Académique Documents
Professionnel Documents
Culture Documents
INTRODUCCIN A LA PROBABILIDAD
Experimento aleatorio
Su resultado no puede anticiparse aun cuando se repita
bajo las mismas condiciones
Ejemplo:
La medicin de las piezas fabricadas con un mismo
proceso
La cantidad de llamadas que recibe un conmutador
durante un lapso de tiempo determinado.
El caudal de un rio
INTRODUCCIN A LA PROBABILIDAD
Para modelar y analizar un experimento aleatorio, en
primer lugar es necesario conocer:
Espacio muestral
Es el conjunto de resultados posibles de un experimento
aleatorio.
Espacio muestral de una moneda:
E = {C, X}.
Espacio muestral de un dado:
E = {1, 2, 3, 4, 5, 6}.
http://www.youtube.com/watch?v=l_9H48E8fzc
INTRODUCCIN A LA PROBABILIDAD
Para modelar y analizar un experimento aleatorio, en
primer lugar es necesario conocer:
Evento
Es un subconjunto del espacio muestral de un
experimento aleatorio.
INTRODUCCIN A LA PROBABILIDAD
En otros casos, los posibles valores de la variable aleatoria
no son directamente los resultados del experimento, sino
que surgen al asociar nmeros a dichos resultados y, dicha
asociacin, refleja la caracterstica o aspecto de inters en
el experimento.
Es muy claro que el valor que toma la variable en un
momento dado no se puede anticipar, ya que ste se define
con base en el resultado de un experimento aleatorio.
INTRODUCCIN A LA PROBABILIDAD
Variable aleatoria
Funcin que asocia un nmero a cada resultado de un
experimento aleatorio.
Si la variable se denota con X, y sus valores con x, el
conjunto de los posibles valores de la variable aleatoria
X recibe el nombre de rango de X.
INTRODUCCIN A LA PROBABILIDAD
Ejemplo de variable aleatoria
Tiramos una moneda 3 veces. Representamos cara por c y
cruz por z.
W = {ccc, ccz, czc, zcc, czz, zcz, zzc, zzz}
La probabilidad de cada suceso elemental es 1/8.
p(ccc)=1/8, ya que la probabilidad de sacar cara en una tirada
es 1/2 y las tiradas son independeintes.
La variable aaleatoria X: nmero de caras, que puede tomar
los valores {0, 1, 2, 3}.
Se buscan todos los puntos muestrales que dan lugar a cada
valor de la variable y a ese valor se le asigna la probabilidad
del suceso correspondiente.
INTRODUCCIN A LA PROBABILIDAD
Ejemplo de variable aleatoria
x
0
1
2
3
Sucesos
{sss}
{css, scs, ssc}
{ccs, csc, scc}
{ccc}
px
1/8
3/8
3/8
1/8
http://www.youtube.com/watch?v=z2Qfqg7JU0M
6
14
6
15
9
14
dama
varon
10
16
varon
dama
5
14
9
14
6
16
dama
varon
varon
10
15
5
14
5
15
10
14
dama
dama
varon
dama
4
14
dama
p(3varones) = 10 * 9 * 8 = 0,214
16
15
14
una dama?
p(3damas) = 6 * 5 * 4 = 0,0357
16
15
14
cara
cara
1
2
1
2
1
2
1
2
sello
cara
1
2
cara
sello
1
2
1
2
1
2
sello
cara
cara
1
2
1
2
1
2
1
2
sello
sello
cara
sello
1
2
sello
p(3caras) = 1 * 1 * 1 = 1
2
2
2
8
INTRODUCCIN A LA PROBABILIDAD
Variable aleatoria discreta
Variable a la que se pueden numerar los posibles valores que
toma.
Ejemplo
El nmero de tornillos defectuosos en una muestra
aleatoria de tamao 15
Nmero de errores de un operador industrial.
Nmero de libros en una biblioteca
Nmero de habitantes en una poblacin,
La cantidad de dinero que una persona trae en su bolsillo,
Nmero de aves en un gallinero,
Nmero de admisiones diarias a un hospital,
Nmero de accidentes automovilsticos en una carretera
durante un ao, etc.
INTRODUCCIN A LA PROBABILIDAD
Variable aleatoria continua
Si el rango de una variable aleatoria X contiene un intervalo
(finito o infinito) de nmeros reales, entonces X es una
variable aleatoria continua.
Ejemplo
Peso
Volumen
Longitud
Voltaje
Presin arterial
INTRODUCCIN A LA PROBABILIDAD
Distribucin de probabilidad de X
Es una descripcin del conjunto de los valores posibles
de X con la probabilidad asociada a cada uno de estos
valores.
El evento que est formado por todos los resultados
para los que X = x, se denota por {X = x}, y la
probabilidad de ste por P(X = x).
La distribucin de probabilidad de X o distribucin de
una variable aleatoria X es una descripcin del conjunto
de valores posibles de X (rango de X), junto con la
probabilidad asociada a cada uno de estos valores.
INTRODUCCIN A LA PROBABILIDAD
Distribucin de probabilidad de X
La distribucin se representa a travs de una tabla que
relaciona resultados con probabilidades, o bien, por
medio de una frmula.
En el caso discreto, la funcin f (x) = P(X = x) que va del
rango de X al intervalo [0, 1] recibe el nombre de funcin
de probabilidad,
y cumple con las siguientes
propiedades:
INTRODUCCIN A LA PROBABILIDAD
En el caso discreto, la funcin f (x) = P(X = x) que va del
rango de X al intervalo [0, 1] recibe el nombre de funcin de
probabilidad, y cumple con las siguientes propiedades:
f (x) = P(X = x) (la funcin f (x) da la probabilidad).
f (x) 0 para toda x (no hay probabilidades negativas).
f (x)=1 (la suma de las probabilidades de todos los
posibles valores de X es = 1).
x
INTRODUCCIN A LA PROBABILIDAD
En el caso continuo, estas mismas propiedades se
enuncian de la siguiente forma: si f(x) es una funcion de
densidad de probabilidades de la variable aleatoria
continua X; entonces, para cualquier intervalo de nmeros
reales [x1, x2], se cumple:
f (x) 0
+
x2
DISTRIBUCIN BINOMIAL
DISTRIBUCIN BINOMIAL
Es frecuente que en control de calidad se den variables del
tipo pasa, no pasa.
Por ejemplo, un artculo cumple con especificaciones o no,
una pieza resiste cierta fuerza o no, una lmpara enciende o
no.
DISTRIBUCIN BINOMIAL
EXPERIMENTO BERNOULLI
Ensayo aleatorio que slo tiene dos resultados posibles
llamados xito y fracaso.
Un experimento aleatorio que consiste en una secuencia de n
ensayos Bernoulli donde adems se cumple que:
Los ensayos son independientes.
La probabilidad de xito en cada ensayo, denotada por p,
permanece constante.
DISTRIBUCIN BINOMIAL
Entonces este experimento recibe el nombre de
experimento binomial.
La variable aleatoria X, que es igual al nmero de ensayos
donde el resultado es un xito, tiene una distribucin
binomial (n, p).
La funcin de probabilidades de X es,
Donde:
DISTRIBUCIN GEOMTRICA
Distribucin geomtrica
Proporciona la probabilidad de requerir
X repeticiones
independientes de un experimento Bernoulli para observar el
primer xito.
La media es 1/p,
La varianza es (1 p)/p2.
Ejemplo
Supongamos que interesa encontrar un producto
defectuoso en un lote de muchos artculos.
Se sabe que el lote contiene 5% de artculos defectuosos.
Cul es la probabilidad de que sea necesario extraer de
manera aleatoria a lo ms 20 artculos para encontrar el
primer defectuoso?
DISTRIBUCIN GEOMTRICA
Distribucin geomtrica
Esta probabilidad es justo la que proporciona la
distribucin geomtrica acumulada ya que ser necesario
calcular la probabilidad de que el primer producto
defectuoso salga a la primera extraccin, a la segunda, y
as hasta la vigsima.
Por lo tanto, la probabilidad de inters es:
DISTRIBUCIN HIPERGEOMTRICA
Distribucin hipergeomtrica
Se aplica en ciertos tipos de experimentos Bernoulli, en los
cuales la probabilidad de xito no se mantiene constante, y
eso ocurre cuando el tamao de lote es pequeo con
respecto al tamao de la muestra.
Ejemplo
Un conjunto de N objetos contiene: K de ellos clasificados
como xitos y N K como fracasos.
Se extrae una muestra aleatoria (sin reemplazo) de
tamao n de tal conjunto, n N.
Sea X el nmero de xitos en la muestra, entonces X tiene
una distribucin hipergeomtrica
DISTRIBUCIN HIPERGEOMTRICA
Distribucin hipergeomtrica
Cuando el tamao de lote es pequeo con respecto al
tamao de la muestra, ser necesario aplicar la
distribucin hipergeomtrica en lugar de la binomial.
En Excel se pueden evaluar probabilidades de esta
distribucin, para esto se utiliza la funcin:
DISTR.HIPERGEOM(x, n, K, N),
x = Nmero de xitos en la muestra
(del que se quiere encontrar la probabilidad)
n = tamao de la muestra,
K = nmero de xitos en la poblacin
N = tamao de la poblacin o lote.
DISTRIBUCIN HIPERGEOMTRICA
Distribucin hipergeomtrica
Ejemplo
En una empresa industrial, cada da se produce un lote de
N = 50 piezas grandes de cierto tipo. Los registros
muestran que, de stas, en promedio K = 6 son
defectuosas. Si en forma aleatoria se examinan n = 10
piezas de la produccin de un da, cul es la probabilidad
de encontrar x = 0 o x = 1 piezas defectuosas?
Como el tamao de lote es pequeo en relacin al tamao
de muestra, es necesario aplicar la distribucin
hipergeomtrica.
Con Excel se obtiene que:
= DISTR.HIPERGEOM(0,10,6,50) + DISTR.HIPERGEOM(1,10,6,50)
= 0.24 + 0.41
= 0.66
DISTRIBUCIN DE POISSON
Distribucin de Poisson
DISTRIBUCIN DE POISSON
Distribucin de Poisson
Asimismo, es frecuente que este tipo de variables tenga una
distribucin de Poisson, cuya funcin de distribucin de
probabilidades est dada por:
e = 2.718
! = es el smbolo factorial
La media y la varianza para esta distribucin son:
= 2 = .
DISTRIBUCIN DE POISSON
Distribucin Poisson
Ejemplo
En en una empresa se reciben en promedio 5 quejas
diarias por mal servicio.
Si el nmero de quejas por da se distribuye Poisson con
= 5, cul es la probabilidad de no recibir quejas en un
da?
DISTRIBUCIN NORMAL
Distribucin Normal
Es una distribucin continua cuya densidad tiene forma de
campana.
Es muy importante tanto en la estadstica terica como en la
aplicada.
Es probablemente la distribucin continua ms importante,
tanto en estadstica terica como aplicada.
Si X es una variable aleatoria normal, entonces su funcin de
densidad de probabilidades est dada por:
= es su media
= desviacin estndar.
DISTRIBUCIN NORMAL
Distribucin Normal
Fig. 1
DISTRIBUCIN NORMAL
Propiedades de la distribucin normal
Si X es una variable aleatoria con distribucin normal con
media y varianza 2, N(, 2 )
Se cumple que:
P( < X < + ) = 0.6827
P( 2 < X < + 2) = 0.9545
P( 3 < X < + 3) = 0.9973
P(X = a) = 0 para cualquier nmero a.
PROPIEDADES DE LA
DISTRIBUCIN NORMAL
Estas propiedades sealan la proporcin de la distribucin
normal que se localiza en torno a la media .
Por ejemplo, entre ms menos una desviacin estndar de
la media se ubica en 68.27% del rea; y en la media ms
menos tres veces se encuentra 99.73% de la distribucin.
Esta ltima es la razn de cmo se obtienen los lmites
reales de un proceso
CLCULO DE PROBABILIDADES
Si una variable aleatoria X se distribuye normal con media y
varianza 2, y se quiere encontrar la probabilidad de que esta
variable tome valores entre dos nmeros cualesquiera, a y b
por ejemplo, entonces lo que se tiene que hacer es calcular el
rea bajo la curva entre a y b, y esto se realiza mediante
mtodos numricos, ya que la integral de la funcin de
distribucin no tiene solucin analtica.
Cuando es una distribucin normal con parmetros = 0 y 2
= 1, entonces a la distribucin se le conoce como distribucin
normal estndar (N(0, 1)).
CLCULO DE PROBABILIDADES
Tambin se puede utilizar la hoja de clculo de Excel para
calcular las probabilidades con la distribucin normal; para ello
se utiliza la funcin:
DISTR.NORM(x, media, desv_estndar, acum)
En la celda x se da el valor de referencia para el clculo de la
probabilidad P(X x),
En media se da el valor de la media, , de la distribucin normal
con la que se quiere obtener la obtener la probabilidad
desv_estndar se declara el valor de la desviacin estndar
de la distribucin normal.
acum es un valor lgico que determina la forma de la funcin:
si el argumento acum es VERDADERO (se pone 1), la funcin
DISTR.NORM devuelve la funcin de distribucin acumulada
(P(X x)); pero si es FALSO (se pone 0), devuelve el valor
(altura) de la funcin de densidad f(x) en el punto x.
CLCULO DE PROBABILIDADES
Ejemplo
La dimensin de una pieza se distribuye normal con = 82.0
mm, y = 0.5. Se desea calcular el porcentaje de piezas que
cumplen con especificaciones 82 1, lo cual se obtiene
calculando la siguiente diferencia de probabilidades
P(81 < X < 83) = P(X < 83) P(X < 81)
Para calcular
estandariza:
cada
una
de
estas
probabilidades
se
Tabla 1
CLCULO DE PROBABILIDADES
Ejemplo
P(Z < 2.0) = 1 0.23 = 0.977
Para calcular P(X < 81) se procede de la misma manera, pero
al restarle la media da un nmero negativo y, en ese caso,
para utilizar la tabla A2 se usa una de las propiedades de
simetra de la distribucin normal de la siguiente manera:
P(Z < a) = 1 P(Z < a)
Para cualquier nmero a. Al aplicar lo anterior se obtiene que
P(X < 81) = P(Z < 2) = 1 P(Z < 2) = 1 0.977 = 0.023
Por lo tanto, la probabilidad de que X est dentro de
especificaciones es (0.977 0.023) = 0.954.
As, se espera que 95.4% de las piezas cumpla con las
especificaciones.
CLCULO DE PROBABILIDADES
Ejemplo
En Excel
P(81 < X < 83) = P(X < 83) P(X < 81)
DISTR.NORM(83, 82, 0.5, 1) DISTR.NORM(81, 82, 0.5, 1)
0.954.
DISTRIBUCIN JI-CUADRADA
Sean Z1, Z2, ..., Zk variables aleatorias independientes, con
distribucin normal estndar ( = 0 y 2 = 1), entonces la variable
aleatoria
DISTRIBUCIN JI-CUADRADA
Si es un nmero entero, entonces () = ( 1)!. La media y la
varianza de una distribucin ji-cuadrada con k grados de libertad
estn dadas por E(X) = k y 2 = 2k.
Esta distribucin es relevante para hacer inferencias acerca de la
desviacin estndar, , de una poblacin con distribucin
normal, ya que si se obtiene una muestra de tamao n, entonces
el estadstico:
DISTRIBUCIN JI-CUADRADA
Fig. 2
Tabla 2
DISTRIBUCIN T de Student
Sea Z una variable aleatoria con distribucin normal estndar y
sea V una variable aleatoria con distribucin ji-cuadrada con k
grados de libertad. Si Z y V son independientes, entonces la
variable aleatoria,
DISTRIBUCIN T de Student
Sigue una distribucin T de Student con n 1 grados de libertad.
En la figura 3 se muestra la grfica de densidades T para
diferentes grados de libertad.
Como se aprecia, esta distribucin es similar a la normal (0, 1),
excepto que tiene colas ms pesadas.
En la tabla 3 se dan valores para los diferentes cuantiles o
puntos crticos de esta distribucin.
En Excel es posible obtener los cuantiles y reas de la
distribucin T de Student mediante las funciones Distr.T.Inv y
Distr.T, respectivamente.
Es preciso considerar que la funcin
Distr.T.Inv arroja valores considerando las dos colas de la
distribucin.
Ejemplos de densidades de la
distribucin T de Student
Fig. 3
Tabla 3
DISTRIBUCIN F
Sean W y Y variables aleatorias ji-cuadrada independientes con
u y v grados de libertad, respectivamente.
Entonces el cociente:
La media y la varianza de una distribucin F con u y v grados de
libertad, en el numerador y en el denominador, respectivamente,
son:
E(X) = v/(v 2) para v > 2, y
DISTRIBUCIN F
En la figura 4 se muestra la grfica de densidades F para
diferentes grados de libertad, en donde se puede observar que
tiene una apariencia similar a la distribucin ji-cuadrada, excepto
que la distribucin F se encuentra centrada con respecto a 1, y
los dos parmetros le dan mayor flexibilidad.
En la tabla 4 se dan valores para un par de cuantiles o puntos
crticos de esta distribucin.
La importancia de la distribucin F radica en que es de especial
utilidad para hacer inferencia cuando se comparan varianzas, ya
que si se tienen dos poblaciones con distribucin normal y
varianzas 1 y 2 , respectivamente, y se toman muestras
aleatorias de cada poblacin, de tamao n1 y n2,
respectivamente, entonces la variable aleatoria formada por el
cociente
DISTRIBUCIN F
Fig. 4
Tabla 4