Вы находитесь на странице: 1из 60

INSTITUTO DE EDUCACIÓN DIGITAL DELEITADO DE PUEBLA

ING. DANIEL LAZCANO ARROYO

ALUMNO: ARTURO VARGAS GARCIA

MATERIA: PROBABILIDAD Y ESTADÍSTICA

CARRERA: ING. INDUSTRIAL


DISTRIBUCIONES DE
PROBABILIDAD
DISTRIBUCIONES
DISCRETAS DE
PROBABILIDAD
VARIABLE ALEATORIA
Definición: Se llama variable aleatoria a
toda función que asocia a cada elemento
del espacio muestral un número real

X:E R
EJEMPLO: CONSIDEREMOS EL
EXPERIMENTO CONSISTENTE EN EL
LANZAMIENTO DE DOS MONEDAS. EL
ESPACIO MUESTRAL ASOCIADO SERÁ

E  c,c, c, x, x,c, x, x


ASIGNAMOS A CADA ELEMENTO DEL
ESPACIO MUESTRAL UN NÚMERO,
EL CORRESPONDIENTE AL NÚMERO
DE CARAS.

E X
(c,c) 2
(c,x) 1
(x,c) 1
(x,x) 0
FUNCIÓN DE PROBABILIDAD
Definición: Se llama función de
probabilidad de una variable aleatoria X
a la función que asocia a cada valor x de
la variable su probabilidad
EJEMPLO: CONSIDEREMOS EL
EXPERIMENTO CONSISTENTE EN EL
LANZAMIENTO DE UN DADO
PERFECTO. TENDREMOS LA
SIGUIENTE SITUACIÓN:
X Función de probabilidad
p
1 1/6
2 1/6
3 1/6
4 1/6
5 1/6
6 1/6

Se debe cumplir que p1  p2  .....  pn  1


0,20
Función de probabilidad

0,10
p

0,00
1 2 3 4 5 6
Variable aleatoria X
FUNCIÓN DE DISTRIBUCIÓN
Definición: Sea X una variable aleatoria
discreta cuyos valores suponemos
ordenados de menor a mayor. Llamamos
función de distribución de la variable X
a la función

F(xi )  p( X  xi )
Ejemplo: Consideremos el experimento
consistente en el lanzamiento de un dado
perfecto. Tendremos la siguiente
situación:
X p F
1 1/6 1/6
2 1/6 2/6
3 1/6 3/6
4 1/6 4/6
5 1/6 5/6
6 1/6 1
distribución F 1,00
Función de

0,50

0,00
1 2 3 4 5 6
Variable aleatoria X
MEDIA
Definición: Se llama media de la variable
aleatoria X, que toma valores x1,x2 ,......xn
con probabilidades p1, p2 ,.....,pn
al valor:
n
x1 p1 x2  p2 ......xn  pn xi  pi
i1
EJEMPLO: EN EL EJEMPLO DEL
LANZAMIENTO DEL DADO
PERFECTO TENDREMOS:

1 1 1
  1  2  ......  6  
6 6 6
1 21
(1 2  3  4  5  6)    3,5
6 6
DESVIACIÓN TÍPICA

• DEFINICIÓN: SE LLAMA DESVIACIÓN


n TÍPICA DE LA VARIABLE
  (x i
2 )  p
ALEATORIA X, A LA RAÍZ CUADRADA POSITIVA i
DE LA VARIANZA:
i1

n
 i i
x 2  p  2
i1
DISTRIBUCIÓN BINOMIAL
Un experimento aleatorio con las
siguientes características sigue el modelo
de una distribución binomial
a)En cada prueba del experimento sólo
son posibles dos resultados.
b)El resultado de cada prueba es
independiente de los anteriores.
c)La probabilidad de cada uno de los dos
sucesos posibles permanece constante
VARIABLE ALEATORIA BINOMIAL

Definición: Representamos por p la


probabilidad de un suceso A (éxito) y por
q la probabilidad del contrario de A
(fracaso). A la variable X que representa
el número de éxitos la llamamos variable
aleatoria binomial.
ESTA DISTRIBUCIÓN LA
REPRESENTAMOS COMO:
B(n, p)
siendo n y p los parámetros de la misma
EJEMPLO: UNA COMPAÑÍA
DE TABACO HA

• DETERMINADO QUE EL PORCENTAJE DE FUMADORES EN UNA CIUDAD ES DEL


35%. SE ESCOGE AL AZAR UNA MUESTRA FORMADA POR 10 PERSONAS. LA
VARIABLE QUE REPRESENTA EL NÚMERO DE FUMADORES DENTRO DE LA MUESTRA
SIGUE UNA DISTRIBUCIÓN BINOMIAL .

•B(10 , 0.35)
FUNCIÓN DE PROBABILIDAD
Se puede demostrar que en una
distribución B(n, p) , la probabilidad de
obtener r éxitos viene dada por:
 n  r nr
p(x  r)     p  q
r
que es la función de probabilidad de la
distribución binomial.
EJEMPLO: UNA PRUEBA DE
INTELIGENCIA ESTÁ COMPUESTA DE
10 PREGUNTAS, CADA UNA DE LAS
CUALES TIENE 4 RESPUESTAS,
SIENDO SÓLO UNA DE ELLAS
CORRECTA. SI SE CONTESTA
ALEATORIAMENTE SE PIDE:
a) Probabilidad de acertar 4 preguntas

Se trata de una distribución binomial con ,

1 , n=10 y r=4
p
4

p(x  4)      1    3   0,1460
4 6
10
 4  4 4
B) PROBABILIDAD DE NO
ACERTAR NINGUNA
En este caso r=0:

p(x  0)      3   0,0563



10
10
 0  4
Media y Varianza

Se puede demostrar que para una


distribución binomial

B(n, p)
la media y la varianza vienen dadas por:

np  2  n  p q
EJEMPLO: UNA PRUEBA DE
INTELIGENCIA ESTÁ COMPUESTA DE
10 PREGUNTAS, CADA UNA DE LAS
CUALES TIENE 4 RESPUESTAS,
SIENDO SÓLO UNA DE ELLAS
CORRECTA. SI SE CONTESTA
ALEATORIAMENTE SE PIDE:

1 1 3
  10   2,5   10    1,875
2

4 4 4
DISTRIBUCIONES
CONTINUAS DE
PROBABILIDAD
La variable aleatoria asociada a una
distribución de probabilidad puede tomar
un número infinito de valores dentro de un
intervalo, también puede ser que tome un
número finito de valores, pero muy
elevado o ser infinito y agruparse en
intervalos. En todos estos casos
tendremos una distribución continua de
probabilidad
Ejemplo: Se miden las tallas de los
TABLA
alumnos varones de 2º de Bachillerato,
obteniéndose la siguiente D
frecuencias: E
HISTOGRAMA DE
FRECUENCIAS
8
Frecuencia
6

0
1,5 1,6 1,7 1,8 1,9 2
Altura en metros
PODEMOS SUPONER QUE LA
DISTRIBUCIÓN DE TALLAS DE LOS
ALUMNOS VARONES DE TODA
ESPAÑA, A MEDIDA QUE LOS
INTERVALOS SE HACEN MÁS
PEQUEÑOS, TIENDE AL DIAGRAMA
SIGUIENTE:
Altura en metros

La suma de todas las probabilidades en una


distribución de probabilidad es igual a la
unidad.
FUNCIÓN DE DENSIDAD

Definición: Una función y  f (x) que


cumple:
a) f (x)  0  x  Dom( f )
b) El área encerrada bajo la curva
y  f (x) es igual a la unidad
Se denomina función de densidad de
una variable aleatoria continua X
FUNCIÓN DE DISTRIBUCIÓN
Definición : Sea f(x) una función de densidad
de una variable aleatoria continua X, y F(x)
una función que cumple las condiciones:
a) F (x)   f (x)dx
b) F (x)  0 x situado a la izquierda
del menor valor de la variable.
c) situado a la derecha
F (x)  1del
xmayor valor de la variable

La función F(x) se denomina función de


distribución de la variable aleatoria X.
F(x) representa la probabilidad de que la
variable aleatoria tome un valor menor o
igual que x,

F (x)  p( X  x)
MEDIA DE UNA VARIABLE ALEATORIA
continua
Definición: Sea X una variable aleatoria
continua, cuyo recorrido es el intervalo
[a,b] y sea f(x) su función de densidad. Se
llama media de la variable continua X al
valor:
b
  x  f (x)dx
a
También se llama esperanza matemática
o valor esperado.
Varianza de una variable
aleatoria continua
Definición: Se llama varianza de una
variable aleatoria continua al valor de la
siguiente integral:

 x     f(x)dx
b
 
2 2
a

la desviación típica es la raíz cuadrada


de la varianza
DISTRIBUCIÓN NORMAL
Entre las distribuciones continuas, la más
importante es la distribución normal o
de Gauss. Son distribuciones cuya
representación se aproxima a la siguiente
gráfica
FRECUEN
CIA

Variable aleatoria
Son curvas llamadas "campanas de
Gauss".que tienen las siguientes
características:

a)En una distribución normal media,


moda y mediana coinciden en el máximo
de la curva
b)El área encerrada bajo la campana y el
eje x es igual a la unidad.
c) Los puntos de inflexión son los puntos
 y  
1
  x   
2

1 2  
f (x)  e
 2
x
1 2

f (x)  e 2
2
TIPIFICACIÓN DE LA
VARIA
BLE
Centrar

Hacemos   0 con cambio de variable


X ´ X  12
CONTRAER O DILATAR

Hacemos   1con cambio de variable


X 12
Z
0,5
P(Z  0,47)
P(Z  0,,47)  0,6808
P(Z  0,67)

P(Z  0,67)  1  P(Z  0,67)


P(Z  0,67)  1 0,7486  0,2514
P(Z  0,73)

P(Z  0,73)  P(Z  0,73)  1  P(Z  0,73)


P(Z  0,73)  1 0,7673  0,2327
P(0,75  Z 1,28)

P(0,75  Z  1,28)  P(Z  1,28)  P(Z  0,75)


P(0,75  Z  1,28)  0,8997  0,7734  0,1263