Anda di halaman 1dari 24

Anlisis de Datos para la Gerencia

Probabilidades: distribuciones
de probabilidad
Sesin 6

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

Variable Aleatoria
Una variable aleatoria es una descripcin
numrica de los resultados de un experimento.
Una variable aleatoria discreta puede asumir
ambos una secuencia finita o una infinita de
valores.
Una variable aleatoria continua puede asumir
cualquier valor en un intervalo o en un conjunto
de intervalos.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

Distribucin Discreta de
Probabilidades
La distribucin de probabilidades para una variable
aleatoria describe cmo se distribuyen las probabilidades
entre todos los valores de la variable aleatoria.
La distribucin de probabilidades se define por una
funcin de probabilidades denotada por f(x), que provee
probabilidades a cada valor de la variable aleatoria.
Se requiere que la funcin de probabilidades discreta
cumpla con las siguientes condiciones:

f (x ) > 0
f (x ) = 1
Describimos una distribucin discreta de probabilidades
con un listado, una tabla, un grfico, o una ecuacin.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

Valor Esperado
Valor Esperado o media de una variable aleatoria
es la medida de tendencia central
Valor esperado = = E(x) = xi f(xi)
El valor esperado es un promedio ponderado de los
valores que la variable aleatoria puede asumir. Las
ponderaciones son las probabilidades.
El valor esperado no tiene que ser un valor que la
variable aleatoria pueda asumir.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

Varianza y Desviacin Estndar


Varianza resume la variabilidad de esta variable
aleatoria.
Varianza = 2 = E[ (Xi (Xi P(Xi)
Es un promedio ponderado de las desviaciones al
cuadrado respecto de la Media.
Las ponderaciones son sus probabilidades
La desviacin estndar, s, se define como la raz
cuadrada positiva de la Varianza.
Desviacin estndar = =

Varianza = 2

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

Distribucin de Probabilidades
Binomial
Propiedades del Experimento Binomial
1. Secuencia de n Ensayos Idnticos
2. Cada ensayo tiene slo 2 resultados
xito (Resultado deseado) o Fracaso
3. Las Probabilidades en todos los ensayos son
constantes
4. Los Ensayos son Independientes.

Dos mtodos de muestreo diferentes


Poblacin Infinita sin Reemplazo
Poblacin Finita con Reemplazo
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

Distribucin de Probabilidades
Binomial: Funcin
f(x) =

n!
x !(n - x )!

p x (1 - p )n - x

f(x) = probabilidad de X = x dados n & p


n = nmero de ensayos
p = probabilidad de xito
x = numero de xitos en las n repeticiones
(X = 0, 1, 2, ..., n)
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

Distribucin de Probabilidades
Binomial
Valor esperado
E (x) = = n p
Varianza
Var(x) = 2 = n*p*(1 - p )
Desviacin Estndar
DS(x) = = n*p*(1 - p )

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

Distribucin de Poisson
Una variable aleatoria que sigue la distribucin
de Poisson es til para estimar el nmero de
ocurrencias en un especfico intervalo de tiempo
o espacio.
Es una variable discreta que puede asumir un
nmero infinito de valores. (X = 0, 1, 2, 3, . . . ).

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

Distribucin de Poisson
Ejemplos de Variables Aleatorias de Poisson:
El nmero de llamadas que ingresan a una
central telefnica en una hora
El nmero de vehculos que pasan por
una caseta de peaje en media hora

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

10

Anlisis de Datos para la Gerencia

Distribucin de Poisson
Dos Propiedades del Experimento de Poisson:
1. La probabilidad de ocurrencia es la misma
para cualquier par de intervalos de igual
tamao.
2. La ocurrencia o no ocurrencia en cualquier
intervalo es independiente de la ocurrencia
o no ocurrencia en cualquier otro intervalo.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

11

Anlisis de Datos para la Gerencia

Distribucin de Poisson: Funcin


e- x
f(x) =
x!
f(x) = probabilidad de que X = x dado
= Valor esperado (media) del nmero de
xitos
e = 2.71828 (base de logaritmos naturales)
x = nmero de xitos por unidad

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

12

Anlisis de Datos para la Gerencia

Distribucin de Poisson
Una caracterstica de la distribucin de
Poisson es que la media y la varianza
son iguales.

= 2

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

13

Anlisis de Datos para la Gerencia

Distribucin de Poisson
Funcin de probabilidad de Poisson

Puesto que no hay lmite superior indicado por el


nmero de casos, la funcin de probabilidad f (x) se
aplica a los valores de x = 0, 1, 2, ... sin lmites.
En las aplicaciones prcticas, x solo alcanza un
valor lo suficientemente grande como para que f(x)
sea aproximadamente igual a cero y la probabilidad
de que tome valores ms grandes es insignificante.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

14

Anlisis de Datos para la Gerencia

Distribuciones Continuas
de Probabilidades
Una variable aleatoria continua puede asumir
cualquier valor en un intervalo de la recta de
nmeros reales o en un conjunto de
intervalos.
No es posible hablar de la probabilidad de
que la variable aleatoria asuma un valor en
particular.
En lugar de ello, hablamos de la probabilidad
de que la variable aleatoria asuma un valor
dentro de un intervalo dado.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

15

Anlisis de Datos para la Gerencia

Distribuciones Continuas
de Probabilidades
La probabilidad de que una variable aleatoria
asuma un valor en un intervalo dado de X1 a X2
se define como el rea bajo la curva de la funcin
de densidad de probabilidades dentro de dicho
intervalo.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

16

Anlisis de Datos para la Gerencia

17

Distribucin Normal
Es la distribucin ms importante f (x)
para describir la distribucin de
variables aleatorias continuas
1. Forma de Campana &
Simtrica
2. Media, Mediana, Moda son
iguales
3. Variable aleatoria que tiene
rango infinito.

Media
Mediana
Moda

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

Importancia de la
Distribucin Normal
1. Hay muchos experimentos de variables
continuas que siguen esta distribucin o que
pueden ser aproximados por ella.
2. Esta distribucin se puede usar para
aproximar algunas distribuciones de variable
discreta.
3. La distribucin normal constituye la base
para la inferencia estadstica clsica por su
relacin con el Teorema del Lmite Central.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

18

Anlisis de Datos para la Gerencia

19

Distribucin Normal:
caractersticas
99.72%
95.44%
68.26%

3
1
2

+ 3
+ 1
+ 2

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

20

Distribucin Normal de
Probabilidades
Probabilidad
es el rea
bajo la curva!

P (c X d)

f ( x)dx ?
c

f(X)

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

21

Distribucin Normal Estndar

X
Z=

Distribucin
Normal

Distribucin
Normal Estndar

z = 1

Z = 0

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

22

Probando Normalidad
Comparar caractersticas de Grfico de Probabilidad Normal
la Data con Propiedades de
X 90
la Distribucin Normal.
Evaluar el Grfico de
Probabilidad Normal.
Graficar los Datos X vs.
valores Z estandarizados.

60

30
-2

-1

Buscar una lnea recta!

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

Anlisis de Datos para la Gerencia

Aproximaciones a la
Distribucin Binomial
Cuando el nmero de repeticiones en una variable
BINOMIAL es muy grande, se presentan dificultades
para el clculo de las probabilidades usando la
funcin Binomial. En estos casos es prctico utilizar
aproximaciones para los clculos.
Se pueden utilizar tanto la variable POISSON como
la NORMAL, dependiendo de la probabilidad de
xito de la distribucin (Binomial) original.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

23

Anlisis de Datos para la Gerencia

Aproximaciones a la
Distribucin Binomial
Para usar la aproximacin por Poisson,
hacemos:
= nxp
y para usar la aproximacin por Normal,
hacemos:
= nxp
2 = nxpx(1-p)
como parmetros con los que queda
definida la correspondiente distribucin.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2016.

24