Unidad :

CICLO 2011 - II Mdulo : II

III Semana : 5

ESTADISTICA

Mg. Eco. Rodrigo Sarmiento Llamosas

DISTRIBUCION DE PROBABILIDAD

ORIENTACIONES

En esta sesin se analiza los conceptos y aplicacin de las variables aleatorias discretas y continuas y las principales distribuciones de probabilidad.

VARIABLES ALEATORIAS Una variable se dice que es aleatoria, si los posibles valores que puede tomar son determinados por el azar. En otras palabras se sabe qu valores puede tomar la variable pero no se tiene certeza de su ocurrencia, solo se sabe que puede ocurrir con cierta probabilidad.

Por ejemplo, en una epidemia de clera, se sabe que una persona cualquiera puede enfermar o no (suceso), pero no se sabe cual de los dos sucesos va a ocurrir. Solamente se puede decir que existe una probabilidad de que la persona enferme.

VARIABLES ALEATORIAS
Ejemplo Supongamos que se lanzan dos monedas al aire. El espacio muestral, esto es, el conjunto de resultados elementales posibles asociado al experimento, es E = (cc, cx, xc,xx) donde (c representa "sale cara" y x, "sale cruz"). Podemos asignar entonces a cada suceso elemental del experimento el nmero de caras obtenidas. De este modo se definira la variable aleatoria X como la funcin

X:E

VARIABLES ALEATORIAS
Ejemplo dada por

(hay dos caras) (hay una cara) (no hay caras) El recorrido o rango de esta funcin, RX, es el conjunto

TIPOS DE VARIABLES ALEATORIAS

Para comprender de una manera mas amplia y rigurosa los tipos de variables, es necesario conocer la definicin de conjunto discreto. Un conjunto es discreto si est formado por un nmero finito de elementos, o si sus elementos se pueden enumerar en secuencia de modo que haya un primer elemento, un segundo elemento, un tercer elemento, y as sucesivamente.

TIPOS DE VARIABLES ALEATORIAS: a) Variables aleatoria discreta b) Variables aleatoria continua

TIPOS DE VARIABLES ALEATORIAS

Variable aleatoria discreta: una v.a. es discreta si su recorrido es un conjunto discreto. La variable del ejemplo anterior (los nmeros de los dados) es discreta. Sus probabilidades se recogen en la funcin de cuanta

Variable aleatoria continua: una v.a. es continua si su recorrido no es un conjunto numerable. Intuitivamente esto significa que el conjunto de posibles valores de la variable abarca todo un intervalo de nmeros reales. Por ejemplo, la variable que asigna la estatura a una persona extrada de una determinada poblacin es una variable continua ya que, tericamente, todo valor entre, pongamos por caso, 0 y 2,50 m, es posible

VARIABLE DISCRETA
Ejemplo: El nmero de vehculos que pasan por un peaje

X: E

El rango de tallas es: Rx = {x1, x2, x3, .xn}

VARIABLES CONTINUA
Ejemplo: El espacio muestral de un grupo de 2000 estudiantes, en un experimento se representa como: E= {1,2,3 ..2000}

la variable aleatoria : X w = es la talla de los estudiantes

El rango de tallas es: Rx = {x1, x2, x3, .xn} X:E R

FUNCION DE PROBABILIDAD
La distribucin de probabilidad de una v.a. X, tambin llamada funcin de distribucin de X es la funcin FX(x), que asigna a cada evento definido sobre X una probabilidad dada por la siguiente expresin: f: N [0,1] xl f (xi) = P [X = xi] La distribucin de probabilidad de una v.a. describe tericamente la forma en que varan los resultados de un experimento aleatorio. Intuitivamente se tratara de una lista de los resultados posibles de un experimento con las probabilidades que se esperaran ver asociadas con cada resultado.

FUNCION DE PROBABILIDAD
Ejemplo: Si lanzamos al aire tres monedas, cada lado tiena la probabilidad de salir de cara o sello, se tiene entonces: E = {ccc,ccs, csc, css, scc, scs, ssc,sss}

f(3) = P[X=3] = P[{ccc}] = * * = 1/8 f(2) = P[X=2] = [{scc, ccs, csc}] = 1/8 + 1/8 + 1/8 = 3/8 f(1) = P[X=1] = P[{ssc, scs,css}] = 1/8 + 1/8 + 1/8 = 3/8 f(0) = P[X=0] = P[{sss}] = * * = 1/8

FUNCION DE DISTRIBUCION

La Funcin de distribucin F de una variable aleatoria discreta, que se define de modo que si xi R, F(xi) es igual a la probabilidad de que X tome un valor inferior o igual a xi: F:N [0,1] xi l F(xi) = P[X xi] = [{w / X(w) xi}

FUNCION DE DISTRIBUCION
Ejemplo: Utilizando el mismo ejemplo de las tres monedas y los valores f(0), f(1), f(2) y f(3), tenemos: F(0) = P[X 0] = P[X=0] = f(0) = 1/8 F(1) = P[X 1] = f(0) + f(1) = 1/8 + 3/8 = 4/8 F(2) = P[X 2] = f(0) + f(1) + f(2) = 1/8 + 3/8 + 3/8 = 7/8 F(3) = P[X 3] = f(0) + f(1) + f(2) + f(3) = 1/8 + 3/8 + 3/8 + 1/8 = 8/8 = 1

MEDIA Y VARIANZA DE LAS DISTRIBUCIONES MUESTRALES

La media aritmtica de un distribucin de probabilidades se llama el valor esperado E(X), se halla multiplicando cada resultado posible por su probabilidad y sumando los resultados: = E(X) =

(xi) P(xi)

Donde xi son los resultados individuales La varianza de una distribucin de probabilidad es dada por: 2=

[(xi - )2 P(xi)]

MEDIA Y VARIANZA DE LAS DISTRIBUCIONES MUESTRALES

Ejemplo: Distribucin discreta de probabilidad para el experimento de lanzar un dado. Hallar la media y la varianza,
(xi) 1 2 3 4 5 6 P(xi) 1/6 1/6 1/6 1/6 1/6 1/6 1.00 (xi) * P(xi) 1/6 2/6 3/6 4/6 5/6 (xi )2 * P(xi) (1 3.5)2 * 1/6) = 1.042 (2 3.5)2 * 1/6) = 0.375 (3 3.5)2 * 1/6) = 0.042 (4 3.5)2 * 1/6) = 0.042 (5 3.5)2 * 1/6) = 0.375

6/6 (6 3.5)2 * 1/6) = 1.042 E(X) = = 3.5 2 = 2.92

DISTRIBUICIONES DISCRETAS
DISTRIBUCIN DE BERNOULLI

Se denomina as a todo experimento aleatorio que consiste de solo dos resultados posibles mtuamente excluyentes, denomiandos generalmente: xito (E) o fracaso (F), por
ejemplo al lanzar una moneda al aire, sale cara o sello.

El espacio muestral es: W = {E, F} Definicin: Si p = P[X=1] es la probabilidad de xito, donde 0<p<1, y q = P[X=0] = 1 p, es la probabilidad de fracaso, la distribucin de probabilidad de Bernoulli, es descrita por:

f(x) = P[X=x] = px q1-x

x=0,1

DISTRIBUICIONES DISCRETAS
DISTRIBUCIN BINOMIAL Es una distribucin de probabilidad que surge al cumplirse cinco condiciones: a) Existe una serie de n ensayos b) En cada ensayo hay solo dos posibles resultados. c) En cada ensayo, los dos resultados son mutuamente excluyentes. d) La probabilidad de cada resultado posible en cualquier ensayo es la misma de un ensayo a otro. Frmula: n! P[X = k] = ------------- * pk * (1-p)n-k k! * (n-k)!

DISTRIBUICIONES DISCRETAS
DISTRIBUCIN BINOMIAL

Ejemplo, hallar la probabilidad de obtener 4 sellos al lanzar una moneda 5 veces

k = nmero de aciertos = 4 n = nmero de ensayos = 5 P = probabilidad de xito (sello) al lanzar la moneda = 0.5

n!

P[x = k] = ------------- * pk * (1-p)n-k k! * (n-k)! (5*4*3*2*1)

,
120 24*1

P[x = 4] = ----------------- * (0.5)4 * (1-0.5)5-4 = ----- * 0.0625 * 0.5 =

(4*3*2*1) * (5-4)

P[x=4] = 5 * 0.03125 = 0.15625 La probabilidad de obtener 4 sellos en 5 lanzadas al aire es 15.6%

DISTRIBUICIONES CONTINUAS
FUNCION DE DENSIDAD

La funcin de densidad de una v.a contnua se define como una funcin f: R R integrable, que verifica las dos propiedades siguientes:

1 f(x) 0

+ -

2 f(x) dx =1

Y que adems se verifica que dado a < b se tiene que

b

P[a x b] = f(x) dx =1
a

DISTRIBUCIN UNIFORME La distribucin de probabilidad uniforme es una distribucin en la cual las probabilidades de todos los resultados son las mismas. Por ejemplo, al lanzar

a b La funcin de densidad de probabilidad, est dada por:

f(x) = 1/(b a),

axb

0, otro caso

Frecuencia relativa

un dado todos los resultados tienen 1/6 de probabilidad de ocurrencia.

DISTRIBUCIN UNIFORME

La funcin distribucin est dada por:

axb

0, x < a f(x) = (x a) /(b a), 1, x b

La media o valor esperado de una distribucin uniforme: E(x) = = (a +b) / 2 En donde a y b son los valores ms bajo y ms alto, respectivamente.

La varianza de una distribucin uniforme es: = (b-a)2 /12

DISTRIBUCIN NORMAL
Se dice que la variable continua, X, que toma los valores reales, se distribuye normalmente con parmetros y y se

describe por X N(, 2), si su funcin de densidad es:

1
{(X f(x) = ----- e - - )/) 2
2

Donde: - x < < , > 0

DISTRIBUCIN NORMAL

Grfico de la distribucin normal

+-2
Densidad de probabilidad

= 95% del rea = 68% del rea

+-1

-2

-1

+1

+2

Variable aleatoria X

DISTRIBUCIN NORMAL ESTANDAR Y USO DE LA TABLA NORMAL Si la variable continua x tiene distribucin normal N(, 2), entonces la variable aleatoria estndar z = (x )/, tiene distribucin normal N:

1
2

f(x) = ----- e - z Distribucin Normal Standard 2 o tipificada Para ingresar a la tabla es preciso calcular z, para lo cual necesitamos la media y la desviacin estndar de la poblacin.

EJERCICIOS

En hojas Excel

CONCLUSIONES Y/O ACTIVIDADES DE INVESTIGACIN SUGERIDAS

GRACIAS