Documentos de Académico
Documentos de Profesional
Documentos de Cultura
probabilsticos
ING. EDER ROBLES MORALES
1
Variable aleatoria
El resultado de un experimento
aleatorio puede ser descrito en
ocasiones como una cantidad numrica.
En estos casos aparece la nocin de
variable aleatoria
Funcin que asigna a cada suceso un
nmero.
3
Funcin de densidad (V. Continuas)
Definicin
Es una funcin no negativa de integral
1.
Pinsalo como la generalizacin del histograma con
frecuencias
4
Para qu sirve la f. densidad?
Muchos procesos aleatorios vienen descritos por variables de
forma que son conocidas las probabilidades en intervalos.
5
Funcin de distribucin
Es la funcin que asocia a cada valor de una
variable, la probabilidad cumulada
de los valores inferiores o iguales.
6
Para qu sirve la f. distribucin?
Contrastar lo anmalo de una observacin concreta.
S que una persona que mida 170cm no posee una altura nada extraa
pues su funcin de distribucin es aproximadamente 0,5.
Varianza
Se representa mediante VAR[X] o 2
Es el equivalente a la varianza
Se llama desviacin tpica a
8
Algunos modelos de v.a.
9
Distribucin de Bernoulli
Tenemos un experimento de Bernoulli si al realizar un
experimentos slo son posibles dos resultados:
X=1 (xito, con probabilidad p)
X=0 (fracaso, con probabilidad q=1-p)
Solucin.
La noc. frecuentista de prob. nos permite aproximar la
probabilidad de tener secuelas mediante 300/2000=0,15=15%
11
Ejemplo de distribucin de Bernoulli.
Se ha observado estudiando 2000 accidentes de
trfico con impacto frontal y cuyos conductores s
tenan cinturn de seguridad, que 10 individuos
quedaron con secuelas. Describa el experimento
usando conceptos de v.a.
Solucin.
La noc. frecuentista de prob. nos permite aproximar la
probabilidad de quedar con secuelas por 10/2000=0,005=0,5%
12
Observacin
En los dos ejemplos anteriores hemos visto cmo enunciar
los resultados de un experimento en forma de estimacin
de parmetros en distribuciones de Bernoulli.
Sin cinturn: p 15%
Con cinturn: p 0,5%
Media: =n p
Varianza: 2 = n p q
14
Distribucin Binomial
Si se repite un nmero fijo de veces, n, un
experimento de Bernoulli con parmetro p, el nmero
de xitos sigue una distribucin binomial de
parmetros (n,p).
k
P[ X k ] e , k 0,1,2,...
k!
17
Ejemplos de variables de Poisson
El nmero de individuos que ser atendido un da cualquiera
en el servicio de urgencias del hospital clnico universitario.
En Pasco hay 500.000 habitantes (n grande)
La probabilidad de que cualquier persona tenga un accidente es
pequea, pero no nula. Supongamos que es 1/10.000
Bin(n=500.000,p=1/10.000) Poisson(=np=50)
Distancia de frenado. 1
f ( x) e 2
19
N(, ): Interpretacin
geomtrica
Podis interpretar la
media como un
factor de traslacin.
Y la desviacin tpica
como un factor de
escala, grado de
dispersin,
20
N(, ): Interpretacin probabilista
Entre la media y
una desviacin
tpica tenemos
siempre la misma
probabilidad: aprox.
68%
x
z
En el caso de variable X normal, la interpretacin es clara: Asigna
a todo valor de N(, ), un valor de N(0,1) que deja exctamente
la misma probabilidad por debajo.
23
Tabla N(0,1) Z es normal tipificada.
Calcular P[Z<1,85]
24
Tabla N(0,1) Z es normal tipificada.
Calcular P[Z<-0,54]
Calcular P[-0,54<Z<1,85]
26
Ejemplo: Clculo con probabilidades normales
28
P[ Z 1,00] ( ver tabla) 0,841
El valor del colesterol que slo supera el 10% de los individuos es el percentil
90. Calculemos el percentil 90 de la N(0,1) y deshacemos la tipificacin.
x
z
x 200
1,28
10
x 200 10 1,28 212,8
29
Ejemplo: Tipificacin
Se quiere dar una beca a uno de dos estudiantes
de sistemas educativos diferentes. Se asignar al
que tenga mejor expediente acadmico.
El estudiante A tiene una calificacin de 8 en un sistema
donde la calificacin de los alumnos se comporta como
N(6,1).
El estudiante B tiene una calificacin de 80 en un
sistema donde la calificacin de los alumnos se
comporta como N(70,10).
Solucin
No podemos comparar directamente 8 puntos de A
frente a los 80 de B, pero como ambas poblaciones se
comportan de modo normal, podemos tipificar y
observar las puntuaciones sobre una distribucin de
referencia N(0,1)
30
xA A 8 6
zA 2
A 1
xB B 80 70
zB 1
B 10
32
Aplic. de la normal: Estimacin en
muestras
Como ilustracin
mostramos una variable
que presenta valores
distribuidos de forma
muy asimtrica.
Claramente no normal.
Saquemos muestras de
diferentes tamaos, y
usemos la media de
cada muestra para
estimar la media de la
poblacin.
33
Aplic. de la normal: Estimacin en
muestras
Cada muestra ofrece un
resultado diferente: La media
muestral es variable
aleatoria.
Su distribucin es ms
parecida a la normal que la
original.
34
Aplic. de la normal: Estimacin en
muestras
Al aumentar el
tamao, n, de la
muestra:
La normalidad de las
estimaciones mejora
El error tpico
disminuye.
35
Aplic. de la normal: Estimacin en
muestras
Puedo garantizar
medias muestrales tan
cercanas como quiera a
la verdadera media, sin
ms que tomar n
bastante grande
Se utiliza esta
propiedad para
dimensionar el tamao
de una muestra antes
de empezar una
investigacin.
36
Resumen: Teorema del lmite central
Dada una v.a. cualquiera, si extraemos muestras de tamao n, y
calculamos los promedios muestrales, entonces:
La funcin de densidad es
asimtrica positiva. Slo tienen
densidad los valores positivos.
Normalmente consideraremos
anmalos aquellos valores de la
variable de la cola de la
derecha.
39
T de student
Tiene un parmetro denominado
grados de libertad.
40
Qu hemos visto?
En v.a. hay conceptos equivalentes a los de temas
anteriores
Funcin de probabilidad Frec. Relativa.
Funcin de densidad histograma
Funcin de distribucin diagr. Integral.
Valor esperado media,
Hay modelos de v.a. de especial importancia:
Bernoulli
Binomial
Poisson
Normal
Propiedades geomtricas
Tipificacin
Aparece tanto en problemas con variables cualitativas
(dicotmicas, Bernoulli) como numricas
Distribuciones asociadas
T-student
X2
41