Lanzar una moneda al aire

SS = (caras, cruces)

Como determinar de que salgan dos caras

Solo el tercer lanzamiento es cruz= P(C1, C2 y Cruz3) = x x = 3/8 Solo el segundo lanzamiento es cruz =P(C1,Cruz2,C3) = x x = 1/8 Solo el primer lanzamiento es cruz =P(cruz1, C2, C3) = x x = 1/8 = 3/8

C= cara

La probabilidad de obtener o cara

1/8

La probabilidad de obtener 1 cara La probabilidad de obtener 2 cara La probabilidad de obtener 3 cara

3/8 3/8 1/8 _______ 1

Caractersticas: 1. x Es una variable que puede tomar tanto valores enteros como fraccionarios. x 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, ....., 2. Es generada por una variable continua (x). 3. f(x) 0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero. Dicho de otra forma, la funcin de densidad de probabilidad deber tomar solo valores mayores o iguales a cero. La funcin de densidad de probabilidad slo puede estar definida en los cuadrantes I y II. 4. La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x debe ser igual a 1. El rea definida bajo la funcin de densidad de probabilidad deber ser de 1.

Hasta el momento se han considerado las distribuciones de probabilidad para variables discretas, donde se poda asignar el valor que toma la funcin de probabilidad cuando la variable aleatoria tomaba un valor en concreto. Sin embargo, al considerar las variables continuas se encuentra uno el problema de que, lo ms probable, los datos que se puedan recabar no sean completamente exactos, o dos o ms de ellos no coincidan, por lo que se tienen que trabajar en intervalos y, en ese momento, modelar una funcin se convierte en un problema serio. Sin embargo, se pueden realizar aproximaciones y describir la probabilidad a travs de modelos tericos de probabilidad cuya grfica es una lnea continua, a diferencia de las variables discretas que le corresponde un histograma. Para clarificar cmo se realiza esta aproximacin al modelo terico consideremos el siguiente caso: Se han registrado los tiempos que le tom a una empresa de mensajera entregar 190 paquetes con destinatarios diferentes dentro de una misma ciudad. Los datos se han agrupado en una distribucin de frecuencias considerando intervalos de cinco das como sigue:
Tiempo de entrega (das) [0,5) [5,10) [10,15) No. de paquetes 115 31 17

[15,20) [20,25) [25,30)

12 10 5

Supongamos que un posible cliente, conociendo esta informacin, quisiera saber qu probabilidad tiene de que su paquete sea entregado en dos das. El problema es que al manejar intervalos de cinco das estamos suponiendo que dentro de cada intervalo los datos se distribuyen uniformemente, cosa que no es real. Podramos aumentar la muestra y seguir recogiendo informacin para hacer una distribucin de frecuencias similar a la anterior, pero se tendra el mismo problema: dentro de cada intervalo se est presuponiendo que los datos se distribuyen uniformemente. Otra posible solucin es reducir la amplitud de los intervalos, de tal suerte que podramos tomar una amplitud de tres das por intervalo y hacer la siguiente distribucin de frecuencias:
Tiempo de entrega (das) No. de paquetes (frec.) 93 30 18 13 9 8 6 6 4 3

[0,3) [3,6) [6,9) [9,12) [12,15) [15,18) [18,21) [21,24) [24,27) [27,30)

Al seguir reduciendo la amplitud a dos das se obtiene la distribucin:

Tiempo de entrega No. de

(das)

paquetes (frec.) 76 29 18 13 10 8 6 6 5 4 4 4 3 2 2

[0,2) [2,4) [4,6) [6,8) [8,10) [10,12) [12,14) [14,16) [16,18) [18,20) [20,22) [22,24) [24,26) [26,28) [28,30)

Y al reducirla a intervalos de un da se tiene la distribucin:

Tiempo de entrega (das) No. de paquetes (frec.) 51 25

[0,1) [1,2)

[2,3) [3,4) [4,5) [5,6) [6,7) [7,8) [8,9) [9,10) [10,11) [11,12) [12,13) [13,14) [14,15) [15,16) [16,17) [17,18) [18,19) [19,20) [20,21) [21,22) [22,23)

17 12 10 8 7 6 5 5 4 4 3 3 3 3 3 2 2 2 2 2 2

[23,24) [24,25) [25,26) [26,27) [27,28) [28,29) [29,30)

2 2 1 1 1 1 1

Ahora, veamos. Lo que le interesa al futuro cliente es la probabilidad de que se haga una entrega en un cierto tiempo, por lo que habra que considerar las frecuencias relativas y, como antes, reducir la amplitud de los intervalos. Con esto se obtendran las siguientes distribuciones de frecuencias:

Intervalos de dos das

Intervalos de un da

Y podramos graficar tal informacin en histogramas para poder ver cmo se aproximan, si es que ocurre, los valores a una curva continua:

donde las barras rosas (y la lnea roja) corresponden a los intervalos de cinco das; las barras y lnea azules, a los intervalos de tres das; las barras y lnea amarillas, a los intervalos de dos das; y las barras y lneas verdes, a los intervalos de un da. Se han incluido de una vez las lneas que unen los puntos medios de las barras del histograma porque se puede ver que las barras de las frecuencias relativas se "achaparran" y las lneas graficadas estn tan separadas del lado izquierdo (en este caso) que no se puede hablar de una aproximacin continua a una sla lnea. Una posible solucin es utilizando la densidad del intervalo, que se va a definir como el cociente de la frecuencia relativa entre la amplitud del intervalo:

(De hecho, existe la funcin de densidad de una distribucin de probabilidad, de donde se deriva esta definicin de densidad del intervalo.) De esta manera, a las distribuciones de frecuencias anteriores se les puede aadir la columna correspondiente a la densidad: Intervalos de cinco das
Intervalo [0,5) [5,10) [10,15) frec. 115 31 17 frec. rel. densidad 0.605 0.163 0.089 0.121 0.033 0.018

[15,20) [20,25) [25,30)

12 10 5

0.063 0.053 0.026

0.013 0.011 0.005

Intervalos de tres das

Intervalo [0,3) [3,6) [6,9) [9,12) [12,15) [15,18) [18,21) [21,24) [24,27) [27,30) frec. 93 30 18 13 9 8 6 6 4 3 frec. rel. densidad 0.489 0.158 0.095 0.068 0.047 0.042 0.032 0.032 0.021 0.016 0.163 0.053 0.032 0.023 0.016 0.014 0.011 0.011 0.007 0.005

Intervalos de dos das

Intervalos de un da

Intervalo [20,21) [21,22) [22,23) [23,24) [24,25) [25,26)

frec. 2 2 2 2 2 1

frec. rel. densidad 0.011 0.011 0.011 0.011 0.011 0.005 0.011 0.011 0.011 0.011 0.011 0.005

[26,27) [27,28) [28,29) [29,30)

1 1 1 1

0.005 0.005 0.005 0.005

0.005 0.005 0.005 0.005

y realizar los histogramas correspondientes, que quedan como sigue:

donde las barras rosas, y la lnea roja, corresponden a los intervalos de cinco das; las barras y lnea verdes, a los intervalos de tres das; las barra y lnea amarillas, a los intervalos de dos das; y las barras y lnea azules, a los intervalos de un da. Igual que en el caso anterior, se han graficado simultneamente las barras y las lneas que unen los puntos medios de stas para observar que con la densidad s se aproximan los histogramas a una lnea continua (que la mejor aproximacin presentada es la lnea azul) cuando los intervalos se reducen continuamente. El resultado es una lnea continua que es la grfica de una cierta funcin denominada funcin de densidad de la distribucin probabilstica. Ahora, considerando la manera en que se defini la densidad de un intervalo como:

y recordando que la frecuencia relativa es la probabilidad de un evento (en el ejemplo de la mensajera sera la probabilidad de entregar un paquete dentro de un intervalo dado de tiempo):

Entonces, despejando en el primer cociente la frecuencia relativa e igualando con esta segunda expresin obtenemos que probabilidad del evento = (densidad del intervalo) (amplitud del intervalo) Es decir, que la probabilidad de que ocurra un evento corresponde al rea de las barras del histograma hecho tomando en cuenta la densidad de los intervalos; y que cuando tales intervalos tienen una amplitud que tiende a cero, y la grfica se convierte en la curva continua de la funcin de densidad, entonces la probabillidad de que un evento ocurra en un intervalo (a,b) es el rea bajo la curva de la funcin en ese intervalo:

y, por tanto, el clculo de tal probabilidad se realiza utilizando clculo integral:

donde f(x) es la funcin de densidad de la distribucin probabilstica correspondiente. Hay que estar conscientes de que en el caso de las variables continuas slo se puede calcular la probabilidad de que un evento caiga dentro de un intervalo, debido a que la exactitud de los instrumentos de medicin siempre es relativa y muy lejana a la "exactitud" de los clculos matemticos. Por esto, la probabilidad de que la variable aleatoria tome un valor exacto es nula:

Esto se puede explicar de la siguiente manera: si, como ya dijimos, la probabilidad (frecuencia relativa) es igual a la densidad del intervalo por la amplitud del intervalo, entonces no importa

qu tan grande sea la densidad de tal intervalo porque, como ya tambin se dijo, por ser variable continua la amplitud del intervalo tiende a cero y, por tanto, la probabilidad es igual a cero. Modelos de distribucin de probabilidad de variables continuas Al igual que en el caso de las distribuciones de probabilidad de variables discreta, en el caso de las distribuciones de probabilidad de variables continuas se tienen varios modelos tericos que en seguida presentamos. A la derecha de cada modelo aparece la funcin de densidad correspondiente a cada modelo.

Uniforme. Es la distribucin en donde todos los eventos tienen la misma probabilidad.

Exponencial. Se utiliza para estudiar el tiempo entre dos sucesos. La funcin de Excel que le corresponde es DISTR.EXP.

Beta. Sirve para el estudio de variaciones, a travs de varias muestras, de un porcentaje que representa algn fenmeno. La funcin DISTR.BETA del Excel sirve para obtener sus valores; y la funcin DISTR.BETA.INV proporciona los valores inversos de la funcin, es decir, se utiliza como parmetro la imagen de la funcin y regresa la variabla independiente.

Gamma. Se utiliza para estudiar variables cuya distribucin puede ser asimtrica. La funcin de Excel que le corresponde es DISTR.GAMMA; y la funcin DISTR.GAMMA.INV es la inversa de la anterior.

ji cuadrada (c). Es una distribucin asociada a la prueba c, y se usa para comparar los valores observados con los esperados. La funcin DISTR.CHI de Excel sirve para este

Normal. Es la distribucin ms utilizada porque la mayora de las variables utilizadas en fenmenos sociales se distribuyen aproximadamente siguiendo este modelo. Es la que tocaremos a continuacin y se le llama comnmente distribucin normal.

Clculo de media y desviacin estndar para una distribucin continua 1. Media o valor esperado de x.- Para calcular la media de una distribucin de probabilidad continua se utiliza la siguiente frmula:

2. Donde: m = E(x) = media o valor esperado de la distribucin x = variable aleatoria continua f(x) = funcin de densidad de la distribucin de probabilidad 3. Desviacin estndar.- La frmula para determinar la desviacin estndar de una distribucin continua es;

luego:

Ejemplo:

1.

cuando 0 x 3, f(x) = 0 para cualquier otro valor

a. Diga si esta funcin nos define una distribucin de probabilidad. b. Si la funcin define una distribucin de probabilidad, entonces, determine su media y desviacin estndar. c. Determine la probabilidad de que 1 x < 2. 2. Para la siguiente funcin, Solucin: a. 1. x s es una variable continua porque puede tomar cualquier valor entre 0 y 3 2. f(x) 0, lo que se comprueba si damos diferentes valores a x para ver que valores toma f(x), dndonos cuenta de que efectivamente f(x) solo toma valores mayores o iguales a cero.

x 0 0.5 1.0 1.4 2.1 2.7 3.0

f(x) 0.0 0.02778 0.11111 0.21778 0.49 0.81 1.0

4. Para comprobar que la sumatoria de las probabilidades que toma cada valor de x es de 1, se integra la funcin de 0 a 3 como se muestra a continuacin:

A= rea bajo la funcin

Con las operaciones anteriores comprobamos que la funcin distribucin de probabilidad continua.

s nos define una

b. Para verificar que la funcin nos define una distribucin de probabilidad, es necesario que cumpla con las caractersticas que se haban mencionado. c. Clculo de media y desviacin estndar.

Las barras nos indican la evaluacin de la integral entre 0 y 3.

c) La barra nos indica la evaluacin de la integral de 1 a 2. Con las operaciones anteriores nos damos cuenta que para evaluar probabilidades para variables de tipo continuo, es necesario evaluar la funcin de densidad de probabilidad en el rango de valores que se desea; que vendra siendo el rea que se encuentra entre f(x) y el eje de las x y entre el rango de valores definidos por la variable x.

1.

, para -1< x < 2 y f(x)= 0 en cualquier otro caso

a. Verifique la tercera condicin de la definicin de una distribucin de probabilidad continua. b. Determine la media o valor esperado de la distribucin de probabilidad. c. Encuentre la probabilidad de que 0< x 1. 2. Suponga que el error en la temperatura de reaccin, en oC, para un experimento controlado de laboratorio es una variable aleatoria continua x, que tiene la funcin de densidad de probabilidad:

Solucin:

a. b. Como la tercera condicin es que la sumatoria de las probabilidades asociadas a cada uno de los valores que toma x debe de ser 1, esto se comprueba de la siguiente manera:

c. d.