Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Generación Datos
Generación Datos
datos aleatorios
de diferentes
4 TH C O F F E E
distribuciones
4 TH C O F F E E
Obtenido al azar
Todo número tiene la misma
probabilidad de ser elegido
La elección de un número no depende
de la elección del otro.
¿Para qué sirven los números aleatorios?
• Muestreos
4 TH C O F F E E
• Seguridad informática
• Simulación
• Sistemas criptográficos
• Juegos de video
• Sorteos y juegos de azar
Independencia
Sin repetición dentro de la sucesión
Portabilidad
Reproducibles y mutables
4 TH C O F F E E
: 0, 5
U:[0, 1]
Valores y secuencias impredecibles
Independiente
✓ Métodos Manuales
4 TH C O F F E E
✓ Tablas de números
aleatorios
✓ Métodos de computación
analógica
✓ Métodos de computación
digital
4 TH C O F F E E
G = (X, x0, T, U, g)
Tipos de
distribuciones
Distribuciones Nombre en R Distribuciones Nombre en R
Discretas Continuas
http://idaejin.github.io/courses/R/2019/euskaltel/distribuciones-de-probabilidad-en-r.html
DISTRIBUCIÓN UNIFORME
Fórmula
El coordinador del programa de estadística sabe que la llegada a la clase de cada uno de los estudiantes,
de acuerdo a la distribución uniforme en el intervalo es de 6:00 a 6:15 pm.
1. Calcule la probabilidad de que un estudiante ingrese a clase después de las 6:10 pm.
_____ 0 ≤ x ≤ 15
𝑥~ ∪ 𝑎 = 0; 𝑏 = 15
f(𝑥) 15 estudiantes (minutos).
=
0 < otros valores
Distribución uniforme
𝑘
P (𝑥 ≤ 𝑘) =
𝑘−𝑎
; a≤k≤b P(𝑥 ≤ 𝑘) = 15 ; 0 ≤ k ≤ 15
𝑏−𝑎
10
P(𝑥 > 10) = 1 –p (x ≤ 10) P 𝑥 > 10 = 1 − 15
= 1 – 0.6666 = 0.33
Distribución de Enteros
1. La probabilidad para Cada valor entre a y b es
Suposiciones claves de la distribución enetra la misma
2. En caso de que los valores no sean enteros la
4 TH C O F F E E
probabilidad es 0
La distribución de entero es la versión discreta de la distribucción uniforme que ya observamos anteriormente, solo
que como lo mencionamos solo puede tomar valores discretos, esta distribucción de probabilidad al igual es donde
todos los valores del intervalo tienen la misma probabilidad.
Áreas de aplicación
Modelación de eventos
aleatorios.
Juegos de azar:
- Lanzamiento de un Dado
- Sacar una balota
- Lazar la pirinola
Ejercicio enVARAQUÍ 05
EL TÍTULO
En un juego de pririnola, se quiere observar cual es la
probabilidad de que al girar la pririnola caiga en alguna de
las seis caras que esta tiene, comprurbe las probibilidades
de cada una de las caras que se encuentran enumeradas de
4 TH C O F F E E
la siguiente manera:
1 = Toma todo La anterior es la fórmula de
2 = Toma dos distribución del entero donde:
3 = Toma 1
4 = Pon 1 a es el valor mínimo del intervalo.
5 = Pon 2 b es el valor máximo del intervalo
6 = Todos Ponen
Tanto a como b al igual que todos
x = round(runif(n,min = 1, max = 6)) los valores del intervalo tienen la
y = dunif(x,min = 1, max = 6) misma probabilidad.
plot(x = x, y = y, xlim = c(0,6), main = "Distribución Entera",
xlab = "Caras de la Pirinola", ylab = "Probabilidad", type = Solo toma valores enteros, o si no
"p", toma el valor de 0.
pch = 21, bg = "blue", col = "red", cex = 3)
DISTRIBUCIÓN NORMAL
Es la distribución mas importantes en probabilidad y
estadística. Una característica es que es simétrica • Estatura, peso
50% • Errores de medición en
experimentos científicos
4 TH C O F F E E
Es simétrica respecto a la
Condicionales media
2
𝜎 Sigma
1
____ 𝑥 − 165 (Desviación
Fórmula 1
f(𝑥) ______ e 2 12 típica)
= 12 2𝜋
Hallar Z
170 − 165
𝑋−𝜇 𝑍= = 0,41
𝑍= 12
𝜎
Función de Distribución
F(t0) = P(t ≤ t0) = P(t > t0) = 1 – e- t0
Es el número de eventos
Función de Densidad
𝑑𝐹(𝑡)
f(t) = = e- t con > 0 y t > 0
𝑑𝑡
Esperanza Varianza
1 1
µ(t) =
2(t) =
2
Ejercicio enVARAQUÍ 05
EL TÍTULO
Para generar n valores aleatorios de una distribución exponencial # valores del eje X
usamos la función rexp(). x <- seq(0, 12, length = 200)
# n = 1000
hist(rexp(1000), main = "n = 1000",
xlab = "", prob = TRUE)
lines(x, dexp(x), col = "red", lwd = 2)
DISTRIBUCIÓN POISSON
Fórmula
DISTRIBUCIÓN POISSON
En un Banco un asesor comercial atiende en promedio a 3 personas por hora. ¿ Cual es la probabilidad
que en la siguiente hora atiende solamente a 2 personas?
4 TH C O F F E E
=2 0.0498 ∗ 9 0.4482
• Números de éxitos que suceden. 𝑥 =
= 2
2
• Euler 𝑒 = 2.7182
𝑃 𝑥 = 2 = 0.2241 = 22,41%
Distribución Gamma
Áreas de aplicación
Inspección de calidad
Ventas
Mercadotecnia
Medicina
Investigación de opiniones
R: Distribución Binomial.
4 TH C O F F E E
Respuesta. Opción 01
Por un lado podríamos usar la distribución binomial, con n=1000,p=0.52 para calcular ese valor.
Pero lo que vamos a hacer aquí es simular esos 1000 nacimientos en un hospital y ver cuantos
niños obtenemos.
## [1] 525
Distribución Geométrica
Distribución discreta que se usa para modelar procesos en los que se repiten pruebas
hasta conseguir el resultado deseado
4 TH C O F F E E
n=3
# Fijamos semilla
¿Cuál es la probabilidad de que el especialista set.seed(2)
encuentre 3 personas que no asistieron a un juego # Primero realizamos el cálculo de esta
antes del primer éxito, cuando 20% de la población probabilidad mediante una simulación de datos
aleatorios.
asistió a un juego?
mean(rgeom(n = 10000, prob = p) == 3)
Solución:
# Despues realizamos la comprobación con el n
Teniendo en cuenta lo anterior vamos a generar una objetivo con la función de densisdad dgeom()
simulación con 10.000 caso aletorios con la función
rgeom y comprobar con la función de densidad. dgeom(x = n, prob = p)
Distribución binomial negativa
Está basada en ensayos de Bernoulli. Los ensayos de Bernoulli
modelan eventos en los cuales los ensayos tienen uno o dos
4 TH C O F F E E
𝑘−1
Función de probabilidad Donde:
k es el número de éxitos a conseguir
p es la probabilidad de éxito
x la cantidad de pruebas para k éxitos
𝑘(1 − 𝑝)
Media:
𝑝
𝑘(1 − 𝑝)
Varianza:
𝑝2
Coeficiente de asimetría: 2−𝑝
[𝑘 1 − 𝑝 ]1/2
(𝑝2 −6𝑝 + 6)
Curtosis relativa: 3+
𝑘(1 − 𝑝)
R: Distribución Binomial Negativa.
4 TH C O F F E E
Una empresa petrolera tiene una probabilidad p = 0,20 de encontrar petróleo al perforar un pozo. ¿Cuál
es la probabilidad de que la compañía perfore 7 pozos para encontrar petróleo 3 veces?
4 TH C O F F E E
r=3 # simulated
p = 0.20 mean(rnbinom(n = 10000, size
n=7-r = r, prob = p) == n)
# exact
dnbinom(x = n, size = r, prob = ## [1] 0.0463
p)
## [1] 0.049152
4 TH C O F F E E
Gracias