Está en la página 1de 23

Tema 3.

Distribuciones
discretas 1
TEMA 3.
DISTRIBUCIONES
DISCRETAS
Tema 3. Distribuciones
discretas 2
Para qu sirven las DISTRIBUCIONES DE
PROBABILIDAD?
POBLACIN
MUESTRA
Extrapolacin (INFERENCIA)
Qu podemos decir sobre P y con
qu margen de error?
Tema 3. Distribuciones
discretas 3
CONCEPTO DE VARIABLE
ALEATORIA
Forma intuitiva: Cualquier magnitud que
puede tomar valores en un determinado dominio
de forma impredecible influida por el

Variable aleatoria: Valores impredecibles en
situaciones concretas y la posibilidad de
probabilizar el espacio muestral definido por R.

Variable aleatoria discreta: Puede tomar slo
un conjunto numerable de valores (finito o
infinito)
Tema 3. Distribuciones
discretas 4
FUNCIN DE PROBABILIDAD I
La FUNCIN DE PROBABILIDAD es una funcin, Px,
definida en R, que asigna a cada n real la probabilidad
de que la v.a. X tome ese valor:




La Ley de probabilidades de la variable X es el conjunto
de pares de la forma: {(x1,p1); (x2,p2); (xn,pn)}
Siendo:
V.aleatoria: {x1,x2,xn}
Respectivas probabilidades: {p1,p2,pn}


Px (X)= P{ w: X(w)= x} = P (X=x)
Tema 3. Distribuciones
discretas 5
Propiedades:
a) Px(xi) > 0 V xi Ex

b) Px(xi) = 1
V xi Ex

c) P (x B) = Px (xi)
xi B Ex


Ex= {x1,x2,xn}

FUNCIN DE PROBABILIDAD II
Tema 3. Distribuciones
discretas 6
FUNCIN DE DISTRIBUCIN I
La FUNCIN DE DISTRIBUCIN de una V.A.
discreta X, con funcin de probabilidad Px, es
una funcin definida para cada n R como:


El valor de la FUNCIN DE DISTRIBUCIN de la
var. X en el punto x indica la probabilidad de
que la variable X tome valores menores o
iguales que x



Fx (x)= P(Xx) = Px(xi)
xi x
xi Ex
Tema 3. Distribuciones
discretas 7
FUNCIN DE DISTRIBUCIN II
Fx y Px pueden ser obtenidas una a partir
de la otra:

Px (xi)= Fx (xi) Fx (x
i-1
)

Fx (x)= P (X x)

Tema 3. Distribuciones
discretas 8
FUNCIN DE DISTRIBUCIN III
Propiedades
a) 0 Fx (x) 1
b) Fx es no decreciente
c) Lim Fx(x)= 1 P(X)=P(R)=1
X
d) Lim Fx(x)= 0 P(X-)=P()=0
X -
e) Fx es continua por la derecha, pero no por la
Izquierda
f) La P( x ]a,b])= Fx(b) Fx(a)
Tema 3. Distribuciones
discretas 9
MEDIDAS CARACTERSTICAS
Esperanza matemtica o valor medio


Varianza




Desviacin tpica


e
=
Ex xi
xi xiPx x E ) ( ) (

e
e
=
=
Ex xi
Ex xi
x E xi Px xi x Var
xi Px x E xi x Var
2 2
2
)] ( [ ) ( ) (
) ( )) ( ( ) (
) (x Var
x
= o
Xi: Ptos de masa
Px(xi): Probabilidad de
esos puntos
Tema 3. Distribuciones
discretas 10
DISTRIBUCIN BINOMIAL I
Cundo se utiliza este modelo?
Dado un experimento aleatorio:
Slo se pueden dar dos alternativas. xito
(Suceso A=probabilidad p) y fracaso (Suceso
= probabilidad (1-p))
Se estudia el n de xitos conseguidos en n
realizaciones de la prueba (ocurre X veces el
suceso A)
Las n realizaciones de la prueba son
estadsticamente independientes

Tema 3. Distribuciones
discretas 11
DISTRIBUCIN BINOMIAL II
EJEMPLO: Determinar la probabilidad de que 3 vehculos
de una serie de 6, que esperan la apertura de un
semforo, giren a la derecha, sabiendo que slo pueden
elegir entre seguir recto o girar a la derecha y que la
probabilidad de esta ltima decisin es 01.
P=01
Tema 3. Distribuciones
discretas 12
DISTRIBUCIN BINOMIAL III
SEA A UN SUCESO DE PROBABILIDAD P ASOCIADO A UN
DETERMINADO EXPERIMENTO ALEATORIO.
A={girar a la derecha} P=P(A)=01
LLEVAMOS A CABO n REPETICIONES INDEPENDIENTES DEL
EXPERIMENTO EN CUESTIN.
n=6
SEA LA VARIABLE ALEATORIA X: EL NMERO DE VECES QUE
SE PRESENTA EL SUCESO A (0, 1, 2 ,3, , n).
Nmero de coches, de la serie de 6, que giran a la derecha
X SIGUE UNA DISTRIBUCIN BINOMIAL QUE DEPENDE DE
LOS DOS PARMETROS MENCIONADOS n Y P. X~B(n,P)
X~B(6,01)
Tema 3. Distribuciones
discretas 13
DISTRIBUCIN BINOMIAL IV
Funcin de probabilidad



Valor medio


Varianza y desviacin tpica
x n x
p p
x
n
x Px

|
|
.
|

\
|
= ) 1 ( ) (
)! ( !
!
x n x
n
x
n

=
|
|
.
|

\
|
E(x)=np
Var(x)= np(1-p)
) 1 ( ) ( p np x = o
X: 0,1,..n
Tema 3. Distribuciones
discretas 14
DISTRIBUCIN BINOMIAL V
Funcin de distribucin



Propiedad Adicin
Si x1= Bi(n1,p) y X2= Bi(n2,p) son
independientes: (x1+x2 = Bi(n1+n2, p)

xi n xi
x xi
p p
xi n xi
n
x Fx

s

) 1 (
)! ( !
!
) (
Tema 3. Distribuciones
discretas 15
DISTRIBUCIN HIPERGEOMTRICA I
Cundo se utiliza este modelo?
Es similar al BINOMIAL, pero:
Las n realizaciones de la prueba NO son
estadsticamente independientes
La poblacin muestreada es finita y pequea en
comparacin con el tamao de la muestra
Se caracteriza por:
X: N de uds. Muestrales de una categora
n: N de muestras extradas aleatoriamente
N: Poblacin
D: N elementos que verifican la categoria estudiada
P:D/N (probabilidad)

Tema 3. Distribuciones
discretas 16
DISTRIBUCIN HIPERGEOMTRICA II
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
=
n
N
x n
D N
x
D
x Px ) (

s
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
=
x xi
n
N
xi n
D N
xi
D
X Fx ) (
Funcin de Probabilidad Funcin de Distribucin
Valor medio Varianza
E(x)=nD/N
|
.
|

\
|

|
.
|

\
|
=
1
1 ) (
N
n N
N
D
N
D
n x Var
Tema 3. Distribuciones
discretas 17
RELACIN: DISTRIBUCIN HIPERGEOMTRICA Y
BINOMIAL
Tamao de la muestra muy pequeo en
comparacin tamao de la poblacin (N>>n)


Funcin de probabilidad aproximada

) , ( ) , , (
N
D
n B n N D N n H >>
x n x
N
D
N
D
x n x
n
X Px

|
.
|

\
|

|
.
|

\
|

~ 1
)! ( !
!
) (
n<10% 20% de N
Tema 3. Distribuciones
discretas 18
DISTRIBUCIN DE POISSON I
Cundo se utiliza este modelo?
Dado un experimento aleatorio:
La variable indica el n de ocurrencias (x) de un
suceso en un espacio o tiempo determinado
La posibilidad de que se presente una ocurrencia es
idntica para intervalos de igual longitud
El n potencial de ocurrencias es tericamente
ilimitado
El n de ocurrencias en intervalos separados es
estadsticamente independiente

Ejemplos: N defectos en un tramo de cable, n
de fallos de un producto reparable en un tiempo
determinado

Tema 3. Distribuciones
discretas 19
DISTRIBUCIN DE POISSON II
Viene caracterizada por:
: n medio de ocurrencias durante todo el
periodo de observacin


: tasa de ocurrencias (n medio de
ocurrencias / unidad de longitud o tiempo)
t: longitud o duracin del periodo de
observacin





En ocasiones descomponemos = o t donde:
Tema 3. Distribuciones
discretas 20
DISTRIBUCIN DE POISSON III
! !
) (
) (
x
e
x
t
e x Px
x x
t
o
o
= =
!
) (
xi
e x Fx
xi
x xi

=
Funcin de probabilidad
Funcin de Distribucin
X:0,1,..
Tema 3. Distribuciones
discretas 21
DISTRIBUCIN DE POISSON IV
Valor medio



o = = t x E ) (
o o
o
= =
= =
t
t x Var
x
) (
Varianza y desviacin



Suma de variables de Poisson
Si la variable Xi tiene un i y las variables son
estadsticamente independientes , la suma:
X=x1 + x2 + + Xn
Seguir una distribucin de Poisson con media:
E(x)= 1+ 2+...+ n


Tema 3. Distribuciones
discretas 22
RELACIN:DISTRIBUCIN BINOMIAL Y POISSON
Una Distribucin Binomial de parmetros n y p se
aproxima a una distribucin de Poisson con
E(x)=pn, cuando:



Valor aprox. de la Funcin de Probabilidad Binomial

) (
0 ,
) , ( np P
p n
p n B

!
) (
) (
x
np
e x Px
x
np
~
Aproximacin ms exacta:
n ms grande (n50)
p ms pequeo (p0.1)
Tema 3. Distribuciones
discretas 23
PLANES DE ACEPTACIN MUESTRAL
m.a.s.
Muestra de
tamao =n
Si X > c Rechazo la partida
Si X s c Acepto la partida
Criterio de aceptacin de la partida:
PARTIDA
P (/ de piezas
defectuosas)
- Si X: nmero de piezas defectuosas en la muestra > c

Parmetros a definir en el plan de inspeccin:
n: tamao de muestra
Se rechaza la partida

Se acepta la partida

- Si X: nmero de piezas defectuosas en la muestra s c
c: nmero mximo de piezas defectuosas en la muestra para
aceptar la partida.