Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ESCUELA DE ENFERMERIA
TRABAJO DE INVESTIGACION
Noviembre – 2018
Sandra.
2
INDICE
Pág.
Dedicatoria ii
Índice iii
Introducción iv
Capítulo I:
Distribución de Probabilidad
1.1. Definición 07
1.2. Definición y Clasificación de Variables Aleatorias 08
1.2.1. Definición 08
1.2.2. Clasificación 08
1.2.2.1. Variable aleatoria Discreta 08
1.2.2.2. Variable Continua 09
1.3. División de Distribución 09
Capítulo II:
2.1. Definición 11
2.2. Características 11
2.3 Tipo 12
3
2.3.3. Distribución de Poisson 16
Conclusiones y Recomendaciones 19
Referencias Bibliográficas 20
4
INTRODUCCIÓN
Probabilidad clásica.
Probabilidad distribución de frecuencias.
Probabilidad subjetiva.
Variable discreta, y
Variable continúa.
5
La varianza de una variable aleatoria discreta (s 2) se define como el
promedio ponderado de los cuadros de las diferencias entre cada resultado posible
y su media (los son las probabilidades de los resultados posibles).
Distribución Binomial, y
Distribución de Poisson
6
CAPITULO I
DISTRIBUCIONES DE PROBABILIDAD
1.1. Definición:
1
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad
7
1.2. Definición y clasificación de variables aleatorias2:
1.2.1. Definición.
1.2.2. Clasificación:
2
Kai Lai Chung. Elementary Proability Theory with Stochastic Processes. Springer-Verlag New York Inc
8
Los puntos del recorrido se corresponden con saltos en la
gráfica de la función de distribución, que correspondería al
segundo tipo de gráfica visto anteriormente3.
3
Vincenzo Jesús D'Alessio Torres Estadística y Probabilidad Chile Pág. 45.
9
b) Si la variable es continua, esto significa que puede tomar cualquier
valor dentro de un intervalo, la distribución que se generará será una
distribución continua, también llamada distribución normal o gaussiana.
10
CAPITULO II
2.1. Definición.
2.2. Característica
4
Kenneth.H. Rosen .Matemáticas Discretas y sus Aplicaciones . S.A.MCGRAW-HILL/INTERAMERICANA
DE ESPAÑA.
11
También esta función cumple con las siguientes propiedades:
Sea B un suceso asociado con la variable aleatoria X. Esto
quiere decir que B está contenido en X(S). Específicamente,
supongamos que B={xi1,xi2,…}. Por lo tanto: Dicho en otras
palabras: la probabilidad de un suceso B es igual a la suma de
las probabilidades de los resultados individuales asociados con
B.
De esto podemos concluir que si a < b, los sucesos (X ≤ a) y (a
< X ≤ b) son mutuamente excluyentes y, además, su unión es
el suceso (X ≤ b)
2.2. Tipos5
5
Seymour Lipschutz Ph.D. 2000 Problemas Resueltos de
Matemática Discretas. McGRAW-HIL
12
Por lo general, los dos posibles resultados son llamados éxito y
fracaso, donde p es la probabilidad de éxito y 1-p la de fracaso.
Podemos determinar la probabilidad de x éxitos en n pruebas de
Bernoulli que sean independientes entre sí con la siguiente
distribución.
6
Seymour Lipschutz Ph.D. 2000 Problemas Resueltos de
Matemática Discretas. McGRAW-HIL
13
Un experimento consiste en ensayos repetidos, cada uno con dos
posibles resultados: éxito y fracaso.
Sea un experimento aleatorio en el que sólo puedan darse dos
posibilidades: que ocurra un determinado suceso A, que
llamaremos éxito, o que no ocurra dicho suceso, o sea que
ocurra su complementario, que llamaremos fracaso, A.
Se conoce la probabilidad de ocurrencia del suceso A, y por lo
tanto la de su complementario:
n = Número de veces que se repite el experimento (En las
mismas condiciones, es decir, independiente)
p = La probabilidad de éxito
r = Número de éxitos
14
EJEMPLOS:
Nº de caras al lanzar 20 veces una moneda
Nº de aprobados si se presentan 80 alumnos a un examen
Nº de familias con un solo hijo en una población de 120 familias
Nº de reacciones negativas ante un fármaco administrado a 40
pacientes
Nº de accidentes de tráfico si han circulado 1200 automóviles
Nº de semillas que germinan de las 20 semillas que se han
plantado en suelos de idéntica composición
APLICACIÓN
1. EJERCICIO:
SOLUCIÓN:
15
a) Probabilidad de tener 5 aciertos:
16
2.3.3. Distribución de Poisson:
Se dice que una variable aleatoria X tiene distribución de Poisson de
parámetro λ cuando puede tomar los valores enteros positivos
0,1,2,3,… con la siguiente probabilidad:
17
En esta expresión λ es el número medio correspondiente a las
ocurrencias del suceso por cada unidad de tiempo, y x es el número
de veces que ocurre el suceso.
18
Cuando ocurre el caso de tener experimentos que no son
independientes, la distribución hipergeométrica es de gran utilidad.
CONCLUSIONES Y RECOMENDACIONES
1. CONCLUSIONES
19
Se concluye que se llama función de probabilidad de una variable
aleatoria discreta a la aplicación que a cada valor de la variable le hace
corresponder la probabilidad de que la variable tome dicho valor:
2. RECOMENDACIONES
Se recomienda la aplicación de esta probabilidad en los diversos
sucesos dado que sus aplicaciones son muy sencillas de operar en las
diversas muestras obtenidas o resultados que queremos procesar la
información en forma espontánea y rápida.
REFERENCIA BIBLIOGRAFICA
20
1. BIBLIOGRAFIA BASICA
2. BIBLIOGRAFIA ELECTRONICA
1. https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad
21