Académique Documents
Professionnel Documents
Culture Documents
TEMA 8
DISTRIBUCIONES DE PROBABILIDAD
PROF:
ESTUDIANTES:
NDICE
Introduccin -----------------------------------------------------------------------------
10
16
24
Conclusin ------------------------------------------------------------------------------
26
27
INTRODUCCIN
Una distribucin de probabilidad es una representacin de todos los
resultados posibles de algn experimento y de la probabilidad relacionada con
cada uno.
DISTRIBUCIONES DE PROBABILIDAD
En teora de la probabilidad y estadstica, una distribucin de
probabilidad indica toda la gama de valores que pueden representarse como
resultado de un experimento si ste se llevase a cabo. Es decir, describe la
probabilidad de que un evento se realice en el futuro, constituye una
herramienta fundamental para la prospectiva, puesto que se puede disear un
escenario de acontecimientos futuros considerando las tendencias actuales de
diversos fenmenos naturales.
Distribucin Normal
La distribucin normal es una distribucin de probabilidad de variable
continua que con ms frecuencia aparece aproximada en fenmenos reales y
que describe los datos que se agrupan en torno a un valor central. Todo
proceso en el que solo existan causas aleatorias de variacin sigue una ley de
distribucin normal. La importancia de esta distribucin radica en que permite
modelar numerosos fenmenos naturales (de ah que se la denomine normal),
sociales y psicolgicos; tambin puede obtenerse en los procesos industriales si
los procesos se llevan a un estado en el que solo existen causas comunes de
variacin.
La grfica de su funcin de densidad tiene una forma acampanada y es
simtrica respecto de un determinado parmetro estadstico. Esta curva se
conoce como curva de distribucin normal, tambin denominada campana de
Gauss.
De hecho, la estadstica descriptiva slo permite describir un fenmeno,
sin explicacin alguna. Para la explicacin causal es preciso el diseo
experimental, de ah que al uso de la estadstica en psicologa y sociologa sea
conocido como mtodo correlacional.
4
etc.
La distribucin normal tambin aparece en muchas reas de la propia
2
2 2
1
2
, a la funcin de densidad
distribucin de
probabilidad normal estndar para encontrar reas bajo cualquier curva normal.
Con esta tabla se determina el rea o la probabilidad de que la variable
aleatoria distribuida normalmente est dentro de ciertas distancias a partir de la
media. Estas distancias estn definidas en trminos de desviaciones estndar.
Para cualquier distribucin normal de probabilidad, todos los intervalos
que contienen el mismo nmero de desviaciones estndar a partir de la media
contendrn la misma fraccin del rea total bajo la curva para cualquier
distribucin de probabilidad normal. Esto hace que sea posible usar solamente
una tabla de la distribucin de probabilidad normal estndar.
Calificacin Estndar Z
Puntuacin Z tambin conocido como puntuacin estndar o calificacin
estndar, es el mtodo de clculo de cuntas desviaciones estndar en un
conjunto de datos est por encima o por debajo de la media. La distancia entre
la media y una puntuacin z dada en cada distribucin normal corta una
proporcin de la superficie total por debajo de la curva. Puntuaciones z son
particularmente informativos cuando la distribucin a las que se refieren es
normal. El estndar de calificacin transformacin es til, en particular cuando
tratando de comparar las posiciones relativas de elementos de distribuciones
con diferentes medios y; o con diferentes desviaciones estndar
Z: frmula de calificacin
La puntuacin estndar puede calcularse mediante la frmula siguiente:
Donde
x es una puntuacin cruda para ser normalizado
es la media de la poblacin
es la desviacin estndar de la poblacin
Distribucin Binomial
La distribucin Binomial es un caso particular de probabilidadde variable
aleatoria discreta, y por sus aplicaciones, es posiblemente la ms importante.
La distribucin binomial es una distribucin de probabilidad discreta que
cuenta el nmero de xitos en una secuencia de n ensayos de Bernoulli
independientes entre s, con una probabilidad fija p de ocurrencia del xito entre
los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotmico,
esto es, slo son posibles dos resultados. A uno de estos se denomina xito y
tiene una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q
= 1 - p. En la distribucin binomial el anterior experimento se repite n veces, de
forma independiente, y se trata de calcular la probabilidad de un determinado
nmero de xitos. Para n = 1, la binomial se convierte, de hecho, en una
distribucin de Bernoulli.
Para representar que una variable aleatoria X sigue una distribucin
binomial de parmetros n y p, se escribe: ~(, )
La distribucin binomial es la base del test binomial de significacin
estadstica. Esta distribucin corresponde a la realizacin de un experimento
aleatorio que cumple con las siguientes condiciones:
* Al realizar el experimento slo son posible dos resultados: el suceso A,
llamado xito, o su contrario A, llamado fracaso.
10
!
! !
Por ejemplo:
Cul es la probabilidad de obtener exactamente 2 caras al lanzar una misma
moneda 6 veces?
11
= =
!
! !
Donde:
n = nmero de intentos = 6
a) Clculo de la distribucin de probabilidad binomial utilizando el Minitab
15.
Titular la columna C1 como X y en el rengln 1 columna 1 se coloca el
nmero 2 (el cual representa el nmero de ocurrencia del evento, ya que se
desea saber la probabilidad de que caigan exactamente dos caras). (figura
1)
-
12
Seleccionar Probability
En
el
campo
de
"Input
column"
colocar
el
puntero
del mouse y
13
14
!
! !
6!
(0.5)2 (0.5)62
2! 6 2 !
2 =
720
0.25 (0.0625)
2 24
= .
c) Clculo de la distribucin de probabilidad binomial utilizando las tablas
binomiales.
-
15
= .
Distribucin de Poisson
La distribucin de Poisson fue descubierta por Simon Denis Poisson,
es una distribucin de probabilidaddiscreta que expresa, a partir de una
frecuencia de ocurrencia media, la probabilidad de que ocurra un determinado
nmero de eventos durante cierto perodo de tiempo. Concretamente, se
especializa en la probabilidad de ocurrencia de sucesos con probabilidades muy
pequeas, o sucesos "raros".
16
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por
unidad de rea, tiempo, pieza, etc:
- n de defectos de una tela por m2
- n de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
- n de bacterias por c m2 de cultivo
- n de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- n de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de
tiempo, rea, o producto, la frmula a utilizar es:
, =
!
Donde:
() = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia
de ellos es .
= media o promedio de xitos por unidad de tiempo, rea o producto
= 2.718 (base de logaritmo neperiano o natural)
= variable que nos denota el nmero de xitos que se desea que ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos que
ocurren por unidad de tiempo, rea o producto es totalmente al azar y que cada
intervalo de tiempo es independiente de otro intervalo dado, as como cada rea
es independiente de otra rea dada y cada producto es independiente de otro
producto dado.
Clculo de la distribucin de probabilidad de Poisson por tres mtodos:
a) Utilizacin del Minitab 15.
b) Utilizacin de la frmula
17
Por ejemplo:
Si un banco recibe en promedio ( =) 6 cheques sin fondo por da.
Cules son las probabilidades de que reciba:
a) cuatro cheques sin fondo en un da dado (x),
b) 10 cheques sin fondos en cualquiera de dos das consecutivos?
( = 2.718281828)
a) Clculo de la distribucin de probabilidad de Poisson utilizando el
Minitab 15.
Resolviendo para:
a) = 4; = 6 cheques sin fondo por da
- Titular la columna C1 como X y en el rengln 1 columna 1 se coloca el nmero
4 (el cual representa el nmero de ocurrencia del evento, ya que se desea
saber la probabilidad de que el banco reciba 4 cheques sin fondos en un da
dado).
-
18
Seleccionar Probability
19
a. Por lo tanto la probabilidad de que el banco reciba cuatro cheques sin fondo
en un da dado es:
( ) = .
(. %)
Resolviendo de igual manera para:
b. = 10; = 6 2 = 12 cheques sin fondo en promedio que llegan al banco
en dos das consecutivos.
20
b. Por lo tanto la probabilidad de que el banco reciba diez cheques sin fondo en
dos das consecutivos es:
( ) = .
(. %)
b) Clculo de la distribucin de probabilidad de Poisson utilizando la
frmula.
, =
Resolviendo para:
a) = 4; = 6 cheques sin fondo por da y sustituyendo en la frmula.
21
= 4, = 6 =
= 4, = 6 =
64 6
4!
1296 0.0025
24
4 sin = 0.133853
(13.38%)
61917364224 0.000006144212
3628800
( ) = .
(. %)
22
= .
(. %)
23
= .
(. %)
Variables Discretas
Una variable discreta es una variable que slo puede tomar valores
dentro de un conjunto numerable, es decir, no acepta cualquier valor sino
slo aquellos que pertenecen al conjunto. En estas variables se dan de
modo inherente separaciones entre valores observables sucesivos. Dicho
con ms rigor, se define una variable discreta como la variable que hay entre
24
25
CONCLUSIONES
26
REFERENCIAS BIBLIOGRFICAS
Levin Richard I.
Administradores.
6ta
Editorial
Prentice
Hall.
Capitulo
5.
www.monografias.com,http://www.monografias.com/trabajos29/distribuci
on-probabilidades/distribucion-probabilidades.shtml)
www.wkipedia.com,http://es.wikipedia.org/wiki/Distribuci%C3%B3n_bino
mial
www.wikipedia.com,http://es.wikipedia.org/wiki/Distribuci%C3%B3n_norm
al
27