Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Supongamos que lanzamos una moneda y anotamos las veces que sale cara. Despus de 10, 20, 30,......, 200
lanzamientos obtenemos los resultados:
N de lanza.
10
20
30
40
50
60
70
80 .................200
N de caras
11
16
20
27
31
37
43 ................101
fre.relativa
06
055
053
05
054
051
052
053 ............050
Si repitiramos el experimento obtendramos resultados muy parecidos. Podemos sacar en conclusin que las
frecuencias relativas del suceso cara tienden a estabilizarse hacia el valor 05. Este nmero al que la frecuencia
relativa se acerca ms cuanto mayor es el nmero de pruebas realizadas, lo llamaremos probabilidad del suceso. La
probabilidad de un suceso A, se representar p(A). Por tanto se puede interpretar la probabilidad de un suceso como
lmite de frecuencias relativas.
P A = limn hi (A)
ASIGNAR probabilidad.
Notas
(xi)
1
2
3
4
5
6
7
8
9
10
Alumnos
(fi)
2
3
2
5
3
8
4
3
1
1
sumatorios
32
Fi
hi
2
5
7
12
15
23
27
30
31
32
0,0625
0,09375
0,0625
0,15625
0,09375
0,25
0,125
0,09375
0,03125
0,03125
1
xifi
xi2fi
| |2
0,0625 6,25%
6,25%
0,15625 9,38% 15,63%
0,21875 6,25% 21,88%
0,375 15,63% 37,50%
0,46875 9,38% 46,88%
0,71875 25,00% 71,88%
0,84375 12,50% 84,38%
0,9375 9,38% 93,75%
0,96875 3,13% 96,88%
1
3,13% 100,00%
2
6
6
20
15
48
28
24
9
10
2
12
18
80
75
288
196
192
81
100
8,5
9,75
4,5
6,25
0,75
6
7
8,25
3,75
4,75
36,125
31,6875
10,125
7,8125
0,1875
4,5
12,25
22,6875
14,0625
22,5625
100,00%
168
1044
59,5
162
Hi
pi
Pi
R.P.A |
Nota: Cuando se utilizan distribuciones estadsticas (empricas) y distribuciones de probabilidad (tericas), los
parmetros de las primeras se designan mediante letras latinas ( o m, s) mientras que los parmetros de las
segundas se designan mediante letras griegas ( , )
Nota: La suma de todas las probabilidades debe dar 1:
Pi = 1
R.P.A |
Variable cualitativa. Es aquella caracterstica que no podemos expresar con nmeros y hay que expresarla con
palabras. Por ejemplo, el lugar de residencia.
Variable cuantitativa. Es cualquier caracterstica que se puede expresar con nmeros. Por ejemplo, el nmero de
hermanos o la estatura. Dentro de esta variable podemos distinguir dos tipos:
Variable cuantitativa discreta. Es aquella variable que puede tomar nicamente un nmero finito de
valores. Por ejemplo, el nmero de hermanos.
Variable cuantitativa continua. Es aquella variable que puede tomar cualquier valor dentro de un
intervalo real. Por ejemplo, la estatura
Distribuciones de probabilidad discretas. Funcin de probabilidad.
Una variable aleatoria (V.A) se dice que es DISCRETA, cuando slo puede tomar un nmero finito de valores.
DISTRIBUCIN DE PROBABILIDAD: Es una tabla donde aparecen los diferentes valores que toma la V.A con sus
respectivas probabilidades asociadas.
Variable Aleatoria X
Probabilidad = ( = )
Pi = 1
1 = 1
= 1 = 6 = 1
2 = 2
= 2 = 6 = 2
x6 = salir 6
= 6 = 6 = 6
Probabilidad = ( = )
1
6
1
6
1
6
1
6
1
6
1
6
Pi = 1
1
R.P.A |
2.- Una urna, A, contiene tres bolas con los nmeros 1, 2 y 3, respectivamente. Otra urna, B, tiene dos bolas, con los
nmeros 4 y 5. Elegimos una urna al azar, extraemos una bola y miramos el nmero obtenido.
3.- En una clase hay tantos nios como nias. Tomamos como V.A el nmero de nias que salen en dos elecciones
con reemplazamineto.
a) Calcular el espacio muestral y razonar si es discreta.
Pi = 1
= 1 = =
1 1
= 0
2 2
= 2 = =
= 3 = =
1 1 1 1
2
+ = = 1
2 2 2 2
4
1 1
= 2
2 2
1 = 0
Probabilidad = ( = )
1 =
1
4
2 = 1
2 =
2
4
3 = 2
3 =
1
4
= 1 + = 2 + = 3 = 1
1 2 1
+ + =1
4 4 4
= = 0 + = 1 + = 2 = 1
R.P.A |
FUNCIN DE PROBABILIDAD: Si somos capaces de encontrar una ley o regla que asocie a cada valor de la variable
su correspondiente probabilidad, eso es la funcin de probabilidad.
RESUMIENDO: Distribuciones de probabilidad discretas: (VALORES + PROBABILIDADES ASOCIADAS)
n
P1 + P2 + + Pn =
Pi = 1
i=1
= x1 P1 + x2 P2 + + xn Pn =
xi Pi
i=1
Desviacin Tpica: Es una medida de la dispersin de una variable aleatoria respecto a su esperanza.
n
(xi )2 Pi =
i=1
xi 2 Pi 2
i=1
EJEMPLOS:
1.- Lanzamos tres dados y anotamos el nmero de cincos que obtenemos.
a) Cul es la distribucin de probabilidad?
R.P.A |
2.- Una urna, A, contiene tres bolas con los nmeros 1, 2 y 3, respectivamente. Otra urna, B, tiene dos bolas, con los
nmeros 4 y 5. Elegimos una urna al azar, extraemos una bola y miramos el nmero obtenido.
3.- Sea X la variable aleatoria que indica la suma de los puntos en las caras superiores al lanzar dos dados, Determine
el espacio muestral, el conjunto de valores de X y las probabilidades respectivas.
El espacio muestral E es el conjunto de los 36 pares ordenados que se indican a continuacin:
E=
La variable aleatoria es la suma de los elementos de cada par, por lo tanto, toma los valores del 2 al 12, y las
probabilidades para cada uno de los valores de la variable se indican en la tabla
R.P.A |
R.P.A |
Distribucin Binomial.
Distribucin Binomial: Buscar xitos en repeticiones de un experimento dicotmico. Con esta breve frase se resume
el funcionamiento de esta distribucin discreta.
Es una distribucin de probabilidad de variable discreta y Bernoulli es el autor de esta distribucin.
Ensayo de Bernoulli: Es cualquier ensayo de algn experimento que conduce slo a uno de dos resultados
mutuamente excluyentes, tales como: vivo o muerto; enfermo o saludable; +
De una sucesin de ensayos de Bernoulli se obtiene la distribucin binomial.
Por tanto:
1.
2.
3.
4.
Funcin de probabilidad binomial: Lanzo una moneda TRUCADA 200 veces y quiero calcular la probabilidad de
que me salgan 125 caras. La probabilidad de cara es de 0.7 por tanto la de cruz, que es mi fracaso 0.3. Por lo que me
vale que me salgan 125 caras en los 125 primeros lanzamientos y en el resto falle.
0.7125 0.375
Pero es que adems me valen todas las combinaciones. (Intercalando xitos con fallos), las cuales las obtenemos
gracias a los nmeros combinatorios:
200
0.7125 0.375
125
En general:
!
n
=
r
! !
,
P obtener r xitos = P X = r =
n r nr
p q
r
Parmetros:
=np
npq
Uso de las tablas: Hay tablas ms o menos completas e incluso acumulativas, nosotros vamos a trabajar con:
R.P.A |
R.P.A |
7,0.4
P X=3 =
7
0.43 0.64
3
P X5 = =5 + =6 + =7 =
3
En estos casos el suceso contrario tambin puede ahorrarnos trabajo.
R.P.A |
10
11
CASO 2: n10 y p>0.5 Slo hay que mirar la tabla, pero ahora queremos obtener fracasos
EJEMPLO:
5,0.8
P X=4 =
5
0.84 0.21 Obtener 4 xitos de 5 es lo mismo que conseguir un fallo
4
5
P X=1 =
0.21 0.84
1
En los dems casos la nica solucin es aproximar con la distribucin Normal, o usar la calculadora
directamente.
12
lim = 0
R.P.A |
13
EJEMPLOS:
2.- La demanda diaria de un cierto producto es una variable continua x (medida en toneladas) cuya funcin de
probabilidad es la siguiente:
R.P.A |
3.- Tenemos una variable continua de probabilidad cuya funcin de probabilidad es:
R.P.A |
14
15
1
2
1 2
GRFICA Y PROPIEDADES:
Dominio: (-,+), aunque para valores ms grandes
que 4 y ms pequeos que -4 son poco significativos.
Simtrica respecto a la media, que adems es mximo.
Siempre creciente.
Convexa en , ( + , )
Cncava en ( , + )
Puntos de inflexin en = = +
El rea bajo la curva es 1.
En los intervalos:
( , + ) 68.26%
+ = 0.6826
R.P.A |
16
Normal N(0,1) o Z
La distribucin normal tipificada N(0,1). Cuando la media de la distribucin es 0 y la varianza es 1 se denomina
"normal tipificada", se denota por Z y su ventaja reside en que hay tablas donde se recoge la probabilidad acumulada
para cada punto de la curva de esta distribucin.
La tabla nos da la probabilidad acumulada, es decir, la que va desde hasta un valor. No nos da la probabilidad
concreta en ese punto. En una distribucin continua en el que la variable puede tomar infinitos valores, la probabilidad
en un punto concreto es cero.
As pues lo que nos da la tabla es: ( ) ( 2)
USO DE LA TABLA:
. = .
Mirando directamente en la tabla
. = . =
= . = .
Mirando el suceso contrario, ya que en la tabla, la
probabilidad que aparece es desde hasta el punto
que miramos
. = + . =
= . = . = .
En la tabla no aparecen valores negativos pero,
podemos observar que la cola que nos piden es igual a
la parte que hay en los positivos
R.P.A |
. + . =
= + . . =
= . .
. . =
= . . =
= . . =
= . . =
= .
. . =
= . . =
. . =
= . . = .
Actuando por simetra
R.P.A |
17
R.P.A |
18
R.P.A |
19
20
= ~(, )
EJEMPLOS:
1.-
2.- El nivel de colesterol en una persona adulta sana sigue una distribucin normal N(192, 12). Calcula la
probabilidad de que una persona adulta sana tenga un nivel de colesterol:
a) Superior a 200 unidades.
R.P.A |
21
= ~(, )
Para ciertos valores de n y p, las distribuciones binomiales tienen un extraordinario parecido con las correspondientes
distribuciones normales. En general, una binomial B(n,p) se parece a una curva normal tanto ms, cuanto mayor es el
producto np (o nq si q < p) Cuando np y nq son ambos mayores que 3, la aproximacin es bastante buena. Y si
superan a 5, la aproximacin es casi perfecta.
Naturalmente, la curva normal a la cual se aproxima tiene la misma media y la misma desviacin tpica que la binomial,
~(, ) (, )
= ~(, )
COMO CALCULAR PROBABILIDADES DE UNA BINOMIAL CUANDO LA APROXIMAMOS POR UNA NORMAL:
Debemos tener en cuenta que hemos pasado de una variable discreta, que es la Binomial, a una continua, la Normal.
En las variables discretas se nos piden probabilidades en un punto concreto, pero si intentamos calcular dicha
probabilidad mediante la Normal, nos saldra 0, ya que la probabilidad en un nico punto en cualquier variable continua
es 0.
La nica solucin es aplicar la correccin de Yates o correccin de continuidad:
Supongamos que: ~(, ) y se parece mucho a ~(, )
1 = = , + ,
2 = + ,
3 < = ,
4 > = ( + , )
5 ( ) = ( , )
6 < = ( + , + , )
7 < < = ( + , , )
8 < = ( , , )
9 = ( , + , )
R.P.A |
22
EJEMPLOS:
1.- En un instituto hay 200 chicas y 180 chicos. Calcula la probabilidad de que en un grupo de 30 alumnas y
alumnos haya ms de 20 chicos.
2.- Un examen tipo test tiene 100 preguntas y cada pregunta 4 respuestas diferentes, de la que slo una es
correcta. Calcula la probabilidad de que un estudiante que responde al azar acierte ms de 20 preguntas.
Sol:
Es una binomial B (100; 0,25) que aproximamos a la normal N(25; 4,33).
R.P.A |