Variable, Espacio Muestarl, Mod Distrib

DISTRIBUCIÓN DE
PROBABILIDADES
Dr. Pedro J. García M.
Ingeniería Civil
CONTENIDO
✔ Variable Aleatoria
✔Espacio muestral y evento
✔ Distribución de probabilidades discretas
✔ Modelos de distribución de probabilidad
continua
Ingeniería Civil
VARIABLES ALEATORIAS DISCRETAS Y
CONTINUAS
Variable aleatoria: característica común en los elementos de una
población y sus valores han sido tomados al azar de un Espacio
muestral (Población).
Definición Matemática:
Si tenemos un experimento aleatorio EA y un espacio muestral

(EM) asociado a ese experimento. Una función F(X) que asigna
un número real a cada valor (S) de “EM” se llama. Variable
Aleatoria
Una variable aleatoria (V.a) es una función cuyo valor es un

número real para cada elemento de “EM”.
Ingeniería Civil
CONTINUAS
Espacio Muestral:
Conjunto de todos los resultados posibles que se obtienen al

realizar un experimento aleatorio (no se puede predecir su
resultado)
Ejemplos:
Lanzar una moneda al aire: Ω= {cara, cruz}
Lanzar un dado: Ω = {1, 2, 3, 4, 5, 6}
Tiempo de vida de un aparato electrónico: Ω=[0, ∞)

Elegir cualquier número de tres cifras al azar mediante la
extracción con reemplazamiento de bolas de una urna en la que
aparecen las diez cifras significativas: Ω= {000, 001, …, 999}
Ingeniería Civil
CONTINUAS
Evento:
Característica de interés en un experimento aleatorio
Ejemplos:
Exp. lanzar una moneda. Evento: Obtener una cara: X= {C}
Exp. lanzar un dado. Evento: Obtener un N° par X= {(2, 4, 6)} u

obtener un número divisible por tres: X= {3, 6}
Exp. tiempo de vida de un aparato electrónico:
Dura > 1 año, < 2 años. X= {(1, 2)}
Dura al menos 1 año X= {(1, ∞)}

Ingeniería Civil
CONTINUAS
Ejemplo: Una caja contiene 6 fichas, 2= rojas y 4= negras. Si
extraemos dos fichas al azar sin reemplazo (EA) los resultados
posibles son:
Si la V.a considerada es: X= nº de fichas rojas
Resultados posibles son: x= 0, 1, 2

V.a se denota por “X” y, sus valores = “x”.
Ingeniería Civil
CONTINUAS
Variable aleatoria continua:
EM con infinito N° de puntos (Alturas, Pesos, Temperaturas etc.).
EM continuo V.a definida sobre ese EM se llama V.a.c
V.a.c : resultan de mediciones

En general:
V.a.d: resultan de conteos

Ingeniería Civil
DISTRIBUCIÓN DE PROBABILIDADES DISCRETAS
Variable aleatoria discreta:

Si X es una v.a.d que toma valores X1, X2,.......Xn. Se puede
calcular la probabilidad con que X toma cada valor:
P(X= X1), P(X=X2),.........., P(X=Xn).
La distribución de probabilidad de una v.a.d se define a través de

una Función de Probabilidad. f(X)
f(X) Función de Probabilidad
Ingeniería Civil
X X1 X2 Xn
P(X=X) P(X=X1) P(x=X2) P(X=Xn)
P(X=X):
Distribución de probabilidades de la variable aleatoria discreta X
Se requiere:
Ingeniería Civil
Ejemplo: Determinar la distribución de probabilidad para la v.a.d

X= nº de caras del ejemplo de lanzar 1 moneda 2 veces.
X 0 1 2
P(X=X) 1/4 2/4 1/4
Función de probabilidad
Luego: f(X)= X/4 cuando X= 0, 1, 2
Ingeniería Civil
DISTRIBUCIÓN DE PROB. PARA V. A. CONTINUAS
Esto se debe a que el nº de puntos del EM es infinito
Luego
“Se dice que X, es una v.a.c. si existe una función llamada
función de densidad de probabilidad (fdp) de X, que satisface
las siguientes condiciones:
Ingeniería Civil
a) F(X) ≥ 0 para todo X
c) Para cualquier a, b tal que - ∞ < a < b< + ∞
a b
Ingeniería Civil
Ejemplo: Supongamos que X es una v.a.c con una

función de densidad dada por:
2X Si 0 <X< 1
0 Cualquier otro valor
Debe cumplirse: F(X) = fdp
Ingeniería Civil
FUNCIÓN DE DISTRIBUCIÓN
Si X es una v.a. (discreta ó continua), la probabilidad de que

X tome un valor tal que X ≤ x
F(X) = P(X ≤ x)
Donde, F(X): es la función de distribución o función

acumulativa de la v.a.x.
a). Si X es un v.a.c con función de densidad f(x) entonces F(x)

estará definida por:
F(x) =
Ingeniería Civil
FUNCIÓN DE DISTRIBUCIÓN
Si X es un v.a.d con una función de probabilidad f(x);

entonces F(x) es la función de distribución definida por:
F(x)
Ingeniería Civil
ESPERANZA MATEMÁTICA
a). Sea X una v.a.d con valores posibles X1, X2,...., Xn

p(x)= P(X=xi) valor esperado de X
Esperanza Matemática X E(x), será:
Ej. Lanzar una moneda 2 veces:
E(x) Probabilidad de obtener 1 cara:

EM= (CC, CS, SC, SS)
Eventos posibles: 0, 1 y 2
P(Xi) = 1/4; 2/4; 1/4
La esperanza matemática de un valor es igual al promedio: E(x): μ
Ingeniería Civil
b). Sea X una v.a.c con una función de densidad f(x);

el valor esperado de X (Esperanza Matemática de X)
E(x), será:
E(x)
Ingeniería Civil
PROPIEDADES
1. Si C es una constante ⇒ E( C) = C
2. Si X es una v.a con fusión de probabilidad f(x): La E(x)= μ
3. Si C es una constante y X una v.a entonces: E(cx) = C. E(x) = C μ
4. Sean X e Y dos v.a cuyas funciones de probabilidad son f(x) y

f(y); si X e Y son independientes
E(X ± Y) = E(X) ± E(Y) = μx ± μy
5. Si X e Y son independientes: E(XY) = E(X). E(Y)
Ingeniería Civil
Variancia de una variable aleatoria
Ingeniería Civil
Variancia de una variable aleatoria
La raíz cuadrada de V(x) se llamará la desviación estándar de X y

se denota por:
Ingeniería Civil
Propiedades de la Variancia
1. Si X es una v.a cuya función de probabilidad es f(x) entonces:
2. Si X es una v.a y C es una constante luego:
3. Si X es una v.a. y C una constante entonces:
Ingeniería Civil
Propiedades de la Variancia
4. Si X e Y son v.a cuyas funciones de probabilidad son f(x) y f(y)

respectivamente y además son independientes, entonces:
Ingeniería Civil
DISTRIBUCIONES DE PROBABILIDAD CONOCIDAS
Binomial
Variables discretas:
Poisson
Normal
T de Student
Variables continúas:
Ji-Cuadrado
F de Fisher-Snedecor
Ingeniería Civil
Distribución Binomial:
Experimento consta de pruebas repetidas, cada una con dos

resultados posibles: éxito o fracaso.
Proceso de Bernoulli Experimento de Bernoulli
Cuando un experimento aleatorio tiene solo dos resultados

posibles, los cuales podemos llamar A y A’ (complementarios);
Se mantiene constante las n veces que se repite el experimento.
Ingeniería Civil
Experimento sigue la distribución binomial y definimos a X (v. a.)

como el número de veces que ocurra A
La probabilidad de que X tome un valor x viene dada por la

expresión:
donde
X = 0,1,…., n
n = número de repeticiones del experimento
Ingeniería Civil
En términos estrictos el proceso de Bernoulli se caracteriza por:
1. El experimento consta de ensayos repetidos.
2. Cada ensayo produce un resultado que se puede clasificar como

éxito o fracaso.
3. La probabilidad de un éxito, que se denota con p, permanece

constante de un ensayo a otro.
4. Los ensayos repetidos son independientes
Ingeniería Civil
Distribución de Poisson:
Se trata de una distribución de probabilidad discreta

que expresa, a partir de una frecuencia de ocurrencia
media, la probabilidad de que ocurra un determinado
número de eventos durante cierto período de tiempo.
Experimentos que producen valores numéricos de una

variable aleatoria X, el número de resultados que
ocurren durante un intervalo de tiempo determinado o
en una región específica, se denominan experimentos
de Poisson.
Ingeniería Civil
Distribución de Poisson:
Número de llamadas telefónicas /hora.
Número de días que una escuela permanece cerrada debido a la

nieve durante el invierno.
Número de ratas de campo por hectárea
Número de bacterias en un cultivo dado.
Número de errores mecanográficos por página.
La región específica podría ser un segmento de recta, una área,

un volumen o quizá una pieza de material.
Ingeniería Civil
Propiedades de la distribución de Poisson:
El número de resultados que ocurren en un intervalo o región

específica es independiente del número que ocurre en cualquier
otro intervalo de tiempo o región del espacio disjunto.
Proceso de Poisson no tiene memoria.
La probabilidad de que ocurra un solo resultado durante un

intervalo de tiempo muy corto o en una región pequeña es
proporcional a la longitud del intervalo o al tamaño de la región, y
no depende del número de resultados que ocurren fuera de este
intervalo de tiempo o región.
La probabilidad de que ocurra más de un resultado en tal intervalo de

tiempo corto o que caiga en tal región pequeña es insignificante.
Ingeniería Civil
Propiedades de la distribución de Poisson:
La distribución de probabilidad de la variable aleatoria de Poisson

X, la cual representa el número de resultados que ocurren en un
intervalo de tiempo dado o región específica y se denota con t, es:
donde λ es el numero promedio de resultados por unidad de

tiempo, distancia, área o volumen y e = 2.71828
Ingeniería Civil
DISTRIBUCIÓN NORMAL (CAMPANA DE GAUSS)
Definición: Una variable aleatoria X sigue la distribución normal si

su fdp. Esta dada por.
Ingeniería Civil
DISTRIBUCIÓN NORMAL (CAMPANA DE GAUSS)
Figura 1. Distribución Normal
Ingeniería Civil
Características de la distribución normal
1. El área total bajo la curva es 1
2. El área entre dos puntos a y b, donde a < b, corresponde a la

P (a< x < b).
3. Es una curva simétrica campaniforme
4. Es Asintótica con respecto al eje x (ambos lados)
5. Presenta un máximo que coincide con µ
6. Presenta dos puntos de inflexión que corresponde a µ - σ y µ + σ
Ingeniería Civil
Características de la distribución normal
1. La media = mediana = moda
1. µ - σ y µ + σ = 68.27%
2. El área entre: 2. µ - 2σ y µ + 2σ = 95.44%
3. µ - 3σ y µ + 3σ = 99.72%
Ingeniería Civil
Distribución normal estandarizada
-Z 0 Z
Figura 2. Distribución Normal estandarizada (Z)
Ingeniería Civil
Importancia de la distribución normal
Variables continuas que representan mediciones biométricas, en

general, siguen la distribución normal.
Algunas distribuciones de variables aleatorias discretas, tales

como la binomial, pueden aproximarse a la normal.
Muchos estadísticos se aproximan en su distribución a la Normal.
Existen otras distribuciones de probabilidades que se derivan de la

Normal ( t de Student, Ji-cuadrado y F de Fisher-Snedecor etc.)
Ingeniería Civil
Distribución de Student
La distribución t de Student o distribución t es un modelo de

probabilidad teórico utilizado para aproximar el momento de primer
orden (Media) de una población, que tiene distribución normal
cuando el tamaño de muestra es pequeño y se desconoce la
desviación típica.
Dicho de otra forma, es una distribución de probabilidad que estima

el valor de la media de una muestra pequeña extraída de una
población que sigue una distribución normal y de la cual no
conocemos su desviación típica.
Ingeniería Civil
S muestral puede variar considerablemente de una muestra a otra.
Gosset = t Student “Grados de libertad” (n-1)
Garantizar la no subestimación de la desviación típica.
Básicamente = distribución normal
Tamaño de muestra
Ejerciendo restricción por el tamaño de muestra utilizado
Ingeniería Civil
0
Figura 3. Distribución t de Student
Ingeniería Civil
La distribución de Pearson = ji-cuadrado(a) o chi- cuadrado (χ²), es

una distribución de probabilidad para variable aleatoria continua.
En realidad la distribución ji-cuadrada es la distribución muestral de s2.
Si se elige una muestra de tamaño n de una población normal con

varianza σ2, el estadístico:
Ingeniería Civil
donde
n = tamaño de la muestra
El estadístico ji-cuadrado también se puede definir como:
Ingeniería Civil
Propiedades de la Distribución de Ji Cuadrado
Los valores de X2 siempre son mayores o iguales que 0.
La forma de una distribución X2 depende de los gl=n-1; Por lo

que , hay un número infinito de distribuciones X2.
El área bajo una de estas curvas y sobre el eje horizontal es 1.
Las distribuciones X2 no son simétricas. Tienen colas que se

extienden a la derecha; esto es, están sesgadas a la derecha
(Asimetría positiva)
Ingeniería Civil
Propiedades de la Distribución de Ji Cuadrado
Cuando n>2, la media de una distribución X2 es n-1 y la varianza

es 2(n-1).
El valor modal de una distribución X2 se da en el valor (n-3).
Χ2 α; k-1gl
Figura 4. Distribución X2 correspondiente a la fdp dada por:
Para X> 0
Ingeniería Civil
Si
Si
Ingeniería Civil
Ingeniería Civil
Variable aleatoria F es no negativa.
Distribución con asimetría positiva = sesgo hacia la derecha.
Ingeniería Civil
Área = α
Fα; (n1-1) y (n2-1)gl
Figura 5. Distribución de F de Fisher.
Ingeniería Civil
GRACIAS

Variable, Espacio Muestarl, Mod Distrib

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Variable, Espacio Muestarl, Mod Distrib

Cargado por

Copyright:

Formatos disponibles

DISTRIBUCIÓN DE

Dr. Pedro J. García M.

✔Espacio muestral y evento

✔ Distribución de probabilidades discretas

✔ Modelos de distribución de probabilidad

Si tenemos un experimento aleatorio EA y un espacio muestral

Una variable aleatoria (V.a) es una función cuyo valor es un

Conjunto de todos los resultados posibles que se obtienen al

Lanzar una moneda al aire: Ω= {cara, cruz}

Lanzar un dado: Ω = {1, 2, 3, 4, 5, 6}

Tiempo de vida de un aparato electrónico: Ω=[0, ∞)

Característica de interés en un experimento aleatorio

Exp. lanzar una moneda. Evento: Obtener una cara: X= {C}

Exp. lanzar un dado. Evento: Obtener un N° par X= {(2, 4, 6)} u

Exp. tiempo de vida de un aparato electrónico:

Dura > 1 año, < 2 años. X= {(1, 2)}

Dura al menos 1 año X= {(1, ∞)}

Si la V.a considerada es: X= nº de fichas rojas

Resultados posibles son: x= 0, 1, 2

Una variable aleatoria (V.a) es una función cuyo valor es un

V.a se denota por “X” y, sus valores = “x”.

EM continuo V.a definida sobre ese EM se llama V.a.c

V.a.c : resultan de mediciones

Una variable aleatoria (V.a) es una función cuyo valor es un

Variable aleatoria discreta:

P(X= X1), P(X=X2),.........., P(X=Xn).

La distribución de probabilidad de una v.a.d se define a través de

f(X) Función de Probabilidad

P(X=X) P(X=X1) P(x=X2) P(X=Xn)

Ejemplo: Determinar la distribución de probabilidad para la v.a.d

P(X=X) 1/4 2/4 1/4

Luego: f(X)= X/4 cuando X= 0, 1, 2

Esto se debe a que el nº de puntos del EM es infinito

a) F(X) ≥ 0 para todo X

c) Para cualquier a, b tal que - ∞ < a < b< + ∞

Ejemplo: Supongamos que X es una v.a.c con una

0 Cualquier otro valor

Debe cumplirse: F(X) = fdp

Si X es una v.a. (discreta ó continua), la probabilidad de que

Donde, F(X): es la función de distribución o función

a). Si X es un v.a.c con función de densidad f(x) entonces F(x)

Si X es un v.a.d con una función de probabilidad f(x);

a). Sea X una v.a.d con valores posibles X1, X2,...., Xn

E(x) Probabilidad de obtener 1 cara:

La esperanza matemática de un valor es igual al promedio: E(x): μ

b). Sea X una v.a.c con una función de densidad f(x);

2. Si X es una v.a con fusión de probabilidad f(x): La E(x)= μ

3. Si C es una constante y X una v.a entonces: E(cx) = C. E(x) = C μ

4. Sean X e Y dos v.a cuyas funciones de probabilidad son f(x) y

E(X ± Y) = E(X) ± E(Y) = μx ± μy

5. Si X e Y son independientes: E(XY) = E(X). E(Y)

Variancia de una variable aleatoria

Variancia de una variable aleatoria

La raíz cuadrada de V(x) se llamará la desviación estándar de X y

1. Si X es una v.a cuya función de probabilidad es f(x) entonces:

2. Si X es una v.a y C es una constante luego:

3. Si X es una v.a. y C una constante entonces:

4. Si X e Y son v.a cuyas funciones de probabilidad son f(x) y f(y)

Experimento consta de pruebas repetidas, cada una con dos

Proceso de Bernoulli Experimento de Bernoulli

Cuando un experimento aleatorio tiene solo dos resultados

Se mantiene constante las n veces que se repite el experimento.

Experimento sigue la distribución binomial y definimos a X (v. a.)