Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El estudio que se hará en este tema será análogo al que se hace con
las variables estadísticas en descriptiva. Así retomaremos el concepto
funciones de distribución y las características numéricas, como la
clasificación variables, la división de distribución y de definición de
Función de probabilidad
Se llama función de probabilidad de una variable aleatoria discreta, X,
y se representa por f(x), a aquella función que asocia a cada valor de
la variable la probabilidad de que ésta adopte ese valor. Es decir:
f(x) = P (X = x)
La función de probabilidad de una variable aleatoria discreta puede
representarse mediante un diagrama de barras.
Las dos propiedades que debe cumplir la función de probabilidad
son:
∀ x ∈ X f(x) ≥ 0
∀x F(x) ≥ 0
F(x) = 0 si x < x1
F(x) es igual a uno para todo valor igual o superior al mayor valor
de la variable aleatoria. Si llamamos “xk” al mayor valor de la
variable:
F(x) = 1 si x ≥ xk
La distribución binomial
Una variable aleatoria X sigue una distribución binomial (con
parámetros n y p) si expresa el número de realizaciones
independientes “n” con la probabilidad “p” y por tanto (1 – p) de
obtener fracaso. Se representa por B(n, p); donde B indica binomial, n
el número de ensayos y p la probabilidad de éxito.
Ejemplo:
Si tiramos tres veces la moneda al aire y definimos X como el número
de caras, esta variable seguirá los parámetros n = 3 y p = 0,5. Lo
mismo que B(3; 0,5).
Las características fundamentales de una distribución B(n,p) son:
Función de probabilidad:
Función de distribución:
DISTRIBUCIONES DE PROBABILIDAD
DISCRETAS:
Parámetros
Mínimo, Máximo
Condicionales
La distribución uniforme discreta se utiliza cuando se dan las siguientes
condiciones:
El mínimo es fijo.
El máximo es fijo.
Todos los valores en el rango tienen la misma probabilidad de
producirse.
La distribución uniforme discreta es el equivalente discreto de la
distribución uniforme.
Si la variable es una variable discreta (valores enteros), corresponderá
una distribución discreta, de las cuales existen: Distribución
binomial (eventos independientes). Distribución de Poisson (eventos
independientes). Distribución hipergeométrica (eventos dependientes).
DISTRIBUCIÓN HIPERGEOMÉTRICA:
La distribución
hipergeométrica se
define por 3 parámetros: tamaño de
la población, conteo de eventos en
la población y tamaño de la
muestra.
DISTRIBUCIÓN DE POISSON
cero:
Función de cuantía
A partir de las hipótesis del proceso, se obtiene una ecuación diferencial de
definición del mismo que puede integrarse con facilidad para obtener la función de
cuantía de la variable "número de hechos que ocurren en un intervalo unitario de
tiempo o espacio "
Que sería :
dado que
tendremos que
luego :
DISTRIBUCIÓN T
En probabilidad y estadística, la distribución t (de Student) es una distribución de
probabilidad que surge del problema de estimar la media de una población
normalmente distribuida cuando el tamaño de la muestra es pequeño. Aparece de
manera natural al realizar la prueba t de Student para la determinación de las
diferencias entre dos medias muéstrales y para la construcción del intervalo de
confianza para la diferencia entre las medias de dos poblaciones cuando se
desconoce la desviación típica de una población y ésta debe ser estimada a partir
de los datos de una muestra.
Caracterización
La distribución t de Student es la distribución de probabilidad del cociente donde Z
es una variable aleatoria distribuida según una normal típica (de media nula y
varianza 1). V es una variable aleatoria que sigue una distribución χ² con grados
de libertad. Z y V son independientes Si μ es una constante no nula, el cociente es
una variable aleatoria que sigue la distribución t de Student no central con
parámetro de no-centralidad. Aparición y especificaciones de la distribución t de
Student Supongamos que X1..., Xn son variables aleatorias independientes
distribuidas normalmente, con media μ y varianza σ2. Sea la media muestral.
Entonces sigue una distribución normal de media 0 y varianza 1. Sin embargo,
dado que la desviación estándar no siempre es conocida de antemano, Gosset
estudió un cociente relacionado, es la cuasi varianza muestral y demostró que la
función de densidad de T es donde es igual a n − 1. La distribución de T se llama
ahora la distribución-t de Student. El parámetro representa el número de grados
de libertad. La distribución depende de, pero no de o, lo cual es muy importante en
la práctica. Intervalos de confianza derivados de la distribución t de Student El
DISTRIBUCION CHI-CUADRADO
ORIGEN
CARACTERISTICAS PRINCIPALES
FORMULA X2
EJEMPLO
Uso cinturon
Nivel socioeconomico Si No Total
Bajo 8 13 21
Medio 15 16 31
Alto 28 14 42
Total 51 43 94
¿Permiten estos datos afirmar que el uso del cinturón de seguridad depende del
nivel socioeconómico? Usaremos un nivel de significación alfa=0,05.
HIPOTESIS
Uso cinturon
Nivel socioeconomico Si No
Bajo 8 13
Medio 15 16
Alto 28 14
TABLA DE FRECUENCIAS ESPERADAS
Estas son las frecuencias que debieran darse si las variables fueran
independientes, es decir, si fuera cierta la hipótesis nula.
Uso cinturon
Nivel socioeconomico Si No
Bajo 11.4 9.6
Medio 16.8 14.2
Alto 22.8 19.2
X2 CALCULADO
GRADOS DE LIBERTAD
DISTRIBUCION F
ν1 = 9 y ν2 = 1
ν1 = 9 y ν2 = 9
ESPERANZA MATEMÁTICA
Cara.
Cruz.
Cruz.
Cara.
Cruz.
Cara.
Cara.
Cara.
Cruz.
Cruz.
¿Cuantas veces ha salido cara (contamos las C)? 5 veces ¿Cuantas veces ha
salido cruz (contamos las X)? 5 veces. La probabilidad de que salga cara será de
5/10=0,5 o, en porcentaje, del 50%.
Una vez ha ocurrido ese suceso podemos calcular la media matemática del
número de veces que ha ocurrido cada suceso. El lado cara ha salido una de cada
dos veces, es decir, un 50% de las veces. La media coincide con la esperanza
matemática.
Dónde:
X = valor del suceso.
P = Probabilidad de que ocurra.
i = Periodo en el que se da dicho suceso.
N = Número total de periodos u observaciones.
No siempre la probabilidad de que ocurra un suceso es la misma, como con las
monedas. Existen infinidad de casos en que un suceso tiene más probabilidad de
salir que otro. Por eso utilizamos en la fórmula la P. Además, al calcular números
matemáticos debemos multiplicar por el valor del suceso.