Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FUNCIÓN DE PROBABILIDAD
DISTRIBUCIÓN NORMAL
DISTRIBUCIÓN BINOMIAL
1
1. VARIABLES ALEATORIAS Y FUNCIÓN DE
PROBABILIDAD
2
1.1 DISTRIBUCIONES DISCRETAS
La función o distribución de probabilidad de una variable aleatoria discreta, X, es la
aplicación que asocia a cada valor xi de la variable su probabilidad pi.
EJEMPLO 1
Se lanzan un dado al aire con 1 uno, 2 doses y 3 treses.
Imaginemos que anotamos el número de ellos cada vez que salen juntos, o sea repetimos la
misma observación hasta un número muy grande de veces.
Según la ley del azar, en todo experimento aleatorio, las frecuencias relativas tienden a su
probabilidad cuando el número de datos es suficientemente grande.
Vemos que las frecuencias relativas se han convertido en las probabilidades. La variable
estadística x toma el nombre de variable aleatoria en la distribución de probabilidades. La
distribución de probabilidad es una idealización de la distribución de frecuencias.
4
Se observa que las distintas P(X=xi)
0,24
probabilidades presentan un valor
positivo entre 0 y 1.
0,20
La suma de las probabilidades de
todos los valores posibles de la
variable es la unidad.
0,14
Es una función de probabilidad
discreta.
0,10
3 4 5 6 7 8 9 10
X
FUNCIÓN DE PROBABILIDAD
5
ESPERANZA O MEDIA MATEMÁTICA
EJEMPLO 1
EJEMPLO 2
Lanzamos dos monedas al aire. Apostamos 5 Euros. Si salen dos caras, volvemos a tirar; si salen dos cruces, nos
llevamos 10 Euros; pero si sale una cara y una cruz perdemos lo apostado. ¿ Cuál es la esperanza matemática o
valor esperado ?
Xi pi
-5 2/4 = 0,5
0 1/4 = 0,25
10 1/4 = 0,25
EJEMPLO 4
En una urna hay 2 bolas blancas y 5 bolas rojas. Extraemos una bola y la sustituimos por otra de distinto color.
Luego extraemos otra bola. Si el resultado es BB, ganamos 50 Euros; si es BR, ni ganamos ni perdemos; si es RB
perdemos 5 Euros; y si es RR perdemos 10 Euros. ) Cuál es la esperanza matemática o valor esperado ?.
P(BB) = 2 / 7 . 1/ 7 = 2 / 49 = 0,041
P(BR) = 2/ 7 . 6 /7 = 12 / 49 = 0,245
P(RB) = 5 / 7 . 3 / 7 = 15 / 49 = 0,306
P(RR) = 5 / 7 . 4 / 7 = 20 / 49 = 0,408
Xi pi
50 0,041
0 0,245
-5 0,306
- 10 0,408
μ = 50. 0,041+ 0. 0,245 – 5 .0,306 – 10.0,408 = - 3,56
No jugaríamos, pues tenemos desventaja, no es equitativo.
7
EJEMPLO 5
xi fi pi xi.pi 1 2 3 4 5
1 1 0,0625 0,0625 2 3 4 5 6
2 2 0,1250 0,25
3 3 0,1875 0,5625 3 4 5 6 7
4 4 0,25 1,00
5 3 0,1875 0,9375
6 2 0,1250 0,75
7 1 0,0625 0,437 μ = ∑xi.pi = 4
16 4,00
8
DESVIACIÓN TÍPICA
EJEMPLO 2
Los diez amigos que se reúnen para salir en número aleatorio.
σ = √ (3 – 5,95)2. 0,10 + (4 – 5,95)2. 0,13 + (5 – 5,95)2. 0,25 + (6 – 5,95)2. 0,20 +
+ (7 – 5,95)2. 0,14 + (8 – 5,95)2. 0,08 + (9 – 5,95)2. 0,06 + (10 – 5,95)2. 0,05 =
= √ ( 0,9 + 0,52 + 0,25 + 0 + 0,14 + 0,32 + 0,54 + 0,9 ) = √ 3,57 = 1,89
El 68% de las veces se reúnen entre 4 (5,95 – 1,89) y 8 (5,95 + 1,89) amigos
EJEMPLO 3
En urna hay 3 bolas blancas y 5 bolas negras. Si sacamos una bola negra pagamos a la banca 5 Euros, pero si es
blanca ganamos 10 Euros. ¿ Cuál es la esperanza matemática o valor esperado ?
xi pi xi – μ (xi – μ) ·pi
μ = -5.0,625+10.0,375 = -3,125 + 3,75 = 0,525 Si jugaría, pues tengo ventaja. σ = √ 52,74 = 7,275
9
1.2. DISTRIBUCIONES DE PROBABILIDAD CONTINUA
10
EJEMPLO de DISTRIBUCIÓN de PROBABILIDAD CONTINUA
Consideremos la variable continua
Xi que mide la concentración (mg/l)
de disolvente en 100 muestras de
agua fluvial.
Xi fr
[0,10) 0,25
[10,20) 0,30
[20,30) 0,15
[30,40) 0,15
[40,50) 0,10
[50,60) 0,05
Σ =1
11
… Ejemplo
12
FUNCIÓN DE DENSIDAD
0 10 20 30 40 50 60 mg/l
13
a x1 x2 f (x) > 0 b
Para que f(x) sea una función de densidad debe cumplir las siguientes
condiciones:
1.- f(x) ≥ 0, para todo valor del intervalo [a, b] donde la variable aleatoria
tiene su campo de definición.
2.- El área limitada por la curva f(x), entre los extremos a y b y el eje de
abscisas, es la unidad.
3.- Las áreas determinadas por f(x) en cualquier intervalo [x1, x2] incluido
en [a, b] es la probabilidad de que la variable continua X esté en el
intervalo [x1, x2]
14
El área que nos interese se calculará:
Nota: Todas las probabilidades son áreas. Cuando la función de densidad sea
sencilla, entonces P(X=xi) = f(x). Pero si no es así, entonces:
P(X=xi)=P[(xi-0,5) ≤ x ≤ (xi+0,5)]
15
FUNCIÓN DE DISTRIBUCIÓN
Dada una variable aleatoria continua X, su función de distribución es la
aplicación que a cada valor x de la variable le asigna la probabilidad de
que esta tome valores menores o iguales que x.
F(x) = P(X ≤ x)
0 si x < a
x
F(x) = ∫ f(x) dx si a ≤ x < b
0
1 si b ≤ x
0 si x < 0 0 si x < 0
x
f(x) = x/2 si 0 ≤ x < 2 F(x) = ∫ (x/2) dx si 0 ≤ x < 2
0
0 si x ≥ 2 1 si b ≤ x
0 si x < 0
x
F(x) = ∫ (x/2) dx = (1/2). [x2 / 2] = x2 / 4 si 0≤x<2
0
1 si x ≥ 2
F(x) = 1
1
F(x) = x2 / 4
F(x) = 0
0 1 2 x
18
PARÁMETROS DE UNA DISTRIBUCIÓN
CONTINUA
Si X es una variable aleatoria que toma valores en el intervalo [a , b], y f(x)
es su función de densidad:
19
EJERCICIO (cálculo mediante áreas)
Sea la función:
1 / 4 si x є [0, 4]
Pi
f(x) =
0 si x є [0, 4]
0,25
Comprueba que es una función de
densidad.
Calcula P(1,6 ≤ x ≤ 5,2) 0 1 2 3 4
Área del rectángulo:
1,6
A=b.h = 4. ¼ = 1
P(1,6 ≤ x ≤ 5,2) = (4 – 1,6). ¼ = 2,4. ¼ = 0,6
b 4 4
μ = ∫ x.f(x) dx = ∫ x.1/4 dx = [x2 / 8] = (16 / 8) – 0 = 2
a 0 0
b 4
σ = + √ [ ∫ (x – μ)2 .f(x) dx ] = √ [ ∫ (x – 2)2 .1/4 dx ] = 2√3/3
a 0
20
2. DISTRIBUCIÓN BINOMIAL
2.1. DISTRIBUCIÓN de BERNOULLI
CÁLCULO DE PARÁMETROS
MEDIA μ = 0.q + 1.p = p
DESVIACIÓN TÍPICA σ = √ (02.q + 12.p – p2) = √ p.(1 – p) = √ p.q
Como toda función de probabilidad discreta, p+q = 1, con p >0
21
2.2 DISTRIBUCIÓN BINOMIAL
22
23
Parámetros de una binomial
24
Ejemplo 1
En una reunión hay 40 hombres y 60 mujeres. Se elige una persona al azar, anotando el sexo de
dicha persona. Se repite el experimento 30 veces. Hallar la probabilidad de que en 10 ocasiones
el resultado haya sido “hombre”. ¿Cuál es el número esperado de hombres en el experimento?
Es una experiencia dicotómica.
P(E) = p =40/100 = 0,40 P(F) = q = 1 – 0,40 = 0,60
n= 30 veces que se repite el experimento.
La binomial queda caracterizada por B(n, p) B(30, 0,40) Hay que hallar P(x=10)
El número esperado de hombres coincide con la media µ = n·p = 30 · 0,40 = 12.
Notas importantes: El experimento se puede repetir un número de veces mayor que la cantidad de personas
que hay. Podemos repetir el experimento 500, aunque hubiera sólo 3 personas en la reunión.
Nos pueden pedir probabilidades tales como: P(“Que de las 30 veces que se ha repetido al menos en dos
ocasiones halla sido hombre”)
P(x ≥ 2) = P(x=2)+P(x=3)+…+P(x=30) O también: P(x ≥ 2) = 1 – P(x < 2) = 1 – [ (P(x=0) + P(x=1) ]
Ejemplo 2
Un cazador tiene una probabilidad de 0,65 de acertar a una pieza en cada disparo. Si realiza 20
disparos, hallar la probabilidad de …
a) Que no cace ninguna pieza. b) Que cace 7 piezas.
c) Que cace al menos 3 piezas.
• Es una experiencia dicotómica, pues acierta el tiro o falla el tiro.
• P(E) = p =0,65 P(F) = q = 1 – 0,65 = 0,35
n= 20 veces que se repite la experiencia de disparar. La binomial queda caracterizada por B(n,
p) B(20, 0,65)
Ejemplo_4
Lanzamos un dado al aire. Hay seis sucesos posibles. Y cada suceso tiene su probabilidad (pi=1/6).
Pero si lo que nos interesa es obtener un 6, reducimos los sucesos a dos:
P(“Obtener un seis”) = 1/6 P(“No obtener un seis”) = 5/6
Y hemos convertido el experimento no dicotómico en dicotómico.
P(E) = p=1/6 P(F) = q= 5/6
B(n, 1/6) Donde n es la cantidad de veces que lanzamos el dado.
Ejemplo_5
En una población conocemos:
P(“Un habitante gane 0 € /mes”) = 0,25 P(“Un habitante gane 500 € /mes”) = 0,25
P(“Un habitante gane 1000 € /mes”) = 0,20 P(“Un habitante gane 1500 € /mes”) = 0,20
P(“Un habitante gane 2000 € /mes”) = 0,10
Si lo que nos interesa es que gane más de 1000 € /mes, reducimos la distribución de probabilidades
discretas a una distribución binomial:
P(“Un habitante gane más de 1000 € /mes”) = 0,20+0,10 = 0,30
P(“Un habitante no gane más de 1000 € /mes”) = 1 – 0,30 = 0,70
Y hemos convertido la experiencia no dicotómica en dicotómica.
P(E) = p=0,30 P(F) = q= 0,70 B(n, 0,30)
Lo mismo haríamos si el resultado deseado (Éxito) fuera que ganara hasta 500 €. 26
Ejercicios:
1. La última novela de un autor ha tenido un gran éxito, hasta el punto de que el 80% de los lectores ya la han leído.
Un grupo de 4 amigos son aficionados a la lectura:
2. Un agente de seguros vende pólizas a cinco personas de la misma edad y que disfrutan de buena salud.
Según las tablas actuales, la probabilidad de que una persona en estas condiciones viva 30 años o más es 2/3.
Hállese la probabilidad de que, transcurridos 30 años, vivan:
3. Se lanza una moneda cuatro veces. Calcular la probabilidad de que salgan más caras que cruces.
5. En unas pruebas de alcoholemia se ha observado que el 5% de los conductores controlados dan positivo en la prueba
y que el 10% de los conductores controlados no llevan puesto el cinturón de seguridad. También se ha observado que las
dos infracciones son independientes.
6. Un guardia de tráfico para cinco conductores al azar. Si tenemos en cuenta que el número de conductores es
suficientemente importante como para estimar que la proporción de infractores no varía al hacer la selección.
a)Determinar la probabilidad de que exactamente tres conductores hayan cometido alguna de las dos infracciones.
b)Determine la probabilidad de que al menos uno de los conductores controlados haya cometido alguna de las dos
infracciones.
27
DISTRIBUCIÓN NORMAL
Así como de todas las distribuciones
discretas destacábamos la distribución
binomial, entre las distribuciones Esta distribución permite
continuas la más importante es la describir probabilisticamente
distribución normal. fenómenos estadísticos
donde los valores más
Resulta idónea para explicar: usuales se agrupan en torno
a uno central y los valores
Aceptación de una norma. extremos son escasos.
Gusto por las costumbres.
Consumo de un bien.
Impacto de un producto.
Coeficiente intelectual. Fue De Moivre (1733) quien investigó por
Velocidad de cálculo. primera vez la distribución normal, pero no
fue hasta 1809 cuando Gauss formuló la
Estatura o peso. expresión analítica y la gráfica de la función
Calibre de unos guisantes. de densidad, al estudiar los errores en las
Errores de medidas medidas.
Campana de Gauss: N(μ, σ)
N(μ, σ) = N(- 3’5, 0,75) N(μ, σ) = N(0, 1’5)
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
FUNCIÓN DE DENSIDAD EN
LA DISTRIBUCIÓN NORMAL
Llamada campana de Gauss por su forma, presenta los siguientes rasgos:
• Su dominio es todo el eje real. N(μ, σ) = N(0, 1)
• Su recorrido es de 0 a 1/ σ. √2. π
• Es simétrica respecto a su media.
• Posee un máx. absoluto que coincide
con la media, la moda y la mediana.
• En los puntos ( μ - σ) y ( μ + σ) presenta
puntos de inflexión (cambia la curvatura). - 3 -2 -1 0 1 2 3
• El eje de abscisas es una asíntota de la curva.
• El área limitada entre los puntos ( μ - σ) y ( μ +σ) es 0,6826 ; entre los
puntos ( μ - 2σ) y ( μ +2σ) es 0,9544 ; y entre los puntos ( μ - 3σ) y ( μ +3σ) es
prácticamente la unidad.
Expresión algebraica
2
(x-μ)
-- ---------------
2
1 2. σ
f(x) = ---------------- e
σ. √2.π
• Si Z es una variable
aleatoria con distribución
N(0,1), hallar a partir de la
tabla de la d.n. tipificada:
P ( Z ≤ 1,23)
• Continua …Benito
@ Angel Prieto Matemáticas 2º Bachillerato CS 37
EJEMPLO_3
Calculemos P ( Z ≤ 0) = 0,5
(La mitad de la curva, por simetría)
P (0 ≤ Z ≤ 2,95) =
= P( Z ≤ 2,95) - P( Z ≤ 0) =
= 0,9984 – 0,5000 = 0,4984
NOTA:
• El 0 no tiene signo alguno, por tanto P( Z ≤ 0) = P( Z ≥ 0) = 0,5000
TIPIFICAR UNA DISTRIBUCIÓN NORMAL
X- μ
Z = ------------
σ
Gracias a ese cambio de variable podemos utilizar las Tablas ya
elaboradas para calcular probabilidades en una distribución
normal.
Evidentemente para ello nos deben dar los valores de μ y de σ
(cuyo cálculo ya hemos dicho que excede del nivel del curso).
Ejemplo1:
Sea X una variable N(8,2). Calcula:
a) P(X 6'5) = P(Z (6'5-8)/2) = P(Z -0,75) = P(Z ≥ 0,75) = 1-P(Z 0,75) =
=1-0,7734 = 0,2266
b) P(7'2 < X 8'3) = P(Z (8´3-8)/2) - P(Z (7´2-8)/2) = P(Z 0´15) - P(Z -0´4)= P(Z
0´15) - P(Z ≥ 0´4) = P(Z 0´15) - (1-P(Z 0´4)) =
= 0,5596-(1-0,6554) = 0,215
Ejercicio 4:
Se supone que los resultados de un examen siguen una distribución normal con
media 78 y desviación típica 36. Se pide:
a) ¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga
una calificación superior a 72?
b) Calcular la proporción de estudiantes que tienen puntuaciones que exceden por lo
menos en cinco puntos de la puntuación que marca la frontera entre el Apto y el
No-Apto (son declarados No-Aptos el 25% de los estudiantes que obtuvieron las
puntuaciones más bajas).
c) Si se sabe que la calificación de un estudiante es mayor que 72 ¿cuál es la
prioridad de que su calificación sea, de hecho, superior a 84?
Ejercicio 5:
La media y los que de los pesos de 500 estudiantes de un colegio es 70 kg y la
desviación típica 3 kg. Suponiendo que los pesos se distribuyen normalmente, hallar
cuántos estudiantes pesan:
a) Entre 60 kg y 75 kg. b) Más de 90 kg.
c) 64 kg exactamente. d) Menos de 64 kg. e) 64 kg o menos.
Ejercicio 6:
Tras un test de cultura general se observa que las puntuaciones obtenidas siguen
una distribución una distribución N(65, 18). Se desea clasificar a los examinados en
tres grupos (de baja cultura general, de cultura general aceptable, de excelente
cultura general) de modo que hay en el primero un 20% la población, un 65% el
segundo y un 15% en el tercero. ¿Cuáles han de ser las puntuaciones que marcan
el paso de un grupo al otro?
Ejercicio 7:
Varios test de inteligencia dieron una puntuación que sigue una ley normal con
media 100 y desviación típica 15.
a) Determinar el porcentaje de población que obtendría un coeficiente entre 95 y
110.
b) ¿Qué intervalo centrado en 100 contiene al 50% de la población?
c) En una población de 2500 individuos
¿cuántos individuos se esperan que tengan
un coeficiente superior a 125?
Ejercicio 8. En una oposición se necesitan 30 puntos para aprobar. La media
obtenida por los alumnos es de 28, con una desviación típica de 8. Suponiendo una
distribución normal, ¿cuál es la probabilidad de que un alumno apruebe?.
Si se han presentado 528 alumnos, ¿cuántos alumnos aprobarán?.
Ejercicio 9. En un examen de Matemáticas el 65% de los alumnos una puntuación
igual o inferior a 6,5 puntos y el 10% de los alumnos puntuaciones superiores a 7
puntos. Sabiendo que la distribución de las puntuaciones es normal, calcular μ y σ.
APROXIMACIÓN DE LA BINOMIAL A LA NORMAL
CORRECCIÓN DE YATES
Ejercicio 3. Una máquina produce componentes que son defectuosos en un 10%. Se elige al
azar una muestra de estos 50 componentes. Calcular las probabilidades de que a) como
mucho 6 componentes estén defectuosos, b) tenga 3 o más componentes defectuosos.
Ejercicio 4. El 70% de los alumnos de un instituto tiene teléfono móvil.
a) Si un instituto tiene 1400 alumnos, ¿cuántos se espera que tengan teléfono móvil?
b) ¿Cuál es la probabilidad de que en una muestra de 150 alumnos haya más de 100 con
teléfono móvil?
c) ¿Cuál es la probabilidad de que en una muestra de 200 alumnos haya como máximo 140
con teléfono móvil?
Ejercicio 5. En un centro comercial se sabe que el 35% de los clientes paga con tarjeta.
a) Si en una caja han pagado 120 clientes, ¿cuántos de ellos se espera que no lo hayan hecho
con tarjeta?
b) Si en una caja han pagado 200 clientes, ¿cuál es la probabilidad de que lo hayan hecho
con tarjeta entre 60 y 85 de ellos?
c) Si en una caja han pagado 400 clientes, ¿cuál es la probabilidad de que al menos 260 no lo
hayan hecho con tarjeta?