciendo una transformacin a la variable aleatoria normal
con
Definicin
La distribucin de probabilidad de una variable aleatoria normal con media cero y
varianza 1 se llamadistribucin normal estndar.
Funcin de Densidad
Normal (0,1)
Manejo de tablas
La tabla anexa representa las probabilidades o reas bajo la curva normal
calculadas hasta los valores partculares de inters
la tabla se observa que todos los valores
(Transformados). Al observar
dos lugares decimales. Por ejemplo, para leer el rea de probabilidad bajo la curva
hasta
DISTRIBUCIN HIPERGEOMTRICA
Notacin:
Definicin
Muchas veces en la prctica es difcil realizar pruebas con reposicin
reemplazamiento. Por ejemplo, si en el control de calidad se pierde el elemento
que se prueba, pues no se puede hacer reposicin directamente. Se planta
entonces la prueba sin reposicin, donde los elementos de la muestra se toman
todos a la vez y no individualmente donde el elemento seleccionado no se
reintegra al experimento a la muestra nuevamente.
La diferencia mas simple con la binomial es la forma de aplicar el muestreo. En
efecto, en:
: Muestreo con reemplazamiento e independencia de pruebas ensayos.
: Muestreo sin reemplazamiento y sin independeencia entre
pruebas ensayos.
Sus aplicaciones estan en areas con uso considerable de muestreo de aceptacin,
pruebas electronicas y de aseguramiento de la calidad, fabricacin de piezas, etc.
Definicin
En la distribucin Hipergeomtrica
y de la cual
del muestreo y
no la satisface (fracaso).
tamao
de
la
muestra
aleatoria
es
grande
relativamente
en
elementos asi
Obtenemos muestra de
probabilidad de sacar
de tamao
de
de ellos ser:
obtener
y entonces
). Al extraer muestras
productos defectuosos
, no se aplica el
cero
La funcin de distribucin acumulativa quedar definida entonces por:
Ejemplo
En una empresa industrial diariamente se producen 90 unidades de unidad
metalmecnica, de las cuales generalmente 5 salen defectuosas. Se examina en
para
Que simplificadamente:
Varianza:
tambien.
unidades
Sesgo:
aqui:
Hacia
la
derecha
pues
positivo
y
como
se
pues
graficamente.
Adems,