Академический Документы
Профессиональный Документы
Культура Документы
OBJETIVOS DE LA
UNIDAD
TERMINO
DISTRIBUCION
3.DISTINGUIR
ENTRE
DISTRIBUCION
PROBABILIDAD DISCRETA Y CONTINUA.-
DE
DE
DISTRIBUCIONES DE
PROBABILIDAD
SON
SON DISTRIBUCIONES
DISTRIBUCIONES
TEORICAS
TEORICAS
Y
Y SE
SE USAN
USAN PARA
PARA
REPRESENTAR
REPRESENTAR POBLACIONES
POBLACIONES
QUE VEREMOS
EN ESTA
UNIDAD
PRIMERO QUE ES
UNA VARIABLE
ALEATORIA
ADEMAS
DISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DISCRETAS
BINOMIAL
BINOMIAL
ACUMULADA
DISTRIBUCIONES CONTINUAS
UNIFORME
EXPONENCIAL
HIPERGEOMETRICA
NORMAL
DE POISSON
APROXIMACION A
BINOMIAL Y
POISSON
DETERMINACION
DEL VALOR X
NORMAL
ESTANDARIZADA
VARIABLE
ALEATORIA
Es la variable que asume un
valor numrico nico para cada
uno de los resultados de un
experimento aleatorio.Es importante distinguir entre una variable aleatoria y
los valores posibles que puede tomar
Esos nmeros son los valores posible que toma la variable aleatoria
en estudio.
DISCRETAS
LAS VARIABLES
ALEATORIAS,
PUEDEN SER
CONTINUAS
1.- Infracciones diarias cometidas por los vehculos.2.- N de inasistencia de los obreros de la empresa.3.- Cantidad de hijos de familias de un barrio.4.- Cantidad de alumnos de una escuela.5.- El nmero de errores detectados en las cuentas de un comercio.6.- Nmero de clientes que llegan a la caja de un banco.7.- Nmero de reclamaciones en una pliza de seguro mdico.8.- Nmero de artculos defectuosos en un gran envo.9.- Nmeros de autos vendidos por una agencia en el mes.10.- Etc.-
Una
variable
aleatoria
continua es aquella que puede
asumir una cantidad innumerable de
valores dentro de ciertos lmites.EJEMPLOS:
1.- Peso de las personas.2.- Velocidad de un auto.3.- Horas de demora en cumplir una tarea.4.- Puntajes de un test.5.- Sueldo de los empleados.6.- Variacin de precio de las acciones ordinarias de IBM en un
mes.7.- Cantidad de petrleo importado en un mes.8.- Etc.-
Experimentos
a) Hacer un examen con 20
preguntas
Variable aleatoria x
Nmero de preguntas bien
contestadas
Nmero de horas no
productivas en una jornada
de ocho horas
e) Pesar un embarque de
productos
Nmero de kilos
DISTRIBUCIONES DE
PROBABILIDAD PARA
VARIABLES
ALEATORIAS
DISCRETAS
Veamos un ejemplo:
Supongamos que una empresa que se dedica a las ventas
de autos, durante los ltimos 300 das de ventas, las
ventas muestran que en 54 das no se vendieron autos, en
117 se vendi 1 auto, en 72 das se vendieron 2 autos, en
42 se vendieron 3 autos, en 12 das se vendieron 4 autos y
en 3 das se vendieron 5 automviles.Supongamos adems, que el experimento consiste en
seleccionar un da de operaciones de ventas y definimos
la variable aleatoria de inters como X = nmero de
automviles vendidos en un da.Si presentamos la distribucin de probabilidad de esta
variable aleatoria ser:
fi
P (X = x)
54
0,18
117
0,39
72
0,24
42
0,14
12
0,04
0,01
300
1,000
p (xi) 0
p (xi) = 1
Si queremos mostrar grficamente
probabilidad de ventas de autos ser:
la distribucin de
P (x)
0,20
0,10
Ventas de
0
La
F(x) = P (X x) = p (x )
i
Xx
0,18 + 0,39
= 0,57 57%
EJERCICIOS DE APLICACION
20
25
30
35
P (X=x)
0.20
0.15
0.25
0.30
a) Es correcta esta distribucin de probabilidad?.Compruebe.b) Cul es la probabilidad de que x= 30?.c) Cul es la probabilidad de que x sea menor o igual a
25?.d) Cul es la probabilidad de que x sea mayor que 30?.-
Cantidad de empleados
15
32
84
300
31
Total
462
Calificacin de
satisfaccin en el
trabajo
Alto ejecutivo
%
Mandos Medios
%
10
12
42
46
41
28
Total
100
100
P (X = x)
1000
0.15
1100
0.20
1200
0.30
1300
0.25
Total
0.10
a) es valida esta distribucin de probabilidad?.b) Cul es la probabilidad de que haya 1200 alumnos de
nuevo ingreso o menos?.-
E (x) = =
X
fi
54
0,18
117
0,39
0,39
72
0,24
0,48
42
0,14
0,42
12
0,04
0,16
0,01
0,05
1,000
1,50
300
P (X = x) x * p (xi)
0
xi * p (xi)
Es un promedio ponderado de
todos los resultados posibles,
donde las ponderaciones, son las
probabilidades asociadas con
cada uno de los resultados.E (X) = = 1,5 automviles
La empresa puede esperar, a la
larga, la venta de un promedio
de 1,5 automviles por da.-
= (xi - ) * p (xi)
Recordemos que la variancia nos da un valor en unidades de
medida de la variable al cuadrado y por ello es muy difcil explicar,
por lo tanto calculamos una nueva medida que llamamos como
sabemos Desviacin Estndar .- Esta ser:
Variancia
= x p (xi) -
En nuestro ejemplo, de la empresa de ventas de automviles el
calculo de la variancia y desvo estndar ser:
X
fi
P (X = x)
54
0,18
117
0,39
0,39
72
0,24
0,96
42
0,14
1,26
12
0,04
0,64
0,01
0,25
1,000
3,50
300
x p (xi)
0
= 3,50 - 1,5 =
= 3,50 - 2,25 =
= 1,25 auto
= 1,25 = 1.118 autos
EJEMPLO para que analicen los alumnos.Una empresa considera dos inversiones posibles.- Como
aproximacin inicial asigna probabilidades subjetivas a cada uno de
los siguientes eventos: perder un 20% por cada dlar invertido,
perder un 10% , ni ganar ni perder, ganar un 10% y ganar un 20%.Sea X el rendimiento por cada dlar invertido en el primer proyecto e
Y el rendimiento por cada dlar invertido en el segundo proyecto.Las probabilidades asignadas son:
-0,20
-0,10
0,0
+0,10
+0,20
p (x)
0,10
0,20
0,40
0,20
0,10
-0,20
-0,10
0,0
+0,10
+0,20
p (y)
0,01
0,04
0,10
0,50
0,35
p (x)
x * P (x)
x * p (x)
-0,20
0,10
- 0,02
0,004
-0,10
0,20
- 0,02
0,002
0,00
0,40
0,00
0,000
+0,10
0,20
0.02
0,002
+0,20
0,10
0,02
0,004
0,00
0,012
E (X) = 0,0
=0,012
= 0,11
p (y)
y * P (y)
y * p (y)
- 0,20
0,01
- 0,002
0,0004
- 0,10
0,04
- 0,004
0.0004
0,00
0,10
0,0
+ 0,10
0,50
0,050
0,005
+ 0,20
0,35
0,070
0,014
0,114
0,0198
E (X) = 0,114
0,0068
0,0
= 0,082
Proporcin
0,28
0,36
0,23
0,09
0,04
a) Trace la funcin de probabilidad.b) Halle la media del numero de devoluciones de un automvil para
que se corrijan los defectos durante el periodo de garanta.c) Halle la variancia y
automvil para que se
garanta,.
un
de
47
48
49
50
51
52
53
0,04
0,13
0,21
0,29
0,20
0,10
0,03
c)
0,10
0,14
0,26
0,28
0,15
0,07
a) Trace la funcin de probabilidad.b) Halle la probabilidad de que se hagan al menos tres pedidos en
este periodo.c) Halle la media del numero de pedidos de una nueva caldera en este
periodo de dos semanas.d) Halle la desviacin estndar del numero de pedidos de una nueva
caldera en este periodo de dos semanas.-
0,10
0,10
0,20
0,30
0,15
0,10
0,05
Probabilidad
0.90
400
0.04
1000
0.03
2000
0.01
4000
0.01
6000
0.01
Probabilidad
300
0.20
400
0.30
500
0.35
600
0.15
7.- Segn una encuesta del diario mbito Financiero, 95% de los
suscriptores tienen una computadora en casa.- Para esos hogares,
se dan las distribuciones de probabilidad para computadora porttil
y de escritorio.Nmero de
computadoras
Probabilidad
Porttil
Escritorio
0.47
0.06
0.45
0.56
0.06
0.28
0.02
0.10
ALGUNAS
DISTRIBUCIONES
DE
PROBABILIDAD
DISCRETA
DISTRIBUCION DE
PROBABILIDAD
BIPUNTUAL 0
ENSAYOS DE
BERNOULLI
Variable Aleatoria
P (X = x) = p (x)
1 - p
No A
P (X =x) = p
1-x
(1 - p)
donde x = 0; 1
Con esta funcin de probabilidad se obtienen los valores de la tabla
anterior.-
= E (X) =
x px ( 1 - p)1
-x
= x p (x) - = p - p =
Generalmente a (1 p) = q
= p q
=
p q
= p
p ( 1 p)
DISTRIBUCIN
DE
PROBABILIDAD
BINOMIAL.-
1- p = 0,90
n !
= -----------------------
x ! (n x) !
Pero cada
experimento es un esquema de Bernoulli donde
sabemos que el modelo de probabilidad es:
P (X =x) = px (1 -p)1 - x
Como aqu realizamos n ensayos o intentos, el modelo de ser:
P (X = x) =
px
(1 p) n - x
x
En nuestro ejemplo, supongamos que nos preguntemos Cul
es la probabilidad de que se den exactamente 4 ventas?.- Esto
ser, calcular:
10 !
P ( X = 4) = ----------------------
0,104
0,906 =
4 ! ( 10 4) !
=
210 * 0,0001 *
0,5314 = 0,0112 1 %
F(x) = P (X x) = p ( x)
Xx
P (0) + P (1) + P ( 2) =
1.- SU
FUNCION DE
PROBABILIDAD
2.- SUS
FORMAS
3.- SU MEDIA
SU VARIANCIA
SU DESVIACION
ESTANDAR
LA DISTRIBUCION SERA
SIMETRICA
n * P * (1 P)
Solucin
Veamos si el experimento cumple las caractersticas de un
experimento binomial?.1.- Un ensayo es la eleccin de un
en la ciudad.- Esta muestra
idnticos.-
Piense en la diferencia
entre estos dos
ejemplos vistos.Cuando la muestra (los n ensayos idnticos) provienen de
una poblacin grande; la probabilidad de xitos p es
casi la misma de un ensayo a otro.Cuando el tamao de la poblacin N es pequeo, la
probabilidad de xito tiene un cambio drstico de un
ensayo a otro, y el experimento no es binomial.Si el tamao de la muestra es grande con respecto al
tamao de la poblacin, en particular, si n/N 0,05,
entonces el experimento resultante no es binomial.-
VEAMOS EL USO DE
LA TABLA DE LA
DISTRIBUCION BINOMIAL
MEDIANTE UN EJERCICIO:
VEAMOS UN EJEMPLO,
USANDO EL PROGRAMA
MINITAB
Funcin de densidad de
probabilidad
Funcin de distribucin
acumulada
x P( X = x )
0 0,000977
1 0,009766
2 0,043945
3 0,117188
4 0,205078
5 0,246094
6 0,205078
7 0,117188
8 0,043945
9 0,009766
10 0,000977
x P( X <= x )
0
0,00098
1
0,01074
2
0,05469
3
0,17187
4
0,37695
5
0,62305
6
0,82813
7
0,94531
8
0,98926
9
0,99902
10 1,00000
EJERCICIOS
LA
DISTRIBUCION
DE
PROBABILIDAD
DE POISSON.-
El nmero de averas de una mquina un da dado.El nmero de accidentes de trnsito en una calle
determinada.-
1.- La probabilidad de
que ocurra un evento
es constante en todos
los subintervalos
e
P ( X = x) = ----------------------X!
Para valores de x = 0, 1, 2, 3..
La Media,
Variancia
y la
Desviacin
Estndar
son:
E (X) = =
= E [ (X - ) ] =
de
(x;
P (X x) = P (X = x) para x = 0, 1, 2,
En algunas situaciones nos conviene usar el complemento.- Es
decir,
P (X x) = 1 - P (X x)
Para tener en claro una distribucin de probabilidad es importante
conocer la forma de la distribucin.-
= 0,5
=6
-2
e
Solucin
-2
a) P (X = 0) = ------------------- = e
= 0,135335
0!
b)
= 2 * 2 =4
Distribucin de
Poisson como
forma limitante de
la binomial.-
P ( X < 7) = P (X 6) =
VEAMOS UN EJEMPLO,
USANDO EL PROGRAMA
MINITAB
Funcin de densidad de
probabilidad
Funcin de distribucin
acumulada
x P( X = x )
0 0,367879
1 0,367879
2 0,183940
3 0,061313
4 0,015328
5 0,003066
6 0,000511
7 0,000073
8 0,000009
9 0,000001
10 0,000000
x P( X <= x )
0
0,36788
1
0,73576
2
0,91970
3
0,98101
4
0,99634
5
0,99941
6
0,99992
7
0,99999
8
1,00000
9
1,00000
10 1,00000
P (X = 0) = 0.367879
P (X = 3) = 0.061313
P (X = 4) = 0,015328
P (X 3) = 1 - P (X 2) =
= 1 -
0,91970 = 0.0803 8 %
EJERCICIOS
VARIADOS
seal de
seal de
seal de
Veamos distribucin de
Poisson mediante
programas estadstico
Minitab.-