Anda di halaman 1dari 71

VARIABLES ALEATORIAS

Y
DISTRIBUCIONES DE
PROBABILIDAD

VARIABLES ALEATORIAS
Mag. Dens Leonor Mendoza Rivas

Mag. Dens Mendoza Rivas

Diapositiva 1
Distribucin de Frecuencias Vs.
Distribucin de Probabilidades
Distribucin de Frecuencias Listado de
todos los resultados observados de un
experimento.
Distribucin de Probabilidades Listado de
las probabilidades de todos los posibles
resultados que pudieran ocurrir de un
experimento.

Diapositiva 2 Mag. Dens Mendoza Rivas


Variable Aleatoria

Diapositiva 3 Mag. Dens Mendoza Rivas


Tipos de Variables Aleatorias
Variable aleatoria discreta
Usualmente un nmero entero (0, 1, 2, 3 etc.)
Obtenida por conteo.

Variable aleatoria continua


Puede asumir cualquier valor dentro de un rango
dado.
Obtenida por mediciones.

Diapositiva 4 Mag. Dens Mendoza Rivas


VARIABLE ALEATORIA DISCRETA:
Caractersticas de la Distribucin de
Probabilidad Discreta: Funcin de cuanta P(X)
Contiene todos los valores posibles de la Variable X, cada

uno con su Probabilidad asociada, P(X).

Mutuamente Excluyentes y Colectivamente exhaustivos

0 P(Xi) 1

P(Xi) = 1

Diapositiva 5 Mag. Dens Mendoza Rivas


VARIABLE ALEATORIA
DISCRETA:
Funcin de Distribucin
Para una variable aleatoria X, el valor de la
Funcin de Distribucin Acumulativa F(x), es
la probabilidad de que X tome los valores
menores o iguales a x.

F ( x) P( X x)
F (3) P( X 3) f (0) f (1) f (2) f (3)

Diapositiva 6 Mag. Dens Mendoza Rivas


VARIABLE ALEATORIA DISCRETA:
Valor Esperado

Se denota E(X).
Media de la Distribucin de Probabilidad ()
Media Pesada de los valores de X.
Las probabilidades actan como pesos (suman 1).

= E ( X ) = x * P( X x)

= E ( X ) = x * f ( x)

Diapositiva 7 Mag. Dens Mendoza Rivas


VARIABLE ALEATORIA DISCRETA:
Varianza
Se denota VAR(X) o 2.
Es el valor esperado (promedio) de las desviaciones
cuadrticas de cada valor x de la Variable Aleatoria X.

VAR ( X ) E ( X ) ( x ) * f ( x)
2 2 2

VAR ( X ) E ( X ) E ( X )
2 2 2

2 x 2 P( x) 2

Diapositiva 8 Mag. Dens Mendoza Rivas


VARIABLE ALEATORIA DISCRETA:
Desviacin Estndar

Raz Cuadrada de la
Varianza.
VAR ( X )
2
(x ) 2
* f ( x)

VAR ( X ) E ( X ) E ( X )
2 2 2

x P( x)
2 2

Diapositiva 9 Mag. Dens Mendoza Rivas


Ejemplo 1
Una tienda de autos ha establecido la siguiente distribucin de
probabilidades de los autos que espera vender un da sbado en
particular:
Nmero de autos vendidos Probabilidades
0 0.10
1 0.20
2 0.30
3 0.30
4 0.10

En un da sbado, cuntos autos se debe esperar vender?


Cul es la varianza de la distribucin?

Diapositiva 10 Mag. Dens Mendoza Rivas


VARIABLE ALEATORIA CONTINUA:
Caractersticas de la Distribucin de Probabilidad
Continua: Funcin de densidad f(X)

Sea X una v.a. continua con rango , la funcin de


densidad de probabilidad asociado a la v.a. es una
f(x) integrable, que satisface las siguientes
condiciones:
1. f 0,
2.
f = 1

Diapositiva 11 Mag. Dens Mendoza Rivas


VARIABLE ALEATORIA
CONTINUA:
Funcin de Distribucin
Sea X una v.a. continua con funcin de densidad f(x).
La funcin de distribucin ( o funcin de distribucin
acumulada) de la variable aleatoria X, denotado por
F(X) se define por:

F ( x) P( X x)

= =
,

Diapositiva 12 Mag. Dens Mendoza Rivas


VARIABLE ALEATORIA CONTINUA:
Valor Esperado
= =

Varianza 2 = = 2 2

Desviacin Estndar

= 2

Diapositiva 13 Mag. Dens Mendoza Rivas


Ejemplo
Un agricultor encuentra que el peso en kg de una pia es una
variable aleatoria x, con funcin de densidad dada por la
siguiente expresin: =
1
2 10 + 25 , 0 3
39
0
Si el agricultor cosecha 10 mil pias Cuntas de pesaran
menos de 2kg?
Si se escogen 3 pias Cul es la probabilidad de que al
menos 2 pesen menos de 2 kg?
Obtenga el peso promedio y la desviacin estndar de las
pias
Calcular P(x1/2 / 1/3<x<2/3)

Diapositiva 14 Mag. Dens Mendoza Rivas


Modelos de Distribuciones de
Probabilidad Discretas
Distribuciones de
Probabilidad Discretas

Binomial Poisson

Diapositiva 15 Mag. Dens Mendoza Rivas


Distribuciones de
Probabilidad Discretas

Distribucin Binomial

Mag. Dens Mendoza Rivas

Diapositiva 16
Distribucin Binomial
La totalidad del experimento est compuesto por una
secuencia de intentos o ensayos idnticos.
En cada intento o ensayo hay dos posibles resultados,
mutuamente excluyentes: xito o fracaso.
La probabilidad de xito (p) permanece constante de
ensayo a ensayo. La probabilidad de fracaso (q) es el
complemento de p, es decir, 1-p.
Los ensayos o intentos son estadsticamente
independientes.

Diapositiva 17 Mag. Dens Mendoza Rivas


Probabilidad en una
Distribucin Binomial
Si f ( x) P( X x) para x 0, 1, 2,..., n

p r q nr
n!
f ( x)
r!(n r )!
p= probabilidad de xito de cada intento
q= probabilidad de fracaso de cada intento
n= nmero de intentos realizados.
r= nmero de xitos deseados.

Diapositiva 18 Mag. Dens Mendoza Rivas


Tendencia Central y Dispersin
en la Distribucin Binomial
Media o Valor Esperado
E( X ) np
Varianza
npq
2

Desviacin Estndar
npq
Diapositiva 19 Mag. Dens Mendoza Rivas
Ejemplo 1
Una compaa que vende por
telfono un solo artculo, ha
vendido 20 artculos en las ltimas
100 llamadas. Si durante un turno
se llaman a 12 clientes, cul es la
probabilidad de:
A. No hacer ninguna venta?
B. Hacer exactamente 2 ventas?
C. Hacer como mximo 2 ventas?
D. Hacer al menos 2 ventas?
Diapositiva 20 Mag. Dens Mendoza Rivas
EJEMPLO 2
Cul es la probabilidad de obtener cuatro
veces el nmero 3 al lanzar un dado 8 veces?

Diapositiva 21 Mag. Dens Mendoza Rivas


EJEMPLO 3
Una prueba de aptitud consta de 10 preguntas con cinco
alternativas cada una, de las cuales solo uno es la correcta. La
calificacin se realiza de la siguiente manera: cada pregunta
correctamente contestada vale 2 puntos. Por cada pregunta mal
contestada se descuenta k puntos. Determine el valor de K de tal
manera que la nota esperada de un alumno que responda al azar las 10
preguntas sea cero.
Cul es la probabilidad que un alumno que responda al azar las 10
preguntas, tenga una nota mayor o igual a 11?

Diapositiva 22 Mag. Dens Mendoza Rivas


EJEMPLO 4
Se dice que el 75% de los accidentes de una
planta se atribuyen a errores humanos. Si en un
perodo de tiempo dado, se suscitan 5
accidentes, determine la probabilidad de que;
dos de los accidentes se atribuyan a errores humanos,
como mximo 1 de los accidentes se atribuya a errores de
tipo humano,
tres de los accidentes no se atribuyan a errores humanos.

Diapositiva 23 Mag. Dens Mendoza Rivas


EJERCICIO 1
1. Sea el experimento aleatorio: E: Lanzar una
moneda 10 veces.
a. Describa la variable aleatoria: nmero de caras obtenidas
b. Describa su funcin de probabilidad
c. Describa su funcin de distribucin
d. Cul ser la probabilidad de obtener 6 caras.
e. Calcular el nmero medio de caras obtenidas as como
tambin el la desviacin tpica.

Diapositiva 24 Mag. Dens Mendoza Rivas


EJERCICIO 2
Un estudiante contesta al azar 9 preguntas,
cada una con 4 alternativas de los cuales slo
una es correcta.
Determine su funcin de probabilidad
Si para aprobar tal examen debe contestar correctamente al
menos 6 preguntas cul es la probabilidad de aprobar el
examen?

Diapositiva 25 Mag. Dens Mendoza Rivas


Distribuciones
Discretas

Distribucin de Poisson

Mag. Dens Mendoza Rivas

Diapositiva 26
Distribucin de Poisson
Las ocurrencias de un evento pueden ser descritas en trminos
de una variable aleatoria discreta.
Existe un rgimen que caracteriza el proceso (nmero de
ocurrencias por intervalo de tiempo o espacio).
Se usa para describir las distribuciones de probabilidad de:
Nmero de llegadas de clientes.
Nmero de llamadas telefnicas en una central.
Nmero de accidentes.
Nmero de llegadas de vehculos.
Nmero de defectos observados en longitudes, superficies, u objetos.

Diapositiva 27 Mag. Dens Mendoza Rivas


Probabilidad en una
Distribucin de Poisson
Si f ( x) P( X x) para x 0, 1, 2,..., n


e x
f ( x)
x!
= promedio de ocurrencias por intervalo de tiempo o
espacio.
e= 2.71828 Base de logaritmos neperianos o naturales.

Diapositiva 28 Mag. Dens Mendoza Rivas


Tendencia Central y Dispersin
en la Distribucin Poisson
Media o Valor Esperado

Varianza

2

Desviacin Estndar

Diapositiva 29 Mag. Dens Mendoza Rivas
Distribucin de Poisson como una
aproximacin de la Distribucin Binomial
La distribucin de Poisson es una buena aproximacin
de la distribucin binomial cuando n es igual o mayor
que 20 y p es igual o menor a 0.05.

np
x np
(np) e
f ( x)
x!
Diapositiva 30 Mag. Dens Mendoza Rivas
Ejemplo 3
Si en promedio llegan 3
clientes por minuto al banco
durante la hora del
almuerzo, cual es la
probabilidad de que en un
minuto dado, lleguen
exactamente dos clientes,
lleguen menos de dos
clientes, y lleguen ms de
dos clientes?

Diapositiva 31 Mag. Dens Mendoza Rivas


Ejemplo 4
Los clientes llegan a la
ventanilla a un rgimen
de 72 por hora. Cul es
la probabilidad de que 4
clientes lleguen en un
lapso de 3 minutos?

Diapositiva 32 Mag. Dens Mendoza Rivas


EJEMPLO 1
La probabilidad de tener un accidente de
trfico es de 0,02 cada vez que se viaja, si se
realizan 300 viajes, cul es la probabilidad de
tener 3 accidentes?

Diapositiva 33 Mag. Dens Mendoza Rivas


EJEMPLO 2
Uncajero de un banco atiende en promedio 7
personas por hora, cual es la probabilidad de
que un una hora determinada:
Atienda exactamente 7 personas
Atienda menos de 5 personas
Atienda ms de 8 personas
Atienda ms de 5 pero menos de 8 personas

Diapositiva 34 Mag. Dens Mendoza Rivas


EJEMPLO 3
Los automviles llegan a la ciudad de Huaraz, a
razn de 120 por hora.
Cul es la probabilidad que en un minuto especifico no llegue
automvil alguno a la ciudad de Huaraz?
Cul es la probabilidad de que en un minuto cualquiera, llegue
por lo menos un automvil a la ciudad de Huaraz?
Cul es la probabilidad de que en tres minutos, llegue por lo
menos 8 automviles a la ciudad de Huaraz?
Cul es la probabilidad de que en cinco minutos, llegue por
menos de 15 automviles a la ciudad de Huaraz?

Diapositiva 35 Mag. Dens Mendoza Rivas


Distribuciones de
Probabilidad Continuas

A. Distribucin Normal

Mag. Dens Mendoza Rivas

Diapositiva 36
Caractersticas de la
Distribucin Normal
Distribucin 1. Simtrica y acampanada
Normal
2. Unimodal.
3. Media al centro de la Curva.
4. Media = Mediana = Moda
X
5. Asinttica

Media 6. Funcin de Densidad


Mediana 7. rea bajo la curva = 1
Moda
Diapositiva 37 Mag. Dens Mendoza Rivas
Familia de Distribuciones
Igual , Diferente

=1
=5
= 10
X
= 50
Diapositiva 38 Mag. Dens Mendoza Rivas
reas bajo la
curva normal
15.85% 15.85%
68.3%
X
1 1

Diapositiva 39
Mag. Dens Mendoza Rivas
reas bajo la
curva normal
15.85% 15.85%
68.3%
X
1 1

2.25% 2.25%
95.5%
X
2 2

Diapositiva 40
Mag. Dens Mendoza Rivas
reas bajo la
curva normal
15.85% 15.85%
68.3%
X
1 1

2.25% 2.25%
95.5%
X
2 2

0.15% 99.7% 0.15%


X
3 3
Diapositiva 41
Mag. Dens Mendoza Rivas
B. Distribucin Normal Estndar

0
1

-3 -2 -1 0 +1 +2 +3

Diapositiva 42 Mag. Dens Mendoza Rivas


Distribucin Normal y
Distribucin Normal Estndar
100
20

40 60 80 100 120 140 160 X


-3 -2 -1 0 +1 +2 +3 Z

Diapositiva 43 Mag. Dens Mendoza Rivas


Valor Estndar
(Valor z)
Los valores de una Variable X distribuida
normalmente se transforman a valores z de una
Distribucin Normal Estndar.
La Distribucin Normal se estandariza resultando
en una Distribucin Normal Estndar.

x
z

Diapositiva 44 Mag. Dens Mendoza Rivas
Estandarizar la
Distribucin Normal
Distribucin Normal Distribucin Normal Estndar

z = 1

x z
z =0
x - valor de una variable aleatoria.
x - media de la distribucin de la variable
z aleatoria.
- desviacin estndar de la distribucin.
z - nmero de desviaciones estndar desde x a la
media de la distribucin.

Diapositiva 45 Mag. Dens Mendoza Rivas


Estandarizacin de una
Distribucin Normal

Distribucin Normal
50
25

x
25 0 25 50 75 100 125
z = x
-3 -2 -1 0 1 2 3

Diapositiva 46 Mag. Dens Mendoza Rivas


Probabilidad en una
Distribucin Normal
=5 Encontrar:
P(10 < x < 14.2)

= 10 14.2 X

x 14.2-10
z 0.84
5

Z
0 0.84
Diapositiva 47 Mag. Dens Mendoza Rivas
Clculo de Probabilidad
P(5 < x < 15)
10
5

5 10 15 X

x 15-10
.6827 z 1
5
x 5-10
z -1
5
1 0 1 Z

Diapositiva 48 Mag. Dens Mendoza Rivas


Clculo de Probabilidad
P(x > 18.2)
10
5

= 10 18.2 X

x 18.2-10
0.0505 z 1.64
5

0 1.64 Z

Diapositiva 49 Mag. Dens Mendoza Rivas


Clculo de valor x o valor z

Para una cola de 10%


10
Cul ser el valor de x?
5 10%

x=16.4
= 10 ? X

Para una cola de 10%


x 85
10% ser el valor de z? 0.30
zCul
z=1.28
0 ? Z

Diapositiva 50 Mag. Dens Mendoza Rivas


Distribucin Normal como una
aproximacin de la Distribucin Binomial
A pesar de ser continua, la Distribucin Normal es algunas
veces una buena aproximacin de la distribucin binomial
cuando np y nq son mayores o iguales a 5.
Los valores discretos de la distribucin binomial se representan
como rectngulos inscritos en la distribucin normal con un
ancho de 1 y centrados en el valor discreto.

np
npq

Diapositiva 51 Mag. Dens Mendoza Rivas


EJERCICIOS

Diapositiva 52 Mag. Dens Mendoza Rivas


Los puntajes en un examen de seleccin para seguir
estudios superiores de maestra estn distribuidos
normalmente con media 76 y desviacin estndar 15.
Se ha establecido que el 15% de los concursantes que
son mejores recibirn una beca integral de estudios, en
tanto que el 10%, que se supone que son peores,
definitivamente no podrn seguir estudios superiores.
Hallar:
El puntaje mnimo para ganar la beca
El puntaje mnimo para seguir estudios superiores

Diapositiva 53 Mag. Dens Mendoza Rivas


El consumo medio anual de cerveza de los
habitantes de un pas es de 59 litros, con una
varianza de 36. Se supone que se distribuye
segn una distribucin normal.
Si usted presume de buen bebedor, cuntos litros de
cerveza tendra que beber al ao para pertenecer al 5% de
la poblacin que ms bebe?
Si usted bebe 45 litros de cerveza al ao y su mujer le
califica de borracho qu podra argumentar en su defensa?

Diapositiva 54 Mag. Dens Mendoza Rivas


C. DISTRIBUCIN CHI_ CUADRADO
Definicin
Una variable Chi cuadrado se define
como la suma de n variables normales
estandarizadas elevadas al cuadrado.
n
Z i2
2

i 1


2
n
xi )
2

2 S 2 (n 1)
2
( n 1)
2

i 1 2

Diapositiva 55 Mag. Dens Mendoza Rivas


Caractersticas

Por definicin, una variable 2 adopta valores positivos: 0 2 .

La distribucin es asimtrica positiva.

A medida que aumenta el tamao de la muestra la curva es menos


asimtrica, aproximndose a una curva normal.

Para cada tamao muestral, se tendr una distribucin 2 diferente.

El parmetro que caracteriza a una distribucin 2 son sus grados de


libertad (n-1), originado una distribucin para cada grado de libertad,

Diapositiva 56 Mag. Dens Mendoza Rivas


Aplicaciones

Las aplicaciones ms importantes estn


en la prueba de bondad de ajuste la
prueba de independencia estadstica

Diapositiva 57 Mag. Dens Mendoza Rivas


Distribucin de ji-cuadrado para algunos
valores de grados de libertad.

Diapositiva 58 Mag. Dens Mendoza Rivas


EJERCICIOS

Diapositiva 59 Mag. Dens Mendoza Rivas


D. DISTRIBUCIN t DE STUDENT
Definicin:
Una variable con distribucin t de Student se
define como el cociente entre una variable
normal estandarizada y la raz cuadrada
positiva de una variable 2 dividida por sus
grados de libertad.

Z x
t t " t"(n 1)
2 S
n
(n 1)

Diapositiva 60 Mag. Dens Mendoza Rivas


Caractersticas
La distribucin se denomina distribucin de Student o distribucin t.
Es simtrica, con media de 0, y variancia mayor que 1.

Es ms achatada que la normal y adopta diferentes formas, segn el nmero de grados


de libertad.

La variable t se extiende desde - a +.

A medida que aumenta los (n 1) grados de libertad la distribucin t se aproxima en


su forma a una distribucin normal.

El parmetro de la distribucin es (n-1) grados de libertad, originando una distribucin


diferente para cada tamao de muestra.

Diapositiva 61 Mag. Dens Mendoza Rivas


Al igual que la normal, tambin es simtrica es
algo ms plana que la distribucin normal hay
una distribucin t para cada tamao de muestra
cuando el tamao de la muestra es mayor a 30,
la distribucin t se asemeja tanto a la normal
que se prefiere utilizar sta.

Diapositiva 62 Mag. Dens Mendoza Rivas


Distribucin t para diferentes grados de libertad
(n-1)

Diapositiva 63 Mag. Dens Mendoza Rivas


Diapositiva 64 Mag. Dens Mendoza Rivas
EJERCICIOS

Diapositiva 65 Mag. Dens Mendoza Rivas


E. DISTRIBUCIN F DE FISHER
Definicin
Una variable F se define como el cociente
entre dos variables ji-cuadrado divididas por
sus correspondientes grados de libertad.

1
2

F n1 2 1 F
S 1

2 S2 2
n2 1

Diapositiva 66 Mag. Dens Mendoza Rivas


Se utiliza para
comparar variancias de
dos poblaciones, con
distribucin normal

Diapositiva 67 Mag. Dens Mendoza Rivas


Caractersticas

Una variable con distribucin F es siempre positiva por lo


tanto su campo de variacin es 0 F

La distribucin de la variable es asimtrica, pero su


asimetra disminuye cuando aumentan los grados de
libertad del numerador y denominador.

Hay una distribucin F por cada par de grados de libertad.

Parmetros: Grados de libertad asociados al numerador y


denominador

Diapositiva 68 Mag. Dens Mendoza Rivas


Distribucin F para diferentes grados de
libertad

Diapositiva 69 Mag. Dens Mendoza Rivas


EJERCICIOS

Diapositiva 70 Mag. Dens Mendoza Rivas


Las distribuciones t de Student, Chi cuadrado (2) y F,
se derivan de la distribucin Normal y estn relacionadas
con la teora del muestreo pequeo n< 30

Son muy importantes pues son la base de


metodologas inferenciales, tales como
Intervalos de Confianza y Pruebas de
Hiptesis.
Las variables t, 2 y F surgen de transformaciones de
variables aleatorias en las que estn involucrados
estadsticos mustrales, tales como la media y la
varianza.

Diapositiva 71 Mag. Dens Mendoza Rivas

Anda mungkin juga menyukai