Distribución de Probabilidades
Participantes:
Aldana DewisC.I.:26.035.006
Guedez Mariuxi C.I.:26.903.677
Mendoza Aracel C.I.:26.593.104
Torrealba Marielena C.I.:27.546.291
Oropeza Gustavo C.I.: 26.836.719
Prof. Yenny Martínez
P.N.F. Administración
Sección: 556
Acarigua, Junio 2019
Índice
Pág.
Distribución de Probabilidades unidimensional…………… 3
Variable Aleatoria………………………………………………. 3
Función de distribución………………………………………... 3
Valor esperado…………………………………………………. 4
Desviación estándar…………………………………………… 4
Distribución Bivariante de probabilidad conjunta…………. 5
Distribución Marginal…………………………………………... 5
Distribución Condicionante……………………………………. 6
Independencia entre variables……………………………….. 6
Modelos Probabilísticos discretos y continuos……………. 7
Modelos Discretos……………………………………………... 8
Modelos Continuos…………………………………………….. 11
1) Distribución de Probabilidades Unidimensional
a) Variable Aleatoria:
Una variable es un símbolo que actúa en las funciones, las fórmulas, los
algoritmos y las proposiciones de las matemáticas y la estadística. Una
variable aleatoria es aquella función que adjudica eventos posibles a números
reales, cuyos valores se miden en experimentos de tipo aleatorio. Estos
posibles valores representan los resultados de experimentos que todavía no
se llevaron a cabo o cantidades inciertas.
b) Función de distribución:
La función de densidad de una variable aleatoria X permite trasladar la
medida de probabilidad o "suerte" de realización de los sucesos de una
experiencia aleatoria a la característica numérica que define la variable
aleatoria.
Para definir F, la función distribución de probabilidad de X, distinguiremos
el caso discreto, donde los posibles valores de X forman un conjunto discreto
(finito o numerable), del continuo, donde el recorrido de la variable aleatoria es
un intervalo de la recta real:
3
Si X es discreta su función de distribución se define por:
c) Valor Esperado:
En estadística el valor esperado o esperanza matemática de una variable
aleatoria, es la suma de la probabilidad de cada suceso multiplicado por su
valor. Es el número que formaliza la idea de valor medio de un fenómeno
aleatorio.
Si tiramos una moneda 10 veces, esperamos que salga 5 veces "cara" y 5
veces "sello". Esperamos obtener este valor porque la probabilidad de que
salga "cara" es 0,5, y si lanzamos la moneda 10 veces, obtenemos 5. Por lo
tanto, 5 es el valor esperado.
d) Desviación Estándar:
4
Desviación estándar o Típica
a) Distribución Marginal:
5
b) Distribución Condicionante:
No tiene por qué haber una relación causal o temporal entre A y B. A puede
preceder en el tiempo a B, sucederlo o pueden ocurrir simultáneamente. A
puede causar B, viceversa o pueden no tener relación causal. Las relaciones
causales o temporales son nociones que no pertenecen al ámbito de la
probabilidad. Pueden desempeñar un papel o no, dependiendo de la
interpretación que se les dé a los eventos.
Su fórmula es la siguiente:
Definición formal
6
Sean A y B dos sucesos tales que P(B) > 0, intuitivamente A es independiente
de B si la probabilidad de A condicionada por B es igual a la probabilidad de
A. Es decir, si:
P (A│B) = P(A)
P(A│B) = P (A ∩ B)
P (B)
7
Modelos Probabilísticos Discretos:
A) Distribución Binomial:
8
Donde:
N = número de ensayos/experimentos.
X = número de éxitos.
P = probabilidad de éxito.
b) Distribución híper-geométrica:
9
Ejemplo de distribución híper-geométrica:
c) Distribución de Poisson:
-. Los datos son conteos de eventos (enteros no negativos, sin límite superior).
10
-. Todos los eventos son independientes.
Su fórmula es la siguiente:
b) Distribución Exponencial:
11
el tiempo que pueda ocurrir desde cualquier instante dado, hasta que ello
ocurra en un instante, no depende del tiempo transcurrido anteriormente en el
que no ha pasado nada.
c) Distribución Normal:
12
La distribución normal es una distribución continua que se especifica por la
media (μ) y la desviación estándar (σ). La media es el pico o centro de la curva
en forma de campana. La desviación estándar determina la dispersión de la
distribución.
13