Está en la página 1de 10

GUIA DE ESTUDIO PARA ESTADISTICA INFERENCIAL

Ing Raquel Herrera


AAN° 4,5,6
2.1 Distribuciones de Probabilidad.

Pag web de apoyo

https://static1.squarespace.com/static/526e85b4e4b09c47421bd159/t/5876555620099e329ddde
427/1484150105476/T13DISPROBb.pdf

Introducción

Antes de adentrarnos en el tema de las distribuciones de probabilidad existen un conjunto


de conceptos que debemos tener muy claro.

Variable Aleatoria: Con frecuencia es útil resumir con un número el resultado de un


experimento aleatorio. La variable que asocia un número con el resultado de un
experimento aleatorio se conoce como variable aleatoria.

Otra forma de definir variable aleatoria es decir que:

 “Es aquella que toma diferentes valores como resultado de un experimento


aleatorio”
 “Matemáticamente, una variable aleatoria es una función que asigna un número
real a cada resultado en el espacio muestral de un experimento aleatorio”

Las variables aleatorias se denotan con una letra mayúscula, tal como X, y con una letra
minúscula, como x, el valor posible de X.

Ejemplos de Variables Aleatorias.

En cada uno de los ejemplos, determine el espacio muestral, la variable aleatoria y cuáles
son posibles valores que toma.

 Se analiza una muestra de 5 celulares, se quiere observar cuántos poseen una avería
interna en las baterias.
 Una empresa posee un sistema de comunicación por voz de 30 líneas, se estudia el
número de líneas ocupadas en cualquier momento.
 Hay que contar la cantidad de minutos que esperan para ser atendido en un Banco,
por todos los clientes que ingresaron el mes de mayo.
2.2.- Variables Aleatorias Discretas y Continuas.

Si la variable aleatoria sólo puede tomar un valor de un conjunto limitado de valores,


entonces es una variable aleatoria discreta. En el otro extremo, sí se puede tomar
cualquier valor dentro de un intervalo dado, entonces se trata de una variable aleatoria
continua.

2.3.- Distribución de Probabilidad.

Una distribución de probabilidad, de una variable aleatoria X, es una descripción del


conjunto de valores posibles de X, junto con la probabilidad asociada a c/u de estos
valores.

Existen dos tipos de estas distribuciones o funciones de probabilidad:

 Función de probabilidad, cuando se habla de variables discretas


 Función de densidad de probabilidad, cuando se trata de variables continúas.

El estudio de las Distribuciones de probabilidad por si solo es una materia. En esta guía
vamos a trabajar con las más importantes. Dentro de las discretas analizaremos la
distribución Poisson y en las Continuas la Distribución Normal.
Función de probabilidad Función de densidad de probabilidad

Matemáticamente, es la función P(X=x) Matemáticamente, es aquella función


que va desde el conjunto posible de los de una variable aleatoria continua X
valores de la variable discreta X al que cumple las siguientes condiciones:
intervalo[0,1]

Propiedades: Propiedades:

1. P(X = x) ≥ 0 1. ----------
+∞
2.  P(X = x) =1 2.
∫ f (x )dx=1
−∞
3. b
b
P(a≤X≤b)=∫ f ( x )dx
P(a≤X≤b)=∑ P( X= x ) a
a
3.
a
P( X≤a)=∑ P( X =x ) 4. ----------
4. 0

2.4 VALOR ESPERADO

El valor esperado de una variable aleatoria es el equivalente a la media o promedio aritmético, que se utiliza
para identificar el valor central de la variable aleatoria.

Matemáticamente, se define:
μ X =E( x)=∑ x .P( x ) , para variables discretas
+∞
μ X =E(x)= ∫ x.f (x)dx
−∞ , para variables continua

Cálculo del Valor Esperado

Ejemplo 1
El Hub de la figura posee desperfectos en sus puertos, el número de puertos
que fallan y sus respectivas probabilidades se muestran en el cuadro de
abajo. Determine el valor esperado del número de puertos que fallan.

x 2 4 8 12 16

P(x) 0,45 0,20 0,15 0,10 0,10


SOLUCION

Como la variable es discreta, aplicamos la fórmula:

E( x)= ∑ x. P( x)

E( x)=2×0. 45+4×0.20+8×0. 15+12×0. 10+16×0. 10

E( x)= 5.7 puertos que fallan en promedio.

RESPUESTA: El valor esperado de número de puertos que fallan es de 5.7

Ejemplo
El número de motos de cuatro ruedas solicitadas en renta en una caseta de alquiler de
motos en las orillas del río Piraí durante un periodo de 50 días se identifica en la tabla
siguiente:

Demanda( X Número de días


a) ) Construir la función de probabilidad.
3 6 b) Determinar el valor esperado.
4 10 c) Graficar la función de probabilidad.
5 15 Se elabora un cuadro calculando la
6 9 probabilidad de demanda diaria y luego se
7 6 calcula el valor esperado:
a) 8 4 FUNCIÓN DE PROBABILIDAD

Demanda
Probabilidad P(X) Valor Esperado[X*P(X)]
(X)
3 0.12 0,36
4 0.20 0,80
5 0.30 1,50
6 0.18 1,08
7 0.12 0,84
8 0.08 0,64
1.00 E(X) = 5,22

b) El valor esperado es 5,22 motos.


c) Graficar
P 0.3
0,25

0,20

0,15

0,10

0,05

0
3 4 5 6 7 8 X

d) Determinar: i) P (X = 5); ii) P(X ≥ 3); iii) P(X < 6); iv) P (5 ≤ X < 8); v) P (4 < X <
6)
2.5- Distribución de Poisson.
Dado un intervalo de números reales, suponga que el conteo de ocurrencias es
aleatorio en dicho intervalo. Si este puede dividirse en subintervalos suficientemente
pequeños tales que:

1. la probabilidad de ocurrencia más de una ocurrencia en dicho subintervalo es cero.


2. la probabilidad de ocurrencia en un subintervalo es la misma para todos los
subintervalos, y es proporcional a la longitud de éstos.
3. el conteo de ocurrencias en cada subintervalo es independiente del de los demás
subintervalos.

-λ x
e λ
P(X  x) 
x!

Ejemplo del Uso de la Distribución de Poisson.

Un gerente comercial está interesado en la probabilidad de que exactamente 5 clientes


lleguen durante la siguiente hora (ó en cualquier hora del día) laboral. La observación
simple de las últimas 80 horas ha demostrado que 800 clientes han entrado a la tienda.
Por tanto “u” es 10 por hora.

El mismo ejercicio se lo puede resolver utilizando la Tabla

Como vemos el resultado es el mismo. 3,78%

Ejercicios Resueltos utilizando la probabilidad de Poisson.

1.- Se sabe que pasan 18 autos por minuto en el segundo anillo de la Avenida Cristo
Redentor. ¿Cuál es la probabilidad que en el próximo minuto pasen 26 autos?
2.- En Equipetrol hay un promedio de 3 peleas / noche cada fin de semana. El asistente
de seguridad de la nueva discoteca “Tentation”, desea estimar la probabilidad que el
sábado hallan 4 peleas en la zona y busca a un estadista. ¿Qué usted le respondería?

2.6 .Distribución Normal de Probabilidades.

La distribución Normal de Probabilidades es la más importante de todas las distribuciones


de Probabilidad La misma tiene un conjunto de propiedades que se muestran a
continuación.

Propiedad 1. La distribución Normal de Probabilidades es Simétrica (Coeficiente de


Asimetría igual a cero)
Propiedad 2. La distribución Normal de Probabilidades es Mesocúrtica. (Curtosis igual a
cero)

Propiedad 3. La media de la población cae dentro del gráfico y coincide con el centro de
la gráfica. En la distribución Normal de Probabilidades la media aritmética es igual a la
mediana e igual a la moda.

Propiedad 4. Los dos extremos de la distribución normal se extienden indefinidamente y


nunca tocan el eje horizontal (desde luego, esto es imposible de mostrar de manera
grafica)

Propiedad 5. Para definir una distribución normal se necesitan solamente dos


parámetros la media y la desviación estándar.

Distribución Normal de Probabilidades

Fórmula de Aplicación de la Distribución Normal de Probabilidades

x -μ
z 
σ

Para entender mejor este tema veamos un ejercicio de Aplicación.


Calcular el porcentaje de probabilidad
representado por el área bajo la curva normal
con una media de 35 min y desviación estándar
de 14 min, de un grupo de personas que
asisten a un evento correspondiente a :
a) 20≤ x ≤35 minutos
20−35
Z= =−1,07 →36. 77% 20 35
14
b) 15 ≤x≤ 53 minutos
15−35
Z= =−1,42→42,22%
14
53−35
Z= =1,28 → 39,97%
14
Z = 82,19%
15 35 53

c) ¿ más de 41 minutos?

41−35
Z= =0,42→16,28%
14
Z = 50 – 16,28% = 33,72%

35 41

d) más de 19 minutos?

19−35
Z= =−1,14 →37,29% + 50% =
14
87,29%

19 35

e) 21 a 33 minutos?
21−35
Z= =−1→34,13%
14
33−35
Z= =−0,14 →5,57%
14
Z = 34,13% - 5,57% = 28,56 %

21 33 35