Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribución de Probabilidad de Variables Aleatorias Discretas PDF
Distribución de Probabilidad de Variables Aleatorias Discretas PDF
Estadstica
Estadstica
DISTRIBUCIONES
Distribucin de probabilidad. Es una distribucin terica de frecuencias que describe cmo se
espera que varen los resultados de un experimento. Existen diferentes tipos de modelos que
permiten describir el comportamiento de fenmenos estadsticos que permiten hacer inferencias y
tomar decisiones en condiciones de incertidumbre.
P(x)
x1
Distribuciones
x2
xn
P(x)
Continuas
x1
xn
Distribuciones discretas. Son aquellas donde las variables asumen un nmero limitado de valores,
por ejemplo el nmero de aos de estudio.
Discretas
Binomial
Hipergeomtrica
Multinomial
Poisson
Distribuciones continuas. Son aquellas donde las variables en estudio pueden asumir cualquier
valor dentro de determinados lmites; por ejemplo, la estatura de un estudiante.
Uniforme
Continuas
Exponencial
Normal
Estadstica
Una distribucin de frecuencias es un listado de las frecuencias observadas de todos los resultados
de un experimento que, en realidad se han presentado cuando se lleva a cabo un experimento; en
cambio, una distribucin de probabilidad es un listado de las probabilidades de todos los resultados
posibles que podran presentarse si se efectuara el experimento.
Las probabilidades que se asocian a cada uno de los valores que toma la variable aleatoria x constituyen
lo que se conoce como DISTRIBUCIN DE PROBABILIDAD, la cual puede ser representada
mediante una funcin matemtica, una grfica o una tabla de valores. La diferencia consiste en que la
funcin matemtica se transforma en una funcin probabilstica.
E1
S
E0
X
x0
x1
P(X) p(x0) p(x1)
...
...
...
En
xn
p(xn)
Dados los eventos E1, E2, ..., En S, se dice que x es una variable aleatoria, si a cada valor de xi que
asume cada Ei, se le asocia su probabilidad de ocurrencia y cumple con las siguientes condiciones:
a)
La probabilidad para todo valor que asuma la variable aleatoria xi, ser mayor o igual a cero
pero menor que uno.
0 P(xi) 1 xi
b)
La suma de todas las probabilidades asociadas a todos los valores que toma la variable x, es
igual a la unidad.
n
P(x i ) = 1
1
P(x i )dx
=1
E0
Caen x = 0 guilas
E1
Caen x = 1 guilas
E2
Caen x = 2 guilas
1
4
1
P(E1) =
2
1
P(E2) =
4
P(E0) =
P(X)
Estadstica
1
2
1
4
X
0
Sabemos que una variable aleatoria discreta o discontinua es aquella en la que existe una distancia
bien definida entre dos de los valores consecutivos que asume; y dichos valores son numerables.
Existen varios modelos matemticos que representan diversos fenmenos discretos de la vida real.
Las ms tiles son:
1.La distribucin uniforme discreta.
1.La distribucin de probabilidad Binomial o de Bernoulli.
2.La distribucin de probabilidad Hipergeomtrica.
3.La distribucin de probabilidad de Poisson.
UNIFORME DISCRETA
Si la variable aleatoria X asume valores de X1, X2, ..., Xk con iguales probabilidades, entonces la
distribucin uniforme es:
f (x, k ) =
1
k
M. en C. Jos Luis Hernndez Gonzlez
Estadstica
P(x)
x1
x2
xk
xi
i =1
(x i
)2
2 = i =1
k
La distribuciin de probabilidad del lanzamiento de un dado es:
S = {1, 2, 3, 4, 5, 6}
P (x = 1, 2, ..., 6) =
1
6
=
2 =
1+ 2 + 3+ 4 + 5 + 6
= 3 .5
6
= 2.91
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 posee las siguientes propiedades esenciales:
1.2.-
3.-
4.5.-
Estadstica
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:
n
P (x, n, p) = p x qn - x
x
donde:
Si se lanza 4 veces una moneda, calcular el evento "Nmero de guilas que caen."
datos:
n = 4 ensayos.
1
p = probabilidad de xito en un ensayo.
2
1 1
q = 1 - p = 1 =
2 2
x = 0, 1, 2, 3, 4
S = {lanzar 4 veces la moneda}
A = {nmero de guilas que caen}
0
4
1 4 1 1
1
P (E0) = P 0,4, = =
2 0 2 2
16
1
3
4
1 4 1 1
P (E1) = P1,4, = =
16
2 1 2 2
6
1 4 1 1
P (E 2 ) = P 2,4, = =
16
2 2 2 2
3
1
4
1 4 1 1
P (E3) = P 3,4, = =
2 3 2 2 16
Estadstica
= np
2 = npq
=
npq
= Media
2 = Varianza
= Desviacin estndar
DISTRIBUCIN MULTINOMIAL
Ocurre cuando en el experimento binomial cada intento tiene ms de dos resultados posibles.
Las probabilidades de ocurrencia p1, p2, ..., pk en un solo ensayo, la distribucin de probabilidad de las
variables aleatorias k1, k2, ..., kn que representan el nmero de ocurrencias de E1, E2, ..., En en n
intentos independientes es:
P(n, k 1 , k 2 , K , k n ) =
n!
k
kn
p 1 1 p k2
2 K pn
k 1!k 2! K k n!
Calcular la probabilidad de obtener dos veces el nmero 4, dos veces el nmero 5 y una vez el
nmero 2, en el lanzamiento de un dado 5 veces.
2
5! 1 1 1
P(5, 2, 2, 1) =
= 0.00385
2!2!1! 6 6 6
LA DISTRIBUCIN HIPERGEOMTRICA
Se emplea para calcular la probabilidad de obtener determinado nmero de xitos en un espacio
muestral de n ensayos; pero a diferencia de la distribucin binomial es que los datos de la muestra se
extraen sin reemplazo en una poblacin finita. Por esto es que el resultado de una observacin depende
o es afectado por el resultado de cualquier otra u otras observaciones anteriores.
Es decir la distribucin hipergeomtrica se emplea para muestreos sin reemplazo de una poblacin finita
cuya probabilidad de ocurrencia cambia a lo largo del ensayo.
Dado un espacio muestral S de tamao N con los subespacios M N y (N - M) N entonces, la
probabilidad de que en n ensayos x pertenezca a M y (n - x) pertenezca a (N - M) est dada por:
DEPARTAMENTO DE CIENCIAS BSICAS
Estadstica
M N M
x x n
P(x, N, M, n) =
N
n
Grficamente se puede representar como:
E
N-M
n-x
N
n
donde:
N
n
M
N-M
x
n-x
Si en una empresa se presentan para cubrir dos vacantes 13 aspirantes de los cuales 5 son hombres y
8 son mujeres, calcular " El nmero de hombres contratados."
N
A
E0
E1
E2
M=5
N-M = 8
x=0
n-x = 2
N = 13
n=2
Estadstica
desarrollando
N = 13 total de aspirantes
M = 5 aspirantes hombres
N-M = 8 aspirantes mujer
n = 2 vacantes totales
x = 0,1,2 hombres posibles a contratar
n-x = 2,1,0 mujeres posibles a contratar
5 8
28
0 2
P(E0) = P(0,13,5,2) =
=
= 0.3588 = 35.88%
78
13
2
5 8
40
1 1
P(E1) = P(1,13,5,2) =
=
= 0.5128 = 51.28%
78
13
2
5 8
10
2 0
P(E2) = P (2,13,5,2) =
=
= 0.1282 = 12.82%
78
13
2
MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN
El clculo de estas magnitudes pueden realizarse con las siguientes frmulas:
M
= n
N
2 =
nM(N M)(N n)
N 2 (N 1)
= Media
2 = Varianza
= Desviacin estndar
Estadstica
2 =
(2)(5)(13 5)(13 2)
(13) 2 (13 1)
=
= 0.4339
0.4339 = 0.6587
N 1 N 2 N n
k 1 k 2 k n
P(n; k 1, k 2 , K , k n ) =
N
n
Si en un refrigerador hay 12 envases de refrescos de los cuales son 10 de manzana, 5 de naranja y 4
de uva, cal es la probabilidad de que al surtir un pedido de 7 envases tomados al azar 2 sean de
manzana, 4 de naranja y 1 de uva.
N1 = 3
N2 = 5
N3 = 4
N = 12
k1 = 2
k2 = 4
k3 = 4
n=7
3 5 4
2 4 1
P(7;2,4,1) =
= 0.0758
12
7
10
Estadstica
DISTRIBUCIN DE POISSON
Esta funcin de distribucin de variable discreta se emplea para calcular las probabilidades asociadas a
la variable aleatoria dentro de un intervalo continuo de tiempo o espacio; este intervalo es generalmente
una unidad de medida conocida: cm2, km, gramos, litros, pulgadas, etc.
Algunos de los problemas que presentan como un fenmeno con distribucin de Poisson son:
- Los embotellamientos que se producen por da.
- Nmero de llamadas por hora.
- Defectos por m2 de tela.
- Nmero de defectos por lote de un proceso de produccin.
- Nmero de negocios cerrados por semana.
A este tipo de problemas se les conoce el nmero de xitos x obtenidos por unidad de medida en n
ensayos; pero es totalmente imposible conocer el nmero de fracasos (n - x).
P(E) = P(x, ) =
x e -
x!
donde:
n
= Nmero de ensayos
x
= Nmero de xitos esperados en n ensayos
e
= 2.71828...
Un conmutador recibe en promedio 5 llamadas sobre autos extraviados por hora. Cul es la
probabilidad de que en una hora tomada al azar reciba?
a) Ninguna llamada.
b) Exactamente 3 llamadas.
c) No ms de 3 llamadas.
11
Estadstica
P (E 3 ) = P (3,5) =
5 3 e .5
= 0.1404
3!
c) No ms de 3 llamadas: x < 4
= Media
2 = Varianza
= Desviacin estndar
12