Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
TECNICAS DE CONTEO
Se estudian en este aparte algunos técnicas especiales que facilitan el trabajo de contar
los casos favorables y posibles que definen la medida de probabilidad.
Sea un experimento que se tiene que realizar en K diferentes etapas, cada una se puede hacer
de ni formas distintas, entonces el experimento completo puede hacerse en:
formas.
Ejemplo
Las maneras diferentes de viajar de una ciudad A a otra C pasando por una B, asumiendo que
hay 3 alternativas para ir de A a B, y 4 de B a C
n x n x n x n x n x n = 10 * 28 = 21.952.000
PRINCIPIO DE LA ADICION
Ejemplo
Las formas de hacer un viaje a un sitio determinado al cual viajan 3 empresas de buses, el
tren y 4 compañías de aviación son por lo tanto 3 + 1 + 4 = 8 maneras diferentes para
realizar el viaje.
MUESTRAS ORDENADAS
Cuantas alternativas son posibles para obtener una cifra de 4 dígitos a. Sin que ninguno
dígito sea repetido. Los números del 0 a 9 son distintos y se desean cifras sin que ningún
digito se repita, la solución es a partir de MOSR, es decir:
P . b. No empiece con cero y no se repita ningún dígito. La cifra debe empezar con
cualquiera de los 9 dígitos distintos de cero, como no se puede repetir un dígito entonces
para el segundo número se cuenta con 9 dígitos, por la anterior razón las posiciones tres y
cuatro se pueden llenar con 8 y 7 dígitos, respectivamente. Aplicando el principio de la
multiplicació
n se tiene un total de cifras igual a: 9* 9*8*7 c. Teniendo en cuenta que uno o más dígitos
estén repetidos. La distinción entre los dígitos se mantiene, pero ahora se considera la
repetición, por lo tanto la solución es través de MOCR ( 10 ), aquí se hace necesario
reflexionar porque no se desean cifras sin dígitos repetidos( P ), por tanto la respuesta
es: 10 - P =4960
MUESTRAS NO ORDENADAS
formas diferentes.
ii. Con repetición o con reemplazo. En este caso se puede asumir que en cada etapa de
selección se va agregando un elemento "nuevo", desde luego a excepción de la primera etapa,
equivale esto a aumentar la población en el número de etapas de selección menos una. Implica
decir que (n-1) de los N elementos pueden volver a ser seleccionados. La combinatoria que
aparece a continuación permite contar el total de
Ejemplo
De acuerdo al ejemplo 38, el total de subconjuntos de tamaño 2 tomados de el conjunto de 4
b.
PARTICION DE UN CONJUNTO
El total de formas diferentes en que se pueden repartir N elementos en K subconjuntos cada
Ejemplo
Se reparte un naipe de 52 cartas entre cuatro personas de tal manera que al primero le
correspondan los ases, al segundo las figuras, al tercero los números impares y al cuarto
las demás cartas. De cuántas maneras se puede lograr esta partición? Solución: En una baraja
de póquer hay 4 ases, en cada una de las cuatro pintas se tienen 3 figuras y las demás
cartas están numeradas del 2 al 10. Por lo tanto: N = 52 N = 4 N = 12 N = 16 N = 20 El
total de particiones es igual a:
MODELO
Ejemplos
4. Al quemar un hidrocarburo como el gas propano en presencia del oxígeno, se produce gas
carbónico más agua.
5. Se hace actuar sobre un cuerpo de un kg. de masa una fuerza de un Newton, se obtiene una
aceleración de un metros/segundo
Ejemplos
Esta secuencia muestra una no aparente regularidad. Sin embargo, uno no puede predecir el
género del próximo nacimiento , pero si se puede predecir a lo largo de muchas ejecuciones
la poporción de niños (o niñas) en esta secuencia será cercana a . Este comportamiento a
lo largo de muchas ejecuciones es llamado regularidad estadística y es evidente, por
ejemplo, en todos los juegos de azar.
3. El querer determinar la cantidad de lluvia que caerá debido a una tormenta que pasa por
una zona específica, el origen de la tormenta, la dirección de la tormenta, etc.
1.Todos los posibles resultados del experimento son conocidos antes de hacer una realización
del experimento.
3.El experimento puede ser repetido bajo (más o menos) identicas condiciones.
Ejemplos
b.Una bombilla manufacturada en una planta es expuesta a una pueba de vida y el tiempo de
duración de una bombilla es registrado.. En este caso no se conoce cual será el tiempo de
duración de la bombilla seleccionada, pero claramente se puede conocer de antemano que será
un valor entre y horas
e.Seleccionar una planta de una parcela y observar si padece alguna enfermedad, es decir es
sana o enferma
Ejercicio
Describa un experimento estadístico y otro no estadístico y explique porque lo es o no.
El más importante como tambien el más interesante y difícil parte en la construcción del
modelo es la signación de probabilidades. Es pertinente en este momento distinguir entre
probabilidad y estadística. En probabilidad, nosotros hacemos ciertas suposiciones acerca de
la población y entonces decimos algo acerca de la muestra. Esto es, el problema en
probabilidad es:
Dada una muestra (conjunto de resultados), qué se puede decir acerca de la población (o el
modelo)?
Ejemplos
2 Gasolina.
Ejemplo
Lanzamiento de monedas.
1.Una moneda es lanzada una vez. Entonces .donde denota el resultado cara y
denota sello.
3.Ahora si contamos el número de caras en el resultado del caso (a) y (b), entonces
y como los respectivos espacios muestrales
EJERCICIOS
Asumiendo que un miembro no puede ocupar ambas posiciones, escriba el espacio muestral
asociado con este experimento.
El conjunto vacío y son subconjuntos de por tanto son eventos; se denomina algunas
veces el evento imposible o nulo, y algunas veces se denomina el evento cierto o seguro.
Ω A
Si A ,entonces A
Si A entonces A
Ω A
Si A ,entonces A
Si A entonces A
Si A entonces A
Es de notar que:
1. se sigue de y .
Ejemplo
1.Supongamos que el experimento consiste en lanzar una moneda.
El espacio muestral es y una álgebra sobre sería
(i)
(ii)
(iii) y
Se dice que dos o más eventos son mutuamente excluyentes si la ocurrencia de cualquiera de
ellos impide la ocurrencia de uno de los otros; es decir, para dos evento se cumple que
EJERCICIOS
Los eventos son denotados por letras mayúsculas y así sucesivamente. Es común
denotar algunos eventos en terminos de operaciones entre conjunto. Se supone que el lector
eatá familiarizado con operaciones entre conjuntos.
Sea = {a, b, c} 2 = 2 = 8.
4. Sea = {a, b, c} 2 = 2 = 8.
i. Ø
i. Ø
Ø Ø =
Ø = Ø
8. Del ejemplo 10 de espacio muestral, el evento E: El sistema tiene no más de una salida =
{0,1}.
DEFINICION DE PROBABILIDAD
Axiomas de Probabilidad
PROBABILIDAD DE EVENTOS
REGLA DE LA ADICION
Los eventos compuestos se generan al aplicar las operaciones básicas de los conjuntos a los
eventos simples. Las uniones, intersecciones y complementos de eventos son de interés
frecuente. La probabilidad de un evento compuesto a menudo pueden obtenerse a partir de las
probabilidades de cada uno de los eventos que lo forman. En ocasiones, las operaciones
básicas de los conjuntos también son útiles para determinar la probabilidad de un evento
compuesto.
Demostración:
Se conoce que
PROBABILIDAD CONDICIONAL
La probabilidad de que un evento ocurra cuando se sabe que ya ocurrio un evento se llama
probabilidad condicional y se denota por que por lo general se lee como probabilidad
de que "ocurra B dado que ocurrió A". Esta probabilidad se define como:
La probabilidad condicional es una función de probabilidad, definida como
Axioma I
Como
Axioma II
Como
Axioma III
Como
como los eventos son mutuamente excluyentes, entonces los eventos
son también mutuamente excluyentes y así
Ejemplo
1. La antena de una instalación de radar recibe, con probabilidad , una señal útil con una
interferencia superpuesta, y con probabilidad solo la interferencia pura. Al suceder
una señal útil interferida, la instalación indica la existencia de cualquier señal con
probabilidad , cuando aparece una interferencia pura con la probabilidad . Sí la
instalación ha indicado la existencia de cualquier señal, determinar la probabilidad de que
esta indicación haya sido ocasionada por una señal útil con interferencia superpuesta.
Solución:
Entre los 200 empleados de una empresa hay 150 graduados, 60 del total consagran parte de su
tiempo por lo menos a trabajos técnicos, 40 de los cuales son graduados. Sí se toma al azar
uno de estos empleados, cuál es la probabilidad de que:
Solución:
: el empleado es graduado
Trabajos Otros
técnicos trabajos Total
Graduados 40 150
No graduados
Total 60 200
Trabajos Otros
técnicos trabajos Total
Graduados 40 150
No graduados
Total 60 200
a. La probabilidad de que sea graduado dado que se sabe no consagra su tiempo al trabajo
técnico, , se puede calcular en este caso de manera fácil utilizando la tabla de
contingencia, en la cual esta proabbilidad es calcual determinando proporción de los de
otros trabajos son graduados es decir,dada como el cociente entre es
y como . Luego
REGLA DE LA MULTIPLICACION
Ejemplo
1. (Inspección de Lotes)
Un lote contiene items de los cuales son defectuosos. Los items son seleccionados uno
despues del otro para ver si ellos son defectuosos. Suponga que dos items son seleccionados
sin reemplazamiento (Significa que el objeto que se selecciona al azar se deja por fuera del
lote). ¿ Cúal es la probabilidad de que los dos items seleccionados sean defectuosos?.
Solución
entonces dos items seleccionados seran defectuosos, cuando ocurre el evento que es
la intersección entre los eventos y . De la información dada se tiene que:
Ahora suponga que selecciona un tercer item, entonces la probabilidad de que los tres items
seleccionados sean defectuosos es
EJEMPLOS
Solución
Sean
: el evento donde la batería experimenta una corriente de carga mayor que la normal, y
Luego, la probabilidad de que la batería experimente tanto una corriente de carga alta como
una temperatura alta, es :
Solución:
Solución:
Luego
rechazar Aceptar
EVENTOS INDEPENDIENTES
DEFINICIÓN. Independencia para dos eventos
NOTAS
Ejemplo
Así, la probabilidad de que al sacar tres cartas de una baraja, la primera carta sea un as
rojo, la segunda carta sea un 10 o jota y la tercera carta sea mayor que 3 y menor que 7 es
de 0.0014 o 0.14%.
PROBABILIDAD TOTAL
Teorema
Demostración
es decir,
Ejemplo
Considere una fábrica de colchones, quien realiza una campaña publicitaria para
mejorar sus ventas. Para evaluar la efectividad de la campaña, la fábrica guarda
los registros de si o no un cliente ha visto el aviso publicitario y si o no el
cliente ha hecho una compra. Con base en este registro, es estimado que la
probabilidad de que un cliente haya visto el aviso es , la probabilidad
condicional de que una venta se haya realizado dado que el cliente ha visto el
aviso es , y la probabilidad condicional de que una venta se haya realizado dado
que el cliente no ha visto el aviso es . ¿ Cuál es la probabilidad de que una
selección aleatoria de un cliente sea la un cliente que hará una compra?.
Solución
el cliente ha visto el
:
aviso
el cliente no ha visto
:
el aviso
Entonces
EJERCICIOS
1
La policía planea reforzar los límites de velocidad mediante el uso de un sistema de radar
en cuatro diferentes puntos de la ciudad. Las trampas de radar en cada uno de los sitios
operan 40%, 30%, 20% y 30% del tiempo, y is una persona que maneja a gran
velocidad cuando va a su trabajo tiene las probabilidades de 0.2, 0.1, 0.5 y 0.2,
respectivamente, de pasar por esos lugares, ¿ cuál es la probabilidad de que reciba una
multa por conducir con exceso de velocidad?
La irregularidad del corte de productos de papel aumenta a medida que las hojas de la
cuchilla se desgastan. Sólo el 1% de productos cortados con cuchillas nuevas tienen cortes
irregulares, el 3% de los cortados con cuchillas de filo promedio exhiben irregularidades y
el 5% de los cortados con cuchillas desgastadas presentan irregualridades. Si el 25% de las
cuchillas utilizadas en el proceso de corte son nuevas, el 60% tiene un filo promedio y el
15% de las cuchillas están desgastadas, ¿cuál es la proporción de productos que tendrán
cortes irregulares?
TEOREMA DE BAYES
Teorema
Sea un espacio muestral y , , una colección de eventos mutuamente excluyentes
tal que
Ejemplo
En cierta planta de montaje, tres máquinas B B B , montan 30%, 45% y 25% de los
productos, respectivamente. Se sabe de la experiencia pasada que 2%, 3%, y 2% de los
productos ensamblados por cada máquina, respectivamente, tiene defectos. Ahora, suponga que
se selecciona de forma aleatoria un producto terminado y se encuentra que es defectuoso, ¿
cuál es la probabilidad de que esté ensamblado por la máquina B ?
Solución:
Entonces:
Así, al seleccionar de forma aleatoria un producto terminado y encontrar que es defectuoso,
la probabilidad de que esté haya sido ensamblado por la máquina B es del 20%.
__
VARIABLES ALEATORIAS
DEFINICI\'ON GENERAL
Similarmente, si dos personas empiezan a caminar desde el mismo punto al mismo tiempo a lo
largo de líneas perpendiculares, entonces el espacio muestral es el conjunto de pares
ordenados de números reales positivos correspondientes a sus distancias desde el
punto de inicio
Así, para todo punto (resultado del espacio muestral) en se puede asignar un número
real positivo que representa la distancia entre las dos personas despues de
horas.
Definición
Sea un espacio muestral con una clase de eventos . cualquier regla que asigna a cada
elemento un número real es llamada variable aleatoria.
Nota 1.
Todos los subconjuntos de un solo punto y todos los intervalos (cerrados, abiertos, o
semicerrados) son eventos. También uniones, diferencias e intersecciones de intervalos.
Nota 2.
Las variables aleatorias será denotadas con letras mayúsculas , ,U,V,W, etc. El valor
asignado por será denotado por . Esto es, se escribira por .
Ejemplo 1
Número de hijos en una familia, número de cuartos en una casa, el ingreso de una familia, el
tiempo de duración de una pieza de un equipo, el número de errores en un página de un libro,
la corriente eléctrica que pasa por un punto dado.
Ejemplo 2
la cual asigna a cada elemento del espacio muestral un número real como se muestra
de manera explicita a continuación:
2
3
4
5
6
Ejemplo 3
Un dado es lanzado dos veces, entonces . Algunas variables
aleatorias que se podrían definir son:
El rango o los valores que toman las anteriores variables son respectivamente:
CASO DISCRETO
Definición
Una variable aleatoria (v.a.) es discreta si los valores que asigna forman un conjunto
contable (finito o infinito).
Ejemplo
Sea el número de caras al lanzar dos monedas. Los valores que asigna son , el cual
es un conjunto contable (finito).
FUNCION DE PROBABILIDAD
Sea una variable discreta. La colección de números que satisface las propiedades:
Ejemplo de 2 dados
Se realiza el siguiente experimento: se lanzan dos dados, uno rojo y otro azul.
Explicación: Esta es una de las maneras de definir una función de probabilidad sobre la
sigma álgebra. En este caso debido a que el espacio muestral es finito, se define la función
de probabilidad para cada elemento de como:
Sea la variable aleatoria que representa la suma de los números obtenidos en las caras,
entonces la variable aleatoria asigna números reales a cada uno de los elementos de
espacio muestral como se muestra Aquí
Probabilida
d
=
= =
= =
= =
= =
= =
= =
= =
= =
= =
Ejemplo
Ejercicio 1
x -2 -1 0 1 2
f(x
)
1.P( X\2)
2.P( X>-2)
3.P( -1\X\1)
4.P( X\-1\text o X=2)
Ejercicio 2
Ejercicio 3
CASO CONTINUO
Una variable es llamada continua si toma todos sus valores sobre un intervalo de la recta
real. Esto es, el conjunto es un intervalo sobre . Como ejemplo este caso
se pueden considerar variables tiempo, edad y estatura.
FUNCION DE DENSIDAD
Sea una variable aleatoria definida sobre La función de densidad es dada
por alguna función integrable sobre tal que
Sea una variable aleatoria definida sobre . Toda función que es integrable
sobre y satisface:
Este teorema nos sirve para determinar cuando una función integrable sobre es una función
de densidad de alguna variable aleatoria continua .
Ejemplo
Esta es una función integrable que satisface que para todo como se puede
observar en la figura 1.
Además
Sea el evento A= entonces la probabilidad de A puede ser calculada como
Ejemplo
y el gráfico es dado
Figura 2. Gráfico de función de probabilidad acumulada
Teorema
para todo
así F es no decreciente
Sea una variable aleatoria con función de distribución acumulada dada por (Figura 3)
VALOR ESPERADO
Los promedios son parte de nuestro diario vivir. Nosotros escuchamos el promedio de lluvia
en una ciudad en un año, el promedio de temperatura en Agosto, el promedio de edad de los
trabajadores de una empresa, entre otros. El objetivo de esta seccióon es mostrar algunas
características numéricas de una distribución poblacional. El más comun promedio utilizado
en estadística es la media o valor esperado o esperanza matemática.
Sea una variable aleaoria definida sobre y sea una función real definida sobre .
defina por
Definición
Caso discreto
Caso continuo
Así, el jugador esperará ganar luego de muchos juegos $0.5. Cabe notar que 50 centavos
no es ninguno de los posibles valores de la variable aleatoria, así, es completamente
posible que una variable aleatoria nunca tome el valor de su esperanza.
Ejemplo 2 Suponga que el número de autos que pasa por un lavado de autos entre 4:00
p.m. y 5:00 pm en cualquier viernes soleado tiene la siguiente distribución de
probabilidad:
Ejemplo 3
Sea la variable aleatoria continua el diámetro de un agujero taladrado en una placa
de metal. El diámetro requerido es 12.5 milímetros, pero muchas perturbaciones
aleatorias en el proceso dan como resultado diáme-tros más grandes. La recopilación de
datos indica que la distribución de puede modelarse con la función de densidad de
probabilidad ¿Cuál es el valor esperado de la ?,
¿Cuál es su varianza?
EJERCICIOS
Ejercicio 1 En un estudio de exploración petrolera Kinchen (1986) cita un ejemplo en el que
un presupuesto de exploración de 50.000 dólares se asigna a un solo prospecto. El resultado
puede ser un pozo seco, 50.000 barriles (bbl), 100.000 bbl, 500.000 bbl o 1.000.000 bbl, con
las probabilidades y resultados monetarios que se muestran en la tabla. Sea el valor
monetario de un solo prospecto petrolero. Calcule y .
Ejercicio 3 Demostrar las características de las medias y las varianzas (del 1 al 5).
EJERCICIOS PROPUESTOS
Es la más simple de todas las distribuciones modelo y en ella la variable aleatoria asume
cada uno de los valores con una probabilidad idéntica.
" Sea la variable aleatoria X que puede asumir valores con idéntica probabilidad.
Entonces la distribución uniforme discreta viene dada por:
O sea que el parámetro clave en esta distribución es =número de valores que asume la
variable aleatoria X y que sería un parámetro de contéo.
Así por ejemplo cuando se lanza un dado correcto, cada una de las seis caras posibles
conforman el espacio muestral: La v.a X: número de puntos en la
cara superior del dado tiene una distribución de probabilidad Uniforme discreta, puesto que:
= para
en otro caso.
Valor esperado ( )
Varianza (
Para el caso del lanzamiento del dado: el valor esperado y la varianza del número de puntos
en la cara superior son:
Ejercicio
(Walpole, pág 122) Selección de un empleado entre equipo de 10 con el fin de supervisar un
proyecto especifico. Esa selección se hace al azar utilizando papeleta con números.
papeleta.? y
Definición
Ejemplo
El atributo calidad de un producto se puede dar como: Excelente, bueno, regular y malo.
Critérios ó características:
En pruebas independientes.
y donde: y
Con y
Ejemplo
Se sabe que las bombas de gasolina para autos existentes en el mercado se pueden clasificar
en:
de rendimiento excelente .
de rendimiento bueno .
de rendimiento regular .
de rendimiento malo .
Ejercicio
1.El experimento tiene solamente dos posibles resultados mutuamente excluyente denominados
éxito (E) y fracaso (F). de esta manera el espacio muestral es dado por
Una variable aleatoria Bernoulli se define como el resultado numérico de una prueba
Bernoulli
éxito
donde
El parámetro es
Media y Varianza
Ejemplo
Aqui se puede definir ser defectuoso como el éxito y no ser defectuoso como el fracaso.
DISTRIBUCION BINOMIAL
Notación:
Definición
Ejemplo
Éxito podría ser hallar en un ensayo específico que la unidad es defectuosa al examinarla.
Cada experimento aleatorio consiste en una serie de ensayos o pruebas repetidas realizadas
en idénticas condiciones ( veces), o sea que cada uno de ellos es independiente de los
demás.
Sea la probabilidad de éxito cada vez que el experimento se realiza y la
probabilidad de fracaso. Sea X la variable aleatoria que representa el número de éxitos en
los ensayos o pruebas. El interés se centra en conocer la probabilidad de obtener
exactamente éxitos en esos ensayos.
2- Cada uno de los ensayos o pruebas arroja solo uno de dos resultados posibles
resultados: éxito ó fracaso.
Para entero y
Planteamiento Básico
Supongamos que el interés está en evaluar el proceso mediante una muestra aleatoria de 4
unidades y por tanto se define la v.a X como el número de unidades defectuosas en la
muestra. Para garantizar que los ensayos resulten independientes hacemos la selección con
reemplazamiento o sustitución.
Supongamos que centramos nuestro interes en unidad defectuosa en las cuatro pruebas o
ensayos. Sea B=bueno y D= defectuoso. Por lo tanto el esta conformado por 16 resultados
posibles
.....
Como son cuatro resultados los que satisfacen el interés específico de una unidad defectuosa
entonces
Consideremos el caso ya no de defectuoso; sino todos los valores que puede asumir X en
las cuatro pruebas.
Los valores de se pueden calcular por medios electrónicos ó utilizando las tablas de la
distribución binomial que proporcionan la solución de estas operaciones, a veces largas o
laboriosas.
Con los resultados de esos cálculos podemos construir la tabla de distribución de
probabilidades, hacer su gráfica y definir sus principales características.
Asimetria ó deformacíon (Forma): con base en la razón entre los momentos centrales de
orden dos y tres como quedo definido antes:
Tota
0
l
; tambien
;
Ejemplo
Una empresa adoptó un proceso de control ded calidad consistente en diariamente seleccionar
al azar 20 unidadeds del total producido y conocer el número de unidades defectuosas. El
plan establece que si al examinar diariamente las veinte unidades, tres ó mas salen
defectuosas, algo esta pasando y se ordena detener el proceso productivo para buscar la
falla. Cúal es la probabilidad de que se ordene parar el proceso productivo si se sabe por
experiencia que la probabilidad de una unidad defectuosa es 10%?
Se pide:
Varianza
Valores que como es lógico tambien pueden ser hallados por el método tradicional.
Si se hace la grafica para determinar la forma (aunque se deduce que como será
sesgada a la derecha). Veremos sin embargo que dado , no es tan sesgada como en el
caso del otro ejemplo tratado aqui.
Si se hace crecer , por ejemplo, hasta , todavía se torna más simétrica, tendiendo
hacia una normal a pesar de que no sea tan cercano a pero si alejado de cero ( ) ó de
uno ( ). En la práctica, si irá tornandose simétrica para valores de
( )
Ejercicios
Entre 3 a 6 .
Mas de 5 .
DISTRIBUCION HIPERGEOMETRICA
Notación:
Definición
La diferencia mas simple con la binomial es la forma de aplicar el muestreo. En efecto, en:
Sus aplicaciones estan en areas con uso considerable de muestreo de aceptación, pruebas
electronicas y de aseguramiento de la calidad, fabricación de piezas, etc.
Definición
de la población. Generalmente:
Planteamiento:.
Pueden ser calculos tediosos ó laborosos cuando es grande. Por ello hay quienes aplican la
forma simplificada ó de recurrencia:
Ejemplo
para
Que simplificadamente:
Varianza:
ó tambien.
DISTRIBUCION DE POISON
Notación:
Introducción
Llamada asi por su autor Siméon Denis Poisson, probabilista del siglo XIX, pues fue el
primero en describirla. Es una generalización de la distribución binomial cuando sobre un
. se define una variable aleatoria que representa el número de éxitos independientes
que ocurren para intervalos de medida específicos ( tiempos, lugares, espacios) , ademas con
una probabilidad de ocurrencia pequeña.
Se le llama distribución de los "eventos raros" pues se usa como aproximación a la binomial
cuando el tamaño de muestra es grande y la proporción de éxitos es pequeña.
Esos intervalos de medida pueden referirse a: Tiempo: (Segundo , minuto, hora, dia, semana,
etc.) Area: (Segmento de linea, pulgada cuadrada, Centimetro cuadrado, etc). Volumen:(
Litro, galón, onza, etc.)
Ejemplo
Criterios ó propiedades
Definición
Sea una variable aleatoria que representa el número de eventos aleatorios independientes
que ocurren con igual rapidez en un intervalo de medida. Se tiene entonces que la función de
probabilidad de esta variable, se expresa por:
Los resultados de las probabilidades individuales para valores de serán más pequeños
conforme la variable aleatoria toma valores cada vez más grandes.
Ejemplo
y valores de más grandes pero con probabilidad mas pequeña. Se nota el punto de inflexión
entre y y no es tan sesgada a la derecha por el valor
Varianza:
Forma ó sesgo: Hacia la derecha ó con sesgo positivo y que se va perdiendo a medida que
crece. Veamos una gráfica de funciones de probabilidad para diferentes valores de
Aqui y
Ejemplo
El número de pulsos que llegan a un contador GEIGER se presentan en promedio de 6 pulsos por
minuto. Hallar la probabilidad de que en 15 minutos se reciban exactamente 20 pulsos.
es decir, que una frecuencia de 6 pulsos por minuto es eqyivalente a una de 1
por minutos.
DISTRIBUCION NORMAL
Importancia de la distribución normal
2.Es el límite al que convergen tanto variables aleatorias continuas como discretas.
2.El valor esperado, la mediana y la moda tienen el mismo valor cuando la variable aleatoria
se distribuye normalmente.
En la práctica, algunas de las variables que observamos sólo pueden aproximar estas
propiedades. Así que si el fenómeno puede mediarse aproximadamente mediante la distribución
normal se tendrá:
El modelo matemático
donde
es la constante matemática aproximada por 2.71828
Parámetros
Así,
A continuación se presentan las gráficas de las funciones de densidad Normal con el objetivo
de observar cambios en la distribución de probabilidad:
Caso 1:
Ejemplo:
Caso 2:
Ejemplo: ( y )
Ahora, al examinar la primera y segunda derivada de , se pueden listar otras propiedades
de la curva normal:
1.La moda, que es el punto sobre el eje horizontal donde la curva es un máximo ocurre cuando
.
2.La curva es simétrica alrededor de un eje vertical a través del valor esperado .
4.La curva normal se aproxima al eje horizontal de manera asintótica conforme nos alejamos
de la media en cualquier dirección.
Definición:
La distribución de probabilidad de una variable aleatoria normal con media cero y varianza 1
se llama distribución normal estándar.
Función de Densidad
Normal (0,1)
Gráfico 6.
Función de Densidad
Normal (0,1)
Manejo de tablas
La tabla anexa representa las probabilidades o áreas bajo la curva normal calculadas hasta
los valores partículares de interés (Transformados). Al observar la tabla se observa que
todos los valores deben registrarse primero con hasta dos lugares decimales. Por ejemplo,
para leer el área de probabilidad bajo la curva hasta , podemos recorrer hacia
abajo la columna Z de la tabla hasta que ubiquemos el valor de interés (en décimas). Así
pues, nos detenemos en la fila . A continuación, leemos esta fila hasta que
intersecamos la columna que contiene el lugar de centésimas del valor ( ). Por tanto,
en el cuerpo de la tabla, la probabilidad tabulada para z=1.57 corresponde a la intersección
de la fila z=1.5 con la columna z=0.07 y es 0.9418.
Para determinar si los datos provienen de una distribucón aproximadamente normal, se pueden
considerar tres métodos:
3.Construir una gráfica de probabilidad normal para los datos Si los datos son
aproximadamente normales, los puntos caerán (aproximadamente) en una línea recta.
1.Haga una lista de las observaciones del conjunto de datos de muestra en orden ascendente,
donde representa el i-ésimo valor ordenado.
NOTA: Las verificaciones de normalidad dadas son sólo técnicas descriptivas. Es posible
(aunque poco probable) que los datos no sean normales a pesar de que las verificaciones se
satisfacen razonablemente. Por tanto, se debe tener cuidado de no asegurar que las
mediciones, de hecho, se distribuyen normalmente. Sólo podemos decir que es razonable pensar
que los datos provienen de una distribución normal.