Académique Documents
Professionnel Documents
Culture Documents
Probabilidad y estadstica
Ing. Pablo Arango 2013
Unidad 3
Variables aleatorias y distribuciones de probabilidad
Variable aleatoria
Concepto: una variable es aleatoria si toma diferentes valores como resultado de un experimento aleatorio.
Aleatoria discreta
Si slo puede tomar un nmero limitado de valores.
Aleatoria continua
Si puede tomar cualquier valor dentro de un intervalo dado.
Variable aleatoria
Una variable aleatoria es un valor o magnitud que cambia de una ocurrencia a otra sin seguir una secuencia predecible. Ejemplo: en una clnica mdica no se tiene manera de saber con exactitud cuntos pacientes van a ser atendidos en un da cualquiera. Ejemplo: de manera anloga, la probabilidad de que usted haya nacido en mes dado es discreta, puesto que slo hay 12 valores posibles.
Variable aleatoria
Para un espacio muestral S de algn experimento, una variable aleatoria es cualquier regla que asocia un nmero con cada resultado en S.
En lenguaje matemtico, una variable aleatoria es una funcin cuyo dominio es el espacio muestral y cuyo rango es el conjunto de los nmeros reales.
Se denomina distribucin de variable discreta a aquella cuya funcin de probabilidad slo toma valores positivos en un conjunto de valores de X finito o infinito numerable. A dicha funcin se le llama funcin de masa de probabilidad.
La funcin de probabilidad es una funcin matemtica que asigne una probabilidad a cada realizacin de x de la variable aleatoria X, o sea, X puede tomar un valor cualquiera x.
Definicin: sea X una variable aleatoria discreta. Se llamar a p(x) = P(X=x) la funcin de probabilidad de la variable aleatoria x, si satisface las siguientes propiedades:
Ejemplo: seis lotes de componentes estn listos para ser enviados por un proveedor. El nmero de componentes defectuosos en cada lote es como sigue:
1 0 2 2 3 0 4 1 5 2 6 0
Distribucin binomial
Distribucin hipergeomtrica Distribucin geomtrica Distribucin de Poisson Distribucin de Bernoulli
Valor esperado de una variable aleatoria discreta: es una medida de localizacin central de una variable aleatoria. Es un promedio ponderado de los valores que puede tener una variable en donde los factores de ponderacin son las probabilidades y se expresa de acuerdo a:
= =
=1
()
Distribucin binomial
El experimento consta de una secuencia de n experimentos ms pequeos llamados ensayos o intentos, donde n se fija antes del experimento.
Cada intento puede dar por resultado nicamente uno de dos resultados posibles, los cuales se denotan por xito (p) o fracaso (q).
Distribucin binomial
Los intentos son estadsticamente independientes, de modo que el resultado en cualquier ensayo particular no influye en el resultado de cualquier otro intento.
La probabilidad de xito (p) es constante de un intento a otro; por lo tanto, la de fracaso tambin lo es.
Distribucin binomial
! _ = ! !
n : nmero de pruebas del experimento k : nmero de xitos
Distribucin binomial
Distribucin binomial
Ejemplo: la ltima novela de un autor ha tenido un gran xito, hasta el punto que el 80% de los lectores ya la han ledo.
Si se tiene un grupo de 4 personas, cul es la probabilidad de que la hayan ledo dos de ellos? y un mximo de 2?
Distribucin binomial
Para la primera pregunta: P(x=2), n=4, k=2, p=0.8, q=0.2. Para la segunda pregunta: p(x=0)+p(x=1)+p(x=2), los valores restantes son los mismo.
Distribucin binomial
Distribucin binomial
Ejemplo: la probabilidad de que un artculo producido por una fbrica sea defectuoso es del 2%. Si se enva un cargamento de 10,000 unidades a un cliente, cul es el valor esperado de artculos defectuosos, la varianza y la desviacin estndar?
Distribucin hipergeomtrica
Empleada 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.
Entonces, el resultado de una observacin depende o es afectado por el resultado de cualquier otra u otras observaciones anteriores.
Distribucin hipergeomtrica
Es decir, la probabilidad hipergeomtrica se emplea para muestreos sin reemplazo de una poblacin finita cuya probabilidad de ocurrencia cambia a lo largo del ensayo o no se conoce.
La muestra debe ser mayor del 5% de la poblacin, de manera que la probabilidad de xito sea perceptiblemente alterada de una seleccin a la siguiente.
Distribucin hipergeomtrica
Distribucin hipergeomtrica
Ejemplo: supngase que en un establo de carreras hay 10 caballos y 4 de ellos tienen una enfermedad contagiosa. Cul es la probabilidad de seleccionar una muestra de 3 en la cual 2 estn enfermos?
n=3 x=2
N = 10 r= 4
Distribucin hipergeomtrica
Durante un mes se fabricaron 12 computadoras, de las cuales 10 presentaron defecto. Se seleccion una muestra de 3 computadoras del total de la produccin.
Distribucin hipergeomtrica
N = 12 r = 10 n=3 x=2
P (x=2) =
10C2
(12-10)C(3-2)
12C3
Distribucin hipergeomtrica
Se tiene una convencin poltica de 50 personas de un departamento especfico, de los cuales 30 apoyan a un candidato (A) del partido y los otros 20 a otro (B), para ser elegido como secretario departamental.
Si se seleccionan aleatoriamente 5 de ellos, cul es la probabilidad de que, entre estos 5, por lo menos dos apoyen a A?
Distribucin hipergeomtrica
N = 50 r = 30
Ya que P(x2) = 1 - P(x1)
P (x=0) = P (x=1) =
30C0
n=5 x = 0, 1
* 30C1 *
20C5
Distribucin geomtrica
Considrese un experimento aleatorio muy parecido a uno de distribucin binomial. Asmase un nmero de intentos con probabilidad constante de xito en cada uno.
Sin embargo, en lugar de un nmero fijo de intentos, los ensayos se realizan hasta que el xito es alcanzado.
Distribucin geomtrica
Distribucin geomtrica
Ejemplo: Cul es la probabilidad de que Pedro marque un gol por primera vez en su 5 penalty? La probabilidad de que marque un gol al tirar un pelanty es 80%.
Distribucin geomtrica
Ejemplo: la probabilidad de que un bit transmitido por un cana digital de transmisin es sea recibido con error es 0.1. Asuma que las transmisiones son independientes y que la variable aleatoria x denote el nmero de bits transmitidos hasta el primer error.
Distribucin geomtrica
Si P(x=5) es la probabilidad de que los cuatro primeros bits sean transmitidos correctamente y el quinto con error, el evento puede ser escrito como {OOOOE} donde O representa que el bit est bien.
Ya que los intentos son independientes y que la probabilidad de una transmisin correcta es 0.9., se tiene:
Distribucin geomtrica
Ahora, suponga que 50 bits han sido transmitidos. El nmero promedio de bits transmitidos hasta el siguiente error sera:
VE = 1 / 0.1 = 10 bits.
Distribucin de Poisson
Se aplica a sucesos con una probabilidad muy baja de ocurrir. Se utiliza la distribucin de Poisson como aproximacin de experimentos binomiales donde el nmero de pruebas en muy alto pero la probabilidad de xito muy baja.
Distribucin de Poisson
y : nmero de ocurrencias del evento o fenmeno (la funcin nos da la probabilidad de que el evento suceda precisamente y veces) : nmero de veces que se espera que ocurra el fenmeno durante un intervalo dado. e : nmero e o base de los logaritmos naturales (2.71828)
Distribucin de Poisson
El 3% de las bateras fabricadas por una industria son defectuosas. Qu probabilidad existe que en una muestra tomada al azar de 100 unidades salgan 5 defectuosas? = np = (100) (0.03) = 3 5 P(y=5) = ( 35 * e-3 ) / 5! P(y=5) = 0.1008 = 10.08%
Distribucin de Poisson
La produccin de televisores en cierta planta trae asociada una probabilidad de defecto del 2%. Si se toma un lote de 85 aparatos, obtenga la probabilidad de que existan 4 televisores con defecto.
Distribucin de Poisson
Cierta enfermedad tiene una probabilidad muy baja de ocurrir, p=1/100,000. Calcule la probabilidad de que en una ciudad con 500,000 habitantes haya ms de 3 personas con dicha enfermedad. Calcule el nmero esperado de habitantes que la padecen.
= np = (500,000) (0.00001) = 5 5 P(y>3) = 1 - P(y3) P(y>3) = 1 [P(y=0) + P(y=1) + P(y=2) + P(y=3) P = 0.7349 = 73.49% Valor esperado = np = 5
Distribucin de Bernoulli
O Distribucin Dicotmica.
Es una distribucin de probabilidad discreta que toma valor 1 para la probabilidad de xito p y 0 para la probabilidad de fracaso (q=1-p).
Distribucin de Bernoulli
Frmula
P(x) = (1 )1
x es una variable aleatoria que mide nmero de xitos y se realiza en un nico experimento con dos posibles resultados, xito o fracaso.
Distribucin de Bernoulli
p=
P(x=1) = 0.51(1-0.5)1-1 = 0.5
Distribucin de Bernoulli
Variable aleatoria
Concepto: una variable es aleatoria si toma diferentes valores como resultado de un experimento aleatorio.
Aleatoria discreta
Si slo puede tomar un nmero limitado de valores.
Aleatoria continua
Si puede tomar cualquier valor dentro de un intervalo dado.
Distribucin uniforme
Distribucin normal Distribucin exponencial Distribucin t de student Distribucin ji cuadrado
Distribucin uniforme
Es una distribucin en el intervalo [a,b] en la cual las probabilidades son las mismas para todos los posibles resultados, desde el mnimo de a hasta el mximo de b.
La probabilidad de que una observacin caiga entre dos valores se calcula:
Distribucin uniforme
Ejemplo: sea X el momento elegido al azar en que un estudiante recibe clases en un determinado da entre las siguientes horas:
Distribucin uniforme
a) b)
c) d) e)
f)
Cul es la funcin de densidad de la variable X? Elaborar un grfico de la distribucin de probabilidades. Calcular el valor medio esperado. Calcular la desviacin estndar. Calcular la probabilidad de que llegue en la primera media hora. Si recibe clases de estadstica de 10:00 a 12:15, calcular la probabilidad de recibir esa asignatura.
Distribucin uniforme
Para:
a)
Distribucin uniforme
b) Grfico
Distribucin uniforme
c) Valor medio esperado
Distribucin uniforme
d) Desviacin estndar
Distribucin uniforme
e) Probabilidad llegar en la primera media hora. Esto es, a las 7:30 y por lo tanto se debe calcular la probabilidad entre 7:00 y 7:30.
Distribucin uniforme
Distribucin normal
Distribucin normal
La media aritmtica, la mediana y la moda de la distribucin normal tienen el mismo valor y se ubican en el centro de la grfica. La curva es simtrica. Por lo tanto, el rea bajo la curva est en un 50% de cada lado, lo que equivale a la misma probabilidad. As, la probabilidad total es 1. La curva normal es asinttica, o sea, la curva se acerca cada vez ms al eje X pero jams llega a tocarlo. Es decir, las colas de la curva se extienden de manera indefinida en ambas direcciones.
Distribucin normal
Puede existir un nmero infinito de distribuciones normales posibles, cada una con su propia media y desviacin estndar. Ya que obviamente no se puede analizar un nmero tan grande de posibilidades, es necesario convertir todas estas distribuciones normales a una forma estndar. Intervalos:
(-, +) : 68.26% del rea (-2, +2): 95.44 del rea (-3, +3): 99.74 del rea
Distribucin normal
Donde:
Z representa el nmero de desviaciones estndar a las que una observacin est por encima o por debajo de la media.
Distribucin normal
Ejemplo: supngase que se sabe que el peso de los estudiantes universitarios sigue una distribucin normal, con una media de 140 lb y una desviacin estndar de 20 lb.
Determine la probabilidad de que una persona tenga un peso menor o igual a 150 lb.
Distribucin normal
= 140 lb = 20 lb
Distribucin normal
Z=
150 (140) 20
= 0.500
P(X=150) = 0.1915
Pero se desea saber la probabilidad de que se tenga un peso menor o igual a X=150
Distribucin normal
Si en el ejemplo anterior se dijese que en total son 3,500 estudiantes, cuntos tendran un peso igual o menor a 150 lb?
Distribucin normal
Utilizando los datos anteriores, cul es la probabilidad de que una persona elegida al azar tenga un peso mayor a 150 lb?
= 140 lb = 20 lb
Distribucin normal
Z=
150.5 (140) 20
= 0.525
P(X=150.5) = 0.1985
Distribucin normal
Distribucin normal
Ejemplo: se calcul que el promedio del enfriamiento de todos los refrigeradores de un mismo tipo en cierta compaa es de -4 oC con una desviacin estndar de 1.2 oC.
Cul es la probabilidad de que un refrigerador salga con una temperatura superior a -3 oC? Cul es la probabilidad de que un refrigerador salga con una temperatura menor a -5.5 oC?
a)
b)
Distribucin normal
Se identifican los datos:
= -4 oC = 1.2 oC Z se calcular para valor correspondiente a la variable aleatoria continua en consideracin.
Distribucin normal
Z=
= 0.333
Se busca en la tabla el valor de Z = 0.333 y el valor de P es 0.1293 pero este es el indicado desde la media hasta X=-3. Pero se desea el dato ms all de -3 oC: P(X > -3) = 0.500 0.333 = 0.167 = 16.7%
Distribucin normal
b) P(X<-5.5)
Z=
5.5(4) 1.2
= 2.17
Se busca en la tabla el valor de Z = -2.17 y el valor de P es 0.4850 pero este es el indicado desde la media hasta X=-5.5. Pero se desea el dato menor de -5.5 oC: P(X > -3) = 0.500 0.4850 = 0.015 = 1.5%
Distribucin exponencial
La distribucin de Poisson calcula el nmero de eventos sobre alguna rea de oportunidad (intervalo de tiempo o espacio), la distribucin mide el paso del tiempo entre tales eventos. Si el nmero de eventos tiene una distribucin de Poisson, el lapso entre los eventos estar distribuido exponencialmente.
Distribucin exponencial
La probabilidad de que el lapso de tiempo sea menor que o igual a cierta cantidad x es:
donde: t : lapso de tiempo e : base del logaritmo natural (2.71828) : tasa promedio de ocurrencia
Distribucin exponencial
Ejemplo: los buses extraurbanos llegan a la terminal a una tasa promedio de 10 buses por hora. Determine:
a) La probabilidad de que llegue un bus en no ms de 5 minutos. b) La probabilidad de que llegue un bus en no ms de 10 minutos. c) La probabilidad de que llegue un bus entre 5 y 10 minutos. d) La probabilidad de que llegue un bus en ms de 5 minutos.
Distribucin exponencial
= 10 bus/hora
a) 5 minutos es 5/60 = 1/12 (proporcin)
O sea, existe un 56.54% de probabilidad de que el segundo bus llegue a la terminal en 5 minutos o menos del primero si la tasa de llegada es 10 buses por hora.
Distribucin exponencial
b) Ahora, la proporcin de 10 minutos es 1/6.
c)
Distribucin exponencial
d)
Distribucin exponencial
Ejemplo: en un experimento de laboratorio se utilizan 10 gramos del istopo Po-220. Si se sabe que la vida media de un tomo de este istopo es de 140 das, cuntos das transcurrirn hasta que haya desaparecido el 90% de los 10 gramos originales?
Distribucin exponencial
Ahora, el tiempo de desintegracin de un material radiactivo sigue una distribucin exponencial. El tiempo que transcurre hasta que el 90% del material radiactivo se desintegra es el percentil 90 de la distribucin exponencial, es decir:
Distribucin exponencial
= 1/140
0.90 = 1 - Y despejando t, se tiene: t = 322 das
(
1 ) 140
Distribucin t de student
En probabilidad y estadstica, la distribucin t de student o distribucin-t, es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo.
Distribucin t de student
Condiciones:
Por ejemplo, en pruebas de impacto de vehculos de lujo sera muy costoso destruir al menos 30 de ellos (Lamborghinis a US$550,000 cada uno, sera un costo de US$16,500,000) o un mdico que prueba una medicina nueva pudiese no encontrar 30 personas dispuestas a servir de conejillos de indias.
Distribucin t de student
La distribucin-t tiene una media de cero, es simtrica con respecto a la media y oscila entre - y +. La varianza es mayor a 1 y al igual que la curva normal, es una familia de curvas.
Distribucin t de student
Para todo conjunto de condiciones dadas, la distribucin-t producir un intervalo ms amplio que la distribucin Z (o normal) si sta se utilizara. Este ancho adicional es necesario debido a que se pierde algo de precisin por es desconocido y debe estimarse.
Distribucin t de student
Distribucin t de student
Reescribiendo la ecuacin anterior, para expresarlo como un intervalo de confianza para estimar , se tiene que:
Distribucin t de student
Ejemplo: se asume que se desea un intervalo de confianza del 95% y se tiene una muestra de 20 observaciones. Debido a que n=20, los grados de libertad son g.l. = 20 1 = 19. Los grados de libertad son el nmero de observaciones que se pueden elegir libremente.
Distribucin t de student
En la columna g.l., se busca g.l. = 19. Luego, se mueve a travs de dicha fila hacia la columna encabezada por un nivel de confianza del 0.95 para las pruebas de dos colas (se ignoran las dos filas referentes a las pruebas de una cola).
As, la entrada resultante es 2.093 que es el valor de t para un intervalo de confianza del 95% con un tamao muestral de 20.
Distribucin t de student
Ejemplo: una empresa de construccin fue culpada de inflar los comprobantes que registra para los contratos de construccin con el gobierno federal. El contrato estableci que un cierto tipo de trabajo debera promediar US$1,150. Por motivos de tiempo, los directivos de 12 agencias del gobierno fueron llamados a dar testimonio ante la corte respecto a los comprobantes de la empresa. Si se descubri que a partir del testimonio, se tiene una media de US$1,275 y una desviacin estndar de US$235, apoyara un intervalo de confianza del 95% el caso legal de la empresa? Se asume que los montos de los comprobantes son normales.
Distribucin t de student
Por lo tanto, la corte puede tener un 95% de que el promedio de todos los comprobantes est dentro del intervalo de US$1,125 y US$1,425 y al estar el monto de US$1,150 dentro de dicho intervalo, se fortalece la defensa de la empresa.
Para un intervalo de confianza de 95% en la distribucin normal (0.4750*2), Z=1.96, por lo que se comprueba que la distribucin-t considera un rango ms amplio, t=2.201.
Distribucin t de student
Un fabricante de bombillas afirma que su producto durar un promedio de 500 horas de operacin. Para conservar este promedio esta persona verifica 25 bombillas cada mes. El fabricante estar satisfecho si esta afirmacin es cierta, con un nivel de confianza de 90%. Se tienen los datos muestrales:
520 513 521 522 511 500 513 521 510 495
496 510
506
488 510
503
500 475
487
502 505
493
512 521
500
Distribucin t de student
t = 1.711 X1 = 505.36 + 1.711 (12.07/5) = 509.5 X2 = 505.36 1.711 (12.07/5) = 501.25 Se concluye que la media poblacional no es 500, ya que la media de la muestra y los intervalos con un 90% de confianza estn por encima de ella.