Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Bernoulli
Binomial
Distribuciones de Probabilidades
Unidad II
Probabilidad y Estadstica
Alex Antequeda Campos
2015
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Conceptos
El objetivo de esta parte es presentar una introducci
on a la teora de
probabilidades como fundamento para la inferencia estadstica, la que
finalmente nos permitira tomar una decisi
on sobre nuestro problema.
Definici
on
Un Experimento Aleatorio es un proceso (repetible) cuyo resultado no
se conoce de antemano.
Si se repite un exp. aleatorio bajo las mismas condiciones y anotamos las
frecuencias relativas de un suceso, observaremos que estas tienden a
estabilizarse alrededor de un n
umero que esta entre 0 y 1. Este valor
recibe el nombre de probabilidad.
Definici
on
Un Experimento Determinstico es un experimento del cual sabemos
de antemano lo que sucedera.
Ej: Si tomamos una piedra y la dejamos caer estamos seguros de que
caera.
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Conceptos
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejercicios
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Conceptos
Definici
on
Un evento es cualquier subconjunto del espacio muestral .
Se dice que un evento A ocurre si cualquiera de los elementos o
resultados en A ocurren.
Por lo general se usan diagramas de Venn, de la teora de conjuntos, para
visualizar el espacio muestral y los eventos.
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Conceptos
Definici
on
La uni
on de dos eventos, representado por A o B, se denota por: A B
Definici
on
La intersecci
on de dos eventos, representado por A y B, se denota
por: A B
Es importante distinguir el conjunto resultante de la union () o la
intersecci
on () de sucesos.
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Conceptos
Definici
on
El complemento de un evento o suceso es el conjunto de resultados que
no estan contenidos en ese suceso, es representado por no A y se
denota: AC
Definici
on
Dos eventos A y B son disjuntos o mutuamente excluyentes si no
tienen elementos en com
un. As, si un evento ocurre, el otro no puedo
ocurrir.
Ejemplos:
- Lanzamiento de una moneda
- Un vendedor hace una venta:
A = la venta excede los $5.000
B = la venta excede los $50.000
C = la venta es de mas de $100.000
D = la venta es de entre $10.000 y $40.000
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Probabilidad
Definici
on
La probabilidad de que ocurra un evento es la frecuencua relativa con la
que puede esperarse que ocurra ese evento, si fuera repetido muchas
veces. (definici
on frecuentista)
Ejemplo: Lanzamiento de una moneda.
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Probabilidad
Formalizando el concepto de probabilidad y generalizando:
f (A) =
nA
P(A),
n
cuando
(1)
: experimento
A: suceso
nA : frecuencia absoluta del suceso A
n: n
umero de repeticiones del experimento
f(A): proporci
on de veces que se verifica el suceso A
Es decir, la probabilidad de un suceso (o resultado) es el n
umero hacia el
cual tiende la frecuencia relativa del mismo cuando el n
umero de
repeticiones de la experiencia tiende a infinito. Es decir, es una frecuencia
relativa calculada en la poblaci
on. Esta definici
on de probabilidad se
conoce como definici
on frecuencial de probabilidad
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Probabilidad
Definici
on
Se considera a la probabilidad de ocurrencia de un resultado determinado
de un experimento aleatorio, como la proporci
on de veces (frecuencia
relativa) que se obtiene dicho resultado depues de una gran cantidad
de repeticiones. (definici
on clasica)
Reglas de Probabilidades:
Para cualquier evento A, le asignaremos el n
umero P(A) llamado
probabilidad del evento A.
A cada resultado en el espacio muestral le asignamos una
probabilidad entre 0 y 1, tal que la suma de estas probabilidades es
igual a 1.
La probabilidad de cualquier evento es la suma de las probabilidades
de los resultados que hacen aquel evento.
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Probabilidad
Si los resultados de son equiprobables (igualmente probables), la
probabilidad de un evento A es simplemente la proporcion de resultados
de A en el espacio muestral.
numero
de resultados favorales de A
numero
de resultados posibles
casos favorables
casos posibles
Definici
on
La probabilidad es asignada a un suceso por una persona en particular.
La misma puede ser bastante diferente de la probabilidad subjetiva que
estipula otra persona. (Definici
on subjetiva)
Ejemplo: Si un empresario piensa que hay una probabilidad de 0.35 de
que un nuevo producto tenga exito en el mercado, esto constituye una
probabilidad subjetiva. El valor es una opini
on, mas que un valor basado
en evidencia objetiva. Esto es frecuente en la toma de desiciones en el
mercado, siendo confiable si la determina un experto en la materia.
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejercicio
Asignado probabilidades a eventos.
Experimento: Lanzar dos dados. Asuma que los 36 puntos en el espacio
muestral son equiprobables. cual es la probabilidad de los siguientes
eventos?
= {(1, 1)(1, 2)...(1, 6)(2, 1)...(4, 5)..(5, 5)...(6, 6)}
a) Evento A = No sale seis
b) Evento B = Sale exactamente un seis
c) Evento C = Salen exactamente dos seis
d) Evento D = Sale al menos un seis
e) compare 1 P(A) con P(D)
f) Considere la suma de los valores de dos dados:
Cu
al es la probabilidad de obtener una suma de 3?
Cu
al es la probabilidad de obtener una suma de al menos 11?
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Reglas de Probabilidades
(3)
(4)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Reglas de Probabilidades
(5)
(6)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Probabilidad Condicional
En algunas ocaciones, el conjunto de todos los resultados posibles
puede constituir un subconjunto del espacio muestral original.
Definici
on
La probabilidad condicional de que ocurra el evento A dado que el
evento B ocurri
o esta dada por:
P(A/B) =
P(A B)
P(B)
(7)
De la relaci
on anterior se deduce que podemos escribir la interseccion de
otra manera usando la regla de la multiplicaci
on:
P(A B) = P(B)P(A/B) = P(A)P(B/A)
(8)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
Los alumnos en una universidad de espa
na son 5453, en la tabla se
muestra el detalle de la composici
on.
Pregrado
Postgrado
Total
Mujeres
2461
67
2528
Hombres
2848
77
2925
Total
5309
144
5453
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejercicios
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
P(B/A) = P(B)
(9)
(10)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
SERNAC realiza una encuesta de calidad del servicio de reparacion de
autom
oviles en 86 talleres:
Talleres
Autorizado
No Autorizado
Atenci
on
Buena Mala
18
6
34
28
a) Cu
al es la probabilidad de que un taller elegido al azar de una buena atenci
on?
b) Cu
al es la probabilidad de que un taller elegido al azar sea no autorizado?
c) Cu
al es la probabilidad de que un taller elegido al azar sea no autorizado y de una buena
atenci
on?
d) Cu
al es la probabilidad de que los talleres no autorizados den una buena atenci
on?
e) Son los eventos no autorizados y buena atenci
on disjuntos?
f) Son los eventos no autorizados y buena atenci
on independientes?
g) Si fueran independientes, Cu
antos talleres no autorizados que dan buena atenci
on esperaras
encontrar?
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Definici
on
El teorema de la probabilidad total consiste que en un sistema
completo de sucesos (A1 , A2 ..., An ) tal que cada probabilidad de cada uno
de ellos es distinta de cero, y sea B un suceso cualquiera del que se
conocen las probabilidades condicionales P(B/Aj ), entonces la
probabilidad del suceso B viene dada por la expresi
on:
P(B) = P(A1 )P(B/A1 ) + P(A2 )P(B/A2 ) + + P(An )P(B/An ) (11)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Teorema de Bayes
Definici
on
La probabilidad condicional toma en cuenta informaci
on acerca de la
ocurrencia de un suceso para encontrar la probabilidad de otro. este
concepto puede extenderse para revisar probabilidades basadas en nueva
informaci
on y para determinar la probabilidad de que un efecto en
particular se deba a una causa especfica. El procedimiento para revisar
estas probabilidades se conoce como Teorema de Bayes.
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Teorema de Bayes
Si ciertas causas tienen probabilidad a priori P(Ak ) y Existe un efecto B,
que no siempre ocurre cuando se presenta la causa, por eso se habla de
P(B/Ak ).
Cuandose usa la probabilidad condicional para invertir lo anterior, se
calcula la probabilidad de una causa, dado el efecto, es decir, la
probabilidad a posteriori P(Ak /B).
Definici
on
Es decir, dado P(Ak ) y P(B/Ak ) se deduce P(Ak /B) Por lo que el
Teorema de Bayes se obtiene en la ecuaci
on:
P(Aj )P(B/Aj )
P(Aj /B) = Pk
i=1 P(Ai )P(B/Ai )
j = 1, 2, 3, . . . , k
(12)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
Una fabrica que produce material para la construcci
on tiene 3 maquinas,
a las que se les denomina A, B y C. La maquina A produce tabique, la B
adoqun y la C losetas. La maquina A produce el 50 % de la produccion
total de la fabrica, la B el 30 % y la C el 20 %. Los porcentajes de
artculos defectuosos producidos por las maquinas son, respectivamente,
3 %, 4 % y 5 %. Si se selecciona un artculo al azar y se observa que es
defectuoso, encontrar la probabilidad de que sea un tabique.
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
Una fabrica que produce material para la construcci
on tiene 3 maquinas,
a las que se les denomina A, B y C. La maquina A produce tabique, la B
adoqun y la C losetas. La maquina A produce el 50 % de la produccion
total de la fabrica, la B el 30 % y la C el 20 %. Los porcentajes de
artculos defectuosos producidos por las maquinas son, respectivamente,
3 %, 4 % y 5 %. Si se selecciona un artculo al azar y se observa que es
defectuoso, encontrar la probabilidad de que sea un tabique.
Definamos el evento D como sea un artculo defectuoso. Tenemos que:
P(A)=0.5, P(B)=0.3, P(C)=0.2
P(D/A)=0.03, P(D/B)=0.04, P(D/C)=0.05
P(A)P(D/A)
P(A)P(D/A) + P(B)P(D/B) + P(C )P(D/C )
(0.5)(0.03)
=
(0.5)(0.03) + (0.3)(0.04) + (0.2)(0.05)
0.015
=
= 0.4054
0.037
P(A/D) =
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Ejemplo: N
umero de caras al lanzar 3 monedas.
Binomial
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Funcion de Probabilidad
Definici
on
Una vez definida una variable aleatoria X, podemos definir una funci
on
de probabilidad asociada a X, de la siguiente forma:
p : < [0, 1]
x p(x) = P(X = x)
La funci
on de probabilidad debe cumplir:
(i) p(x) 0 x <
P
(ii)
x p(x) = 1
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
Dibujar la func. de probabilidad f(x) y la func. de distribucion F(x) de la
siguiente variable aleatoria:
X = N
umero en la cara de un dado.
Podemos definir = {1, 2, 3, 4, 5, 6} y cada uno con probabilidad de 16 .
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
x <
F () = 0 y F () = 1
si h > 0, entonces F (x + h) F (x) x
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
xi P(X = xi ) =
xi p(xi )
Propiedades:
Sean B y C constantes y X e Y variables aleatorias.
E [C ] = C
E [CX ] = C E [X ]
E [CX + B] = C E [X ] + B
E [X + Y ] = E [X ] + E [Y ]
E [X Y ] = E [X ] E [Y ]
(13)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
se observa que:
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Definici
on
Varianza
Se representa mediante Var(X) o 2
Se llama desviaci
on estandar a
2 = Var (X ) = M2 = E [(X )2 ] = (Xi )2 P(X = xi )
y la desviaci
on est
andar:
=
p
Var (X )
Weibull
Normal
Probabilidad
Varianza
Propiedades:
2 = E [X 2 ] (E [X ])2
Var (C ) = 0 si C es constante.
Var (CX ) = C 2 Var (X )
Var (CX + B) = C 2 Var (X )
Var (X Y ) = Var (X ) + Var (Y )
Donde X e Y son v.a.
Bernoulli
Binomial
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Definici
on
Sea X una variable aleatoria continua. La funci
on densidad de
probabilidad es una funci
on que satisface:
(i) f (x) 0 x
Z +
(ii)
f (x)dx = 1
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Rx
f (t)dt
x <
Normal
Probabilidad
Bernoulli
f (x)dx
a
Observaciones:
Z
1) F (x) = P(X x) =
f (t)dt
2) F () = 0 ; F () = 1
3) Fx es no decreciente
Z
4) E [X ] =
xf (x)dx
R
Z
5) Var (X ) = (x E [X ])2 f (x)dx
R
Binomial
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Distribucion Bernoulli
Definici
on
En un experimento de Bernoulli s
olo son posibles dos resultados
excluyentes: exito o fracaso. Definiendo la variable aleatoria discreta X de
modo que: exito = 1 y fracaso = 0.
Si p es la probabilidad de exito y q = 1 p la probabilidad de fracaso, se
puede construir una funci
on de probabilidad:
P(X = x) = p x q 1x
Donde se tiene que:
P1
x=0 P(X = x) = p + q = 1
E [X ] = = p
Var (X ) = p(1 p) = pq
x = 0, 1
(14)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Distribucion Binomial
Definici
on
La distribuci
on Binomial aparece cuando estamos interesados en el
n
umero de veces que un suceso A ocurre (exitos) en n intentos
independientes de un experimento bernoulli.
Definiendo la variable aleatoria discreta: X = N
umero de veces que
ocurre A.
Considerando alg
un valor x de la variable X, en x de los n intentos ocurre
A y en n x no ocurre. Entonces la probabilidad de cada posible
combinaci
on es p x q nx y existen xn identicas combinaciones.
La distribuci
on de probabilidad P(X = k) es:
n x
n!
p x (1 p)nx (15)
B(n, p) : P(X = x) =
p (1 p)nx =
x!(n x)!
x
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Distribucion Binomial
Media y Varianza de la distribuci
on Binomial:
= E [X ] = np
2 = np(1 p)
n=4 x =2
4
(0.5)2 (1 0.5)(42)
2
4!
(0.5)4
=
(4 2)!2!
P(X = 2) =
= 6 0.54 = 0.375
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejercicio
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Distribucion de Poisson
Definici
on
Cuando el n
umero de intentos es grande en una distribucion binomial, la
probabilidad de exito es peque
na y la media es finita y tiende a ,
entonces la distribuci
on binomial converge a la distribuci
on de Poisson:
P(x) =
e x
, x = 0, 1, 2, ...
x!
>0
Donde:
= E [X ] =
2 = Var (X ) =
(16)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Distribucion de Poisson
La distribuci
on de Poisson se utiliza generalmente como modelo
probabilstico para el n
umero de sucesos independientes que se producen
en una unidad de tiempo o de espacio cuando la tasa o frecuencia de esos
sucesos es contante (llegadas, accidentes, llamadas, etc).
Ejemplo: Si la probabilidad de fabricar un artculo defectuoso es
p = 0.01, Cual es la probabilidad de que en un lote de 100 artculos
contenga mas de 2 artculos defectuosos?
n = 100
p = 0.01 La probabilidad de tener un artculo defectuoso
Se necesita calcular P(X > 2), calculamos el complemento
P(X 2) = P(X = 0) + P(X = 1) + P(X = 2) y lo restamos a 1.
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Distribucion de Poisson
P(X 2) = 0.9206
Por lo que P(X > 2) = 1 0.9206 = 0.0794
Aproximando a una distribuci
on de Poisson con = np = 1, sumando
P(0) + P(1) + P(2), se tiene que P(X 2) = 0.9197.
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejercicios
1) La se
nal promedio recibida en un telescopio de una fuente celeste es
de 10 fotones por segundo. Calcular la probabilidad de recibir 7
fotones en un segundo dado.
Se puede representar por una distribuci
on de Poisson con = 10
P(7) = 107
e 10
= 0.09 es decir 9 %
7!
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Distribucion de Weibull
Definici
on
A traves de la distribuci
on de Weibull se puede modelizar el esfuerzo al
que se someten los materiales de manera adecuada.
Posteriormente esta distribuci
on se ha usado como modelo para tiempo
de fallo para una amplia variedad de componentes mecanicos y electricos.
Se dice que una variable aleatoria continua X tiene distribuci
on de
Weibull de paramtros y positivos, si su funci
on de densidad es:
f (x) =
1 ( x )
x
e ,
x >0
(17)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Distribucion de Weibull
Su funci
on de distribuci
on es:
x
F (x) = 1 e ( ) , > 0
Donde Sus momentos son:
E [X n ] = n (1 + n )
E [X ] = (1 + 1 )
Var (X ) = 2 [(1 + 2 ) 2 (1 + 1 )]
(18)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
La distribuci
on de Weibull ha sido utilizada para modelar emisiones de
varios contaminantes de motores. Sea X la v.a. cantidad de emisiones de
un cierto gas de un motor de cuatro tiempos de un tipo seleccionado
aleatoriamente y supongamos que X tiene distribuci
on de Weibull con
= 2 y = 10.
a) Calcular P(X 10)
b) Calcular P(X 25)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Distribucion Normal
Definici
on
La variable aleatoria continua X sigue una distribuci
on normal de
parametros y ( < < y > 0), si su funci
on de densidad es:
f (x) =
Donde E [X ] =
1
2 2
Var (x) = 2
1
2
( x
)
x <
(19)
Normal
Probabilidad
Bernoulli
Binomial
Distribucion Normal
Grafico de la distribuci
on normal:
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Distribucion Normal
Algunas Propiedades:
f es simetrica respecto a , por lo que
P(X < c) = P(X > + c) para toda constante c > 0.
Si X1 N(1 , 1 ), . . . , Xn N(n p
, n ) son independientes, entonces
X1 + . . . + Xn N(1 + . . . + n , 12 + . . . + n2 ), es decir:
q
X1 X2 N(1 2 , 12 + 22 )
Si X N(, ) entonces
P( < X < + ) = 0.682
P( 2 < X < + 2) = 0.954
P( 3 < X < + 3) = 0.997
Normal
Probabilidad
Distribucion Normal
Bernoulli
Binomial
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
(20)
Esta estandarizaci
on a la variable z, desde una observacion x es a traves
de
z=
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
2.62
2
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
En una poblaci
on de diabeticos, la glicemia en ayunas(X) se puede
considerar como una variable distribuida normal, de media 106 y varianza
64 mg/100ml.
a) Que proporci
on de diabeticos tiene glicemia superior a 115?
P(X > 115) = 1 P(X < 115)
X
115 106
=1P
<
8
= 1 P(Z < 1.13)
= 1 0.8708 = 0.1292
El valor 1.13 se busca fuera de la tabla.
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
b) Si se considera un riesgo para aquellas personas diabeticas que tengan
una glicemia en el 2.5 % mas alto de la distribuci
on. A partir de que
valor se cae en esa categoria?
P
8
x 106
P(Z <
) =0.975
8
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
c) Si se analiza el nivel de glicemia de 15 personas. Cual es la
probabilidad que al menos una de ellas tenga una glicemia superior a
118 mg/100ml?
Definiendo Y = N de personas con glicemia superior a 118 dentro de
las 15 que se analizan. se aprecia que Y se distribuye binomial, es
decir, Y B(15, p). Donde p = P(X < 118).
Entonces:
p = P(X > 118) = 1 P(x < 118)
X
118 106
<
=1P
8
= 1 P(z < 1.50)
= 1 0.9332 = 0.0668
Luego,
P(Y 1) = 1 P(Y = 0) = 1
15
0
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Definici
on
Sea X1 , X2 , . . . , Xn una muestra aleatoria de tama
no n identicas,
independientes e igualmente distribuidas, cuya distribucion tiene media
E [X ] = y desviaci
on estandar .
Entonces, si n
X N ,
n
Luego
X
Z N(0, 1)
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
Suponga que registra el peso corporal de 16 personas, donde la variable
aleatoria peso distribuye normal con media 70 kg. y desviacion estandar
de 8 kg. Cual es la probabilidad que el promedio de las 16 mediciones
sea inferior a 75 kg.?
X N(70, 8) aplicando el TCL se tiene X N(70, 84 )
Z<
75 70
8
4
75 70
=P Z <
2
= P(Z < 2.50)
= 0.9938
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Definici
on
En una distribuci
on B(n,p), a medida que n crece, es difcil hacer uso de
las f
ormulas y/o tablas para calcular probabilidades. Usando el Teorema
Central del Lmite, podemos aproximar la distribuci
on binomial a una
distribuci
on normal.
p
B(n, p) N(np, np(1 p)) cuando n y p esta fijo.
Es decir, si n 30 y ademas se cumple que np 5 y np(1 p) 5 se
puede usar esta aproximaci
on.
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Normal
Probabilidad
Bernoulli
Binomial
Poisson
Weibull
Ejemplo
Se lanza un dado 60 veces. Cual es la probabilidad que aparezca el
n
umero 3 menos de 15 veces?
umero 3 en 60 lanzamientos.
Se define Y = N de veces que aparece el n
Y B(60, 16 ).
Se cumplen las condiciones que np = 10 5 y np(1 p) = 8.3 5,
entonces:
!
Y np
14.5 10
P(Y < 15) P(Y < 14.5) = p
<
8.3
np(1 p)
= P(Z < 1.56)
= 0.9406
Normal