Академический Документы
Профессиональный Документы
Культура Документы
Y
DISTRIBUCIONES DE
PROBABILIDAD
Variable aleatoria: Dado un experimento aleatorio
asociado al un espacio probabilístico ( Ɛ, Ω, P , una
variable aleatoria es una función que asigna a cada
suceso del espacio muestral un número real.
𝑋: Ω ⟶ ℜ
𝑤 ⟶ 𝑋 𝑤 = 𝑥𝜖ℜ
3
variable aleatoria discreta
Cuando resulta de contar el número de veces que ocurre
el evento.
4
variable aleatoria continua
5
Variable aleatoria discreta
Distribución de probabilidad
Función de probabilidad
Valor esperado
Varianza
Desviación estándar
6
Distribución de probabilidad
8
Función de probabilidad (X, F(x)) :
Función que asigna probabilidades a cada uno de los valores
de una variable aleatoria discreta
Una vez definida una variable aleatoria X, podemos
definir una función de probabilidad asociada a X, de
la siguiente forma:
p : [0,1]
x p ( x) P( X x)
La función de probabilidad debe cumplir:
(i) p( x) 0 x
(ii ) p( x) 1
x
9
Valor esperado (Esperanza matemática o media)
E X xi P( X xi ) xi p( xi )
i i
Varianza
2 Var ( X ) ( xi ) 2 P ( X xi )
i
10
Principales variables aleatorias
discretas y distribuciones de
probabilidad
11
Modelo Probabilístico
Un modelo es una simplificación de la realidad.
Un modelo probabilístico es un modelo matemático que
describe el comportamiento de una variable aleatoria. Es una
función que depende de los valores de la variable aleatoria, y de
otras cantidades que caracterizan a una población en particular y
que se denominan parámetros del modelo.
En el proceso de modelación, es necesario seguir los siguientes
pasos:
1. Seleccionar el modelo más apropiado.
2. Ajustar el modelo (calcular el valor de sus parámetros).
3. Verificar el modelo.
4. Decidir su aceptación o volver al paso 1.
12
Modelo Probabilístico
Para ejecutar el paso 1, podemos optar por una amplia gama de
modelos de probabilidad, desarrollados para representar
distintos tipos de variables y diferentes fenómenos aleatorios.
Por lo tanto, el problema se reduce a elegir el modelo más
apropiado para el caso en estudio.
Para ejecutar el paso 2, es necesario recopilar una muestra
representativa de la población en estudio y calcular las
cantidades necesarias como para evaluar los parámetros del
modelo.
13
DISTRIBUCIÓN DE PROBABILIDAD DE
14
Distribución de Bernoulli
Características de un ensayo de Bernoulli :
1. Es un experimento aleatorio con dos resultados posibles excluyentes entre
sí, llamados éxito (E) y fracaso (F).
2. La probabilidad de éxito se denota por p, la probabilidad de fracaso esta
dada por 1-p = q
3. Interesa el estudio de la variable aleatoria X: Nro. de éxitos en una prueba.
Rx : 0, 1.
Ejemplo: Nro. de casos de tifoidea en una muestra de tamaño 1.
P: prevalencia de tifoidea en la población.
Función de probabilidad. P( X x) p x q1 x x 0,1
Valor esperado: E[ X ] p
Varianza
Var ( X ) E[ X 2 ] ( E[ X ])2 pq
15
Distribución Binomial
Experimento Binomial:
Es una sucesión de n intentos o ensayos idénticos de Bernoulli.
En cada intento o ensayo son posibles dos resultados. A uno
lo llamaremos éxito y al otro fracaso.
La probabilidad de un éxito, se representa por p y no cambia
de un intento o ensayo.
Por lo tanto la probabilidad de un fracaso se representa por (1-
p), que tampoco cambia de un intento a otro.
Los intentos o ensayos son independientes.
Interesa la variable aleatoria: Número de éxitos en n - intentos.
16
Función de probabilidad:
n x n x
f ( x ) P[ X x ] p q x 0,1,....n
x
Notación: X B (n, p)
18
Ejemplo
19