Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
q, asimetrfa a la izquierda. - Cuando n — oo la distribucién tiende a ser simétrica y aproximarse a la distribucién normal: Si.X ~+ B(n,p) con n grande y ni p ni q son préximos a cero entonces X sigue aproximadamente la distribucién normal de media n- p y desviacién tipica > D*4, €8 decir X = N(np, /npq). Si p es pequefio y n grande (n > 50 y p< 0,10 bien n- p <5) podemos aproximar la distribucidn binomial por una distribucidn de Poisson de parametro A=n- pes decir, B(n, p) % P(n-p). Si n>50yp<01 Shien — mp<5 entonces B(n,p) © P(n- p) Si p<0,5ynp>5 bien q<0,5ynq>5 entonces B(n,p) © N (np, Pq) ~ Los valores de P(X =k) se encuentran tabulados para algunos valores de p entre Oy 0,5. Para buscarlos se considera: n par=n)=(f ) «ph ag’* = b(n, k,p) Si el valor de p es mayor que 0,5 entonces hay que tener en cuenta la siguiente propiedad wot=(‘)atets (0) Es decir, para encontrar en la tabla P(X =k) con p > 0,5 se busca en la tabla corres- pondiente a q=1— pla probabilidad P(X =n—k). ~ Si el valor de p es menor que 0,5 pero no esta tabulado se interpola entre los valores inferior y superior mas proximos a p. - Sin =1 entonces B(1, p) = Ber(p) 5.1.4 Distribucién de Poisson Una v.a.d. X se dice que sigue una distribucién de probabilidad de Poisson de parametro \ si puede tomar todos los valores enteros 0,1, 2,... con probabilidades x k=0,1,2,.. PIX=h)=Te* con {sq y se denota por X ~+ P(A). Su media, varianza y desviacién tfpica son: Me= 5 oF=dX 5 op=VN Esta distribucidnes una buena aproximacién de la distribucién binomial cuando n es grande ¥ p pequeito. En general, cuando n > 50y p< 0,16 bien n- p <5 la distribucidn binomial de pardmetros n y p se aproxima por una distribucidn de Poisson de parémetro \ =n p. Como consecuencia, la distribucin de Poisson se presenta en casos de probabilidad pequeiia; asi, si un suceso A tiene una probabilidad p (pequefia) de ocurrir al realizar una prueba ele- mental, la variableX = “ntimero de veces que ocurre el suceso A durante un gran mimero de pruebas” sigue una distribucién de Poisson de pardmetro \ =n: p. Ejemplos: El niimero de piezas defectuosas en una gran muestra tomada de un lote en el que la proporcién de piezas defectuosas es pequeiia; el mimero de llamadas telefnicas recibidas en una central durante un cierto tiempo; el niimero de clientes que legan a una ventanilla de pagos de un banco por periodos de diez minutos; el mimero de emisiones de particulas radioactivas, durante un periodo dado; el nimero de accidentes durante un periodo de tiempo. 5.1.5 Distribucién Hipergeométrica Consideremos una poblacién con N elementos de dos clases distintas de los cuales D ele- mentos son de la clase A y N —D elementos son de la clase A‘. Al tomar un elemento de esta poblacién, la probabilidad de que proceda de una u otra clase es = p + D =pN P(A) = q=l-p > N-D=q-N Consideremos el experimento consistente en tomar n elementos consecutivamente de una poblacién sin reemplazamiento. A la variable X = “ntimero de elementos de la clase A en una muestra de tamafio n” se la denomina variable hipergeométrica. La distribucién de probabilidad de la variable es ( )- (es) k n-k P[X=k [x =A] y 7 con n n ane se denomina distribucién hipergeométrica de pardmetros N, D y n y se denota con la expresin X~+ H(N, D,n) Su media, varianza y desviacién tfpica son v-D H2=n-p otan-peqe ln 3 2 NW Se diferencia de la distribucién binomial en que, en aquella, las probabilidades permanecian constantes a lo largo de todas las pruebas (extracciones con reemplazamiento) mientras que en la distribucién hipergeométrica, las probabilidades varfan de una a otra (extracciones sin reemplazamiento), Sin embargo, si V es grande respecto a n, las probabilidades varian muy poco de una prueba a por lo que en estos casos (n/N < 0,1) se puede decir que la variable hipergeométrica sigue aproximadamente una distribucién binomial ("t) (0) (") 4 ee (2) perEjemplo: De una caja en la que hay N piezas, de las que D son defectuosas y N — D no defectuosas, se extraen simulténeamente n piezas de la caja y estamos interesados en saber el ntimero de piezas defectuosas en la muestra de tamaiio n. 5.1.6 Distribucién Geométrica o de Pascal Consideremos un experimento que consiste en realizar sucesivas pruebas de Bernouilli. A Ia variable X = “mimero de pruebas necesaria para obtener el primer éxito” se la denomina variable geométrica. La distribucién de probabilidad asociada es PIX q=1-p y se denomina distribucidn geométrica o de Pascal de parametro py se denota por X ~+ Ge(p) Su media, varianza y desviacién tipica son 1 24d fe Ejemplo: Lanzamientos necesarios para obtener la primera cara. Si el experimento consiste en extracciones de una urna, éstas han de ser con reemplazamiento. 5.1.7 Distribucién Binomial negativa Consideremos un experimento que consiste en realizar sucesivas pruebas de Bernouilli. A Ja variable X = “mimero de fracasos antes de obtener el n-ésimo éxito” se la denomina binomial negativa. La distribucién de probabilidad asociada es k=0,1,2,3,... con 1,2,... O
0
Su media, varianza y desviacién tfpica son
Hr = he 3 3 o,=0
Caracteristicas de la distribucién:
ita un maximo en = j1, dos puntos de inflexién en
OX como asintota.
~ La funcién de densidad f(x) pre
2=p-oyr=p+oy tiene ale
- La curva f(z) es simétrica respecto de la recta 2 = j1 y por tanto, la media, la mediana
y lamoda coinciden en este punto.
- Lasuma de dos variables aleatorias normales independientes es otra v.a. normal, es decir
Si Xi~+N (44,01) y X2~*N (4p, 02) entonces Xi + Xo~s N (itn Vo? ¥e8)
6va
~ La distribucién normal de media n-py desviacién tipica 7=D=q se utiliza como aproxi-
macién dela distribucién binomial de parametrosn y pcuandon-p>5, dbienn-q>5.
- - ow owl, &
~ Si tomamos muestras de tamafio n de una poblacién N(j1,0) entonces #~+ NV (1 =)
~ Para utilizar correctamente la aproximacién de una v.a.d. X con distribucién binomial
por una v.a.c. ¥ con distribucién normal es necesario hacer una correccién de continuidad
de tal manera que:
P(X=a) = P(a-0,5Potrebbero piacerti anche