Objetivo: Comprender la importancia de las distribuciones de probabilidad discretas as como conocer y aplicar la terminologa bsica utilizada en problemas reales

Desarrollo: Recordemos inicialmente que existen las variables aleatorias, siendo aquellas que se asocian a la ocurrencia de un fenmeno aleatorio. Cuando una de estas variables aleatorias toma diversos valores, la probabilidad asociada a cada uno de tales valores puede ser organizada como una distribucin de probabilidad, la cual es la distribucin de las probabilidades asociadas a cada uno de los valores de la variable aleatoria. Las distribuciones de probabilidad pueden representarse a travs de una tabla, una grfica o una frmula, en cuyo caso tal regla de correspondencia se le denomina funcin de probabilidad.
a)

Variable aleatoria, discreta y continua

VARIABLE. Se denomina variable a la entidad que puede tomar un valor cualesquiera durante la duracin de un proceso dado. Si la variable toma un solo valor durante el proceso se llama constante. VARIABLE ALEATORIA: Es una funcin que asocia un nmero real a cada elemento del espacio muestral. Es decir son aquellas que pueden diferir de una respuesta a otra. Una variable aleatoria se puede clasificar en: Variable aleatoria discreta. Variable aleatoria continua. Una variable discreta proporciona datos que son llamados datos cuantitativos discretos y son respuestas numricas que resultan de un proceso de conteo. o o o o La cantidad de alumnos regulares en un grupo escolar. El nmero de guilas en cinco lanzamientos de una moneda. Nmero de circuitos en una computadora. El nmero de vehculos vendidos en un da, en un lote de autos

Variable aleatoria continua. Es aquella que se encuentra dentro de un intervalo comprendido entre dos valores cualesquiera; sta puede asumir infinito nmero de valores y stos se pueden medir. o La estatura de un alumno de un grupo escolar. o El peso en gramos de una moneda. o La edad de un hijo de familia. o Las dimensiones de un vehculo.

Cualquier caracterstica cuyo valor pueda cambiar de un objeto al siguiente en la poblacin b) Distribucin de probabilidad, tabla y representacin grfica DISTRIBUCIONES Distribucin de probabilidad. Es una distribucin terica de frecuencias que describe cmo se espera que varen los resultados de un experimento. Existen diferentes tipos de modelos que permiten describir el comportamiento de fenmenos estadsticos que permiten hacer inferencias y tomar decisiones en condiciones de incertidumbre. Se pueden clasificar en:

Distribuciones discretas. Son aquellas donde las variables asumen un nmero limitado de valores, por ejemplo el nmero de aos de estudio.

Distribuciones continuas. Son aquellas donde las variables en estudio pueden asumir cualquier valor dentro de determinados lmites; por ejemplo, la estatura de un estudiante.

Una distribucin de frecuencias es un listado de las frecuencias observadas de todos los resultados de un experimento que, en realidad se han presentado cuando se lleva a cabo un experimento; en cambio, una distribucin de probabilidad es un listado de las probabilidades de todos los resultados posibles que podran presentarse si se efectuara el experimento. Las probabilidades que se asocian a cada uno de los valores que toma la variable aleatoria x constituyen lo que se conoce como DISTRIBUCIN DE PROBABILIDAD, la cual puede ser representada mediante una funcin matemtica, una grfica o una tabla de valores. La diferencia consiste en que la funcin matemtica se transforma en una funcin probabilstica.

Dados los eventos E1, E2, ..., En S, se dice que x es una variable aleatoria, si a cada valor de xi que asume cada Ei, se le asocia su probabilidad de ocurrencia y cumple con las siguientes condiciones: a) La probabilidad para todo valor que asuma la variable aleatoria xi, ser mayor o igual a cero pero menor que uno. b) La suma de todas las probabilidades asociadas a todos los valores que toma la variable x, es igual a la unidad.

EJEMPLO: Encuentre la distribucin de probabilidad de lanzar dos monedas y la variable aleatoria nmero de guilas.

Existen ciertas caractersticas que diferencian a las distribuciones de probabilidad, llamadas momentos de la distribucin que son: la media aritmtica o esperanza matemtica y la desviacin estndar. c) Esperanza matemtica (valor esperado)

Media o valor esperado de x.- Para determinar la media de la distribucin discreta se utiliza la siguiente frmula:

Donde: = media de la distribucin E(x) = valor esperado de x xi = valores que toma la variable p(xi) = probabilidad asociada a cada uno de los valores de la variable x 2. Desviacin estndar. Para determinar la desviacin estndar de la distribucin discreta se utiliza la siguiente frmula:

Donde: = desviacin estndar = media o valor esperado de x xi = valores que toma la variable x p(xi) = probabilidad asociada a cada uno de los valores que toma x

d) Clculo de Varianza y desviacin estndar de una variable aleatoria discreta

En una distribucin de frecuencias para datos agrupados se calculaba la media utilizando la frmula , la cual puede expresarse como

Considerando la definicin de probabilidad de un evento, P(X) es el cociente de la frecuencia entre el nmero total de eventos (probabilidad frecuencial de ocurrencia), por lo que la media de una distribucin de probabilidad de una variable discreta es:

Por ejemplo: Consideremos la variable X del ejemplo de guilas observadas en dos lanzamientos de monedas. Es decir, X tal que su distribucin de probabilidad sea: X P(X=x) 0 1 2

Entonces, para calcular su media se realiza:

Similarmente, la varianza se defini como anlogo anterior tenemos que

, y haciendo un tratamiento

Para que, finalmente, la varianza de una distribucin de probabilidad de una variable discreta sea:

Consecuentemente, la desviacin estndar de una distribucin de probabilidad de una variable discreta es:

Por ejemplo: Considerando la misma distribucin de probabilidad que en el ejemplo anterior, su desviacin estndar se calcula:

e) Distribucin binomial; caractersticas y funcin de probabilidad. Consideremos los llamados ensayos Bernoulli, stos son aquellos experimentos cuyo resultado es uno de dos posibles y mutuamente excluyentes, a los que se denominarn xito y fracaso. Por ejemplo: Los siguientes son ensayos Bernoulli.

Un tornillo, puede estar defectuoso o no defectuoso. El sexo de un beb al nacer: nio o nia. La respuesta correcta o incorrecta en un examen.

Si consideramos una serie de ensayos Bernoulli que tiene como caractersticas: 1. la probabilidad de xito permanece constante, ensayo tras ensayo; y 2. los ensayos son independientes entre s;

Entonces se tiene lo que se denomina experimento binomial, donde el nmero de ensayos se denota con n, la probabilidad de xito con p y la de fracaso con q. Hay que notar que las probabilidades de xito y de fracaso estn relacionadas de la siguiente manera: p+q=1.

f) Distribucin Poisson; caractersticas y funcin de probabilidad. Esta funcin de distribucin de variable discreta se emplea para calcular las probabilidades asociadas a La variable aleatoria dentro de un intervalo continuo de tiempo o espacio; este intervalo es generalmente una unidad de medida conocida: cm2, km, gramos, litros, pulgadas, etc. Algunos de los problemas que presentan como un fenmeno con distribucin de Poisson son: - Los embotellamientos que se producen por da. - Nmero de llamadas por hora. - Defectos por m2 de tela. - Nmero de defectos por lote de un proceso de produccin. - Nmero de negocios cerrados por semana.

g) Distribucin hipergeomtrica; caractersticas y funcin de probabilidad.

Se emplea para calcular la probabilidad de obtener determinado nmero de xitos en un espacio muestral de n ensayos; pero a diferencia de la distribucin binomial es que los datos de la muestra se extraen sin reemplazo en una poblacin finita. Por esto es que el resultado de una observacin depende o es afectado por el resultado de cualquier otra u otras observaciones anteriores. Es decir la distribucin hipergeomtrica se emplea para muestreos sin reemplazo de una poblacin finita cuya probabilidad de ocurrencia cambia a lo largo del ensayo.

Conclusin: En esta investigacin aprend cual es la importancia de la probabilidad, en la actualidad, ya que se emplearon ejemplos de la vida cotidiana. Lo que nos ayud a comprender la importancia de las distribuciones de probabilidad discretas as como conocer y aplicar la terminologa bsica utilizada en problemas reales Tambin se pudo ver ms a detalle el tipo de lenguaje que maneja la probabilidad Bibliografa: http://www.uaq.mx/matematicas/estadisticas/xu4-5.html

http://upaep.blackboard.com/webapps/portal/frameset.jsp? tab_id=_2_1&url=/webapps/blackboard/execute/launcher%3ftype%3dCourse%26id %3d_22985609_1%26url%3d http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/04Distribuciones%20de %20Probabilidad.htm

Roxana