Académique Documents
Professionnel Documents
Culture Documents
Proceso de Bernuilli
I.1.3.2.-
Distribucin binomial
I.1.4.-
Distribucin de Poisson
La
distribucin
normal
tipificada
(standard)
I.2.2.3.- la distribucin normal general
I.2.2.4.- Teorema de la adicin
I.2.3.- Teorema central del limite
I.2.4.- La distribucin exponencial
Tema I
1
Distribuciones de probabilidad
de
probabilidad
de
variables
aleatorias
- Distribucin Uniforme
- Distribucin Binomial
- Distribucin de Poisson
Cuando
nos
planteamos
estudiar
estas
distribuciones
de
un
fenmeno
real
tal
como
puede
ser
realizar
una
los
podemos
estudiar
como
una
variable
nos
veremos
ponemos
que
pensar
existen
en
muchos
fenmenos
que
se
econmicos
pueden
reales,
ajustar
un
Tema I
ESTADSTICA II
Variable aleatoria
Decimos
que
una
variable
aleatoria
discreta
(X)
tiene
Tema I
3
Distribuciones de probabilidad
la
probabilidad
es
la
misma
para
cada
uno
de
los
resultados posibles.
f(X) = 1
k si x = x i i = 1,2,...k
1/6
si
X=xi
(i= 1,2,3,4,5,6)
f(x)=
0 en otro caso
Tema I
ESTADSTICA II
(i= 1, 2, 3,...., k)
F(x)= f( xr )
r =1
Apliquemos
esta
frmula
resultados
tericos
nuestro
inferiores
al
ejemplo
valor
1,
del
la
dado.
Para
funcin
de
Distribuciones de probabilidad
F(x)=
si x1 x < x2
k
2
si x2 x < x 3
k
1 si x x k
0 si x < x1
Es decir,
0 si x < x1
F(X) =
si x i x < xi +1
k
1 si x
xk
Tema I
ESTADSTICA II
k
1 k
x = E(X) = x i f( x i ) =
x i = 1
k
i=1
i=1
1
1 k
1 k
2
2
= V(X)= ( xi - X ) = E( X 2 ) - [E(X)] = 2 - 12 = xi2 - ( xi )
k
k i =1
k i=1
2
x
Tema I
7
Distribuciones de probabilidad
que
nos
denominado
proceso
detengamos
de
un
momento
Bernouilli,
observar
fundamento
de
el
la
Para
comprender
el
proceso
de
Bernouilli
pensemos,
por
mutuamente
excluyentes
(verdadero/falso,
en
un
Tema I
ESTADSTICA II
Los
fenmenos
que
caractersticas
en
pueden
la
ser
vida
real
cumplen
considerados
como
estas
tres
Procesos
de
Bernouilli.
Llamemos p a la probabilidad de xito:
P(E) = p
xi = 1 si el resultado es xito
xi = 0 si el resultado es fracaso.
entonces
P(E) = P(X=1) = p
P(F) = P(X=0) = q
Tema I
9
Distribuciones de probabilidad
x = E(X)= xi
f( x ) = 1* p+0* q = p
i
i=1
y,
calculemosla Varianza:
2
2x =V(X)= ( xi - x )
2x = p+ p
i=1
2x = (1- p)
f( x ) = ( x - p) f( x )
i
i=1
- 2 p + p - p = p- p = (1- p)p= pq
2
10
Tema I
ESTADSTICA II
posibles,
mutuamente
excluyentes,
con
la
posibilidad
de
que
acepten
(xito)
no
acepten
etc...
Todas
ellas,
si
son
una
sucesin
de
La
expresin
formal
de
la
funcin
de
cuanta
de
una
Tema I
11
Distribuciones de probabilidad
distribucin binomial es
n x n- x
si x = xi
p q
f(X = x) =
0
si x x i
de
que
una
sola
etiqueta
este
correctamente
colocada?
12
Tema I
ESTADSTICA II
P(A)
P(100000)
P(010000)
P(001000)
P(000100)
P(000010) + P(000001).
P(100000) = P(1)*P(0)*P(0)*P(0)*P(0)*P(0)
recordemos
que
la
probabilidad
de
xito
la
denotbamos
posibles
de
ubicar
dos
"xitos"
(1
en
nuestro
Tema I
13
Distribuciones de probabilidad
El
alumno
deber
practicar
el
manejo
de
la
distribucin
n
F(x)= P(X x) = f(i) = pi q n -i
i x
i x i
Hemos
visto
ya
la
media
la
varianza
en
el
proceso
de
14
Tema I
ESTADSTICA II
1 si xito
Sea xi =
0 si fracaso
donde, xi = E( x i ) = p
2xi =V( x i ) = pq
Por tanto, X = n de xitos = x1 + x 2 + ...+ x n ,
siendo los xi independie ntes.
n
i =1
i =1
2x = pq = npq
i=1
Veamos
un
ejemplo
de
Distribucin
Binomial.
Un
reciente
el
cinturn
de
seguridad.
Se
selecciona
una
Tema I
15
Distribuciones de probabilidad
Resolucin:
16
Tema I
ESTADSTICA II
n x n- x
si x = xi
p q
f(X = x) =
0
si x xi
10
f(X = 7) = 0,67 * 0,43 =
7
10!
0,6 7 * 0,43 = 0,215
7! (10 - 7)!
Esta expresin, aplicada al problema que nos ocupa ser:
Las
funciones
de
cuanta
las
calculamos
de
la
forma
ya
Distribuciones de probabilidad
I.1.4.1.- Definicin
debido
bien
que
el
nmero
de
pruebas
es
Como
regla
prctica
entenderemos
que
es
aplicable
la
un
valor
inferior
el
nmero
de
pruebas
sea
superior a 30.
Algunos
ejemplos
de
fenmenos
que
se
ajustan
una
el
nmero
de
accidentes
de
trfico
en
una
ciudad
18
Tema I
ESTADSTICA II
de
estos
eventos
toma
dos
posibles
valores,
xito
estudiar
en
otras
asignaturas
del
particular
de
rea
de
mtodos
cuantitativos en economa.
Por
tratarse
de
un
caso
la
Binomial,
la
Distribuciones de probabilidad
- x
f(x)= P(X = x) = e
x!
donde 8 = n*p,
x! Es el factorial de x y e es el nmero e.
- r
F(x)= P(X = r) = e
r!
r x
r x
x
x
- x
x = E(X)= 1 = x e = e - x = e - x
x!
x!
x=0
x!
x=0
x=1
x
x = E(X)= e-
x=1 (x - 1)!
20
Tema I
ESTADSTICA II
e- x
x
- 2
=
2 = E( X ) = x
e
x
x =0
x!
x= 0
x!
1
+
2
+
...
=
e
+
2
+
3
+...
1! 2!
1! 2!
2
2 = e
Por tanto,
2 = e- [ e+ e ] = (1+ ) = + 2
2x = 2 - 21
2
2x = E( X 2 ) - [E(X)] = + 2 - 2 =
Distribuciones de probabilidad
Puede
ser
considerada
una
Binomial,
puesto
que
de
Poisson,
puesto
que
es
muy
grande
Usaremos
la
distribucin
de
Poisson
con
media
3,5
para
1 - P(0) - P(1) -
P(2).
22
Tema I
ESTADSTICA II
- x
f(x)= P(X = x) = e
x!
-3,5
f(0) = P(X = 0) = e
3,5 =
0!
(0,30197) * (1)
= 0,302
1
EJERCICIOS
PROPUESTOS(estos
ejercicios
deben
ser,
adems,
practicados en EXCEL).
test
los
solicitantes.
El
examen
consta
de
cinco
Tema I
23
Distribuciones de probabilidad
cul
es
la
probabilidad
de
acertar
dos
tres
respuestas.
24
Tema I
ESTADSTICA II
entre
s,
sabiendo
que
la
probabilidad
de
que
atender
un
mximo
de
10
automviles
por
minuto,
Distribuciones de probabilidad
La
probabilidad
de
que
tenga
dolor
de
muelas
de
gran
velocidad,
son
defectuosos.
Si
26
Tema I
ESTADSTICA II
1.-
a) p=0,25 ; q=0,75
b) 0,39551
c) 0,35156
2.-
0,0842
3.-
0,02433
4.-
0,11718
5.-
a) 0,23
b) 2
c) 1,2
d) 0,6524
e) 0,922
6.-
0,384
7.-
0,323
8.-
0,0092
9.- a) 0,000092
b) 0,9999
Diremos
que
la
variable
aleatoria
se
distribuye
f(x) =
027 en otro caso
Tema I
Distribuciones de probabilidad
0 si x < a
x-a
F(x)=
si a x b
b-a
1 si x > b
Y su representacin grfica:
28
Tema I
ESTADSTICA II
E(X)= ba x
1
1 b
dx =
x dx =
b-a
b-a a
b
1 x2
1 b2 - a2
=
=
=
b - a 2 a b - a 2
2
(b - a)(b + a) b + a
= b a =
=
2(b - a)
2(b - a)
2
La
varianza
la
calculamos
E( X 2 ) = ba x 2
travs
de
los
momentos
no
1
1 b 2
dx =
x dx =
b- a
b- a a
b
1 x3
1
=
==
b - a 3 a
b-a
b3 - a3
3 =
3
2
- 3
+ ab + a 2
= b a =b
3(b - a)
3
centrados de orden 1 y 2
Tema I
29
Distribuciones de probabilidad
I.2.2.1 INTRODUCCION
La
distribucin
normal
es
la
ms
comn
entre
todas
las
las
medidas
fsicas
del
cuerpo
humano
en
una
industriales,
los
errores
de
las
observaciones
muy
grande
de
causas
independientes,
que
actan
respecto
al
conjunto,
es
esperable
que
los
X N( , 2 )
normal con parmetros y 2 y se representa:
cuando su funcin de densidad es de la forma:
30
Tema I
ESTADSTICA II
f(x)=
1 x- 2
1
e - 2( )
2
x siendo f 0 y
en donde es el conjunto de los nmeros reales.
1 - x2
e 2
2
PROPIEDADES
(1) Es simtrica respecto de x = 0, ya que:
f(-x) = f(x)
(2) Alcanza un mximo en x = 0 y vale
f(0) =
1
2
Tema I
31
Distribuciones de probabilidad
lim
x
I.2.2.2.2
1 - x2
e 2 dx x _
2
F(x) verifica:
Demostracin:
32
Tema I
ESTADSTICA II
Lim (x) = 1
x
F(x) = 0; ni F(x) = 1
distintos
sucesos.
La
mejor
forma
para
trabajar
con
Tema I
33
Distribuciones de probabilidad
34
Tema I
ESTADSTICA II
es
la
probabilidad
de
que
la
variable
tome
hay
entre
0.
La
probabilidad
entre
la
P(|x|<1)=P(-1,0)+P(0,1)=2*P(0,1)=2*0.3413=0.6826
Distribuciones de probabilidad
posibles
de
la
variable,
sin
embargo
otras
veces
dado
F(x1),por
ejemplo
F(x1)
0.90,
que
lo
En
este
caso
vemos
que
no
existe
en
las
tablas
una
36
Tema I
ESTADSTICA II
Diferencia de probabilidad
0.90147
-1.28
0.90147
-0.8997
0.01
-0.90
0.00177
0.00147
Diferencia de abcisas
Diferencia de probabilidad
0.01
0.00177
x = 0.0083051
0.00147
Ya
hemos
visto
que
una
variable
aleatoria
sigue
una
1 x- 2
1
e- 2 ( )
2
x siendo f 0 y
PROPIEDADES: La funcin
Tema I
37
Distribuciones de probabilidad
f(x)=
1 x- 2
1
e- 2 ( )
2
x siendo f 0 y
cumple las siguientes propiedades:
(1) Es simtrica respecto de x = pues f(-x) = f(+x).
(2) Alcanza un mximo en x = y vale
f( ) =
38
1
2
Tema I
ESTADSTICA II
Tema I
39
Distribuciones de probabilidad
(3) Es creciente para x < , y decreciente para x >
(4) Los puntos de abcisas (-) y (+) son de inflexin.
(5) La recta y = 0 es asntota de f(x) pues:
I.2.2.3.1
Funcin de distribucin
1 x- 2
1
- (
)
e 2 dx
2
de
la
funcin
de
distribucin
normal
tipificada
40
Tema I
ESTADSTICA II
(1)
(2)
x -
); x
+) se
F(x)= - f(x)dx = -
1 x- 2
1
- (
)
e 2 dx
2
Demostracin de (1):
Tema I
41
Distribuciones de probabilidad
Z=
X -
Z
X -
F(z) = P ( Z z ) = P
z = P ( X z + )= F (z + )
2
1 z+ -
1
1 -1 z 2
-
f(z) = f( z + ) =
e 2 =
e2 ;
2
2
luego : f(z) =
1 -z 2
e 2; z
2
entonces : Z =
X -
N (0,1).
x -
F(x)=
; x _ si X _ N( ,2 )
De forma que:
x-
X - x -
F(x)= P ( X x ) = P
);
= P (Z
pero Z =
X -
_ N(0,1) como hemos visto,luego :
x -
x -
F(x)= P Z
=
42
Tema I
ESTADSTICA II
Ejemplo:
Si
se
distribuye
como
N(20,4),
calcular
las
siguientes probabilidades:
1) P(X < 15).
2) P(4X -5 > 80).
Solucin:
1) Si X - N(20,4)
Z=
X - 20
_ N(0,1)
2
X - x -
y como P(X < x) = P
<
=
x -
x -
= P Z <
=
; luego, en este caso :
15 - 20
X - 20
P(X < 15) = P
<
= (-2.5) = 1 - (2.5) =
2
2
= 1 - 0.99379 = 0.00621;
2)
P(4X
>
80)
P(X
>
21.25)
Tipificando:
21.25 - 20
P (X < 21.25) =
= (0.625) = 0.73405
2
Cualquier
combinacin
lineal
de
variables
normales
Xi se distribuye
Tema I
43
Distribuciones de probabilidad
N(i, 2i);(con 2i > 0 para todo i = 1, 2,..., n), y dados
como
a1, a2, ..., an, b nmeros reales tal que ai es distinto de cero
para todo i = (1, 2, ..., n), se cumple:
n
Llamando X = a i X i + b;
i =1
n
n
X N ai i + b, a2i 2i
i=1
i =1
N(,2); para i =
X N(n,n )
n
(1)
i=1
Xn =
i=1
)
n
2
i _ N( ,
44
Tema I
ESTADSTICA II
e- x para x > 0
f(x)=
0 para x 0
Tema I
45
Distribuciones de probabilidad
x
- x
] =1- e
0
si x 0
0
luego : F(x)=
1 - e- x si x > 0
E(x) = 1/
Var(x) = 1/2
Por
lo
tanto
la
desviacin
tpica
de
una
distribucin
sx = 1/
46
Tema I
ESTADSTICA II
para
no
negativos
cualesquiera.
Para
probar
esta
P ( X > x ) = 1 - P ( X x ) = 1 - F(x)= e - x
(para x 0)
afirmacin observamos que
De la definicin de probabilidad condicionada resulta que:
Tema I
47
Distribuciones de probabilidad
=e
Como
consecuencia
-( b+c)
-b
de
esta
caracterstica,
el
uso
de
Solucin:
Si llamamos X al tiempo que tarda en llegar a la Facultad,
X - U(15,20)
Entonces:
1
20 - 15 si 15 x 20
f(x)=
0
en otro caso
48
Tema I
ESTADSTICA II
P ( X x ) = 0.99 =
X - 15 X - 15
=
= 0.99
20 - 15
5
de
jvenes,
inicialmente
tiles,
)qu
intervalo
de
Solucin:
(1) Llamando X a la altura de los individuos en edad militar:
X - N(173,100)
y nos piden:
P(0x - 1730 > 20) = 1 - P(0x - 1730) # 20) =
= 1 - P(153 # x # 193) = 1 - (F(193) - F(153))=
(tipificando):
Tema I
49
Distribuciones de probabilidad
X - 173 a
a
a
a
1- P
Z
=1- P 10
10
10
10
10
siendo Z =
X - 173
N(0,1)
10
a
a
a
a
= 2 - 2 = 0.25 = 0.875
10
10
(0.8749) = 1.15
(0.8770) = 1.16
Interpolan do :
a
= 1.1505, luego a = 11.505.
10
Para
admitir
nicamente
al
75%,
hay
que
establecer
un
50
Tema I
ESTADSTICA II
normales
con
media
de
2000
unidades
Solucin:
Llamando T ventas de la marca Top: T N(2000, 1002)
Llamando B ventas de la marca Body: B N(2100, 1102)
Se pide: P(B - T > 150); llamando B - T = X
Tema I
51
Distribuciones de probabilidad
x = 2100 - 2000 = 100
X N
X N(100,148.67 2 )
Z=
X - 100
N(0,1)
148.67
150 - 100
luego : P(X > 150) = P Z >
= P(Z > 0.34) =
148.67
cul
es
la
probabilidad
de
que
el
coeficiente
Solucin:
Llamando Xi al coeficiente intelectual del alumno i-simo para
52
Tema I
ESTADSTICA II
i = 1, 2, ...,10, Xi N(100,52);
son independientes.
N(100,
52
10
- 100
10 ( X 10 - 100)
Tipificand o Z = X 10
=
5/ 10
5
= P(-2
10
10 ( X 10 - 100)
10
2
) = P(-1.26 z 1.26) =
5
5
Tema I
53
Distribuciones de probabilidad
P (| X n - 100 | 2 ) 0.975
2
n ( X n - 100)
2 n
2 n
=
por lo tanto : P (| X 10 - 100 | 2 ) = P Z
5
5
2 n
2 n
= 2
- 1 0.975
5
5
Interpolan do :
0.9875
2 n
2.24152; de donde n 31.40
5
Solucin:
Tenemos que calcular P(Y 4). Consideramos la variable Y = n
de bateras que funcionan ms de 10.000 horas.
Definimos Y i =
para i = {1,2,3,4,5,6,7}
si no es asi
54
Tema I
ESTADSTICA II
Yi
b(0.3679)
son
independientes,
pues
Xi
son
y entonces:
7
7
P(Y 4) = 0.3679i * 0.63217 - i = 0.230371 = 23%
i= 4 i
entre
las
salidas
de
los
distintos
autobuses son
Solucin:
Si T - Exp()
Distribuciones de probabilidad
P(X = 0) =
4
(4/3 )0 - 4
e 3 = e - 3 _ 0.2636 = 26%
0!
56
Tema I