Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema3 Probabilidades
Tema3 Probabilidades
MODELOS DE PROBABILIDAD
[
X = x =n
i x
] xi
p (1 p )n xi
x = 1,2,..., n .
i
Adems, es fcil de comprobar que se verifica que E[x] = np y que
V [x] = np(1 p) = npq .
( )p
n
F(x)= n
xi
xi
(1 p ) n xi 0 xn
I =1
1 x>n
E[Y ] = p y V [Y ] =
pq
.
n
x
P[ X = xi ] = e
i
.
xi !
En esta distribucin representa el nmero promedio de ocurrencias en un
intervalo de tiempo o en un espacio. Por lo tanto, para esta distribucin se verifica que
su esperanza y su varianza son:
E[x ] = ,
V [x ] = .
y su funcin de distribucin:
3_Apuntes de Estadstica II 36
0 x<0
n
x
e
i
F(x)= x>0
i =1 xi
Ejemplo: Una central telefnica recibe una media de 480 llamadas por hora. Si el
nmero de llamadas se distribuye segn una Poisson y la central tiene una capacidad
para atender a lo sumo 12 llamadas por minuto, cul es la probabilidad de que en un
minuto determinado no sea posible dar lnea a todos los clientes?
X U ( a, b);
siempre se verifica que su funcin de densidad viene dada por la expresin:
1
f(x)= a xb
ba
0 ________
0 x<a
xa
F(x)= a xb
ba
1 x b
Las ventajas tericas de este modelo hacen que su uso se generalice en las
aplicaciones reales.
Sea X una variable aleatoria continua, se dice que se distribuye como una
normal
X N ( , ); R >0
3_Apuntes de Estadstica II 38
donde se verifica que < x < +, es el valor medio de la distribucin y es
precisamente donde se sita el centro de la curva (de la campana de Gauss), y es
cualquier valor entre y +, si su funcin de densidad viene dada por:
(x )
1
f (x ) = e 2 2
2
Cuando la media de la distribucin es 0 y la varianza es 1, se denomina "normal
tipificada", y su ventaja reside en que hay tablas, o rutinas de clculo que permiten
obtener esos mismos valores, donde se recoge la probabilidad acumulada para cada
punto de la curva de esta distribucin. Es se ver con ms detalle en el siguiente
apartado.
Propiedades:
Tiene un parmetro que es la media
E[X ] = .
Tiene otro parmetro que nos da la dispersin.
V [X ] = 2 .
La media, la moda y la mediana coinciden.
Es una funcin simtrica respecto a la media, como se puede ver en el grfico.
Y N ( 1 + 2 , 12 + 22 ).
2
Propiedades:
E(x)=0.
V(x)=1.
Propiedades:
Es una funcin asimtrica.
E(x)= n.
V(x)=2n.
Sean dos variables aleatorias chi-cuadrado que se distribuyen X 1 n2 y
X 2 m2 , se define una nueva variable de la forma Y = X1 + X2, entonces
esta nueva variable se distribuye como:
Y n2+ m
Cuando el nmero de variables aleatorias es muy grande, es decir, cuando
n , la variable se puede aproximar por una normal.
n +1
( n2+1 ) t2 2
1 +
< x < +
f ( x) = n ( 2 ) n
n
0
Esta distribucin es muy utilizada, que se construye a partir de una normal y un
chi-cuadrado. Veamos una grfica comparativa con una distribucin normal y
algunas de las propiedades que verifica.
Propiedades:
Es simtrica, est centrada en el punto (0,0)
Mo = Me =0
E [T] = 0 si n>1
V [T] = n/n-2 si n>2.
Cuando el nmero de variables aleatorias es muy grande, es decir, cuando
n , la variable se puede aproximar por una normal.
n + m n2 m2
n m (n 2 )
2
n+m
x 2 (nx + m ) 2
x>0
f ( x) = 1
n n2
2 2
0 x0
Veamos algunas de las propiedades que verifican las variables aleatorias que
siguen esta distribucin y su representacin grfica.
Propiedades:
n
E[ F ] = , si m > 2.
m2
m 2 (2n + 2m 4)
V [F ] = , si m > 4.
n(m 2) 2 (m 4)
1
Si X Fn ,m entonces la distribucin Fm ,n .
X
x1-1 xi x1+1
Los valores que adopta una Binomial o Poisson, son enteros positivos (0,1, 2, ...,
k..). Cualquier rectngulo centrado en un valor k, ser de la forma: k-1/2, k+1/2; de
manera que determinar la probabilidad de P(X=x) en una Binomial o Poisson, ser
equivalente a determinar la probabilidad en el intervalo (x-0.5; x+0.5) utilizando la
funcin de distribucin de la normal.
Por tanto, para calcular la P(X=xi) se adopta el criterio de calcular: