Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Escuela Profesional
SESIÓN 3
Matemática y Física
Inferencia Estadística
4
Función de probabilidad (V. Discretas)
Ejemplo
Número de caras al lanzar 3
monedas.
5
Valor esperado y varianza de una v.a. X
Valor esperado
Se representa mediante E[X] ó μ
Es el equivalente a la media
Más detalles: Ver Módulo 1.
Varianza
Se representa mediante VAR[X] o σ2
Es el equivalente a la varianza
Se llama desviación típica a σ
Más detalles: Ver módulo 1.
RESUMEN
Distribución de probabilidad: lista de todos los posibles resultados
de un experimento junto con las probabilidades de cada resultado.
Variable: la cantidad que es resultado de un experimento que, por
azar, puede suponer distintos valores.
✓ Variable aleatoria discreta: es una variable que solo puede tomar
ciertos valores en un rango determinado.
✓ Variable aleatoria continua: es una variable que puede tomar
cualquier valor dentro de un rango determinado.
Distribución de probabilidad discreta
En teoría de la probabilidad y estadística, la distribución de probabilidad
de una variable aleatoria es una función que asigna a cada suceso
definido sobre la variable la probabilidad de que dicho suceso ocurra
En teoría de la probabilidad, la distribución discreta es una distribución de
probabilidad que asume un número finito de valores con la misma
probabilidad.
Por ejemplo, una distribución discreta describe la probabilidad de que las unidades
familiares de Cayhauyna tengan 0, 1, 2, 3 o 4 motos. La Dirección de Vehículos
Automotores pudiera utilizar esta información para determinar la probabilidad de
que cada unidad familiar tenga 2 o menos vehículos.
Usos – aplicaciones:
Muy poco. Electrónica, proceso binarios en general.
Variable aleatoria – Valores: 0 y 1 Parámetros: p: Probabilidad de éxito
Notación: X Ber(p)
Distribución Bernoulli…
Función de distribución de probabilidades:
X P(X = x) = p(x)
0 1–p p(x) = px(1–p)1-x ; x = 0,1
1 p
E( X ) = p Var ( X ) = p (1 − p )
Ejemplo de distribución de Bernoulli
Se ha observado estudiando 2000 accidentes de tráfico con impacto
frontal y cuyos conductores no tenían cinturón de seguridad, que 300
individuos quedaron con secuelas. Describa el experimento usando
conceptos de v.a.
Solución.
La noción frec. de prob. nos permite aproximar la probabilidad de tener
secuelas mediante 300/2000=0,15=15%
X=“tener secuelas tras accidente sin cinturón” es variable de Bernoulli
X=1 tiene probabilidad p ≈ 0,15
Características
❑ cada ensayo de una distribución binomial termina en sólo uno de dos resultados
mutuamente excluyentes. Éxito (p) ó fracaso (1 – p).
❑ La probabilidad de éxito en un ensayo es independiente de la probabilidad de éxito en otro
ensayo.
❑ La probabilidad de cada resultado permanece constante de un ensayo al otro.
❑ El experimento puede repetirse muchas veces. (n veces)
Experimento de base:
Realización de n ensayos Bernoulli, todos independientes, y cada uno con
probabilidad de Éxito p.
Variable aleatoria – Definición:
Número de Éxitos observados en n ensayos Bernoulli, todos independientes,
y cada uno con probabilidad de Éxito p.
Usos – aplicaciones:
Control de calidad, tratamientos de encuestas …
Valores de la variable: 0, 1, 2, …, n
Parámetros: n: Número de ensayos
p: Probabilidad de éxito
Notación: X bin(n , p)
Distribución binomial…
Función de distribución de probabilidades:
n k
P( X = k ) = B(k , n, p) = . p .(1 − p) n−k 0kn
k
Función de distribución acumulativa: p= probabilidad de éxito.
k
1– p = q =probabilidad de fracaso.
F (k ) = P( X k ) = p( x)
n = tamaño de la muestra (ensayos
realizados).
x =0 k = éxitos en la muestra.
Cálculo de probabilidades acumulativas:
k
F (k ) = P( X k ) = p( x)
x =0
Propiedades: X B(n , p) :
𝜇 = 𝐸 𝑋 = 𝑛. 𝑝 𝜎 2 = 𝑉𝑎𝑟 𝑋 = 𝑛. 𝑝. (1 − 𝑝) 𝜎= 𝑛. 𝑝. (1 − 𝑝)
◼ EJEMPLO: Al adivinar al azar un examen de 100 preguntas múltiples,
cada una con 4 posibles respuestas:
◼ ……………………………………..…..
◼ ………………………………………….
◼ …………………………………………
◼ P (k = 4) = 0.026
◼ Es decir, probabilidad de obtener cuatro veces el números 3 al tirar
un dado 8 veces es de 2.6%.
Distribución Binomial
Si se repite un número fijo de veces, n, un experimento de Bernoulli con parámetro p, el
número de éxitos sigue una distribución binomial de parámetros (n, p).
Lanzar una moneda 10 veces y contar las caras.
Bin(n=10,p=1/2)
Bin(n=100,p=1/2)
Difícil hacer cálculos con esas cantidades. El modelo normal será más
adecuado.
El número de personas que enfermará (en una población de 500.000 personas) de
una enfermedad que desarrolla una de cada 2000 personas.
Bin(n=500.000, p=1/2000)
Difícil hacer cálculos con esas cantidades. El modelo de Poisson será más
adecuado.
OBSERVACIÓN
1.Un supervisor de mercado afirma que solo el 45% de todos los trabajadores utilizan las
medidas sanitarias en su puesto de trabajo. Suponiendo que esta afirmación es cierta,
encuentre la probabilidad de que exactamente 5 de 8 trabajadores elegidos al azar utilizan
dichas medidas sanitarias en su puesto de trabajo.
2. En una prueba de 8 preguntas con respuesta dicotómica, en el que los evaluado
contestan al azar, hallar: a) la probabilidad de obtener 2 aciertos, b) la probabilidad de
tener a lo más 4 aciertos, c) la probabilidad de tener al menos cuatro aciertos.
3.La probabilidad de que Metodio acierte en convertir un penal es 68%, si dispara en rondas
de 10 tiros, encuentre la media, la varianza y la desviación estándar del número de
aciertos por ronda.
4.Imaginemos que un 80% de personas en el mundo han visto el partido de la final del
último mundial de futbol. Tras el evento, 5 amigos se reúnen a conversar, ¿Cuál es la
probabilidad de que 3 de ellos hayan visto?
J. Vilchez
3. Distribución de Poisson
k
P[ X = k ] = e − , k = 0,1,2,...
k!
Distribución de Poisson…
Experimento de base:
Observación de la ocurrencia de eventos en un espacio (intervalo) determinado (fijo).
Valores de la variable: 0, 1, 2, …
Parámetros: : Tasa promedio de ocurrencia de los evento
Notación: X P()
Distribución de Poisson…
Función de distribución de probabilidades:
e − x
p ( x) = ; x = 0,1,2,
x!
Función de distribución acumulativa:
k
F (k ) = P( X k ) = p( x)
x =0
Propiedades: X P ()
Sospechamos que diferentes hospitales pueden tener servicios de traumatología de diferente “calidad”
(algunos presentan pocos, pero creemos que aún demasiados, enfermos con secuelas tras la
intervención). Es difícil compararlos pues cada hospital atiende poblaciones de tamaños diferentes
(ciudades, pueblos,…)
Tenemos en cada hospital n, nº de pacientes atendidos o nº individuos de la población que cubre el
hospital.
Tenemos p pequeño calculado como frecuencia relativa de secuelas con respecto al total de pacientes
que trata el hospital, o el tamaño de la población,…
Se puede modelar mediante Poisson (μ=np)
EJERCICIO:
1.Si un banco determina que el promedio de cheques sin fondo en una
semana es de 8. ¿Cuál es la probabilidad que el banco reciba 5 sin fondo
en la semana?
2.El asesor de tesis de atiende en promedio a 4 estudiantes por hora. ¿Cuál
es la probabilidad que en la siguiente hora atienda solo a dos estudiantes?,
¿Atienda a lo más a 4 estudiantes?, ¿Atienda al menos 3 estudiantes?
3.Una central telefónica recibe en promedio 60 llamadas por hora. ¿Cuál se
la probabilidad de que en 2 minutos no se reciba ninguna llamada
telefónica?
4. Distribución de Hipergeométrica
En teoría de la probabilidad y estadística, la distribución hipergeométrica es una
distribución de probabilidad discreta relacionada con muestreos aleatorios y sin reemplazo.
La distribución de probabilidad de la variable aleatoria hipergeométrica X, el número de
éxitos en una muestra aleatoria de tamaño n seleccionada de N resultados posibles, de los
cuales p son considerados como éxitos y N – m como fracasos es:
𝑚 𝑁−𝑚
𝑥 𝑛−𝑥
𝑃 𝑋=𝑥 =
𝑁
𝑛
Donde:
N = Número total de elementos o población.
m = Número de éxitos (o elementos que cumplen la característica deseada.
n = Número de elementos extraídos de la población (muestra).
x = Número de éxitos de la muestra.
Propiedades características
El valor esperado y la varianza de una variable aleatoria X que sigue la
distribución hipergeométrica es:
𝑝 = 𝑚/𝑁
𝐸 𝑥 = 𝑛. 𝑝
𝑁−𝑛
𝑉 𝑥 = 𝑛. 𝑝(1 − 𝑝)
𝑁−1
J. Vilchez
PROBLEMAS
En una caja hay 12 camisas de los cuales 4 tienen algún defecto, si se sacan 6 camisas de la caja,
¿cuál es la probabilidad de sacar una camisa con defecto?, ¿cuál es la probabilidad de sacar una
camisa con sin defecto?
Se embarcan artefactos eléctricos en lotes de diez, antes de aceptar el lote, un inspector elige tres de
esos lotes y los inspecciona, si ninguno de los artefactos probados está defectuoso, el lote se acepta;
si uno o más salen con defectos, revisan todo el lote. Suponga que hay dos artefactos defectuosos.
¿Cuál es la probabilidad de que se necesite un 100% de inspección?
Un auditor de recaudación selecciona al azar 4 solicitudes de devolución de entre los 15 presentados,
si 5 solicitudes contienen deducciones ilegales, ¿Cuál es la probabilidad de que el auditor examine:
exactamente una solicitud legal?, 4 solicitudes ilegales?
En el curso de Inferencia Estadística hay un total de 30 estudiantes matriculados, de los cuales 18 son
varones. Se toma al azar una muestra 10 estudiantes, determine la probabilidad de que: a) 8 no sean
varones, b) Exactamente 13 sean varones, c) áximo 5 no sean varones.
J. Vilchez
5. Distribución de geométrica
El valor esperado, la media, de esta distribución es μ = (1 – p) p.μ = ( 1 – p ).p .
Esto nos indica cuántos fracasos debemos esperar antes de tener un acierto. En
cualquier caso, la secuencia de probabilidades es una secuencia geométrica.
𝑃 𝑥 = 𝑝. (1 − 𝑝)(𝑥−1)
𝐸 𝑥 = 1/𝑝
EJEMPLO. La probabilidad de que un estudiante de contabilidad apruebe su
examen de titulación es 0.6. Encuentre la probabilidad de que el estudiante
apruebe dicho examen en el segundo intento, antes del cuarto intento, después
del cuarto intento.
EJEMPLO. Suponga que cada una de las llamadas que realiza a Essalud para
pactar una cita es de 0,035 de ser respondida. Asumiendo que las llamadas son
independientes, ¿cuál es la probabilidad de que respondan a la doceava llamada?,
¿cuál es número medio de llamadas en promedio que se requiere para ser
atendidos en la consulta?
J. Vilchez