Distribucin Binomial

En Estadstica, la Distribucin Binomial es una distribucin de probabilidad discreta que mide el nmero de xitos en una secuencia de n ensayos independientes de Bernoulli, con una probabilidad fija p de ocurrencia del xito entre los ensayos. Un experimento de Bernoulli se caracteri a por ser dicotmico, esto es, slo son posibles dos resultados. ! uno de estos se denomina xito y tiene una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q " # $ p. En la distribucin binomial el anterior experimento se repite n %eces, de forma independiente, y se trata de calcular la probabilidad de un determinado nmero de xitos. &ara n " #, la binomial se con%ierte, de 'ec'o, en una distribucin de Bernoulli. &ara representar que una %ariable aleatoria X si(ue una distribucin binomial de par)metros n y p, se escribe:

*a distribucin Binomial es la base del test binomial de si(nificacin estadstica. Ejemplos *a si(uiente situacin es un ejemplo de experimento que puede modeli arse por esta distribucin+

,e lan a un dado die %eces y se cuenta el nmero de tres obtenidos+ X - B.#/, #012

Experimento Binomial Existen muc'as situaciones en las que se presenta una experiencia binomial. Este tipo de experiencias se caracteri a por estar formada por un nmero predeterminado n de experimentos i(uales. 3ada uno de los experimentos es independiente de los restantes .la probabilidad del resultado de un experimento no depende del resultado del resto2. El resultado de cada experimento 'a de admitir slo dos cate(oras .a las que se denomina xito y fracaso2. *as probabilidades de ambas posibilidades 'an de ser constantes en todos los experimentos .se denotan como p y q o p y #$p2. ,e desi(na por X a la %ariable que mide el nmero de xitos que se 'an producido en los n experimentos. 3uando se dan estas circunstancias, se dice que la %ariable X si(ue una distribucin de probabilidad binomial, y se nota B(n,p). Caractersticas analticas Su funcin de probabilidad est dada por:

donde

, siendo elementos tomados de en )

las combinaciones de

en

ropiedades caractersticas

!elaciones con otras "ariables aleatorias ,e %erifica que si Bernouilli de par)metro son tales que cada una si(ue una distribucin , y todas ellas son independientes entre s,

entonces de par)metros

resulta ser una %ariable aleatoria con distribucin binomial . !dem)s, si n es (rande y es peque4o, de modo que el

producto entre ambos par)metros tiende a , entonces la distribucin de la %ariable aleatoria binomial tiende a una Distribucin de &oisson de par)metro &or ltimo, se cumple que cuando n es muy (rande .n 5 6/2 la distribucin binomial se aproxima a la distribucin normal. ropiedades reproducti"as Dadas n %ariables aleatorias

, tales que+

7odas tienen una distribucin binomial8 7odas tienen el mismo par)metro 8 3ada una tiene su propio par)metro necesariamente tienen que ser i(uales28 .es decir, los n no

9: son 7:7!*;E97E independientes entre s8 ,e toma la %ariable aleatoria 8

,e toma

Entonces+ *a %ariable aleatoria < tiene una distribucin Binomial, con par)metros y . &or lo tanto, dadas n %ariables binomiales independientes, de par)metros ni , i " #, ..., n y , su suma es tambin una %ariable binomial, de par)metros n1 = ... = nn y .

Distribucin binomial

>uncin de probabilidad

>uncin de distribucin de probabilidad

armetros Dominio

nmero de ensayos .entero2 probabilidad de xito .real2

#uncin de probabilidad (fp)

#uncin de distribucin (cdf)

$edia Uno de

$ediana

$oda %arian&a Coeficiente de simetra Curtosis Entropa #uncin 'eneradora de momentos (m'f) #uncin caracterstica

Distribucin de oisson
En teora de probabilidad y estadstica, la distribucin de &oisson es una distribucin de probabilidad discreta. Expresa la probabilidad de un nmero ? de e%entos ocurriendo en un tiempo fijo si estos e%entos ocurren con una tasa media conocida, y son independientes del tiempo desde el ltimo e%ento( *a distribucin fue descubierta por ,imon$Denis &oisson .#@A#B#AC/2 que public, junto con su teora de probabilidad, en #A6A en su trabajo Recherches sur la probabilit des jugements en matires criminelles et matire civile .DEn%esti(acin sobre la probabilidad de los juicios en materias criminales y ci%ilesD2. El trabajo estaba enfocado en ciertas %ariables aleatorias 9 que cuentan, entre otras cosas, un nmero de ocurrencias discretas .muc'as %eces llamadas DarribosD2 que tienen lu(ar durante un inter%alo de tiempo de duracin determinada. ,i el nmero esperado de ocurrencias en este inter%alo es F, entonces la probabilidad de que 'aya exactamente k ocurrencias .siendo k un entero no ne(ati%o, k " /, #, G, ...2 es i(ual a+

dnde

e es el base del lo(aritmo natural .e " G.@#AGA...2, kH es el factorial de k, k es el nmero de ocurrencias de un e%ento,

F es un nmero real positi%o, equi%alente al nmero esperado de ocurrencias durante un inter%alo dado. &or ejemplo, si los e%entos ocurren de media cada C minutos, y se est) interesado en el nmero de e%entos ocurriendo en un inter%alo de #/ minutos, se usara como modelo una distribucin de &oisson con F " G.I.

&or ejemplo, si GJ de los libros encuadernados en cierto taller tiene encuadernacin defectuosa, obtener la probabilidad de que I de C// libros encuadernados en este taller ten(an encuadernaciones defectuosas.

Su media ) su "arian&a son:

3omo una funcin de k, sta es la funcin probabilidad de masa. *a distribucin de &oisson puede ser %ista como un caso limitante de la distribucin binomial, es decir, que una distribucin binomial en la que y %alor *a distribucin de &oisson es tambin llamada &oissoniana, an)lo(amente al trmino Kaussiana para una distribucin de Kauss o distribucin normal. rocesos de oisson se puede aproximar por una distribucin de &oisson de

*a distribucin de &oisson, se aplica a %arios fenmenos discretos de la naturale a .esto es, aquellos fenmenos que ocurren /, #, G, 6, ... %eces durante un periodo definido de tiempo o en una )rea determinada2 cuando la probabilidad de ocurrencia del fenmeno es constante en el tiempo o el espacio. Ejemplos de estos e%entos que pueden ser modelados por la distribucin de &oisson incluyen+

El nmero de autos que pasan a tra%s de un cierto punto en una ruta .suficientemente distantes de los sem)foros2 durante un periodo definido de tiempo. El nmero de errores de orto(rafa que uno comete al escribir una nica p)(ina. El nmero de llamadas telefnicas en una central telefnica por minuto. El nmero de ser%idores Leb accedidos por minuto. El nmero de animales muertos encontrados por unidad de lon(itud de ruta. El nmero de mutaciones de determinada cadena de !D9 despus de cierta cantidad de radiacin. El nmero de ncleos atmicos inestables que decayeron en un determinado periodo de tiempo en una porcin de sustancia radiacti%a. *a radiacti%idad de la sustancia se debilitar) con el tiempo, por lo tanto el tiempo total del inter%alo usado en el modelo debe ser si(nificati%amente menor que la %ida media de la sustancia. El nmero de estrellas en un determinado %olumen de espacio. *a distribucin de receptores %isuales en la retina del ojo 'umano. *a in%enti%a de un in%entor a tra%s de su carrera. ropiedades

El %alor esperado de una %ariable aleatoria con distribucin de &oisson es i(ual a F y tambin lo es su %arian a. *os momentos m)s altos de la distribucin de &oisson son polinomios de 7ouc'ard en F cuyos coeficientes tienen un sentido combinatorio. De 'ec'o, cuando el %alor esperado de la distribucin de &oisson es #, entonces la frmula de Dobins?i dice que el ensimo momento i(uala al nmero de particiones de tama4o n.

*a moda de una %ariable aleatoria de distribucin de &oisson con un F no entero es i(ual a .o suelo de F2, el cual es el nmero entero m)s (rande menor o i(ual a F. Esto tambin es expresado como la funcin parte entera de F. 3uando F es un entero positi%o, las modas son F y .F M #2.

,umas de las %ariables aleatorias de distribucin de &oisson: ,i si(ue una distribucin de &oisson con par)metro

y Xi son independientes entonces tambin si(ue una distribucin de &oisson cuyo par)metro es la suma de los par)metros del componente.

*a funcin (eneradora de momentos de la distribucin de &oisson con %alor esperado F es+

7odas las acumulaciones de la distribucin de &oisson son i(uales al %alor esperado F. El ensimo momento factorial de la distribucin de &oisson es Fn.

*a distribuciones de &oisson son funciones infinitamente di%isibles.

probabilsticas

*a di%er(encia Nullbac?$*eibler diri(ida entre &oi.F/2 y &oi.F2 est) dada por+

3uando F tiende a infinito, podemos aproximar a una distribucin normal. &or ello, podemos tipificar ya que conocemos cual es la media y %arian a de una &oisson. XO o.F2 - !.F,F2

7ipificando+

" O !./,#2 Distribucin de oisson >uncin de probabilidad

El eje 'ori ontal es el ndice k. *a funcin solamente est) definida en %alores enteros de k. *as lneas que conectan los puntos son solo (uas para el ojo y no indican continuidad.

>uncin de distribucin de probabilidad

El eje 'ori ontal es el ndice k. armetros Dominio #uncin de probabilidad (fp)

#uncin de distribucin (cdf) $edia $ediana $oda %arian&a Coeficiente de simetra Curtosis Entropa #uncin 'eneradora de momentos (m'f) #uncin caracterstica

.dnde P.#, $2 es la >uncin (amma incompleta2

Distribucin *ormal o de +auss

En Estadstica y &robabilidad se llama distribucin normal, distribucin de Kauss o distribucin (aussiana, a una de las distribuciones de probabilidad de %ariable continua que con m)s frecuencia aparece en fenmenos reales. *a (r)fica de su funcin de densidad tiene una forma acampanada y es simtrica respecto de un determinado par)metro. Esta cur%a se conoce como campana de Kauss. *a importancia de esta distribucin radica en que permite modeli ar numerosos fenmenos naturales, sociales y psicol(icos. ;ientras que los mecanismos que subyacen a (ran parte de este tipo de fenmenos son

desconocidos, por la in(ente cantidad de %ariables incontrolables que en ellos inter%ienen, el uso del modelo normal puede justificarse asumiendo que cada obser%acin se obtiene como la suma de unas pocas causas independientes. *a distribucin normal tambin es importante por su relacin con la estimacin por mnimos cuadrados, uno de los mtodos de estimacin m)s simples y anti(uos. !l(unos ejemplos de %ariables asociadas a fenmenos naturales que si(uen el modelo de la normal son+

caracteres morfol(icos de indi%iduos como la estatura8 caracteres fisiol(icos como el efecto de un f)rmaco8 caracteres sociol(icos como el consumo de cierto producto por un mismo (rupo de indi%iduos8 caracteres psicol(icos como el cociente intelectual8 ni%el de ruido en telecomunicaciones8 errores cometidos al medir ciertas ma(nitudes8 etc.

*a distribucin normal tambin aparece en muc'as )reas de la propia estadstica. &or ejemplo, la distribucin muestral de las medias muestrales es aproximadamente normal, incluso si la distribucin de la poblacin de la cual se extrae la muestra no es normal. !dem)s, la distribucin normal maximi a la entropa entre todas las distribuciones con media y %arian a conocidas, lo cual la con%ierte en la eleccin natural de la distribucin subyacente a una lista de datos resumidos en trminos de media muestral y %arian a. *a distribucin normal es la m)s extendida en estadstica y muc'os tests estadsticos est)n basados en una supuesta DnormalidadD.

En probabilidad la distribucin normal aparece como el lmite de %arias distribuciones de probabilidad continuas y discretas.

Distribucin normal >uncin de densidad de probabilidad

*a lnea %erde corresponde a la distribucin normal est)ndar

>uncin de distribucin de probabilidad

armetros Dominio #uncin de densidad (pdf) #uncin de distribucin (cdf)

QR/

Definicin formal Say %arios modos de definir formalmente una distribucin de probabilidad. *a forma m)s %isual es mediante su funcin de densidad. De forma equi%alente, tambin pueden darse para su definicin la funcin de distribucin, los momentos, la funcin caracterstica y la funcin (eneratri de momentos, entre otros.

#uncin de densidad

,e dice que una %ariable aleatoria continua X si(ue una distribucin normal de par)metros % y & y se denota X ' ! (%, &) si su funcin de densidad est) dada por+

donde % .mu2 es la media y & .si(ma2 es la des%iacin tpica .&G es la %arian a2

,e llama distribucin normal Dest)ndarD a aquella en la que sus par)metros toman los %alores % " / y & " #. En este caso la funcin de densidad tiene la si(uiente expresin+

,u (r)fica se muestra a continuacin y con frecuencia se usan 7!B*!, para el c)lculo de los %alores de su distribucin. ropiedades !l(unas propiedades de la distribucin normal son+ #. Es simtrica respecto de su media, %8

G. *a moda y la mediana son ambas i(uales a la media, %8 6. *os puntos de inflexin de la cur%a se dan para x " % M & y x " % = &.

C. Distribucin de probabilidad en un entorno de la media+ en el inter%alo T% $ &, % = &U se encuentra comprendida, aproximadamente, el 1A,G1J de la distribucin8 en el inter%alo T% $ G&, % = G&U se encuentra, aproximadamente, el VI,CCJ de la distribucin8

por su parte, en el inter%alo T% $6&, % = 6&U se encuentra comprendida, aproximadamente, el VV,@CJ de la distribucin. Estas propiedades son de (ran utilidad para el establecimiento de inter%alos de confian a. &or otra parte, el 'ec'o de que pr)cticamente la totalidad de la distribucin se encuentre a tres des%iaciones tpicas de la media justifica los lmites de las tablas empleadas 'abitualmente en la normal est)ndar.

I. ,i X - 9.%, &2 y a y b son nmeros reales, entonces .aX = b2 -

9.a%=b, a&2.
1. ,i X - 9.%#, &#2 e " - 9.%$, &$2 son %ariables aleatorias normales

independientes, entonces+

,u suma est) normalmente distribuida con ( " X = " - 9.%# = %$, &#G = &$G2. Wecprocamente, si dos %ariables aleatorias independientes tienen una suma normalmente distribuida, deben ser normales .7eorema de 3r)mer2.

,u

diferencia

est)

normalmente .

distribuida

con

,i las %arian as de X e " son i(uales, entonces ( y ) son independientes entre s. *a TTdi%er(encia de Nullbac?$*eibler,

1.

,i

son

%ariables

aleatorias

independientes normalmente distribuidas, entonces+

 ,u producto X" si(ue una distribucin con densidad p dada por

donde */ es una funcin de Bessel modificada de se(undo tipo.

,u cociente si(ue una distribucin de 3auc'y con X 0 "O 3auc'y ./,QX 0 Q"2. De este modo la distribucin de 3auc'y es un tipo especial de distribucin cociente.

2.

,i entonces libertad. ,i

son %ariables normales est)ndar independientes, si(ue una distribucin XY con n (rados de son %ariables normales est)ndar independientes, y la %arian a son

3.

entonces la media muestral muestral

independientes. Esta propiedad caracteri a a las distribuciones normales y contribuye a explicar por qu el test$> no es robusto respecto a la no$normalidad2. Estandari&acin de "ariables aleatorias normales 3omo consecuencia de la &ropiedad #, es posible relacionar todas las %ariables aleatorias normales con la distribucin normal est)ndar. ,i X - ! .Z,QG2, entonces

es una %ariable aleatoria normal est)ndar+ + - ! ./,#2.

*a transformacin de una distribucin [ - 9 .Z, Q2 en una 9 ./, #2 se llama normali acin, estandari acin o tipificacin de la %ariable [. Una consecuencia importante de esto es que la funcin de distribucin de una distribucin normal es, por consi(uiente,

! la in%ersa, si + es una distribucin normal est)ndar, + - ! ./,#2, entonces X " Q+ = Z es una %ariable aleatoria normal de media Z y %arian a QG. *a distribucin normal est)ndar est) tabulada .'abitualmente en la forma del %alor de la funcin de distribucin \2 y las otras distribuciones normales pueden obtenerse como transformaciones simples, como se describe m)s arriba, de la distribucin est)ndar. De este modo se pueden usar los %alores tabulados de la funcin de distribucin normal est)ndar para encontrar %alores de la funcin de distribucin de cualquier otra distribucin normal. ,so de tablas *a probabilidad de que una %ariable aleatoria .que si(ue una distribucin normal2 se encuentre entre dos %alores determinados ser) en (eneral difcil de calcular .'ay que usar la inte(ral de la funcin de probabilidad2. &ara ello, existen 7!B*!, 3:9 *:, ]!*:WE, 3:WWE,&:9DEE97E,, si bien stos se calculan para la distribucin 9ormal 7ipificada. B)sicamente, se busca un %alor de # .por ejemplo, nos da la probabilidad de que + 2, y la tabla

En el caso de que la distribucin no sea est)ndar, por ejemplo, con manera+ y , tendremos que tipificar la %ariable de la si(uiente

< se obtiene una %ariable + normal, que adem)s est) tipificada, a'ora se consulta en la tabla,

-a tabla Esta tabla de doble entrada, presenta la probabilidad para ^ _ x, de la distribucin normal tipificada, para %alores de x i(uales o mayores que cero, en la fila superior esta la parte entera de x, y en la columna de la i quierda los dos primeros decimales, en la casilla donde se cru an la fila y la columna correspondientes, fi(ura el %alor de la probabilidad de que ^ _ x, con seis cifras decimales, separadas de tres en tres por un espacio en blanco para facilitar la lectura.

.abla Distribucin *ormal .ipificada.

^p

/,//

#,//

G,//

6,//

C,//

/,//

/, I// ///

/, AC# 6CC

/, V@@ GCV

/, VVA 1I/

/, VVV V1A

/,/#

/, I/6 VAV

/, AC6 @IG

/, V@@ @AC

/, VVA 1V6

/, VVV V1V

/,/G

/, I/@ V@A

/, AC1 #6I

/, V@A 6/A

/, VVA @61

/, VVV V@/

/,/6

/, I## V11

/, ACA CVC

/, V@A AG#

/, VVA @@@

/, VVV V@G

/,/C

/, I#I VI6

/, AI/ A6/

/, V@V 6GC

/, VVA A#@

/, VVV V@6

/,/I

/, I#V V6A

/, AI6 #C/

/, V@V A#@

/, VVA AII

/, VVV V@C

/,/1

/, IG6 VGG

/, AII CG@

/, VA/ 6//

/, VVA AV6

/, VVV V@I

/,/@

/, IG@ V/6

/, AI@ 1V/

/, VA/ @@6

/, VVA VGV

/, VVV V@1

/,/A

/, I6# AA#

/, AIV VGA

/, VA# G6@

/, VVA V1C

/, VVV V@@

/,/V

/, I6I AI1

/, A1G #C6

/, VA# 1V#

/, VVA VVV

/, VVV V@A

/,#/

/, I6V AG@

/, A1C 666

/, VAG #6I

/, VVV /6G

/, VVV V@V

/,##

/, IC6 @VI

/, A11 I//

/, VAG I@/

/, VVV /1C

/, VVV VA/

/,#G

/, IC@ @IA

/, A1A 1C6

/, VAG VV@

/, VVV /VI

/, VVV VA#

/,#6

/, II# @#1

/, A@/ @1#

/, VA6 C#C

/, VVV #GI

/, VVV VA#

/,#C

/, III 1@/

/, A@G AI1

/, VA6 AGG

/, VVV #II

/, VVV VAG

/,#I

/, IIV 1#@

/, A@C VGA

/, VAC GGG

/, VVV #A6

/, VVV VA6

/,#1

/, I16 IIV

/, A@1 V@I

/, VAC 1#6

/, VVV G##

/, VVV VAC

/,#@

/, I1@ CVC

/, A@A VVV

/, VAC VV1

/, VVV G6@

/, VVV VAC

/,#A

/, I@# CG6

/, AA/ VVV

/, VAI 6@#

/, VVV G16

/, VVV VAI

/,#V

/, I@I 6CI

/, AAG V@1

/, VAI @6@

/, VVV GAA

/, VVV VA1

/,G/

/, I@V GIV

/, AAC V6/

/, VA1 /V1

/, VVV 6#G

/, VVV VA1

/,G#

/, IA6 #11

/, AA1 A1/

/, VA1 CC@

/, VVV 661

/, VVV VA@

/,GG

/, IA@ /1C

/, AAA @1@

/, VA1 @V/

/, VVV 6IA

/, VVV VA@

/,G6

/, IV/ VIC

/, AV/ 1I#

/, VA@ #G1

/, VVV 6A/

/, VVV VAA

/,GC

/, IVC A6C

/, AVG I#G

/, VA@ CIC

/, VVV C/G

/, VVV VAA

/,GI

/, IVA @/1

/, AVC 6I/

/, VA@ @@I

/, VVV CGG

/, VVV VAV

/,G1

/, 1/G I1A

/, AV1 #1I

/, VAA /AV

/, VVV CCG

/, VVV VAV

/,G@

/, 1/1 C#V

/, AV@ VI@

/, VAA 6V1

/, VVV C1G

/, VVV VV/

/,GA

/, 1#/ G1#

/, AVV @G@

/, VAA 1V1

/, VVV CA/

/, VVV VV/

/,GV

/, 1#C /V#

/, V/# C@C

/, VAA VAV

/, VVV CVV

/, VVV VV#

/,6/

/, 1#@ V##

/, V/6 #VV

/, VAV G@I

/, VVV I#1

/, VVV VV#

/,6#

/, 1G# @#V

/, V/C V/G

/, VAV III

/, VVV I66

/, VVV VV#

/,6G

/, 1GI I#I

/, V/1 IAG

/, VAV AGV

/, VVV ICV

/, VVV VVG

/,66

/, 1GV GVV

/, V/A GC/

/, VV/ /V1

/, VVV I1I

/, VVV VVG

/,6C

/, 166 /@#

/, V/V A@@

/, VV/ 6IA

/, VVV IA#

/, VVV VVG

/,6I

/, 161 A6/

/, V## CV#

/, VV/ 1#6

/, VVV IVI

/, VVV VV6

/,61

/, 1C/ I@1

/, V#6 /AC

/, VV/ A1G

/, VVV 1#/

/, VVV VV6

/,6@

/, 1CC 6/A

/, V#C 1I1

/, VV# #/I

/, VVV 1GC

/, VVV VV6

/,6A

/, 1CA /G@

/, V#1 G/1

/, VV# 6C6

/, VVV 16@

/, VVV VVC

/,6V

/, 1I# @6#

/, V#@ @6I

/, VV# I@I

/, VVV 1I/

/, VVV VVC

/,C/

/, 1II CG#

/, V#V GC6

/, VV# A/G

/, VVV 116

/, VVV VVC

/,C#

/, 1IV /V1

/, VG/ @6/

/, VVG /G6

/, VVV 1@I

/, VVV VVC

/,CG

/, 11G @I@

/, VGG #V1

/, VVG G6V

/, VVV 1A1

/, VVV VVI

/,C6

/, 111 C/G

/, VG6 1C#

/, VVG CI/

/, VVV 1VA

/, VVV VVI

/,CC

/, 1@/ /6#

/, VGI /11

/, VVG 1I1

/, VVV @/V

/, VVV VVI

/,CI

/, 1@6 1CC

/, VG1 C@/

/, VVG AI@

/, VVV @#V

/, VVV VVI

/,C1

/, 1@@ GC#

/, VG@ AIC

/, VV6 /I6

/, VVV @GV

/, VVV VVI

/,C@

/, 1A/ AGG

/, VGV G#V

/, VV6 GCC

/, VVV @6V

/, VVV VV1

/,CA

/, 1AC 6A1

/, V6/ I16

/, VV6 C6/

/, VVV @CV

/, VVV VV1

/,CV

/, 1A@ V66

/, V6# AA@

/, VV6 1#G

/, VVV @IA

/, VVV VV1

/,I/

/, 1V# C1G

/, V66 #VG

/, VV6 @V/

/, VVV @1@

/, VVV VV1

/,I#

/, 1VC V@C

/, V6C C@A

/, VV6 V16

/, VVV @@I

/, VVV VV1

/,IG

/, 1VA C1A

/, V6I @CC

/, VVC #6G

/, VVV @AC

/, VVV VV1

/,I6

/, @/# VCC

/, V61 VV#

/, VVC GV1

/, VVV @VG

/, VVV VV@

/,IC

/, @/I C/#

/, V6A G#V

/, VVC CI@

/, VVV @VV

/, VVV VV@

/,II

/, @/A AC/

/, V6V CGV

/, VVC 1#6

/, VVV A/@

/, VVV VV@

/,I1

/, @#G G1/

/, VC/ 1G/

/, VVC @11

/, VVV A#C

/, VVV VV@

/,I@

/, @#I 11#

/, VC# @VG

/, VVC V#I

/, VVV AG#

/, VVV VV@

/,IA

/, @#V /CG

/, VCG VC1

/, VVI /IV

/, VVV AGA

/, VVV VV@

/,IV

/, @GG C/C

/, VCC /AG

/, VVI G/#

/, VVV A6C

/, VVV VV@

/,1/

/, @GI @C1

/, VCI G//

/, VVI 66A

/, VVV AC/

/, VVV VV@

/,1#

/, @GV /1V

/, VC1 6/#

/, VVI C@G

/, VVV AC1

/, VVV VV@

/,1G

/, @6G 6@#

/, VC@ 6A6

/, VVI 1/6

/, VVV AIG

/, VVV VVA

/,16

/, @6I 1IG

/, VCA CCV

/, VVI @6/

/, VVV AIA

/, VVV VVA

/,1C

/, @6A V#6

/, VCV CV@

/, VVI AIC

/, VVV A16

/, VVV VVA

/,1I

/, @CG #I6

/, VI/ IGA

/, VVI V@I

/, VVV A1A

/, VVV VVA

/,11

/, @CI 6@6

/, VI# ICG

/, VV1 /VG

/, VVV A@6

/, VVV VVA

/,1@

/, @CA I@#

/, VIG IC/

/, VV1 G/@

/, VVV A@A

/, VVV VVA

/,1A

/, @I# @C@

/, VI6 IG#

/, VV1 6#A

/, VVV AA6

/, VVV VVA

/,1V

/, @IC V/G

/, VIC CA1

/, VV1 CG@

/, VVV AA@

/, VVV VVA

/,@/

/, @IA /61

/, VII C6C

/, VV1 I6G

/, VVV AVG

/, VVV VVA

/,@#

/, @1# #CA

/, VI1 61@

/, VV1 16I

/, VVV AV1

/, VVV VVA

/,@G

/, @1C G6@

/, VI@ GA6

/, VV1 @6I

/, VVV V//

/, VVV VVA

/,@6

/, @1@ 6/C

/, VIA #AC

/, VV1 A66

/, VVV V/C

/, VVV VVA

/,@C

/, @@/ 6I/

/, VIV /@/

/, VV1 VG@

/, VVV V/@

/, VVV VVA

/,@I

/, @@6 6@G

/, VIV VC/

/, VV@ /G/

/, VVV V##

/, VVV VVA

/,@1

/, @@1 6@G

/, V1/ @V1

/, VV@ #/V

/, VVV V#I

/, VVV VVV

/,@@

/, @@V 6I/

/, V1# 161

/, VV@ #V@

/, VVV V#A

/, VVV VVV

/,@A

/, @AG 6/C

/, V1G C1G

/, VV@ GA#

/, VVV VG#

/, VVV VVV

/,@V

/, @AI G61

/, V16 G@6

/, VV@ 61C

/, VVV VGC

/, VVV VVV

/,A/

/, @AA #CC

/, V1C /1V

/, VV@ CCC

/, VVV VG@

/, VVV VVV

/,A#

/, @V# /GV

/, V1C AIG

/, VV@ IGG

/, VVV V6/

/, VVV VVV

/,AG

/, @V6 AVG

/, V1I 1G/

/, VV@ IVA

/, VVV V66

/, VVV VVV

/,A6

/, @V1 @6/

/, V11 6@I

/, VV@ 1@G

/, VVV V6I

/, VVV VVV

/,AC

/, @VV ICI

/, V1@ ##I

/, VV@ @CC

/, VVV V6A

/, VVV VVV

/,AI

/, A/G 66@

/, V1@ AC6

/, VV@ A#6

/, VVV VC/

/, VVV VVV

/,A1

/, A/I #/I

/, V1A II@

/, VV@ AA#

/, VVV VC6

/, VVV VVV

/,A@

/, A/@ ACV

/, V1V GIA

/, VV@ VC@

/, VVV VCI

/, VVV VVV

/,AA

/, A#/ I@/

/, V1V VC1

/, VVA /##

/, VVV VC@

/, VVV VVV

/,AV

/, A#6 G1@

/, V@/ 1G#

/, VVA /@6

/, VVV VCV

/, VVV VVV

/,V/

/, A#I V6V

/, V@# GA6

/, VVA #6C

/, VVV VI#

/, VVV VVV

/,V#

/, A#A IAA

/, V@# V66

/, VVA #VG

/, VVV VI6

/, VVV VVV

/,VG

/, AG# G#6

/, V@G I@#

/, VVA GCV

/, VVV VII

/, VVV VVV

/,V6

/, AG6 A#C

/, V@6 #V1

/, VVA 6/I

/, VVV VI@

/, VVV VVV

/,VC

/, AG1 6V#

/, V@6 A#/

/, VVA 6IA

/, VVV VIV

/, VVV VVV

/,VI

/, AGA VC6

/, V@C C#G

/, VVA C##

/, VVV V1/

/, VVV VVV

/,V1

/, A6# C@G

/, V@I //G

/, VVA C1#

/, VVV V1G

/, VVV VVV

/,V@

/, A66 V@1

/, V@I IA/

/, VVA I#/

/, VVV V1C

/, VVV VVV

/,VA

/, A61 CI1

/, V@1 #CA

/, VVA IIA

/, VVV V1I

/, VVV VVV

/,VV

/, A6A V#G

/, V@1 @/C

/, VVA 1/I

/, VVV V11

/, VVV VVV

Ejemplo: Buscar la probabilidad normal tipificada de que ^ _ G,/C. En la columna del G y la fila del /,/C, esta el %alor /,V@V 6GC, esto es+

ara otros "alores

En la tabla anterior se pueden buscar los %alores de la probabilidad normal tipificada+

para %alores de x mayores o i(uales a cero, como el ejemplo anterior, 'ay m)s casos, que con los datos de la tabla se pueden resol%er. ara x / 0

&ara 'acer este c)lculo 'ay que tener en cuenta lo si(uiente+ sabiendo que la suma de la probabilidad de que ^ sea menor que un %alor, m)s la probabilidad de que sea mayor que ese %alor es uno+

despejando+

< sabiendo que la funcin normal tipificada es simtrica respecto al eje x " /+

) sustitu)endo, tenemos 1ue:

Donde el "alor:

se busca en la tabla( Ejemplo Cual es la probabilidad: P(Z(0,2) / 3 2,45) los "alores ne'ati"os no "ienen en la tabla, pero se'6n lo anterior:

se'6n la tabla:

por tanto:

1ue resulta:

robabilidad de 7 8 x ) x 8 0

Como en el caso anterior partimos de:

despejando:

) el "alor:

se busca en la tabla( Ejemplo Cual es la probabilidad: P(Z(0,2) 8 5,22) se'6n el calculo anterior:

de la tabla tenemos:

lo 1ue resulta:

1ue resulta:

robabilidad de 7 8 x ) x / 0

ara calcular:

artimos de la simetra de la funcin normal tipificada:

) sustitu)endo:

resulta:

ordenando

Ejemplo 3ual es la probabilidad+ .+./,#2 R M G,/G2 ,e(n lo anterior+

buscando el %alor en la tabla, tenemos que+

robabilidad de x2 / 7 / x5 &ara calcular la probabilidad de que la %ariable se encuentre entre dos %alores x# y xG, siendo x# _ xG se tiene en cuenta que:

los %alores de cada una de estas probabilidades se buscan en la tabla por separado, o se calculan se(n el caso, por los mtodos anteriores. Ejemplo 3ual es la probabilidad+ .#,I/ _ +./,#2 _ G,//2 se buscan en la tabla las probabilidades+

-ue'o, se'6n lo anterior:

esto es:

!eali&ando la operacin:

9,.:E%9-,9C;:*

Distribucin Binomial #. Un a(ente de se(uros contrata I pli as con personas de la misma edad y de buena salud. ,e(n las tablas en uso, la probabilidad de que una persona de esa edad est %i%a dentro de 6/ a4os es G06. Sallar la probabilidad de que dentro de 6/ a4os %i%an+ *as I personas !l menos C ! lo sumo una 9o menos de una G. 3alcular, para una distribucin binomial en la que p" /,@ y 9 " 1/+ *a media *a des%iacin tpica El coeficiente momento de ses(o El coeficiente momento de curtosis 6. ,i el G/J de las ;E;:W< 3!WD ,3&S$#/G/ para ensambladas por ,:9< son defectuosas,

&lay,tation

determinar la probabilidad de que, entre cuatro memorias esco(idas al a ar+ tres sean defectuosas 9in(una sea defectuosa

 !l menos dos sean defectuosas Una sea sin defectos ! lo sumo tres funcionen correctamente Distribucin de &oisson #. ,i el 6J de las %)l%ulas manufacturadas por una compa4a son defectuosas, 'allar la probabilidad de que en una muestra de #// %)l%ulas I sean defectuosas. G. Entre las G &; y las C &; el nmero promedio de llamadas telefnicas por minuto que recibe una centralista es G,I. 'allar la probabilidad de que en un minuto cualquiera se produ can menos de G llamadas. 6. ,i la probabilidad de que un equipo de computacin sufra un nue%o ataque por el %irus inform)tico alp'amiubeta .una %ariante ^ del (usano Blaster2, lue(o de instalarle determinado pro(rama anti%irus es /,//#. Sallar la probabilidad de que entre G/// equipos con dic'o pro(rama instalado por lo menos dos de ellos `sufran tal infeccina. Distribucin 9ormal #. Sallar el area ubicada bajo la cur%a normal y entre los %alores de ^ se4alados+ ^ " / y ^ " #,G6 ^ " $#,CI y ^ " / ^ " $/,AV y ^ " #,6V ^ " #,/1 y ^ " #,VC

 ^ " $G,V1 y ^ " $G,IC ! la i quierda de ^ " $ /,1@ ! la derec'a de ^ " $ #,GA G. ,i los di)metros de las bolas de cojinetes est)n normalmente distribuidas con media de /,1#C/ pul(adas y des%iacin tpica de /,//GI. determine el porcentaje de ellas con di)metros+ Entre /,1#/ y /,1#A8 ambos inclusi%e ;ayores que /,1#@ ;enores que /,1/A

Distribucin <per 'eom=trica

En Estadstica la Distribucin 'per (eomtrica es una distribucin de probabilidad discreta con tres par)metros discretos !, d y n cuya funcin de probabilidad es+

! " 7ama4o de poblacin. n " 7ama4o de muestra.

d " 3antidad de elementos que cumple caracterstica deseada. # " 3antidad de xitos.

!qu,

se refiere al coeficiente binomial, o al nmero de combinaciones

posibles al seleccionar b elementos de un total a. Esta distribucin se refiere a un espacio muestral donde 'ay elementos de G tipos posibles. Endica la probabilidad de obtener un nmero de objetos # de uno de los tipos, al extraer .sin reempla o2 una muestra de tama4o n, de un total de ! objetos, de los cuales d son del tipo requerido. El %alor esperado de una %ariable aleatoria X de distribucin 'per (eomtrica es

< su %arian a

*lamando

entonces+

*a distribucin 'per (eomtrica se puede aproximar por una distribucin binomial Bi .n,p2 si

y
Una variable tiene distribucin hipergeomtrica si procede de un experimento que cumple las siguientes condiciones: 1) Se toma una muestra de tamao n, sin reemplazamiento, de un con unto !inito de " ob etos# $) % de los " ob etos se pueden clasi!icar como &xitos ' " ( % como !racasos# ) cuenta el n*mero de xitos obtenidos en la muestra# +l espacio muestral es el con unto de los n*meros enteros de , a n, de , a % si % - n#

+n este caso, la probabilidad del xito en pruebas sucesivas no es constante pues depende del resultado de las pruebas anteriores# .or tanto, las pruebas no son independientes entre s/#