Estadistica Aplicada - Tema 5

Tema V
Distribuciones de Probabilidad
Tema 5: Distribuciones de Probabilidad

Variables
Una variable es un elemento que es susceptible de adquirir cualquier valor
dentro de su universo. Normalmente esta representada por un smbolo.
El universo de valores que puede adquirir una variable pueden definirse
dentro de un rango o estar limitados por ciertas condiciones de pertenencia.
De acuerdo con esto las variables pueden clasificarse en :
- Variables Cualitativas
Cualitativas: Son aquellas que solo pueden adquirir valores
nominales y expresan caractersticas o cualidades, por ejemplo:
Estatura
Color de una
Solucin
Desempeo
Poltico
Universidad de Oriente Departamento de Ingeniera Civil Estadstica Aplicada

Variables
- Variables Cuantitativas
Cuantitativas: Son aquellas que adquirieren valores numricos,
por ejemplo:
Numero de hijos
Edad
Volumen de
Lquido
Resistencia de un
Material
Las variables cualitativas a su vez se dividen en: discretas y continuas

- Las variables cuantitativas discretas son aquellas que presentan separaciones
o interrupciones en la escala de valores que puede tomar. Estas separaciones
indican la ausencia de valores que la variable pude tomar.
- Las variables cuantitativas continuas son aquellas que pueden adquirir
cualquier valor dentro de un intervalo especificado de valores.

Variables
- Variables Cuantitativas Discretas
Numero de hijos
1,2,3,4. 10
Edad
10,11,12 70
- Variables Cuantitativas Continuas
Volumen de
Lquido
Resistencia de un
Material
1; 1.12; 2.345 20; 21.33

Otros ejemplos:
Barcos que llegan a un puerto,
alumnos en un saln, ciudades de un
pas, etc.
Otros ejemplos:
Gasto familiar, consumo elctrico,
peso, produccin de una cosecha, etc.

Variable
Aleatoria
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,
slo se sabe que puede ocurrir con una cierta probabilidad. Por ejemplo,
se sabe por una arteria vial concurrida pueden transitar camiones de
carga pesada pero no se sabe cuantos pasaran ni en que momento lo
harn. Solo podemos tener una idea de la probabilidad de que ocurra el
evento esperado que pase un numero n de camiones por la va.

Funcin
de Probabilidad de una Variable Aleatoria
Una funcin o distribucin de probabilidad es un modelo matemtico que

permite conocer la probabilidad de que una variable aleatoria tome un
determinado valor dentro del espacio muestral.
f x P x
Cada valor de P(X) debe estar comprendido entre 1 y 0 y la probabilidad
total de un conjunto de eventos excluyentes debe ser igual a 1.

Funcin
de Probabilidad de una Variable Aleatoria
Las autoridades de la UDO Ncleo Anzotegui, est interesada en investigar si los

estudiantes estn de acuerdo con la aplicacin de las medidas de rgimen de
repitencia en la universidad. Se hace una pregunta con una encuesta: Esta de acuerdo
con la aplicacin del rgimen de repitencia?
1. Si 2. No
Supongamos que la encuesta se aplica a 3 estudiantes, entonces definimos como
variable aleatoria a:
X : Nmero de estudiantes que estn de acuerdo con el rgimen
Antes de hacer la encuesta, se pueden considerar las posibles respuestas:
x = 0 Ninguno esta de acuerdo
x = 1 Solo un estudiante esta de acuerdo
x = 2 Solo dos estudiantes estn de acuerdo
x = 3 Los tres estudiantes estn de acuerdo
Lo interesante es conocer la probabilidad de que X como variable aleatoria pueda
asumir alguno de estos 4 valores

Las distribuciones de probabilidad se aplicaran dependiendo
de la naturaleza de la variable, si esta es discreta o continua.
Variable Discreta
Distribucion Binomial
Distribucion Poisson
Distribucin Normal
Variable Continua
Distribucin t Student
Distribucin Chi Cuadrado
Distribucin Binomial
La distribucin binomial es una distribucin de probabilidades

que surge al cumplirse cuatro condiciones:
Existe una serie de N ensayos.
En cada ensayo hay slo dos posibles resultados, xito o
fracaso.
En cada ensayo, los dos resultados posibles son mutuamente
excluyentes.
Las probabilidades de ambas posibilidades han de ser
constantes en todos los experimentos (se denotan como p y q o
p y 1-p).
Donde:
n x
n x
f x p 1 p
x
n
n!

x x!(n x)!
n! x
n x
p 1 p
f x
x!n x !
f(X) = probabilidad de X
xitos dados los parmetros n
yp
n = tamao de la muestra
p = probabilidad de xito
1 p = probabilidad de
fracaso
X = numero de xitos en la
muestra ( X = 0, 1, 2, n)
La distribucin binomial es una distribucin de variable discreta

que se utiliza en situaciones donde los posibles resultados del
ensayo se reducen a dos opciones: xito o fracaso. Ejemplo:
Un estudiante puede aprobar o reprobar un examen.
Un producto salido de un fbrica puede ser defectuoso o no
defectuoso.
En el lanzamiento de una moneda puede salir cara o sello.
Un cazador al disparar puede acertar o fallar.
Del ensayo de algn material puede resultar que cumple o no
cumple con determinada especificacin.
Ejemplo
En una oficina de ventas de una constructora se ha

demostrado que los das sbados la probabilidad de venta
de un apartamento es del 20%. Si se escogen 15 clientes al
azar que entran a la oficina el da sbado, determinar la
probabilidad de:
a. Concretar 1 venta
b. Concretar menos de 3 ventas
15
15 1
f 1 0.201 1 0.20
1
15
15!

1 1!(15 1)!
Donde:
xitos dados los parmetros n
yp
n 15
p = 0.20
1 p = 0.80
X = concretar una venta =1
15!
151
0.201 1 0.20 0.1319
f 1
1!15 1!
Hay un 13,19% de probabilidades de realizar una venta
15
15 0
f 0 0.200 1 0.20 0.0352
0
15
15 1
f 1 0.201 1 0.20 0.1319
1
15
15 2
f 2 0.202 1 0.20 0.2309
2
0.0352+0.1319+0.2309=0.398 = 39,80% de probabilidades de realizar

menos de 3 ventas
Distribucin Poisson
Cuando en una distribucin binomial se realiza el experimento un

nmero "n" muy elevado de veces y la probabilidad de xito "p" en
cada ensayo es reducida, entonces se aplica el modelo de
distribucin de Poisson. Este modelo posee las siguientes
caractersticas:
La probabilidad de observar exactamente un xito en el
segmento o tamao de muestra n es constante.
El evento debe considerarse un suceso raro. Los mismos ocurren
dentro de un continuo (espacio o tiempo) y ocupan una parte
infinitesimal del mismo
El evento debe ser aleatorio e independiente de otros eventos
Distribucin Poisson
Donde:
e
fx
x!
xitos
= promedio de eventos
esperados
e = base logaritmo natural =

2.71828
X = numero de xitos en la
muestra ( X = 0, 1, 2, n)
Distribucin Poisson
La distribucin de Poisson se utiliza en situaciones donde los

sucesos son impredecibles o de ocurrencia aletaoria con
resultado discreto.
Adems es muy til cuando la probabilidad del evento que
nos interesa se distribuye dentro de una distancia, rea,
volumen o tiempo definido.
Distribucin Poisson
Algunos ejemplos son:

Defectos de una tela por m2
Aviones que aterrizan en un aeropuerto por da, hora,
minuto.
Bacterias por cm2 de cultivo
Llamadas telefnicas a una central por hora o minuto.
Llegadas de embarcaciones a un puerto por da o mes.
Ejemplo
Supongamos que estamos investigando la seguridad

de una peligrosa interseccin de calles. Los registros
policacos indican una media de 5 accidentes
mensuales en esta interseccin. El departamento de
seguridad vial desea que calculemos la probabilidad
de que en cualquier mes ocurran exactamente 3
accidentes.
Distribucin Poisson
Donde:
5 3
2.71828 5
f 3
3!
xitos
=5
e = base logaritmo natural =

2.71828
X = accidente = 3
f 3 0.1404
Hay un 14,04% de probabilidades de que sucedan 3 accidentes

Distribucin Normal
Una de las distribuciones tericas mas estudiadas y ms

utilizada en la prctica es la distribucin normal, tambin
llamada distribucin gaussiana. Este nombre lo debe a Johann
Carl Friedrich Gauss (1777-1855) a quien no se le atribuye su
descubrimiento mas si la difusin y aplicacin de su uso en los
aos1800.
Su importancia se debe fundamentalmente a la frecuencia con
la que distintas variables asociadas a fenmenos naturales y
cotidianos siguen, aproximadamente, esta distribucin.
Distribucin Normal
Histograma de Frecuencias Absolutas

Distribucin Normal
1 x 2
1
fx
exp

2
2
z 2
1
fx
exp
2
2
x
z
Distribucin Normal
La distribucin normal posee ciertas propiedades importantes que

conviene destacar:
Tiene una nica moda, que coincide con su media y su mediana.
La curva normal es asinttica al eje de abscisas. Por ello, cualquier

valor entre y - es tericamente posible. El rea total bajo la
curva es, por tanto, igual a 1.
Es simtrica con respecto a su media. Segn esto, para este tipo de

variables existe una probabilidad de un 50% de observar un dato
mayor que la media, y un 50% de observar un dato menor.
Distribucin Normal
La distancia entre la lnea trazada en la media y el punto de

inflexin de la curva es igual a una desviacin tpica .
El rea bajo la curva comprendido entre los valores situados
aproximadamente a dos desviaciones estndar de la media es
igual a 0.95. En concreto, existe un 95% de posibilidades de
observar un valor comprendido en el intervalo (-1.96; +1.96).
La forma de la campana de Gauss depende de los parmetros y
. La media indica la posicin de la campana. Por otra parte, la
desviacin estndar determina el grado de apuntamiento de la
curva. Cuanto mayor sea el valor de , ms se dispersarn los datos
en torno a la media y la curva ser ms plana. Un valor pequeo
indica, por tanto, una gran probabilidad de obtener datos cercanos
al valor medio de la distribucin.
Distribucin Normal
Generalmente no se dispone de informacin acerca de la distribucin

terica de la poblacin, sino que ms bien el problema se plantea a la
inversa: a partir de una muestra extrada al azar se realizan una serie
de mediciones y se desea extrapolar los resultados obtenidos a la
poblacin de origen. En un ejemplo supongamos que se dispone del
peso de n=100 individuos de esa misma poblacin, obtenindose una
media muestral de Kg, y una desviacin estndar muestral Kg,
querramos extraer alguna conclusin acerca del valor medio real de
ese peso en la poblacin original.
Distribucin Normal
La solucin a este tipo de cuestiones se basa en un resultado elemental de

la teora estadstica, el llamado teorema central del lmite. Dicho axioma
viene a decirnos que las medias de muestras aleatorias de cualquier
variable siguen ellas mismas una distribucin normal con igual media que
la de la poblacin y desviacin estndar la de la poblacin dividida por
n. Puesto que los valores de y son desconocidos, podramos pensar
en aproximarlos por sus anlogos muestrales y construir un intervalo de
confianza donde entre un porcentaje importante de los posibles valores,
tpicamente se considera el 95%.
Distribucin Normal
1.96
1.96
n
n
1.96S
1.96 S
;X
X
n
n
En un estudio de la cantidad de agua en las arcillas plsticas presentes en el tramo vial

Barcelona- Anaco en un total de 100 muestras extradas se obtuvo un a media de
0.50ml/m3 y una desviacin estndar de 0.08ml/m3. Queremos saber la media real
de la poblacin .
1.96 0.03
1.96 0.03
;0.50
0.50
100
100
0.4843;0.5157
Estamos seguros en un 95% que la

media poblacional se encuentra
entre 0.4843ml/m3 y 0.5157
ml/m3
Ejemplo
La media de la temperatura resistida por 500 lminas de una aleacin

especial de aluminio es de 70C y la desviacin tpica 3C. Suponiendo
que estas temperaturas se distribuyen normalmente, estimar la
probabilidad de que un conjunto de laminas extradas al azar resistan:
a.
Entre 60C y 75C
b.
Menos de 64C
Ejemplo
P(X)=0.4996
a.
Entre 60C y 65C
60 70
z60
3.33
3
Z=-3.33
Z=0
P(X)=0.4525
z75
75 70
1.67
3
Z=0
Z=1.67
a.
Ejemplo
Entre 60C y 65C
Z=-3.33
Z=0
Z=1.67
P(X)=0.4996+0.4525=0.9521=95.21%
a.
Ejemplo
P(X)=0.4772
Menos de 64
64 70
z64
2.00
3
Z=-2.00 Z=0
P(X)=0.50-0.4772=0.0228=2,28%
Distribucin t student
En muchas ocasiones no se conoce y el nmero de observaciones en

la muestra es menor de 30. En estos casos, se puede utilizar la
desviacin estndar de la muestra S como una estimacin de , pero
no es posible usar la distribucin Z como estadstico de prueba. El
estadstico de prueba adecuado es la distribucin t.
Distribucin t student
1. Al igual que la distribucin normal, es una distribucin continua.

2. La distribucin t tiene una media de cero, es simtrica respecto de la media
y se extiende de - a + la varianza de t v/v-2 para v > 2. Cuando los
grados de libertad son suficientemente grandes la varianza de la distribucin
t tiende a 1.
3. Tiene forma acampanada y simtrica
4. No hay una distribucin t, sino una "familia" de distribuciones t. todas con la
misma media cero, pero con su respectiva desviacin estndar diferente de
acuerdo con el tamao de la muestra n.
5. La distribucin t es ms ancha y ms plana en el centro que la distribucin

normal estndar como resultado de ello se tiene una mayor variabilidad en
las medias de muestra calculadas a partir de muestras ms pequeas. Sin
embargo, a medida que aumenta el tamao de la muestra, la distribucin t se
aproxima a la distribucin normal estndar.
X
S
n
t
Qu son los grados de libertad? Supongamos que estamos tratando con dos
valores de muestra, a y b, y sabemos que tienen una media de 18, es decir,
(a +b)/2 = 18.
Cmo podemos encontrar los valores que a y b pueden tomar en esta
situacin? a y b pueden ser cualesquier valor cuya suma entre los dos sea 36.
Suponga que a tiene el valor de 10. Ahora b ya no es libre de tomar cualquier
valor, sino que debe de tomar el valor de 26.
La situacin de este ejemplo se puede generalizar para cualquier (n) en donde
dada la media de los valores slo quedan (n -1) elementos que pueden
definirse libremente y uno es funcin de la media y el resto de los elementos.
v=n-1
Distribucin chi cuadrado X2
Tenemos una muestra de tamao n en la que observamos el carcter X y nos

planteamos hasta qu punto esta muestra se puede considerar como
perteneciente a una poblacin con una distribucin terica ya conocida.
Deseamos saber si dos caracteres X e Y de una poblacin son dependientes
o independientes.
Se trata de determinar si varias muestras que estudian el mismo carcter A
han sido tomadas o no de la misma poblacin, respecto de dicha
caracterstica A.

Estadistica Aplicada - Tema 5

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Estadistica Aplicada - Tema 5

Caricato da

Copyright:

Formati disponibili

Tema V

Tema 5: Distribuciones de Probabilidad

Universidad de Oriente Departamento de Ingeniera Civil Estadstica Aplicada

Tema 5: Distribuciones de Probabilidad

Las variables cualitativas a su vez se dividen en: discretas y continuas

Tema 5: Distribuciones de Probabilidad

- Variables Cuantitativas Continuas

1; 1.12; 2.345 20; 21.33

Universidad de Oriente Departamento de Ingeniera Civil Estadstica Aplicada

Tema 5: Distribuciones de Probabilidad

Tema 5: Distribuciones de Probabilidad

de Probabilidad de una Variable Aleatoria

Una funcin o distribucin de probabilidad es un modelo matemtico que

Universidad de Oriente Departamento de Ingeniera Civil Estadstica Aplicada

Tema 5: Distribuciones de Probabilidad

de Probabilidad de una Variable Aleatoria

Las autoridades de la UDO Ncleo Anzotegui, est interesada en investigar si los

Tema 5: Distribuciones de Probabilidad

Universidad de Oriente Departamento de Ingeniera Civil Estadstica Aplicada

Tema 5: Distribuciones de Probabilidad

La distribucin binomial es una distribucin de probabilidades

Tema 5: Distribuciones de Probabilidad

Universidad de Oriente Departamento de Ingeniera Civil Estadstica Aplicada

Tema 5: Distribuciones de Probabilidad

La distribucin binomial es una distribucin de variable discreta

Tema 5: Distribuciones de Probabilidad

En una oficina de ventas de una constructora se ha

Universidad de Oriente Departamento de Ingeniera Civil Estadstica Aplicada

Tema 5: Distribuciones de Probabilidad

X = concretar una venta =1

Hay un 13,19% de probabilidades de realizar una venta

Universidad de Oriente Departamento de Ingeniera Civil Estadstica Aplicada

Tema 5: Distribuciones de Probabilidad

0.0352+0.1319+0.2309=0.398 = 39,80% de probabilidades de realizar

Tema 5: Distribuciones de Probabilidad

Cuando en una distribucin binomial se realiza el experimento un

Tema 5: Distribuciones de Probabilidad

e = base logaritmo natural =

Universidad de Oriente Departamento de Ingeniera Civil Estadstica Aplicada

Tema 5: Distribuciones de Probabilidad

La distribucin de Poisson se utiliza en situaciones donde los

Universidad de Oriente Departamento de Ingeniera Civil Estadstica Aplicada

Tema 5: Distribuciones de Probabilidad

Algunos ejemplos son:

Tema 5: Distribuciones de Probabilidad

Supongamos que estamos investigando la seguridad

Universidad de Oriente Departamento de Ingeniera Civil Estadstica Aplicada

Tema 5: Distribuciones de Probabilidad

e = base logaritmo natural =

Hay un 14,04% de probabilidades de que sucedan 3 accidentes

Tema 5: Distribuciones de Probabilidad

Una de las distribuciones tericas mas estudiadas y ms

Tema 5: Distribuciones de Probabilidad

Histograma de Frecuencias Absolutas

Tema 5: Distribuciones de Probabilidad

Universidad de Oriente Departamento de Ingeniera Civil Estadstica Aplicada

Tema 5: Distribuciones de Probabilidad

La distribucin normal posee ciertas propiedades importantes que

Tiene una nica moda, que coincide con su media y su mediana.

La curva normal es asinttica al eje de abscisas. Por ello, cualquier

Es simtrica con respecto a su media. Segn esto, para este tipo de

Tema 5: Distribuciones de Probabilidad

La distancia entre la lnea trazada en la media y el punto de

Tema 5: Distribuciones de Probabilidad