Vous êtes sur la page 1sur 17

DISTRIBUCIONES

DE PROBABILIDAD

DISTRIBUCION NORMAL
La distribucion normal es una de las distribuciones mas importantes en toda la
estadistica, ya que gracias a ella pueden resolverse problemas relacionados por la
probabilidad en cualquier situacion desde el punto de vista economico, de ingenieria,
administrativo, medico, etc. Las siguientes son algunas de las caracteristicas mas
importantes de la distribucion normal:
1. Es simetrica respecto a su media , la curva hacia cualquiera de los lados de es
una imagen de espejo de la del otro lado.
2. La media, mediana y moda son iguales
3. El area total bajo la curva sobre el eje de las xs es una unidad de area, esta
caracteristica se deduce del hecho de que la distribucion normal es una
distribucion de probabilidad, debido a la simetri aya mencionada, el 50% del area
esta a la derecha de la perpendicular que va a la derecha y el otro 50% esta a la
izquierda
4. Si se levantan perpendiculares a una distancia de una desviacion estandar desde
la media hacia ambos lados, el area delimitada por esas perpendiculares, el eje de
la x y la curva sera de un 68% del area total, aproximadamente. Si los limites
laterales se extienden a 2 desviaciones estandar en ambos lados de la media
estara incluida aproximadamente el 95% del area, y extendiendolos a una
distancia de 3 desviaciones estandar, aproximadamente el 99% del area total
estara englobada (abarcada

La formula de la distribucin normal, fue publicada por Abraham de Moure el 12 de


noviembre de 1733, la formula es:

f(x)= [(1/2 )]e-(x-)^2/2

^2

DISTRIBUCION NORMAL ESTANDAR


La distribucion normal estandar o distribucion normal unitaria llamada asi porque tiene
una media =0 y una =1. Esta distribucion se puede obtener a partir de la ecuacion
de la distribucion normal creando una variable aleatoria para z

Z= x -

+/- 3
Entonces al sustituir z, en la ecuacion queda:
EJEMPLO
-z^2/2
f(z)=
Encuentre el rea bajo la curva entre
z=01y e
z=
1.43

Para z= 1.43 =
(-) 0.5000

0.9236
Le restamos 0.5 porque 0.9236 es el rea desde el principio y solo queremos de z=0 a

1.43

0.4236

<--- R//

Para encontrar z: Buscar en la tabla el 1.4 (para el caso anterior), y en las columnas
0.03 asi se encuentra el 1.43 y el numero encontrado es el rea tras esa lnea.

Ejemplos

Ejemplos

Ejemplos

Ejemplos

PROBLEMAS DONDE SE APLICA LA DISTRIBUCION NORMAL


La media de los pesos de 500 estudiantes de un colegio es 151 lbs. Y la desviacion
tipica es de 15 libras. Suponiendo que los pesos se distribuyen normalmente.
Hallar cuantos estudiantes pesan:
Entre 120-155 lbs
= 151 lbs (media poblacional)

= 15 lbs (desviacion estandar)

Para transformar de distribucion normal a distribucion normal estandar:

Z=x-

Z= 120-151 = -2.07
15
Z= 155-151 = 0.27
15

Y ahora se hace el procedimiento normal:


Z= 0.27= 0.6064
Z= -2.07= 0.0192 (-)
0.5872 Este es el area dentro de -2.07 y 0.27
Valor esperado E
E= p*N
P= 0.5872
N= 500
E= (0.5872)(500)= 293.6 294 personas entre 120 y 155 lbs. Respuesta

DISTRIBUCION BINOMIAL
Ensayo de Bernoulli
Una distribucin binomial se deriva de un procedimiento denominado ensayo de
Bernoulli, el cual consta de 3 pasos
No.1: En cada ensayo ocurre 1 de 2 posibles resultados mutuamente excluyentes
y 1 de ellos denominado arbitrariamente xito
No. 2: La probabilidad de xito se denota por la letra P y la probabilidad de
fracaso es q. Esto quiere decir que q= 1-p
No.3: Los ensayos son independientes
La distribucion biomial analiza toda variable aleatoria asociada con valores
discretos, binomial quiere decir dos resultados, solo se nos puede dar 2 posibles
mutuamente excluyentes, por ejemplo: Vida y muerte, el genero femenino y
masculino
Los ensayos independientes no quiere decir que no importa el 1er. Resultado ya
que el situiente no afecta el siguiente ensayo

Ejemplo
Se dice que el 29% de adultos en USA beben licor regularmente. Encuentre las
probabilidades asociadas a este fenmeno
P=0.29 Probabilidad de que beban
q=0.71 Probabilidad de que no beban
n= 3 (muestra)
ppp=
ppq=
pqp=
pqq=
qpp=
qqp=
qqq=

0.0244
0.0597
0.0597
0.1462
0.0597
0.1462
0.3579
1.000
x= Cantidad de personas que beben
p= 0.29
a. Probabilidad que exactamente 2 beban:
p(x=2) = 0.1791 (se suman las que tienen 2 ps)

a. p(x<2)= p(x=1)+p(x=0)
p(x<2) = 0.4386+0.3579
p(x<2) = 0.7965
c. p(x>=2)
p(x>=2)= p(x=2)+p(x=3)
p(x>=2)= 0.1791+0.0244
p(x>=2)= 0.2035
P(x>=2)=1 p(x<=1) es lo mismo
La formula utilizada para el calcula de la distribucin binomial es la
siguiente:
p= (x=x)= nCxpxqn-x
Usando la formula para el inciso (a) anterior:
p= (x=2)= 3C2(0.29)2(0.71)n-x
p= (x=2)= 0.1791

DISTRIBUCION DE POISSON
Esta disribucion discreta es llamada asi en honor del matematico frances Denis Poisson
quien tiene amplio reconocimiento por la publicacion de un trabajo en 1837.
La distribucion se explica de la siguiente forma:
Si x es el numero de ocurrencias de algun evento aleatorio en un intervalo de espacio o
tiempo (o algun volumen de materia), la probabilidad de que x ocurra es dada por:
F(x)= e- x
x!
x= 0,1,2
(lambda) es el parametro d ela distribucion y es el numero promedio de ocurrencias
del evento aleatorio dentro del intervalo (o volumen)
e es la constante 2.7183
Proceso de Poisson
Los siguientes puntos describen el proceso de Poisson
No. 1 Las ocurrencias de lso eventos son independientes

No. 2 Tericamente, es posible la ocurrencia de un evento, un numero infinito de veces dentro del
intervalo.
No. 3 La probabilidad de una sola ocurrencia del evento de un intervalo dado es proporcional a la
dimension del intervalo
Una caracteristica es que la media y la varianza son iguales. La distrinucion de Pisson se emplea
cuando cuentan los eventos distribuidos al azar en espacio o tiempo.
Ejemplo
El administrador de un hospital analiza los casos varios de urgencia durante un periodo de varios aos
y concluyo que se distributen de acuerdo a la ley de posson. Los rgistros del hospital revelan que los
casos de urgencia del hospital revelan que los casos de urgencia promedian 3 por dia durante ese
periodo. Si el administrador tiene razon respecto a la distribucion de poisson, calcular la (p) de:
a. Ocurran exactamente 2 casos de urgencia en 1 dia dado
b. No ocurra un caso de urgencia en un dia particular
c. Ocurran 3 o 4 casos de urgencia en un dia particular
= 3 x= El mismo de urgencias diarias
e= 2.7183
d. P(x=2)= (2.7183)^-3*3^2= 0.2240
2!

b. P(x=0)= (2.7183)^-3*3^0 = 0.050


0!
c. f(x=3)+f(x=4)
(2.7183)^-3*3^3 + (2.7183)^-3*3^4 = 0.22+0.1680= 0.388
3!
4!
DISTRIBUCION HIPERGEOMETRICA
Propiedaes
n N
r
N-r
Definicion: N, n, r, S:
f(x)=

ANEXO

DEFINICIONES Y CONCEPTOS DE PROBABILIDAD:


http://www.fileden.com/files/2012/11/10/3365433/TEORIA%20DE%20LA%20PROBABIL
IDAD.pdf

TABLAS PARA POISSON, HIPERGEOMETRICA Y BINOMIAL:


http://www.fileden.com/files/2012/11/10/3365433/TABLAS%20PARA%20NUMERO
S%20ALEATORIOS%20BINOMIAL%2C%20POISSON%2C%20HIPERGEOMETRICA.pdf

Vous aimerez peut-être aussi