Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISEÑOS EXPERIMENTALES
AVANZADOS
Docente
Mag. Ramos Torrealva Zully Maribel.
Alumna
Palomino Ventura Deysa Leonor.
Ciclo
VII -B
DISTRIBUCIONES DE PROBABILIDAD
En teoría de la probabilidad y estadística, la distribució n de probabilidad de una variable
aleatoria es una funció n que asigna a cada suceso definido sobre la variable la
probabilidad de que dicho suceso ocurra. La distribució n de probabilidad está definida
sobre el conjunto de todos los sucesos y cada uno de los sucesos es el rango de valores de
la variable aleatoria. También puede decirse que tiene una relació n estrecha con las
distribuciones de frecuencia. De hecho, una distribució n de probabilidades puede
comprenderse como una frecuencia teó rica, ya que describe có mo se espera que varíen los
resultados.
¿Qué es una variable aleatoria?
Una variable aleatoria es una funció n que asigna un valor numérico, al resultado de un
experimento aleatorio. Recordemos que el resultado de un experimento aleatorio depende
del azar. Ejemplo:
Tenemos una moneda que en sus caras tiene por un lado un gato y por el otro, un perro.
Vamos a realizar un experimento aleatorio que consiste en lanzar 2 monedas.
Colocaremos los resultados en el siguiente grá fico:
Ten en cuenta que la variable aleatoria siempre va con letras mayú sculas (en este caso X),
mientras que los valores de su rango siempre con letras minú sculas (en este caso x1 , x2 ,
x3).
Los valores del rango de esta variable aleatoria son:
x1 = 0
x2 = 1
x3 = 2
En el dominio de la funció n tenemos el espacio muestral, es decir, todos los resultados
posibles de nuestro experimento aleatorio. Mientras que el rango tenemos un conjunto de
nú meros reales.
DISTRIBUCIÓN BINOMIAL:
La distribución de probabilidad binomial es una distribución discreta que tiene muchísimas
aplicaciones. Se asocia con un experimento de múltiples pasos que se llama experimento
binomial. La palabra binomial viene de otra palabra que significa “dos nombres” y esto nos
hará recordar que en cada ensayo que veremos en este tema siempre habrá dos resultados:
éxito y fracaso. Si es que respondes una pregunta de alternativas al azar, la respuesta es
correcta o incorrecta. Si es que realizas un control de calidad a un producto, este será
defectuoso o no defectuoso.
Ejemplo:
Últimamente con las clases de matemática no me va muy bien, por eso, he puesto mi
cafetería. Preparo unas cosas riquísimas, pasteles, pizza, agua helada, pero lo más vendido son
las matehamburguesas, las únicas hamburguesas que se venden con papas y leche
chocolatada. La probabilidad de que a un cliente nuevo le guste la matehamburguesa es de
0,8. Si vienen 3 nuevos clientes a mí cafetería ¿cuál será la probabilidad de que solo a dos de
ellos les guste la hamburguesa?
Media:
Varianza:
Desviación estándar:
Ejemplo
Cuando los discos duros de la marca Acer se prueban, el porcentaje de defectuosos es de 20%.
Sea X el número de discos duros defectuosos en una muestra aleatoria de tamaño n=5, así que
X~B (5;0,2).
Aquí algunos ejemplos típicos de variables aleatorias que siguen una distribución de Poisson:
FÓRMULA:
Se dice que una variable aleatoria discreta X tiene una distribución de Poisson con parámetro μ
(μ>0) si la función de probabilidad de X es:
Donde:
La media de X es igual a μ.
La varianza de X es igual a μ.
EJEMPLO:
La veterinaria de Jorge recibe un promedio de μ = 4 pacientes por día. Sabiendo que el número
de pacientes que llegan en un día sigue una distribución de Poisson, calcular:
Solución de a:
Además, nos indican que esta variable aleatoria X sigue una distribución de Poisson, entonces
podemos aplicar la fórmula:
Solución de b:
Calculamos la probabilidad de que lleguen 5 pacientes en un día, es decir, f(5). Además, el
enunciado nos indica que el enunciado que llegan en promedio 4 pacientes por día, es decir, μ
= 4.
EJEMPLO:
DISTRIBUCIÓN NORMAL:
La distribución normal, distribución de Gauss o distribución gaussiana, es la distribución de
probabilidad individual más importante. La distribución normal nos permite crear modelos de
muchísimas variables y fenómenos, como por ejemplo, la estatura de los habitantes de un
país, la temperatura ambiental de una ciudad, los errores de medición y muchos otros
fenómenos naturales, sociales y hasta psicológicos.
Existe una función matemática con forma de campana que tiene la siguiente definición:
Notas en un examen.
Errores de medida.
Presión sanguínea.
Tamaño de las piezas producidas por una máquina.
La distribución normal estándar, es aquella distribución normal que tiene una media igual a
cero, y una desviación estándar igual a uno. Veamos la función densidad normal estandarizada,
que trabaja con la variable estandarizada z en el eje horizontal:
Como vemos, el valor del área bajo la curva es de 0,4332, y esa sería la probabilidad de que la
variable estandarizada z, tome un valor comprendido entre 0 y 1,50.
Y luego, con los valores de z, se utiliza la tabla y se calculan las áreas bajo la curva, porcentajes
o probabilidades.
Por ejemplo, si tenemos una variable aleatoria continua X con una distribución normal no
estandarizada, con media igual a 10 y desviación estándar igual a 1, y el problema pide calcular
la probabilidad de que la variable X tome un valor entre 10 y 11,50, hay que estandarizar los
valores de la variable X aplicando la fórmula de z:
Y usando la tabla z, se calcula el área bajo la curva. Cuando z es igual a 1,50, el área bajo la
curva es de 0,4332.
CALCULAR LAS SIGUIENTES PROBABILIDADES
PRUEBA DE HIPÓTESIS
La prueba de hipótesis es un procedimiento esencial en estadística. Una prueba de hipótesis evalúa dos
afirmaciones mutuamente excluyentes sobre una población para determinar qué afirmación es mejor
admitida por los datos de la muestra.
EJEMPLO 1
Ejemplo 2
PRUEBA DE HIPÓTESIS PARA DIFERENCIA DE
MEDIAS
Ejemplos 1
Para tomar una importante decisión a nivel profesional se desea determinar si existen
diferencias significativas fundamentadas entre dos empresas referentes al salario de sus
empleados. Se realiza una investigación revisando el salario de 60 trabajadores de la empresa
A y 70 de la empresa B. Se obtiene un salario medio de 30000 euros anuales con una
desviación típica de 1000 euros en el primer grupo y un salario medio de 25000 euros anuales
con una desviación típica de 1500 en el segundo grupo. ¿Podríamos decidir a favor de alguna
de las dos empresas con un nivel de significación del 1 %?
Hipótesis nula : H0 : μx - μy = 0
Hipótesis alternativa : H1 : μx - μy ≠ 0
5. Interpretación de la decisión.
Ejemplo 2:
Se quieren probar dos tipos de alimentos para los 75 pingüinos de un zoológico cuyo peso se
distribuye normalmente. Se separan en dos grupos, uno formado por 40 pingüinos y otro por 35.
Al cabo de un mes son pesados, y se obtiene para el primer grupo un peso medio de 13 kg y
desviación típica de 0,7 y para el segundo grupo, un peso medio de 11 kg y desviación típica
0,3.
¿Se puede afirmar, con el nivel de confianza del 99 %, que están mejor alimentados los del primer
grupo que los del segundo?
Tenemos una distribución de la diferencia de las medias, con μ 1 - μ2 = 2, un tamaño
de muestra n = 40 en el primer grupo y n = 35 en el segundo grupo. La distribución
de las medias se distribuye:
3. Construimos las regiones de aceptación y rechazo.
5. Interpretación de la decisión.
Consideramos por tanto que los pingüinos del primer grupo están mejor alimentados
que los del segundo.
EJEMPLO 3
Para la ubicación de una nueva biblioteca en una pequeña ciudad, se decide comparar el
número medio de libros prestados por socio en dos bibliotecas de dos barrios diferentes, uno
situado en el centro de la ciudad y otro en el extrarradio. Se seleccionan al azar 1000 socios de
cada uno de ellas y se obtienen los siguientes datos: número medio de libros anuales en barrio
céntrico, 10 con varianza 4,2 ; número medio de libros anuales en barrio extrarradio, 12,3
con varianza 5,1.
¿Hay suficiente evidencia para poder deducir con un nivel de significación de 0,05 que la
biblioteca debe ser construida en el centro de la ciudad?
Tenemos una distribución de la diferencia de las medias, con μ1 - μ2 = - 2,3, un
tamaño de muestra n = 1000 en cada biblioteca. . La distribución de las medias se
distribuye:
5. Interpretación de la decisión.
EJEMPLO 4
Se sabe que la duración de una enfermedad sigue una distribución normal. Para la curación de
dicha enfermedad se aplica un determinado antibiótico. Se desea comparar la duración de la
enfermedad según que al enfermo se le haya aplicado o no en otra ocasión dicho antibiótico.
Observamos a 36 enfermos a los que no se había aplicado anteriormente el antibiótico y la
duración media de la enfermedad ha sido de 12 días, y a 35 enfermos a los que sí se había
aplicado y que han permanecido enfermos 15 días. La desviación típica en ambos casos es de
4 días.
3. Construimos las regiones de aceptación y rechazo.
5. Interpretación de la decisión.