ANLISIS DE DATOS ATMOSFRICOS Posgrado en Ciencias de la Tierra

VARIABLES ALEATORIAS Y DISTRIBUCIONES DE Dr. Francisco Estrada Porra

PROBABILIDAD
VARIABLE ALEATORIA
VARIABLE ALEATORIA
Variable aleatoria: funcin que asigna un valor numrico a cada uno de los
resultados de un experimento aleatorio
Resultado de lanzar dos monedas definiendo, por ejemplo, sol=1, guila=0.
Medicin de la temperatura media en un lugar particular (28C)
Una variable aleatoria puede concebirse como un valor numrico que est afectado por el azar.
No es posible conocer con certeza el valor que tomar al ser medida o determinada
Se puede conocer su distribucin de probabilidad asociada a un conjunto de valores posibles.
Normalmente la variable aleatoria se denota con maysculas y el valor particular que asuma
con minsculas
X(s)=x
Variable aleatoria Valor numrico asociado al
Resultado del experimento resultado s por la va X
 EJEMPLO: VARIABLE ALEATORIA
Variable aleatoria X: nmero de soles obtenidos en tres lanzamientos de una
moneda. Sol=S, guila= A
Listar los posibles resultados y los valores numricos asociados
Resultado Valor de X
Resultado Valor de X S, S, S 3 Valor de X Eventos que lo generen
S, S, S S, S, A 2 [X=0] {AAA}
Etc.. S, A, S 2
[X=1] {AAS, ASA, SAA}
Variable aleatoria: A, S, S 2
[X=2] {SSA, SAS, ASS}
X es una variable que puede tomar S, A, A 1
[X=3] {SSS}
los valores 0,1,2,3 y el valor que
A, S, A 1
ocurrir no se conoce con certeza Cada valor de X puede ser generado por
A, A, S 1
distintos eventos
A, A, A 0 El orden en el que ocurren los S, A no importa,
slo la cantidad de ellos es de inters
VARIABLES ALEATORIAS VS DETERMINSTICAS
Cul es VA?, Cul es VD?
Suma de las marcas de la cara superior de un dado
y=c+bx
Horas de duracin de un foco
Segundos de espera en un semforo
Nmero de accidentes de trnsito en una calle
Temperatura en el saln
Nmero de exmenes en esta clase
Decisin de los alumnos de estudiar o no para los exmenes
Pasar o reprobar alguno de los exmenes
Calificaciones finales de los alumnos
TIPOS DE VARIABLES ALEATORIAS
VARIABLE ALEATORIA DISCRETA: conjunto de valores discreto finito
o infinito numerable (se pueden enlistar o numerar).
Nmero de hijos, nmero de soles en un lanzamiento de 100 monedas,
nmero de planetas en una galaxia, cantidad de veces que se congela un
lago en una dcada, etc
VARIABLE ALEATORIA CONTINUA: toma valores de un conjunto no
numerable o infinito.
Estatura, cantidad de lluvia en un periodo, calificaciones, etc
Conceptualmente son continuas aunque se reportan de manera discreta. Ej. muchas
mediciones de temperatura estn truncadas a 0.01 grados.
DISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES EMPRICAS VS PARAMTRICAS
DISTRIBUCIN EMPRICA: representa la muestra de la variable aleatoria en
cuestin y se describe a travs de mtodos empricos tales como:
Grficos: histogramas, boxplot, funciones de densidad emprica
Medidas numricas: locacin, dispersin, simetra

DISTRIBUCIN PARAMTRICA: Forma matemtica abstracta utilizada para

representar los datos de manera concisa.
Representarn los datos nicamente de manera aproximada
Se evala qu tan bien distintas distribuciones tericas se ajustan a los datos
Distintas pruebas y mtodos para realizarlo
 VENTAJAS DEL USO DE DISTRIBUCIONES
PARAMTRICAS
Compactacin: Una distribucin paramtrica bien ajustada
reduce el nmero de cantidades requeridas para
caracterizar las propiedades de los datos a unos cuantos .5
parmetros de la distribucin.
Suavizado: Las distribuciones paramtricas son .4

representaciones suavizadas de las distribuciones

Density
empricas, las cuales pueden tener huecos o cambios .3

bruscos.
.2
Interpolacin: La imposicin de una distribucin
paramtrica representa la posibilidad de que ocurran .1
todos los valores posibles de la variable, as como la
estimacin de sus probabilidades de ocurrencia. .0
-6 -4 -2 0 2 4 6
Extrapolacin: Las distribuciones paramtricas nos
permiten estimar probabilidades de eventos fuera del Histogram Normal

rango del conjunto de datos.

DISTRIBUCIN DE PROBABILIDAD DE UNA VA
DISCRETA
La distribucin de probabilidad de una variable aleatoria discreta X la
lista de los distintos valores numricos de X con sus probabilidades
asociadas f(x)=P(X=x)=pi

En general, se hacen los dos supuestos siguientes:

La probabilidad del evento es constante (ojo, datos estacionales o con tendencias)
Los resultados de los ensayos son independientes (ojo, la mayora de las
variables presentan persistencia)
La funcin de distribucin acumulada F(x)=P(Xx) se calcula de la
siguiente manera:
EJERCICIO: ENCONTRAR LA FUNCIN DE PROBABILIDAD Y FUNCIN
DE DISTRIBUCIN ACUMULADA DE TRES LANZAMIENTOS DE UNA
MONEDA JUSTA
Si X representa el nmero de soles que se obtienen en tres volados, encuentre
la funcin de distribucin de X y su funcin de distribucin acumulada.

Valor de X Eventos Probabilidad Probabilidad acumulada

[X=0] {AAA} 1/8 1/8
[X=1] {AAS, ASA, SAA} 3/8 4/8
[X=2] {SSA, SAS, ASS} 3/8 7/8
[X=3] {SSS} 1/8 1
Total 1.00
FUNCIN DE PROBABILIDAD Y FUNCIN DE
DISTRIBUCIN ACUMULADA
F(x)
f(x)
1
7/8
3/8

4/8
1/8

0 1 2 3 x
1/8
0 1 2 3 x
EJERCICIO: ENCONTRAR LA FUNCIN DE PROBABILIDAD Y DE
PROBABILIDAD ACUMULADA DE LANZAR DOS DADOS

Definamos la variable aleatoria discreta X : la suma de los puntos que

aparecen en los dados, entonces S = {2,3,...,12}
P(X=2)= P((1,1))=
P(X=3)=P((1,2) U (2,1))=

Graficar la Funcin de probabilidad y la funcin de distribucin acumulada

FUNCIN DE PROBABILIDAD Y DE PROBABILIDAD
ACUMULADA DE LANZAR DOS DADOS

Funcin de probabilidad (densidad) Funcin de distribucin acumulada

 USANDO LA FUNCIN DE DISTRIBUCIN
ACUMULADA
PROBABILIDAD DE QUE X SEA MENOR
O MAYOR A UN VALOR ESPECFICO

P(X3)=p(0)+p(1)+p(2)+p(3)=F(3)

P(X2)=1-P(X1)=1-[p(0)+p(1)]=1-F(1) PROBABILIDAD DE QUE X CAIGA EN UN

INTERVALO ESPECFICO
P(2 X 4) p(2) p(3) p(4)
[ p(0) ... p(4)] [ p(0) p(1)]
P( X 4) P( X 1)
F (4) F (1)
EJEMPLO: USO DE LA DISTRIBUCIN DE
PROBABILIDAD
Distribucin de probabilidad de la variable aleatoria X:
x 8 3 1 0 1 4 6
P(X = x) 0.13 0.15 0.17 0.20 0.15 0.11 0.09

Encontrar
a. P X 0 0.65
b. P 3 X 1 0.67
EJERCICIOS
Considera el ejemplo anterior de lanzar dos dados, encuentra:
P(X>7)
P(no salga seis)
Cul es la probabilidad de que salga un nmero entre 2 y 8 o 10 y 12?
P(3X5)
EJERCICIO: ENCONTRAR LA FUNCIN DE PROBABILIDAD Y FUNCIN
DE DISTRIBUCIN ACUMULADA DE TRES LANZAMIENTOS DE UNA
MONEDA QUE NO ES JUSTA
Si X representa el nmero de soles que se obtienen en tres volados, encuentre
la funcin de distribucin de X y su funcin de distribucin acumulada.
P(sol)=0.6; P(guila)=0.4
Valor de X Eventos
Eventos Probabilidad
Probabilidad Probabilidad
Probabilidad
acumulada
acumulada
[X=0] {AAA}
{AAA} 0.064*1=0.064 0.064
[X=1] {AAS,
{AAS,ASA,
ASA,SAA}
SAA} 0.096*3=0.288 0.352
[X=2] {SSA,
{SSA,SAS,
SAS,ASS}
ASS} 0.144*3=0.432 0.784
[X=3] {SSS}
{SSS} 0.216*1=0.216 1
Total
Total1.00
1.00
DISTRIBUCIN BINOMIAL
Se aplica en situaciones en las que en un cierto nmero de ensayos o pruebas ocurre
uno u otro de dos eventos MECE (p.ej.: par o impar, cara o cruz, posesin o no de
cierta caracterstica).
La variable aleatoria de inters, X, es el nmero de ocurrencias del evento en un
nmero dado N de ensayos o pruebas. Cuando ocurre el evento lo denominamos
xito (1) y cuando no ocurre lo denominamos fracaso (0).
X puede tomar valores enteros no negativos entre 0 y N.
La distribucin binomial se usa para calcular las probabilidades de los N+1 valores
posibles de X si se cumplen dos condiciones:
(1) la probabilidad de ocurrencia del evento es la misma en cada ensayo
(2) los resultados en cada uno de los ensayos son independientes
DISTRIBUCIN BINOMIAL
Consideremos N ensayos independientes, en cada uno de los cuales la
probabilidad de obtener xito es p.
La probabilidad de fracaso es 1-p= q
La probabilidad de 1 xito en 1 ensayo es p
La probabilidad de 2 xitos en 2 ensayos es: pxp = p2
La probabilidad de r xitos en r ensayos es pr y la de tener (N-r) fracasos subsecuentes en
N-r ensayos es: (1-p)N-r = qN-r
Por lo tanto la probabilidad de tener r xitos y(N-r) fracasos es: pr(1-p)N-r
De cuntas maneras distintas podemos tener r xitos y N-r fracasos en N ensayos?

!
=
! !
 DISTRIBUCIN BINOMIAL N y p son los parmetros de la
distribucin:
Parte
Parte
combinatoria N nmero de experimentos
probabilidad
p es la probabilidad de xito

= = 1 Media=Np

x=1,2,,N Varianza=Np(1-p)

Donde Nota: la distribucin binomial no se aplica en situaciones

binarias nicamente, se pueden redefinir los eventos para
que se pueda aplicar (Ejemplo, probabilidad de
! congelamiento: evento P(T0), complemento P(T>0)).
=
! !
Ejercicio: rehacer el problema de tres lanzamientos la moneda
no justa con p=0.55 usando la distribucin binomial
 EJERCICIO
En un record de 220 aos el lago Cayuga se ha congelado en 10
ocasiones.
Ajusta la distribucin encontrando los parmetros p y N
Cul es la probabilidad de que se congele una vez en los prximos 10
aos?
Cul es la probabilidad de que se congele al menos una vez en los
prximos 10 aos?
 EJERCICIOS ADICIONALES
1. En un lote de 300 bulbos 5% de ellos son defectuosos. Se ese lote se saca una muestra de 5 bulbos.
Cul es la probabilidad de que al menos uno est defectuoso?
2. 30% de las personas que contraen una enfermedad se recuperan. Una compaa desarrolla una
nueva vacuna. se selecciona aleatoriamente 10 personas con la enfermedad y se les aplica la nueva
vacuna. Suponga que la vacuna no sirve para nada. Cul es la probabilidad de que al menos 9 de
10 personas inyectadas se recuperen? Si esto ocurre, qu concluyes acerca de la vacuna?
3. Un examen de opcin mltiple tiene 10 preguntas con 5 posibles respuestas. Si un alumno escoge las
respuestas adivinando (al azar), cul es la probabilidad de que tenga al menos 6 preguntas
correctas?
4. Un sistema de proteccin antimisiles tiene N radares que operan de forma independiente. Cada uno
de ellos tiene una probabilidad de 0.9 de detectar un misil que entra a la zona que cubren.
1. Si N=5, cul es la probabilidad de que 4 de ellos detecten el misil? qu alguno de ellos lo haga?
2. Qu tan grande debe ser N si se quiere que la probabilidad de detectar un misil que entra la zona sea 0.999 (al
menos un radar lo detecta)?
DISTRIBUCIN GEOMTRICA
Complementa la distribucin binomial describiendo un aspecto diferente de la
misma situacin conceptual.
Eventos dicotmicos
Ensayos independientes (la probabilidad de ocurrencia no depende de ensayos anteriores)
La probabilidad p permanece constante durante los ensayos
La distribucin geomtrica requiere que los ensayos ocurran en secuencia
X representa el nmero de ensayos requeridos para observar el siguiente
xito
El experimento termina cuando el primer xito ocurre
Puede acabar en el primer ensayo
Puede continuar indefinidamente
X puede tomar valores enteros positivos (no cero!) ya que para observar un xito al menos
se necesita un ensayo
DISTRIBUCIN GEOMTRICA
De esta forma:
A1: E (xito en el primer ensayo); X=1 P(Ax)=P(X=x)=P(FFFFFE)
A2: FE (xito en el segundo ensayo); X=2 x-1
A3: FFE; X=3
A4: FFFE; X=4 Qu significa P(X=3)?

Ak: FFFFFE; X=k Si p=0.3, cmo obtendras las probabilidades?

Puedes deducir la funcin de probabilidad?
k-1
DISTRIBUCIN GEOMTRICA
Variables dicotmicas (xito o fracaso)
Especifica la probabilidad de el nmero de intentos que seran necesarios para
observar el siguiente xito

Prob. de xito Prob. X-1 fracasos consecutivos

Se conoce tambin como la distribucin de tiempos de espera y es la

versin discreta de la distribucin exponencial
Describir la duracin de patrones de tiempo (sequas, periodos de lluvias)
EJEMPLO
En un record de 220 aos el lago Cayuga se ha congelado en 10
ocasiones.
Cul es la probabilidad de esperar ms de 5 aos para que el lago se
vuelva a congelar?
Cul es la probabilidad de que se tarde 10 aos o menos en que se vuelva
a congelar?
EJERCICIOS ADICIONALES
1. Dibujar el histograma de probabilidades para p=0.5
2. Suponga que la probabilidad de falla en un motor de avin en cualquier periodo
de una hora es p=0.02. Encuentre la probabilidad de que el motor funcionar
por ms de 2 horas.
3. Suponga que el 1% de los pasajeros de un avin es mdico. Si una azafata se
acerca a un pasajero al azar para preguntarle si es mdico, cul es la
probabilidad de que el primer mdico encontrado por la azafata sea el quinto
pasajero al que le pregunta?
DISTRIBUCIN BINOMIAL NEGATIVA
Es una distribucin de espera en la que X representa el nmero de fracasos antes
del k-simo xito.
De esta forma x+k representa el tiempo de espera para observar k xitos
DISTRIBUCIN BINOMIAL NEGATIVA
1
= = 1
1
para x=r, r+1,r+2,

Ejemplo: Un estudio geolgico muestra que un pozo petrolero perforado en una regin
particular debe encontrar petrleo con una probabilidad de 0.2. Encuentra la probabilidad
de que el tercer hallazgo de petrleo ocurra en la perforacin del quito pozo.
r=3, x=5
51
=5 = 0.2 0.8 53
31
4
= 0.23 0.8 2 = 6 0.008 0.64 = 0.0307
2
EJERCICIO
Cul es la probabilidad de que el Lago se congele 3 veces en los prximos
10 aos?
Cul es la probabilidad de que el Lago se congele 2 veces en los prximos
15 aos?
 DISTRIBUCIN DE POISSON
Representa la probabilidad de ocurrencia del nmero de eventos discretos en
una secuencia, durante un intervalo de tiempo (espacio o volumen) dado
conociendo su razn de ocurrencia promedio en el tiempo (espacio o volumen)

La variable medida es el conteo de eventos; X puede tomar valores enteros no negativos

La ocurrencia de un evento no afecta la probabilidad de que un segundo evento ocurra: los
eventos ocurren de manera independiente
Dos eventos no pueden ocurrir de manera simultnea
La probabilidad de ocurrencia de un evento en un intervalo es proporcional al tamao del
intervalo
La distribucin de Poisson es el caso lmite de la Binomial cuando p tiende a cero y N tiende
a infinito
 DISTRIBUCIN DE POISSON
Imagina que queremos encontrar la distribucin de probabilidades del nmero de
accidentes de coches en una esquina particular durante un periodo de una semana
Divide el periodo de una semana en n subintervalos cada uno tan pequeo que a lo ms un
solo accidente puede ocurrir en l con una probabilidad mayor a cero.
Si p es la probabilidad de un accidente en cualquier subintervalo de tiempo, tenemos:
P(no accidentes en un subintervalo)=1-p
P(un accidente en un subintervalo)=p
P(ms de un accidente en un subintervalo)=0

El nmero total de accidentes en la semana es el nmero total de subintervalos que

contienen un accidente
Si la ocurrencia de accidentes puede considerarse independiente de subintervalo a
subintervalo entonces el nmero total de accidentes tiene una distribucin binomial
DISTRIBUCIN DE POISSON
La distribucin de Poisson surge de la binomial haciendo n tender a infinito.
Definimos = (nmero promedio de ocurrencias)

lim 1

1 (+1)
= lim 1
!
1 (+1) Cada elemento tiende a 1
= lim 1 1 en el lmite
!
1 2 1
= lim 1 1 1 1 1
!

=
!
Para n grandes con p pequeas y = menores a 7, la distribucin de
Poisson puede usarse para aproximar la distribucin binomial
 DISTRIBUCIN DE POISSON
Los eventos ocurren aleatoriamente, pero con una tasa promedio de ocurrencia
constante
La distribucin de Poisson tiene un solo parmetro, , que especifica la tasa promedio
de ocurrencia del evento por unidad de tiempo (intensidad).

EJEMPLOS:
Accidentes de trfico en una esquina
Huracanes en una temporada
Distribucin de granizo en un rea determinada
Meteoritos de ms de un metro que llegan a la Tierra en un ao
Aviones que aterrizan en un aeropuerto
Bacterias por cm2 de cultivo
EJEMPLO
30 aos de registro, 138
tornados.
=138/30=4.6

Cul es la probabilidad de
que ocurran 4 tornados en un
ao?
0.2 Cul es la probabilidad de
que ocurran ms de tres
0.18
0.16
0.14

tornados en dos aos?

0.12
0.1
0.08
0.06
0.04
0.02
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
EJERCICIOS
Un rio se desborda en promedio una vez cada 100 aos. Calcula las probabilidades
de que ocurran 0, 1, 2,, 5 inundaciones en un ao. Cul es la probabilidad de
que al menos una inundacin ocurra?
Si el promedio de goles por partido es 2.5, cules son las probabilidades de 0 a 7
goles en un partido? Cul es la probabilidad de que 2 o menos goles ocurran en un
partido?
Suponga que X sigue una distribucin binomial con n=20 y p=0.1. Encuentre el valor
de P(X3) usando la distribucin binomial y compare con P(X3) que se obtendra
utilizando la distribucin de Poisson.
En 200 aos 122 soldados prusianos murieron debido a una patada de caballo.
Calcula las probabilidades de observar de 0 a 6 muertes por ao y obtn el nmero
de aos esperados para cada categora de 0 a 6 muertes en 200 aos.