Вы находитесь на странице: 1из 41

Teoremas fundamentales de lmites de distribuciones

DISTRIBUCIN DE SUMAS DE VARIABLES


ALEATORIAS DISCRETAS INDEPENDIENTES
TEOREMA 1

Si X1, X2, ,Xn son variables aleatorias


independientes, con generatrices de
momentos mx1(t), mx2(t),, mxn(t)
respectivamente, la generatriz de momentos
de Y = X1+ X2+ .+ Xn , es igual a
mY(t) = mx1(t) mx2(t) mxn(t)
PRUEBA

mY(t) =E(etY)= E[et (X1+ X2+ .+ Xn) ]

= E(et X1+ t X2+ .+ tXn ) = E(et X1 et X2 et Xn )

= E(et X1) E( et X2) E(et Xn )

= mx1(t) mx2(t) mxn(t)


EJEMPLO PGINA 153
Suponga que X1 y X2 son variables aleatorias
independientes. Si X1 se distribuye como una
Poisson de media 1 y X2 se distribuye como una
Poisson con media 2 ,la variable Y = X1 + X2 , se
distribuye como una Poisson con media 1 + 2 .
SOLUCIN
Como X1 y X2 se distribuyen como una Poisson
entonces
t 1) t 1)
mx1(t)= e 1 (e y mx2(t) = e 2 (e

Como X1 y X2 son independientes por teorema 1


se tiene que
mY(t)= mx1(t)* mx2(t)
t 1) t 1) t 1)
mY(t)= e 1 (e e 2 (e = e ( 1+ 2 ) (e y
como la generatriz de momentos es nica
entonces Y se distribuye como una Poisson con
parmetros = 1+ 2
TEOREMA 2

Si X1, X2, ,Xn son variables aleatorias de


Poisson independientes, de parmetros 1,2,
, n respectivamente entonces Y = X1 + X2
++ Xn, se distribuye como una Poisson con
= 1+2+ + n
PRUEBA
t 1) t 1) t 1)
mx1(t)= e 1 (e , mx2(t) = e 2 (e ,, mxn(t) = e n (e .

Por teorema 1 Si Y = X1 + X2 ++ Xn, entonces


mY(t) = mx1(t) mx2(t) mxn(t). Por lo tanto

mY(t) = e 1 (et 1) e 2 (et 1), , e n (et 1).


= e 1 (et 1)+ 2 (et 1)++ n (et 1)
= e (1 + 2 ++ n) (et 1)
= e (et 1) por lo que Y se distribuye como una Poisson
con parmetros = 1+2+ + n .
APROXIMACIN DE LA BINOMIAL POR MEDIO DE
LA POISSON
Teorema: Si el parmetro n de una distribucin
binomial f(x;n,p) es muy grande y el valor de p
es muy pequeo, la probabilidad P (X=x) ser
aproximadamente igual a P(Y=x) donde Y es
una variable con distribucin de Poisson de
parmetro = np.
PRUEBA
EJEMPLO 1
Se sabe que un 4 % de los libros empastados en
una librera tienen encuadernaciones defectuosas.
Si se cuenta con una muestra de 100 libros,
calcule la probabilidad de que:

a) Exactamente 3 libros estn defectuosos


b) A lo sumo 10 libros estn defectuosos
c) Ms de 2 pero menos de 8 libros estn
defectuosos.
d) 3 o 5 libros estn defectuosos.
EJEMPLO 2

Una compaa de seguros de vida asegura a


5000 hombres trabajadores de 42 aos de
edad en una mina de carbn. Si los estudios
actuales muestran que la probabilidad de que
un hombre de 42 aos muera debido al trabajo
en las minas en un cierto ao es de 0.001.
Calcule la probabilidad de que la compaa
pague una pliza de seguras al menos a 4
viudas de 4 hombres fallecidos en las minas.
APROXIMACIN DE LA HIPERGEOMTRICA
MEDIANTE LA BINOMIAL
Teorema
Cuando N es grande y n es relativamente
pequea en comparacin con N, la distribucin
hipergeomtrica se puede aproximar mediante
la distribucin binomial de parmetros n y p =
K/N.
PRUEBA
EJEMPLO PGINA 156

En la biblioteca de un profesor hay 150 libros:


90 de estadstica y 60 de matemticas. Se
escogen 5 libros al azar para regalrselos a un
amigo. Cul es la probabilidad de que el
amigo reciba dos libros de estadstica?
EJEMPLO

Los trabajadores de una lnea de montaje


ensamblan 16 autos por hora. Durante una
hora dada cualquiera, se producen 4 vehculos
con las puertas instaladas de manera
inapropiada. Se seleccionan 3 autos al azar,
cul es la probabilidad, que se seleccione a lo
sumo un auto con puertas instaladas
inapropiadamente?
TEOREMA DE CHEBYSHEV

Sea X una variable aleatoria discreta de media


X y variancia X 2 . Entonces, para k > 0 se
tiene que:
PRUEBA
EJEMPLO 1
Sea X: el puntaje en una prueba de estadstica,
adems se sabe que X = 60, X = 10. Calcule la
probabilidad de que las notas en una muestras
de exmenes estn entre 40 y 80.
Solucin
P(40 X 80) =P(40-60 X-60 80-60)
P(-20 X-60 20) =P(|X 60| 20)
P(|X 60| 2 *10) 1 1 /2 2 =0,75
Lo que significa que la probabilidad de que las
notas estn entre 40 y 80 es de al menos el 75%
EJEMPLO 2
Sea X una variable aleatoria discreta con X =
100, X = 8. Calcule los valores de a y b tal
que
P(a < X < b) = 0,95.
Solucin

P(a X b) = 1 1 /k 2 = 0,95 de donde k=


4,47, luego a = X - k X , b = X + k X
a = X - k X a = 100 4.47 *8 = 64.24

b = X + k X b = 100 + 4.47 *8 = 135.76


TEOREMA DE BERNOULLI

Sea X el nmero de xitos obtenidos al repetir,


independiente, un experimento de Bernoulli n
veces, siendo p la probabilidad de xito. Si X/n
es la frecuencia relativa del nmero de xitos
en las n pruebas y es un nmero positivo muy
pequeo, entonces:
PRUEBA
Aplicando el teorema de Chebyshev, a la
variable X: nmero de xitos donde X = np, 2x
= npq. Sea k= n/ x , entonces se tiene que

Es decir, la frecuencia relativa del nmero de


xitos se estabiliza alrededor de la probabilidad
de xito p cuando n es muy grande
EJEMPLO PGINA 160

Cuntas veces se debe tirar un dado para que


la probabilidad de que la frecuencia relativa de
cincos obtenida difiera de 1/6 en menos de
0,01, sea mayor o igual a 0,90?
Solucin: Aplicando Chebyshev

Para p = 1/6 y = 0,01 se obtiene


LEY DBIL DE LOS GRANDES NMEROS

Teorema:

Si X1, X2, , es una sucesin de variables


aleatorias discretas independientes, cada una
con la misma media y varianza finita 2 y
PRUEBA

El teorema garantiza que se puede encontrar una n lo


suficientemente grande para que la media calculada en una
muestra de ese tamao, tenga una alta probabilidad de estar
tan cerca de la media poblacional como se quiera. A esto se le
conoce como convergencia en probabilidad
LA DISTRIBUCIN NORMAL
Se dice que una variable X tiene una distribucin normal con
parmetros y , donde IR y > 0, si su funcin de densidad
est dada por:

donde se tiene que P (a X b) =

La distribucin normal cumple las siguientes caractersticas:


Tiene perfil de campana y sus tres medidas principales de
posicin (media, moda y mediana) miden lo mismo.
Es simtrica con respecto a su media.
La curva normal es decreciente uniformemente a partir del valor
central.
El valor central de la curva normal es la media .
GRFICA
APROXIMACIN DE LA DISTRIBUCIN
BINOMIAL CON LA DISTRIBUCIN NORMAL
Teorema de De Moivre Laplace

Sea X una variable aleatoria con distribucin


binomial de parmetros n y p, es decir,

a) De Moivre

a) Laplace

Con a < b
APROXIMACIN DE LA DISTRIBUCIN
BINOMIAL CON LA DISTRIBUCIN NORMAL
El teorema Moivre Laplace se puede expresar
como:

La aproximacin de la probabilidad de una


variable binomial mejora si se usa la siguiente
frmula para c y d enteros, para np 5 y nq 5
EJEMPLO 1

La confiabilidad de un fusible elctrico, es la


probabilidad de que un fusible elegido al azar
funcione. Se prob una muestra de 1 400
fusibles y se encontr que 27 estaban
defectuosos. Calcule la probabilidad
aproximada de observar 27 o ms fusibles
defectuosos, suponiendo una confiabilidad del
fusible de 0,98.
EJEMPLO 2

Se tira una moneda 100 veces. Hallar la


probabilidad de que salga corona
1. Exactamente 55 veces.

2. Entre 45 y 50 veces inclusive.

3. Menos de 40 veces.
EJEMPLO DE LA PGINA 163

Un dado se tira 3000 veces. Calcular la


probabilidad de que el nmero de unos sea
mayor o igual a 480 y menor o igual a 530
TEOREMA DEL LMITE CENTRAL
Suponga que X1, X2, ,Xn son variables
aleatorias independientes con la misma
distribucin f(x), de media y variancia 2
finita. Entonces para cualquier nmero real t,
y
TEOREMA DEL LMITE CENTRAL
El teorema del lmite central se puede interpretar
de la siguiente forma. Si se extrae una muestra
aleatoria de un tamao suficientemente grande
(n) de una distribucin de probabilidad cualquiera
con media y variancia 2, la distribucin de la
media muestral, para n suficientemente grande
es aproximadamente una distribucin norma con
media y variancia 2/n. O en forma anloga que
la distribucin de es
aproximadamente una distribucin normal
estndar
EJEMPLO PGINA 166
Sea X una variable que tiene distribucin
uniforme discreta:

Se toma una muestra aleatoria de f(x) de


tamao 60 y se desea calcular

Se puede comprobar que la media de X es =


3,5 y la variancia 2 = 2,92. Porqu?
EJEMPLO PGINA 166
Si X1, X2, , Xn es una muestra aleatoria de
tamao n=60 de f(x); los valores Xi, con i =1,2,..,
n son variables aleatorias independientes con la
misma distribucin f(x) de media 3,5 y variancia
2,92. Sea Y la variable definida por

Por el teorema del lmite central, Y tiene una


distribucin aproximadamente normal estndar.
Por tanto
EJEMPLO PGINA 167 ILUSTRACIN DEL TLC

Considere, la variable Y del ejemplo anterior, para


n = 6, y la distribucin de probabilidad que se
muestra en la tabla de la siguiente diapositiva

La tabla da las probabilidades P(S=s), P(Y=y) = f(y),


las acumuladas F(y) y su aproximacin por la
normal estndar.
TABLA
s y P(S=s) P(Y=y) F(y) (y)
6 -3,58 1/66 0,00002 0,00002 0,00017
7 -3,35 6/66 0,00013 0,00015 0,00040
8 -3,11 21/66 0,00045 0,00060 0,00094
9 -2,87 56/66 0,00120 0,00180 0,00205
10 -2,63 126/66 0,00270 0,00450 0,00427
11 -2,39 252/66 0,00540 0,00990 0,00842
. . . . . .

34 3,11 21/66 0,00045 0,99984 0,99906
35 3,35 6/66 0,00013 0,99998 0,99960
36 3,58 1/66 0,00002 1,00000 0,99983
EJEMPLO PGINA 167 ILUSTRACIN DEL TLC
Para obtener la tabla anterior se realiz el
siguiente procedimiento.
1. Calcular la generatriz de momentos para
S= X1+ X2+ + X6 , de la siguiente manera
EJEMPLO PGINA 167 ILUSTRACIN DEL TLC
2. Las probabilidades P(S=s) = f(s), s = 6, , 36
se obtienen de los coeficientes que multiplican
los trminos est en la generatriz de momentos de
S.
3. La relacin entre Y y S dada por

establece una correspondencia biunvoca entre


Y y S. Por lo tanto, con las probabilidades P(S=s)
se pueden obtener las probabilidad P(Y=y) para
valores de y correspondientes a cada s. Pues S
= 4,1856 Y +21
EJEMPLO PGINA 170
Sea X una variable aleatoria con distribucin de
probabilidad dada por
x fx)
1 1/4
2 1/4
3 1/2

Como se puede notar, la distribucin de la


variable Y es aproximadamente normal
estndar.
EJEMPLO PGINA 170 (COMO EJERCICIO)
Sea S = X1+ X2+ + X8 ,
A) obtenga la generatriz de momentos de S para
aproximar f(y).
B) Obtengan los coeficientes que multiplican los
trminos ets de la generatriz de S8 para obtener
las probabilidades de s P(S=s).
C) Con las probabilidades cobtenga las
probabilidades de y P(Y=y) mediante la relacin
biunvoca entre S y Y.
D) Construya la tabla con los valores de s, y,
P(S=s), P(Y=y) , F(Y) y (y).

Вам также может понравиться