Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apuntes de Distribuciones de Probabilidad
Apuntes de Distribuciones de Probabilidad
Distribuciones de Probabilidad
Variable Aleatoria:
Hemos visto que los resultados de un experimento aleatorio pueden ser cuantitativos
(por ej, lanzar un dado y registrar el número de la cara superior), o cualitativos (por ej,
lanzar dos monedas y registrar el resultado de cada una).
Los eventos de mayor interés a la hora de hacer inferencia estadística son eventos
numéricos. ¿Qué significa? Que, por ejemplo, estaremos más interesados en conocer
el número de caras que resultan en cada repetición del experimento que en la
secuencia en sí.
Como matriz
C2 S2
C1
S1
s2
c2
c1 s1
C2 c2
C1 s1
S2 s2
Variable Aleatoria: El número de caras. Es una función definida sobre el espacio
muestral W:
1
Apuntes de Estadística
0 ¼= 0,25 0,25
1 2/4= 0,50 0,75
2 ¼= 0,25 1
Total Σ f(x) = 1
Una variable aleatoria es entonces una función que asocia un número real a cada
elemento de un espacio muestral.
Notación:
X: representa el valor que toma la variable aleatoria al ser valuada en el elemento W.
f (x) indica la función de probabilidad de la variable aleatoria
Las variables aleatorias suelen clasificarse de acuerdo con el número de valores que
puede asumir.
Una distribución de probabilidad discreta puede suponer solo ciertos valores. Las
características principales son:
La suma de las probabilidades es 1.
La probabilidad de un resultado particular es entre 0 y 1.
Los resultados son mutuamente excluyentes.
Una variable discreta puede tomar una cantidad finita o infinita numerable de valores.
Se asocia a los números naturales.
Ejemplos:
número de votos de un candidato en las próximas elecciones.
n° de muertos por accidentes de tránsito en el próximo mes.
n° de pacientes que atenderán en una clínica el día de mañana.
Ejemplos:
peso
altura
presión arterial
temperatura
2
Apuntes de Estadística
Distribución de probabilidades
1) 0 ≤ f(x) ≤ 1
2) Σ f(x) = 1
f(c,c) = ¼ = 0,25
Distribuciones Discretas:
Distribución Binomial
Distribución Hipergeométrica
Distribución de Poisson
DISTRIBUCION BINOMIAL
Características:
Cada resultado se clasifica dentro de una de dos categorías mutuamente
excluyentes.
La probabilidad de éxito permanece igual de un ensayo al siguiente.
Cada ensayo es independiente.
La distribución es resultado de un conteo del número de éxitos en un número
fijo de ensayos, es decir existe un número fijo de intentos o ensayos.
DISTRIBUCION POISSON
Cuando n es grande ( n > 30) y p es chica ( p < 0.1), las probabilidades binomiales a
menudo se aproximan por medio de la siguiente formula:
e n. p .(n. p) x
f(x) =
x!
Distribución de Poisson (parámetro ).
e . x
f(x) =
x!
DISTRIBUCION HIPERGEOMETRICA.
4
Apuntes de Estadística
D N D
.
f(x) =
x n x
N
n
Características:
Solo existen dos resultados posibles.
La probabilidad de aciertos no es la misma en cada uno de los ensayos.
La distribución es resultado de un conteo del número de éxitos en una
cantidad fija de ensayos.
Por qué se llama normal?. Cuando hablamos de describir algunas variables hablamos
de peso normal, altura normal, coeficiente intelectual normal. Lo que queremos decir
que el valor de la variable se encuentra entre lo que pesa la mayoría, mide la mayoría
o el coeficiente intelectual de la mayoría.
Se justifica por la frecuencia o normalidad con la que ciertos fenómenos tienden a
parecerse en su comportamiento.
5
Apuntes de Estadística
aritmética coinciden. Los parámetros que utilizaremos para hablar de población de una
distribución normal serán μ media aritmética o esperanza (valor esperado promedio) y
σ desviación estándar. Cuando hablamos de muestras serán y Ѕ
Ejemplo: la altura de los hombres adultos entre 20 y 60 años sanos sigue una
distribución normal con media 1,70 y desviación estándar 10 cm.
Qué significa esta información. Existe una gran cantidad de varones entre 20 y 60
años que miden 1,70 con una variación de + o – 10 cm., es decir que la mayoría mide
entre 1,60 y 1,80 cm.
Pero a qué llamamos la mayoría?. Para ello se definen zonas de probabilidad bajo la
curva
Traducido al ejemplo:
Existe un 68,2% de hombres adultos sanos entre 20 y 60 años que miden entre 1,60 y
1,80 m
Existe un 95,4% de hombres adultos sanos entre 20 y 60 años que miden entre 1,50 y
1,90
Existe un 99,8% de hombres adultos sanos entre 20 y 60 años que miden entre 1,40 y
2,00.
6
Apuntes de Estadística
donde -∞ < x < ∞ es decir cualquier valor real por eso es continua
-∞ < μ < ∞
0<σ<∞
0<P<1
Esto implica que existen infinitas curvas normales en función de los valores que tomen
μyσ
Como los cálculos con la fórmula son complicados se selecciona una de todas La
combinaciones posibles de μ y σ. A esta distribución particular se la conoce como
Distribución normal estandarizadas y es la que corresponde a la combinación de
parámetros μ = 0 y σ = 1 y las probabilidades (áreas bajo la curva) están tabuladas.
x
z
7
Apuntes de Estadística
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
8
Apuntes de Estadística
En este caso la probabilidad pedida no está en las tablas. Sin embargo, si tenemos en
cuenta que el área total bajo la gráfica ha de ser 1, deducimos de la figura que:
P (z > 1,24) = 1 – p (z 1,24) = 1 – 0,8925 = 0,1075
9
Apuntes de Estadística
Por simetría cambiamos los dos valores negativos a positivos y calculamos sus
probabilidades.
p (- 1,76 z - 0,5)= p (0,5 z 1,76) =
p (z 1,76) - p (z 0,5)= 0,9608 – 0,6915 = 0,2693
Ejercicios
Sea z una variable normal N ( 0, 1). Calcula: Soluciones
10
Apuntes de Estadística
Tipificación de la variable
11
Apuntes de Estadística
12
Apuntes de Estadística
13