TEMA 8.

DISTRIBUCION DE PROBABILIDADES Cuando elaboramos la tabla de distribucin de frecuencias, una de las informaciones incluidas son las frecuencias(frecuencias absolutas) que representan las veces que se repiten cada uno de los valores de la variable que se organiza;estas frecuencias observadas se relacionan con las distribuciones de probabilidades. As podemos decir que la distribucin de probabilidades es una distribucin terica de frecuencias. Una distribucin de frecuencia terica es aquella que describe el comportamiento que se espera obtener en los resultados de un experimento aleatorio. Estas distribuciones tienen que ver con las expectativas, como tal, se usan para obtener inferencias y tomar decisiones bajo condiciones de incertidumbre. Ejemplo de distribucin de probabilidades. Si tenemos el experimento que consiste en lanzar una moneda dos veces el espacio muestral ser: Utilizando el diagrama de rbol Resultado 1er lanzamiento C Resultado lanzamiento C S C S del 2do Punto Muestral CC CS SC SS

En la primera columna tenemos: Los resultados posibles en el primer lanzamiento de una moneda que puede ser cara( C)o en su caso sello(S) - En la segunda columna tenemos los resultados posibles del 2 lanzamiento que puede ser C o S habindose obtenido C en le primer lanzamiento o tambin C o S habindose obtenido S en el primer lanzamiento - En la tercera columna tenemos el total de los resultados posibles como consecuencia de haber lanzado una moneda dos veces. Con la prctica el espacio maestral puede determinarse en forma directa y ser: S= { cc, cs, sc, ss} Si luego definimos

x: numero de caras tendremos

Distribucin de probabilidades del nmero de caras en dos lanzamientos de una moneda Numero de caras x 0 1 2 Resultados Ss cs,sc cc Probabilidad de obtener x caras Px 0.25 0.50 0.25

Donde la P(x=0)=P(ss)=P(s)P(s)=0.50*0.50=0.25 P(x=1)=P(cs+sc)=P(cs)+ P(sc)=0.50*0.50+0.5*0.5=0.50

P(x=2)=P(cc)=P(c)P(c)=0.50*0.50=0.25 2.1Distribucin de Probabilidades X 0 1 2 P(X) 0.25 0.50 0.25 1.00

2.2 Variables aleatorias Una variable aleatoria se define como un valor o magnitud que cambia de prueba a prueba en una secuencia al azar En otros trminos, una variable x es aleatoria, si cada valor que toma es el resultado de un procesos aleatorio o su vez un proceso es aleatorio cuando puede producir resultados diferentes aun en las mismas condiciones. Tomando en cuenta los valores que puede tomar una variable, esta puede ser discreta o continua.Es discreta cuando la variable aleatoria x puede tomar valores finito o infinito numerables y es continua cuando la variable aleatoria, por ejemplo definida como y puede tomar un infinito numero de valores dentro de un intervalo dado. Una variable se define generalmente utilizando las ltimas letras maysculas del alfabeto y los valores particulares de las mismas con letras en minscula 2.3Valor esperado de una variable aleatoria El valor esperado se constituye en una idea fundamental en el estudio de la distribucin de probabilidades en razon a su utilizacin en la toma de decisiones bajo condiciones de incertidumbre. Para obtener el valor esperado (o esperanza matemtica) E(x)de una variable aleatoria discreta se usa la siguiente frmula E(x)= X i P ( xi )
i =1 K

Donde: x i = es el valor de la variable aleatoria Px i =probabilidad de que la variable aleatoria tome el valor x K= es el nmero de valores distintos que pueda tomar la variable aleatoria x Ejemplo: En el experimento que consiste en lanzar una moneda dos veces cual es el valor esperado del nmero de caras? Procedimiento Ejemplo 1.Para mayor claridad disponemos de los X P(X) datos en una tabla los valores de la 0 0.25 variable y sus probabilidades P(x) 1 0.50 2 0.25 2.segun la frmula hacemos los productos entre las dos columnas x*p(x) X P(X) XP(X) 0*0.25=0 1*0.50=0.50 2*0.25=0.50

1.00

3.P(x)= xP(x)=1 En promedio se espera que aparezca una 3. segn la frmula sumamos los cara productos y el resultado ser la respuesta del problema 2.4La distribucin binomial. Una de las distribuciones de probabilidades discretas mas utilizadas es la distribucin binomial, conocida como proceso de Bernoulli. Esta distribucin se aplica a una variable aleatoria que puede tomar unicamente dos valores. Las caractersticas de este modelo son: 1. Cada prueba debe tener solo dos resultados posibles: xito o fracaso 2. La probabilidad de acierto en cada prueba permanece constante 3. Las pruebas son estadsticamente independientes 4. La prueba se realiza en un nmero fijo de veces. Formula de clculo n! P x q n x P(x)= x!(n x)! P(x)= probabilidad de la variable x= valor de la variable ( o nmero deseado de aciertos) p= probabilidad de xito q= probabilidad de fallar (q=1-p) n=numero de pruebas n!=factorial de n. n!=n!=n(n-1)(n-2)..1(3!=3.2.1 3!=6) Ejemplo Si el experimento consiste en lanzar una moneda 3 veces -Los resultados en cada lanzamiento o prueba sern de cara o sello -La posibilidad ser de o 0.5 en cada prueba -El resultado siguiente no depende de lo anterior -En nuestro experimento se tiene definido 3 pruebas Cul es la probabilidad de obtener dos caras? 1. x=numero de aras en 3 lanzamientos de una moneda x=0,1,2,3 2. n=3 x=2 3. p=0.5 q=1-p=0.5 3 4. P(x=2)= (0.5) 2 (0.5) 32 =0.375 2(3 2) n! P x q n x P(x)= x!(n x)!

Actividad Un estudiante se presenta a una prueba de seleccin mltiple que contiene 5 preguntas cada una con tres respuestas opcionales.Si el estudiante no esta convenvientemente preparado y esta adivinando, ademas se hable para aprobar debe responder Promedio y Desviacin Estndar de la distribucin binomial E(x)=u y = npq 2.5 La Distribucin normal. La distribucin normal, es la distribucin de probabilidad de mayor aplicacin para las variables aleatorias continuas, la facilidad de su aplicacin obedece a las siguientes razones: 1.Generalmente las caractersticas de las poblaciones tienen una distribucin de frecuencias observadas que es igual o semejante a la distribucin normal. 2. Con frecuencia se presenta la necesidad de realizar inferencias de las variables

Caractersticas de la Distribucin Normal de Probabilidades 1. La distribucin normal de probabilidades es un modal 2. La curva normal es simtrica donde la media, la mediana y la moda tienen el mismo valor adems que estn ubicados en el centro de la curva 3. En los extremos la distribucin normal de probabilidades es asinttica, por lo tanto la probabilidad de que un valor muy lejano al centro de la curva se presente siempre existe aunque esta probabilidad sea muy pequea 4. Para la distribucin normal de que se de un valor especfico de la variable es cero. En el caso de las variables discretas existe una probabilidad para cada uno de los valores que pueda asumir la variable. 5. Cada curva normal est determinada por su media ( ) y su desviacin estandar( ) en este sentido Actividad: Si la estatura de 200 estudiantes tiene una distribucin normal con media 120 cm y desviacin estandar de 5 cm. La variable estatura se expresar en la forma siguiente: X N( ; )

X N(120;5) 2.5.1 La Distribucin Normal Estandar Para superar el hecho de que existe un nmero infinito de curvas normales para cada par de valores y , se ha construido una tabla de para la distribucin normal estandar de probabilidades. Para utilizar esta tabla cualquiera sea la variable en estudio, debe NORMALIZARSE(o estandarizarse), la misma se representa por z, denominada variable normal estandar. La tabla referida nos permite encontrar la probabilidad de que una vriable normal cualquiera, se encuentre dentro de un intervalo dado. La variable normal z tiene como caractersticas que su distribucin de probabilidad es normal, con media o ( =0) y desviacin estndar 1 ( =1) z N(0;1) 2.5.2Uso de la tabla Normal La tabla normal tiene las siguientes caractersticas: -El area total bajo la curva normal es 1(que equivale al 100%) -Por la simetra, a partir de 0(media estandarizada) hacia la derecha como a la izquierda, es 0,5( o 50% del rea) haciendo entre ambos 1 -En la tabla se tienen registradas la probabilidades a partir de 0 hacia la derecha, cuando se desee calcular areas hacia la izquierda de 0, se proceder primero calculando el area indicada hacia la derecha para luego asignar dicho valor al area que sea de nuestro interes. -En la tabla la primera columna contiene al entero y un decimal, el segundo decimal se encuentra en la parte superior,(primera fila) -Los valores de la primera columna y la primera fila representan los valores de Z, mientras que los valores comprendidos en el area, representan las probabilidades. 2.5.3Actividades Hallar areas bajo la Curva Normal( o probabilidades ) 1. Hallar el area bajo la curva normal entre los siguientes valores de Z: a) Entre Z=0 y Z=0,9 b) Entre Z=0 y Z=1,45 c) Entre Z=0 y Z=-1,93 d) Entre Z=1 y Z=2,25 e) Entre Z=-2,03 y Z=-1,15 f) A la derecha de Z=-2 g) A la izquierda de Z=-1.55 h) A la derecha de Z=2,66 y a la izquierda de Z=-2.66 2. Hallar el valor o valores de Z, siendo conocido el valor del rea (o la probabilidad) a) El rea entre 0 y Z es 0.4738 b) El rea a la izquierda de Z es 0.9332 c) El rea entre 2 y z es 0,0215 2.5.4Estandarizacin Si tenemos una variable normal X con media 80 y desviacin estndar 3 en forma directa no podemos utilizar la tabla, para superar esta dificultad en una variable cualquiera sea su media y su desviacin estndar, esta variable debe estandarizarse, lo

que se llama: estandarizacin de la variable que se presenta con Z y se define de la siguiente forma:

z= Puntaje o valor de la variable normal estndar x=valor de la variable aleatoria con distribucin N( ; ) = media de la variable x =desviacin estndar 2.5.5 Actividades a) La estatura de 80 estudiantes tiene una distribucin normal con media igual a 150 cm y desviacin estndar de 5 cm. Si tomamos un valor particular de la variable x=160.Cual ser la puntuacin z? b) En un examen los participantes son 80 habindose obtenidos una media de 75 y una desviacin estndar de 8 (escala de 1 a 100).Suponiendo que las calificaciones se distribuyen normalmente, hallar cuantos estudiantes tienen calificaciones: i) entre 71 y 89 ii) mas de 90 iii) menos de 60 2.6 Aproximacin por la distribucin normal a la distribucin binomial Cuando una variable discreta con distribucin binomial, se presenta con un amplio recorrido, y si se trata de calcular tambin la probabilidad de varios puntos del espacio muestral, resulta a veces muy laborioso resolver problemas de esa naturaleza, surge entonces como alternativa, el empleo de la distribucin normal con aproximacin a la binomial. Como regla general, podemos utilizar la aproximacin de la normal a la binomial, si se cumplen las siguientes condiciones: Que: np>5 y nq>5 Por ejemplo se puede utilizar la aproximacin normal a la binomial para p=0.5(q=0.5) si n>10 y p=01(q=0.9) si n>50. La variable x, siendo una variable discreta, solo puede asumir valores numerables(nmeros naturales de 0 a n). Por el contrario, una variable con distribucin normal es una variable continua. Este problema se resuelve sumando y restando 0.5 en cada lmite(superior e inferior de un intervalo) segn sea >=<= >,< respectivamente. El factor 0,5, es llamado factor de correccin por continuidad. Ejemplificando esta explicacin Se tiene una prueba de falso-verdadero con 20 preguntas, con p=0.5 Cul ser la probabilidad de responder correctamente 10 preguntas? Analizando la variable x:nmero de respuestas correctas, vemos que tiene una distribucin binomial. x x binomial (n,p) binomial (20,0.5)

Luego:

P(x)=

n! P x q n x x!(n x)! 20! (0.5)10 (0.5) 20 10 10!(20 10)!

P(x=10)=

P(x=10)=0.1762=17.62% Resolviendo el problema mediante la aproximacin normal, se desarrolla a traves de los siguientes pasos: Como binomial P(x=10) Como aproximacin a la normal P(10-0.5<x<10+5) P(9.5 <X<10.5) Luego =20(0.5)=10 = 20(0.5)(0.5) =2.236 9.5 10 Z= =-0.224 2.236 10.5 10 Z= =0.224 2.236 P(-0.22<Z<0.22)=0.1762 Como binomial P(x=10)=0.1762 Como distribucin normal P(9.5 <X<10.5)=0.1742
2.7 Modelos de distribuciones 2.7.1 Modelos discretos de variables aleatorias. 2.7.1.1 Experimentos y distribucin de Bernouilli.

2.7.1.2 Distribucin binomial.

2.7.1.3 Distribucin uniforme discreta.

2.7.1.4 Distribucin de Poisson.

2.7.1.5 Distribucin hipergeomtrica.

2.7.1.6 Distribucin binomial negativa. Distribucin geomtrica.

2.7.1.7 Distribucin multinomial.

2.7.2

Modelos contnuos de variables aleatorias.

2.7.2.1 Distribucin uniforme contnua.

2.7.2.2 Distribucin exponencial negativa.

2.7.2.3 Distribucin normal.