Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Fundamentos estadísticos
Versión 1
Leyes de Probabilidad 2
Índice
Conceptos:
Variable aleatoria.
Distribución de probabilidad.
Ley de probabilidad.
Densidad de probabilidad.
NOTA: Algunos gráficos y tablas están sacados del libro: Métodos Estadísticos. J.M. Doménech Massons.
Leyes de Probabilidad 3
Conceptos
- Toda variable sigue, en la población, una determinada ley de probabilidad -
Ley o Modelo de probabilidad: Modelo que sirve para explicar la distribución de una
variable aleatoria.
Ejemplos:
El lanzamiento de dados.
El crecimiento de galaxias.
Cuando se produce un huracán y para estimar qué lugares serán afectados, así como la magnitud de los eventuales
destrozos.
Se utiliza en la fiabilidad de los productos, para reducir la probabilidad de avería. Está relacionado con la garantía del
producto.
Albert Einstein comentó en una carta a Max Born: “Estoy convencido de que Dios no tira los dados”. No obstante hoy
en día no existe un medio mejor para describir la física cuántica si no es a través de la teoría de la probabilidad.
Leyes de Probabilidad 5
∑ ∑
Leyenda:
X: Variable aleatoria.
: Nº total de valores que toma la variable.
: Valor que toma cada variable.
: Probabilidad de obtener cada valor.
Leyes de Probabilidad 6
Ley Binomial
Definición: La distribución de frecuencias de objetos con una determinada característica, que se obtiene
al extraer de forma no exhaustiva muestras al azar de una población, sigue una ley Binomial.
Cálculo:
!
+ , ∙ .
1 /.
.! /. !
" ; " 1
Leyenda:
n: nº de sujetos escogidos en una muestra.
k: nº de sujetos buscados en la muestra.
π: Proporción del parámetro buscado en la población.
S: Variable aleatoria.
Leyes de Probabilidad 7
Tenemos una caja con 4 bolas azules (A) y 3 bolas blancas (B).
3 3
Si extraemos dos bolas con reposición calcular la probabilidad + ∙ 0.184
7 7
de encontrar bolas azules:
3 4
+ ∙ 0.245
7 7
a) Que sean las dos blancas 0.245∙ 2 0.49
!
+ , 0 ∙ 0.5714 1 0.571 /4
0.184
4! /4 !
4 4
+ ∙ 0.326
b) De encontrar una bola azul 7 7
!
+ , 1 ∙ 0.571 1 0.571 /
0.49 Prob. obtener Bolas
! / ! Azules Leyenda:
n: Nº de bolas
0,6 extraídas.
c) Que sean las dos azules 0,4 k: Nº bolas azules
!
+ , 2 ∙ 0.571 1 0.571 /
0.326
buscadas.
0,2
! / !
π: Prop.bolas azules
0 en la población.
0 1 azul 2
d) Calcular la Esperanza y la Variancia azules azules
Ejercicio !
p, .! /. !
∙ .
1 /.
n= 51
k= 20
π= 1/6
? / 4
51! 4
1
+ 20 ∙ 1/6 1 0.00007353
20! 51 20 ! 6
Leyes de Probabilidad 9
Ley de Poisson
Definición: La distribución de frecuencias de una característica poco frecuente, obtenida al extraer
al azar y con reposición muestras muy grandes, sigue una ley de Poisson.
Características:
Distribución de probabilidad discreta.
Solamente admite dos categorías (éxito y fracaso).
Se utiliza en muestreos con reposición.
Para poblaciones muy grandes (N>>n).
En muestras muy grandes C D EFF .
La frecuencia de la característica a estudiar es poco frecuente G H F. FI .
Leyenda:
Cálculo: : nº del tamaño de la muestra.
,: nº de ocurrencias del evento.
JK
+ " , ∙ L /J : Proporción del evento en la población.
.! λ ∙
" " λ L 2.71828 … .
Leyes de Probabilidad 10
1 persona pelirroja:
λ. /J 2
+ , 1 ∙L ∙ L/ 0.2707
,! 1!
5 personas pelirrojas:
2? /
+ , 5 ∙L 0.0361
5!
Ejercicio demostrativo !
p, .! /. !
∙ . 1 /.
1 persona pelirroja:
44!
+ , 1 ∙ 0.02 1 0.02 44/
0.2706 O 0.2707 (Poisson k=1)
! 44/ !
5 personas pelirrojas:
44!
+ , 5 ?! 44/? !
∙ 0.02? 1 0.02 44/?
0.0353 O 0.0361 (Poisson k=5)
Ejercicio p" ,
JK
∙ L /J
.!
λ. /J 8? /S
+ , 5 ∙L ∙L 0.092
,! 5!
Leyes de Probabilidad 13
Ley Hipergeométrica
Definición: Describe la distribución de frecuencias de una determinada característica que se obtiene al extraer
sin reposición muestras aleatorias de una población finita.
Representación: T U ; U ;
Características:
Distribución de probabilidad discreta.
Solamente admite dos categorías (éxito y fracaso).
Se utiliza en muestreos SIN reposición.
Cálculo:
VW ! VY !
∙
+ ,
K! VW XK ! ZXK ! VY XZ[K !
V!
Z! VXZ !
Leyenda:
\/ U: Total de sujetos en la población.
" ; " 1 ∙ U : Sujetos tipo 1 (característica a analizar).
\/
U : Sujetos tipo 2.
: Tamaño de la muestra.
,: nº de ocurrencias del evento.
: Proporción del evento en la población.
Leyes de Probabilidad 14
U! U!
∙
,! U , ! , ! U ], !
Ejemplo Ley Hipergeométrica + ,
U!
! U !
6 5 4
Tenemos una población de 10 ♀ 3♀ + ∙ ∙ 0.167
10 9 8
personas compuesta por N1=6♀ y ♀
N2= 4♂. Realizamos un muestro ♂
aleatorio de tres personas sin 6 5 4
♀ + ∙ ∙ 0.166
reposición. 10 9 8
♀ 2♀
♂ 0.166 ∙ 3 0.5
♀
6♀, 4♂
♂ 4 3 6
+ ∙ ∙ 0.1
♀ 10 9 8
Calcular la probabilidad de que no ♂ 1♀
salga ninguna mujer en la muestra 0.1 ∙ 3 0.3
♂
(k=0). Obtener la Esperanza y la ♀
Variancia de la variable aleatoria. ♂ 4 3 2
6! 4! 6! 4! ♂ 0♀ + ∙ ∙ 0.033
∙ ∙ 1∙4 10 9 8
0! 6 0 ! 3 0 ! 4 3]0 ! 0! ∙ 6! 3! ∙ 1!
+ , 0 0.033
10! 10! 120
Leyenda:
3! ∙ 7!
N1 nº de ♀ ; N2 nº de ♂.
3! 10 3 ! N: Población total U U ] U
" 3 ∙ 0.6 1.8 n: nº de personas elegidas.
U 10 3 k: nº de ♀ elegidas en la muestra.
" 1 ∙ 3 ∙ 0.6 1 0.6 ∙ 0.56 U ⁄U
U 1 10 1
π: Proporción de ♀ en la población.
Leyes de Probabilidad 15
U! U!
∙
,! U , ! , ! U ], !
Ejercicio Ley Hipergeométrica + ,
U!
! U !
Utilizando la ley hipergeométrica en el muestro aleatorio del ejemplo anterior, y sabiendo que se eligen a tres
personas sin reposición, calcular la probabilidad de obtener:
Una sola mujer: Prob. de elegir
6! 4! 6! 4!
∙
mujeres
1! 6 1 ! 3 1 ! 4 3 ] 1 ! ∙ 2! ∙ 2! 6 ∙ 6
+ , 1 1! ∙ 5! 0.3
10! 10! 120
Mujeres
3! 10 3 ! 3! ∙ 7! 0,6
0,5
Un solo hombre:
6! 4!
0,4
∙ 6! 4!
2! 6 2 ! 3 2 ! 4 3]2 ! ∙ 15 ∙ 4
2! ∙ 4! 1! ∙ 3!
0,3
+ , 2 0.5 0,2
10! 10! 120
3! 10 3 ! 3! ∙ 7! 0,1
0
Tres mujeres o tres hombres: 0 1 2 3
6! 4! 6! 4!
∙ ∙ 20 ∙ 1
3! 6 3 ! 3 3 ! 4 3]3 ! 3! ∙ 3! 0! ∙ 4!
+ ♀♀♀ + , 3 0.167
10! 10! 120
3! 10 3 ! 3! ∙ 7!
6! 4! 6! 4!
∙ ∙ 1∙4
0! 6 0 ! 3 0 ! 4 3 ] 0 ! 0! ∙ 6! 3! ∙ 1!
+ ♂♂♂ + , 0 0.033
10! 10! 120
3! 10 3 ! 3! ∙ 7!
T U ;U ; Para 2 categorías ! U !
U
finitas
" ; " 1 ∙
U 1
Leyes de Probabilidad 17
Representación: ∈ U a ,b .
No existe una sola distribución de probabilidad normal, su número es ilimitado.
g
1 / ∙
d/e Y
+ D c ∙L fY
dW 2 b
Leyes de Probabilidad 18
Transformación:
Transformar la variable que siga una ley U a , b en una variable h que
siga una ley U 0 , 1 .
d/e
Variable Z: →h f
Buscar la probabilidad de que se cumpla el valor h en la tabla T4a.
La tabla proporciona la probabilidad de que la variable aleatoria normal estandarizada
tome valores h mayores o iguales a h → + h D h .
Tabla + hDh
Leyes de Probabilidad 19
Ejemplo
La distribución de peso de los alumnos en un Instituto sigue una ley N(50, 2.25).
¿Cuál es la probabilidad de que al elegir a un alumno al azar pese 51 Kg?
Peso: V. Cuantitativa: 51 ,i → 50.5 j 51.5 ,i.
Datos: a 50,i ; b 2.25 → b 2.25 1.5 ,i
Transformar los límites en valores z:
d/e ?4.?/?4
50.5 ,i → h f .?
0.33 + H 50.5
? .?/?4
k 51.5 ,i → h .?
1
kg
Obtener la probabilidad con la tabla.
+ h D 0.33 0.3707
+ hD1 0.1587
Ejercicio
La distribución de peso de los alumnos en un Instituto sigue una ley N(50, 2.25).
¿Cuál es la probabilidad de que al elegir a un alumno al azar pese entre 48 y 50 Kg?
Peso: V. Cuantitativa: 48 a 50 ,i → 47.5 j 50.5 ,i.
Datos: a 50,i ; b 2.25 → b 2.25 1.5 ,i
p q rs/t ∙ u
hv/ : Valor de la ley normal reducida. Deja a su derecha una proporción α/2 de los casos.
Muchas gracias
por vuestra
atención.