TRABAJO PRCTICO

(Probabilidad y Estadstica)
Distribucin de Probabilidad.
Tutoriales y manejo de
STATGRAPHICS.
Integrantes:
ngel Joves.
Luis Carrillo.
Juan Marn.

UNET. Julio de 2014
Distribucin de Probabilidad:
La distribucin de probabilidad de
una variable aleatoria es una funcin
que asigna a cada suceso definido
sobre la variable aleatoria
la probabilidad de que dicho suceso
ocurra.

La distribucin de probabilidad est
definida sobre el conjunto de todos los
sucesos, cada uno de los sucesos es
el rango de valores de la variable
aleatoria.

Una distribucin de probabilidad
indica toda la gama de valores que
pueden representarse como resultado
de un experimento si ste se llevase a
cabo.
Variable
Aleatoria

CONTINUAS:
Beta
Exponencial
Gamma
Normal
T de Student

DISCRETAS:
Binomial
Geomtrica
Hipergeomtrica
Poisson
Toda distribucin de
probabilidad es generada
por una variable (porque
puede tomar diferentes
valores) aleatoria x (porque
el valor tomado es
totalmente al azar), y puede
ser de dos tipos:
Distribucin
Binomial
CARACTERISTICAS
En cada prueba del
experimento slo son
posibles dos resultados: xito
y fracaso.
La probabilidad de xito es
constante, es decir, que no
vara de una prueba a otra.
Se representa por p.
La probabilidad de fracaso
tambin es constante, Se
representa por q, q = 1 p
La variable aleatoria binomial
x, expresa el nmero de
xitos obtenidos en
las n pruebas. Por tanto, los
valores que puede
tomar X son: 0, 1, 2, 3, 4, ...,
n.



CALCULO PROBABILIDAD




n es el nmero de
pruebas.
k es el nmero de xitos.
p es la probabilidad de
xito.
q es la probabilidad de
fracaso.
V
A
R
I
A
B
L
E
S

D
I
S
C
R
E
T
A
S
.

EJEMPLO:
En una planta se cont el 100% de sus accidentes y se dice que el
75% de estos se atribuyen a errores humanos. Si en un perodo de
tiempo dado, se suscitan 5 accidentes, determine la probabilidad de
que 2 de los accidentes se atribuyan a errores humanos.
En STATGRAPHICS:
1. Seleccione:
Describir >Ajuste de Distribuciones
> Dist. de Probabilidad> Binomial.

(Nota: este procedimiento se realizar
siempre para modificar el tipo de
distribucin de probabilidad a usar).
2. Pedir que agreguemos las
opciones binomiales (Para este
ejemplo):

Prob. Evento: 75% = 0.75
Ensayos: 5
3. Seleccionamos las tablas y grficos que usaremos o
necesitamos.
4. Aparecern 4 ventanas con el contenido de la Dist. de
Probabilidad:
5. Para la probabilidad de que los 2 accidentes sean por errores humanos:
Clic der. en ventana Dist. Acumulada > opciones de ventana > Insertar
variable aleatoria.
Finalmente esta probabilidad viene dada por Probabilidad de Masa =
0.088 (8.8%)
Distribucin Geomtrica
CARACTERISTICAS
Modelo adecuado para aquellos procesos
en los que se repiten pruebas hasta la
consecucin del xito a resultado deseado y
tiene interesantes aplicaciones en los
muestreos realizados de esta manera .
Esta distribucin sirve para calcular la
probabilidad de que ocurra un xito por
primera y nica vez en el ltimo ensayo que
se realiza del experimento.

CALCULO PROBABILIDAD

= =
( )

; = , ,
;


x cuenta el # de realizaciones para obtener
el primer xito.
p es la probabilidad de que ocurra.

V
A
R
I
A
B
L
E
S

D
I
S
C
R
E
T
A
S
.

EJEMPLO:
Se sabe que en
cierto proceso de
fabricacin, uno de
cada 100 artculos
esta defectuoso.
Cul es la
probabilidad de
que el 5to artculo
que se inspecciona
sea el primer
defectuoso que se
encuentra?
2. Pedir que agreguemos la
probabilidad del evento:

Prob. Evento: 1/100 = 0.01
3. Para la probabilidad de que el 5to elemento sea el defectuoso
(cambiamos la variable aleatoria a 5), as:
Clic der. en ventana Dist. Acumulada > opciones de ventana > Insertar
variable aleatoria
Obtenemos el resultado.
La probabilidad de que el
5to articulo sea
defectuoso es de
0.0095= 0.95%
Distribucin
Hipergeometrica
CARACTERISTICAS
Es una distribucin discreta
relacionada con muestreos
aleatorios y sin reemplazo.
Es especialmente til en todos
aquellos casos en los que se
extraigan muestras o se realizan
experiencias repetidas sin
devolucin del elemento extrado
Sea N el nmero total de
elementos de una poblacin finita
binomial, de manera que k de
stos es de un tipo y N k es de
otro. Si se toma una muestra
aleatoria de tamao n la
probabilidad de que x sea de un
tipo y n x sea de otro, esta
dado por la funcin de distribucin
hipergeomtrica.


CALCULO PROBABILIDAD




N poblacin total.
k # de elementos de un
tipo
N-k # de elementos de
otro tipo.
n tamao de la muestra.
x # de exitos.

V
A
R
I
A
B
L
E
S

D
I
S
C
R
E
T
A
S
.

EJEMPLO:
En un curso hay 19 mujeres y 19 hombres. Si se toma una muestra
aleatoria de 10 estudiantes del curso. Cul es la probabilidad de que
este grupo tenga 6 mujeres?
= =

Realizamos el mismo procedimiento para seleccionar el tipo de
distribucin. (Hipergeomtrica)
2. Pedir que agreguemos tres
datos:

Prob. Evento: 19/38 = 0.5
# de Ensayos =10
Poblacin total = 38
Agregando los datos y
seleccionando las ventana que
queremos tendremos los
resultados.
Obtenemos el resultado.
La probabilidad de que
de 10 estudiantes 6 sean
mujeres es de: 0.222=
2.22%
Algunas grficas interesantes y que podemos
seleccionar de acuerdo a nuestra
conveniencia:
Distribucin de Poisson
CARACTERISTICAS
Se dir que un fenmeno aleatorio se comporta de manera que
puede modelarse a travs del modelo de Poisson si lo que se
quiere es contar el nmero de ocurrencias que se da de
manera aleatoria en el tiempo o lugar del espacio.
Esta distribucin es una de las ms importantes distribuciones
de variable discreta.
Se especializa en la probabilidad de ocurrencia de sucesos con
probabilidades muy pequeas, o sucesos raros.
La media de este modelo es: =
La varianza de este modelo es:

=
CALCULO PROBABILIDAD

= =

!


x cuenta el # de ocurrencias en tiempo o espacio
es el promedio de ocurrencias por unidad de tiempo o
espacio.
V
A
R
I
A
B
L
E
S

D
I
S
C
R
E
T
A
S
.

EJEMPLO:
Se sabe que el nmero promedio de accidentes en una semana en
un cruce de vas es de 3. Modele este fenmeno y responda lo
siguiente:
a) Cul es la probabilidad de que la prxima semana haya dos
accidentes en este cruce de vas?
b) Cul es la probabilidad de que en un mes no haya ms de
cuatro accidentes en este cruce de vas?
En STATGRAPHICS:
1. Seleccionamos el tipo de
distribucin (Poisson) y nos
pedir la media correspondiente
() Insertamos para cada caso:

Media a) = 3
Media b) =(28x3)/7 =12
2. En Dist. Acumulada > clic derecho > opciones de ventana > se
agregan las variables. Para este caso x = 0, 1, 2, 3, 4.
RESPUESTAS:
a) La probabilidad de que hayan dos accidentes en la prxima
semana viene dada por 0.0224 = 2.24%
b) La probabilidad de que no hayan mas de 4 accidentes en un mes
viene dada por la suma de las probabilidades desde 0 a 4, es decir:
(0.0 + 0.0001 + 0.0004 + 0.0018 + 0.053) = 0.0076 = 0.76%

Grafica de Distribucin de
Poisson
Distribucin Beta
CARACTERISTICAS
En estadstica la distribucin beta es una distribucin de
probabilidad continua con dos parmetros a y b cuya funcin de
densidad para valores 0 < x < 1 ser explicada posteriormente.
Dada la gran flexibilidad de la distribucin beta y el hecho que
tomar valores entre cero y uno, variables que describen
proporciones, como la proporcin de riqueza en un cierto
mineral, la incidencia del gasto en alimentacin en el
presupuesto familiar, o la proporcin de manufacturas
defectuosas, se ajustan bien a esta distribucin.
CALCULO PROBABILIDAD

=
+

a, b parmetros de la
distribucin.
es la funcin gamma.
x es la variable aleatoria.
V
A
R
I
A
B
L
E
S

C
O
N
T
I
N
U
A
S
.

=

= ! , >
CLCULO
FUNCIN GAMMA
EJEMPLO:
Supngase que en la zona cntrica del pas, la proporcin de tramos
de autopista que requieren de mantenimiento o reparacin
anualmente es una variable aleatoria X con distribucin beta con
parmetros a = 3 y b = 2. Halle lo siguiente:

a) Calcule la probabilidad de que a lo sumo la mitad de los tramos de
la autopista requieran mantenimiento o reparacin anualmente.

b) Calcule la probabilidad de que al menos las tres cuartas partes de
los tramos de la autopista requieran mantenimiento o reparacin
anualmente.

Teoricamente para encontrar estas probabilidades:
Primero se debe encontrar o buscar la funcin gamma ,
Tambin el valor de esta funcin evaluada en los parmetros a y
b,
Por ultimo el valor de + .
Con estos datos ya podremos construir la funcin probabilidad y
as calcularla.
Para la parte a) :

En STATGRAPHICS:
1. Seleccionamos el tipo de
distribucin (Beta) y nos pedir
los respectivos parmetros:
Forma 1= 3
Forma 2 = 2
2. Como nos pide la probabilidad de que a lo sumo la mitad de los tramos
de la autopista requieran mantenimiento, esto corresponde al 50%, es
decir, x= = 0,5
3. Por lo tanto, vamos a la ventana Dist. Acumulada > clic derecho >
opciones de ventana > ajustamos la variable a 0.5
a) La probabilidad de que a lo sumo la mitad de tramos deban
repararse es de 0,3125 = 31,25%
b) Para calcular la probabilidad de que al menos las tres cuartas partes
(3/4) requieran mantenimiento realizamos los mismos paso pero x= 0.75.
Y esta probabilidad es de 0,2617 = 26,17%
Distribucin Gamma
CARACTERISTICAS
Este modelo es una generalizacin del modelo Exponencial ya
que, en ocasiones, se utiliza para modelar variables que
describen el tiempo hasta que se produce p veces un
determinado suceso.
Este modelo depende de dos parmetros positivos: a y p. Y la
funcin es la denominada funcin Gamma de Euler.
La distribucin Gamma (a, p = 1) es una distribucin
Exponencial de parmetro a. Es decir, el modelo Exponencial es
un caso particular de la Gamma con p = 1.
CALCULO PROBABILIDAD

=

p (forma) , a (escala),
parmetros de la distribucin.
es la funcin gamma.
x es la variable aleatoria.
V
A
R
I
A
B
L
E
S

C
O
N
T
I
N
U
A
S
.

=

CLCULO
FUNCIN GAMMA
Valor Esperado: =
/
Varianza: = /

EJEMPLO:
En cierta ciudad el consumo diario de energa elctrica, en millones
de kilovatios por hora, puede considerarse como una variable
aleatoria con distribucin GAMMA de parmetros p = 3 y a = 0.5.
La planta de energa de esta ciudad tiene una capacidad diaria de 10
millones de KW/hora.
Cul es la probabilidad de que este abastecimiento sea:
a. Insuficiente en un da cualquiera?.
b. Se consuman entre 3 y 8 millones de K. W./Hora?
c. Encuentre E(x) y V(x)
En STATGRAPHICS:
1. Seleccionamos el
tipo de distribucin
(Gamma) y nos
pedir los
parmetros:
De forma p = 3 y
Escala a = 2
Ya ingresados los parmetros, damos aceptar, seleccionamos los
grficos que necesitamos y cambiamos la variable aleatoria para
responder los enunciados a y b.
2. En Dist. Acumulada > clic derecho > opciones de ventana > se
agregan las variables. Para este caso
x = 10 (porque son 10 millones de K.W/hora en el da).
x = 8; 3 (para la probabilidad de consumir entre 8 y 3 millones).
b) La probabilidad de
que se consuman entre
8 a 3 millones de
K.W/hora al da, viene
dado por la diferencia
entre la probabilidad de
8 y la de 3:
f(x) = 0.7618 0.1911
f(x) = 0.571 = 57.1%
a) La probabilidad de
que 10 millones de
K.W/hora al da sean
insuficientes es:
f(x) = 0.1246 = 12.46%
Valor Esperado: = / =3/0.5 =6
Varianza: = /

= 3/(. )

=

Distribucin Exponencial
CARACTERISTICAS
Sea un fenmeno aleatorio con
las siguientes caractersticas:
x es variable aleatoria que seala
el tiempo transcurrido entre dos
sucesos de la misma naturaleza,
indica el tamao de una regin del
espacio.
La distribucin exponencial no
tiene memoria, es decir, los
eventos precedentes o futuros no
dependen de los ocurridos en el
pasado.
Tiene utilidad en el modelamiento
de la duracin de componentes,
teora de colas, etc.
El modelo Gamma se transforma
en el exponencial cuando p = 1.
CALCULO PROBABILIDAD

=

parmetro de la distribucin.
V
A
R
I
A
B
L
E
S

C
O
N
T
I
N
U
A
S
.

EJEMPLO:
Los clientes de un
supermercado llegan en
promedio de uno por minuto.
Halle la probabilidad de que
transcurran:
a.) Por lo menos 3' despus
del ltimo cliente y el
prximo.
b.) Entre 2' y 4'.
c.) A lo ms 2'
1. Seleccionamos el tipo de
distribucin (Exponencial) y nos
pedir la Media:
= 1= media
2. Seleccionamos las graficas
correspondientes.
2. En Dist. Acumulada > clic
derecho > opciones de ventana
> se agregan las variables.
Para este caso:
x =3 (para la parte a.).
x = 2 y 4 (para la parte b y
c.).
a) La probabilidad de que
transcurran por lo menos 3'
despus del ltimo cliente y
el prximo es de: 0.049 =
4.9%
b) La probabilidad entre 2' y
4 es de: 0.135 0.018 =
0.117
c) La probabilidad de que
transcurran a lo mas 2' es
de: 0.0864 = 8.64%
Distribucin Normal
CARACTERISTICAS
La distribucin normal, es la piedra angular de la mayora de los
procesos de generalizacin en estadstica. Las observaciones de un
gran nmero de fenmenos tienden a parecerse en su
comportamiento a esta distribucin. En otras palabras, cuando se
tiene un conjunto de datos de una muestra tomada en forma aleatoria
de los datos u observaciones que generan el fenmeno o proceso en
estudio, en la mayora de los casos, estos datos tienen esta
distribucin.
La curva normal fue descubierta por Abraham De Moivre (1697
1754) en 1733 como una forma lmite de una distribucin llamada
binomial. Ms tarde fue estudiada por La place (1749 1827) y
Gauss (1777 1855) quien la cit en un artculo que publico en 1809.
La distribucin normal tambin es importante por su relacin con la
estimacin por mnimos cuadrados, uno de los mtodos de estimacin
ms simples y antiguos.
La grfica de su funcin de densidad tiene una forma acampanada y
es simtrica respecto de un determinado parmetro estadstico. Esta
curva se conoce como campana de Gauss y es el grfico de
una funcin gaussiana.
V
A
R
I
A
B
L
E
S

C
O
N
T
I
N
U
A
S
.

EJEMPLO:
Los sueldos de 500 empleados de una fbrica se distribuyen
normalmente con una media de 2.300 $ y con una desviacin
estndar de 150 $.
Determine:
a) Cul es la probabilidad de que un empleado de la fbrica tomado
al azar tenga un sueldo inferior a 2400 $?
b) Cul es la probabilidad de que un empleado de la fbrica tomado
al azar tenga un sueldo superior a 2500 $?
c) Cul es la probabilidad de que un empleado de la fbrica tomado
al azar tenga un sueldo entre 2150 $ y 2450 $?, Qu cantidad de
empleados obtienen sueldos entre 2150 $ y 2450 $?
CALCULO PROBABILIDAD
Funcin de Densidad
; , =

: es la media.
: es la desviacin estndar.
x: variable aleatoria.
Funcin de Distribucin
(; , ) =

En STATGRAPHICS:
1. Seleccionamos el tipo de distribucin (Gamma) y nos pedir la media
y desviacin estndar, para este caso: Media = 2300$ D. Estndar =
150$
2. Agregamos las tablas y
grficos que necesitamos o
queremos estudiar.
2. En Dist. Acumulada > clic derecho
> opciones de ventana > se agregan
las variables.
Para este caso:
x =2400. (parte a)
x = 2500. (parte b)
x = 2150 y 2450. (parte c)
a) La probabilidad de que un empleado tomado al
azar tenga un sueldo inferior a 2400$ es de:
0.7475 = 74.75%
b) La probabilidad de que un empleado tomado al
azar tenga un sueldo inferior a 2500$ es de:
0.0912 = 9.12%
c) La probabilidad de que un empleado de la fbrica
tomado al azar tenga sueldo entre 2150$ y 2450$ es
de:
0.8413 0.1587 = 0.6826 = 68.26%
Y la cantidad de empleados con sueldo entre 2150 y
2450 es de
.

= 341.3 341 empleados

El campo de existencia es cualquier valor real, es decir, (-, +).
Es simtrica respecto a la media .
Tiene un mximo en la media .
Crece hasta la media y decrece a partir de ella.
En los puntos y + presenta puntos de inflexin.
El eje de abscisas es una asntota de la curva.
Al ser simtrica respecto al eje que pasa por x = , deja un rea
igual a 0.5 a la izquierda y otra igual a 0.5 a la derecha.
La probabilidad equivale al rea encerrada bajo la curva.
Distribucin T Student
CARACTERISTICAS
La distribucin-t o distribucin T
de Student es una distribucin
de probabilidad que surge del
problema de estimar la media de
una poblacin normalmente
distribuida cuando el tamao de
la muestra es pequeo.
A la teora de pequeas
muestras tambin se le llama
teora exacta del muestreo, ya
que tambin la podemos utilizar
con muestras aleatorias de
tamao grande.
La grfica de la funcin de
distribucin t de Student es
simtrica, respecto del eje de
ordenadas y semejante a la de
una distribucin normal.
La distribucin de probabilidad
de t se public por primera vez
en 1908 en un artculo de W. S
Gosset con el nombre de
Student.
CALCULO PROBABILIDAD

=

v = n-1 numero de grados de
libertad.
x variable aleatoria.
n tamao de la muestra.
V
A
R
I
A
B
L
E
S

C
O
N
T
I
N
U
A
S
.

EJEMPLO
Cual es la probabilidad de que
una variable t de Student de 6
grados de libertad deja a la
izquierda de -1.45:
SOLUCION:
Tericamente:
P(t6 < -1,45) = 1 - P(t6 < 1,45)
en la tabla encontramos:
P(t6 < 1,45) = 0,901
por tanto:
P(t6 < -1,45) = 1 - 0,901
con lo que obtenemos:
P(t6 < -1,45) = 0,099 = 9.9%
En STATGRAPHICS:
1. Seleccionamos el tipo de
distribucin (t de Student) y nos
pedir los grados de libertad, para
este caso: G.L =6