Universidad de Oriente

Ncleo de Anzotegui
Escuela de Ingeniera y Cs. Aplicadas
Departamento de Ingeniera Civil
Ctedra: Estadstica Aplicada




Distribucin de la Probabilidad






Profesora: Bachilleres:
Ortiz, Mariella (Sec-21) Gmez, Jhovanna
CI: 24.494.549
Mosqueda, Harvin
CI: 22.627.976
Rojas, Mara A.
CI: 21.069.763
Vera, Roberto
CI: 20.739.698
Barcelona, Febrero de 2013
Indice
Introduccin 1
Objetivos 2
Marco Terico: 3
Variable 3
Clasificacin de Variables:
Variables Cualitativas 3
Variables Cuantitativas: 3
Variables Cuantitativas Discretas 3
Variables Cuantitativas Continuas 4
Funcin de probabilidad de una variable aleatoria 4
Distribucin Binomial 5
Distribucin Poisson 6
Distribucin Normal 6
Distribucin t Student 8
Distribucin chi cuadrado 9
Conclusiones y Recomendaciones 10
Bibliografa 12
Apndice 13
Anexos 17

Introduccin
En este periodo del Renacimiento es cuando empiezan a surgir de manera
ms seria inquietudes entorno a contabilizar el nmero de posibles resultados de
un dado lanzado varias veces, o problemas ms prcticos sobre cmo repartir las
ganancias de los jugadores cuando el juego se interrumpe antes de finalizar.
En nuestra especialidad, ingeniera civil, la distribucin de probabilidad
indica todo el conjunto de valores que pueden representarse como resultado de
una investigacin. Una distribucin de probabilidad es semejante a la distribucin
de frecuencias relativas. Sin embargo, en vez de describir el pasado, describe la
probabilidad que un evento se realice en el futuro, conforma una herramienta
fundamental para la perspectiva, ya que se puede disear un escenario de
acontecimientos futuros considerando las tendencias actuales de diversos
fenmenos naturales.
Las determinaciones estadsticas basadas en la estadstica inferencial son
fundamentales en la investigacin que son evaluadas en trminos de distribucin
de probabilidades.
En el presente trabajo, se estudia de manera dinmica los distintos tipos de
distribucin probabilstica, como tambin se estudiara las caractersticas de cada
distribucin, la fundamentacin matemtica de los diversos resultados tambin se
enfocaran en el presente trabajo; adems al estudio descriptivo de las variables
cualitativas, cuantitativa, que a su vez se dividen en discretas y continuas,
variables aleatorias y su funcin de probabilidad. Asimismo explicaremos los
diferentes tipos de distribucin como: Binomial, Poisson, Normal, T Student y Chi
Cuadrado

Objetivos
Establecer la probabilidad de ocurrencia de un evento dado mediante la
estimacin de valor esperado de una variable discreta usando la distribucin
Binomial y Poisson.

Establecer la probabilidad de ocurrencia de un evento dado mediante la
estimacin del valor esperado de una variable continua usando las distribuciones
normal, gamma, t Student y chi Student.

Marco Terico
Variable
Una variable es la expresin simblica representativa de un elemento no
especificado comprendido en un conjunto. Este conjunto constituido por todos los
elementos o variables, que pueden sustituirse unas a otras es el universo de
variables. Se llaman as porque varan, y esa variacin es observable y medible.
Clasificacin de variables
Variables cualitativas
Son las variables que expresan distintas cualidades, caractersticas o
modalidad. Cada modalidad que se presenta se denomina atributo o categora y la
medicin consiste en una clasificacin de dichos atributos. Las variables
cualitativas pueden ser dicotmicas cuando slo pueden tomar dos valores
posibles como s y no, hombre y mujer o son politomicas cuando pueden adquirir
tres o ms valores. Dentro de ellas podemos distinguir:
1. Variable cualitativa ordinal o variable cuasi cuantitativa
La variable puede tomar distintos valores ordenados siguiendo una escala
establecida, aunque no es necesario que el intervalo entre mediciones sea
uniforme, por ejemplo: leve, moderado, fuerte.
2. Variable cualitativa nominal
En esta variable los valores no pueden ser sometidos a un criterio de orden
como por ejemplo los colores.
Variables cuantitativas
Una variable cuantitativa es la que se expresa mediante un nmero, por
tanto se pueden realizar operaciones aritmticas con ella. Podemos distinguir dos
tipos:
1. Variable Cuantitativa Discreta
Es la variable que presenta separaciones o interrupciones en la escala de
valores que puede tomar. Estas separaciones o interrupciones indican la ausencia
de valores entre los distintos valores especficos que la variable pueda asumir.
Ejemplo: El nmero de hijos (1, 2, 3, 4, 5).
2. Variable Cuantitativa Continua
Es la variable que puede adquirir cualquier valor dentro de un intervalo
especificado de valores. Por ejemplo la masa (2,3 kg, 2,4 kg, 2,5 kg,...) o la altura
(1,64 m, 1,65 m, 1,66 m,...), o el salario. Solamente se est limitado por la
precisin del aparato medidor, en teora permiten que siempre exista un valor
entre dos variables.
Variables Aleatorias y su Funcin de Probabilidad
Variable Aleatoria: Sea S un espacio muestral sobre el que se
encuentra definida una funcin de probabilidad. Sea X esa funcin de valor real
definida sobre S de manera que transforme los resultados de S en puntos sobre la
recta de los nmeros reales. Se dice entonces que X es una variable aleatoria. La
cual transforma todos los posibles resultados del espacio muestral en cantidades
numricas.
Anteriormente los experimentos se conceban de tal manera que los
resultados del espacio muestral eran cualitativos. Como ejemplos de resultados
cualitativos tenemos: El lanzamiento de una moneda nos puede dar como
resultado: cara o cruz El producto manufacturado en una fbrica puede ser
defectuoso o no defectuoso Una persona en particular puede preferir la locin
X o la Y Debido a que resulta interesante en algunos casos cuantificar el
comportamiento aleatorio de un espacio muestral, nace el concepto de variables
aleatorias las cuales permiten relacionar cualquier resultado con una medida
cuantitativa.
Ejemplo: Sea el experimento aleatorio de lanzar un dado al aire. Los
posibles resultados del experimento (sucesos elementales) son los siguientes:
<<que salga 1>>, <<que salga2>>, <<que salga 3>>, <<que salga 4>>, <<que
salga 5>> y <<que salga6>>. Resulta sencillo asociar a cada suceso elemental el
nmero correspondiente a la cara del dado que haya salido. Por tanto, la variable
aleatoria, X, ser: X= 1, 2, 3,4, 5, 6.
Funcin de Probabilidad de una Variable Aleatoria f(x)
Es la funcin que asigna probabilidades a cada uno de los valores de una
variable aleatoria. Consideremos una variable aleatoria X, que toma los valores x1,
x2, ..,xn. Supongamos que conocemos la probabilidad de que la variable X tome
dichos valores, es decir, se conoce que: p(X=x1) = p1, p(X=x2) = p2, p(X=x3) = p3,
..., p(X=x1) = pn, en general p(X=xi) = pi. La funcin de probabilidad f(x) de la
variable aleatoria X es la funcin que asigna a cada valor xi de la variable su
correspondiente probabilidad pi.
Caractersticas de la funcin de probabilidad
1.- p(x) 0 para todos los valores x de X, es decir, la probabilidad de cada uno de
los valores que puede tomar x sea mayor a 0.
2.- x p(x)= 1, la sumatoria de las probabilidades asociadas deben ser igual a1 .La
representacin grfica ms usual de la funcin de probabilidad es un diagrama de
barras.
Distribucin Binomial
En estadstica, la distribucin binomial es una distribucin de probabilidad
discreta que mide el nmero de xitos en una secuencia de n ensayos de Bernoulli
independientes entre s, con una probabilidad fija p de ocurrencia del xito entre
los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotmico, esto
es, slo son posibles dos resultados. A uno de estos se denomina xito y tiene
una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 p.
En la teora de probabilidad y estadstica, un ensayo de Bernoulli es un
experimento aleatorio en el que slo se pueden obtener dos resultados
(habitualmente etiquetados como xito y fracaso). Se denomina as en honor a
Jakob Bernoulli.
Desde el punto de vista de la teora de la probabilidad, estos ensayos estn
modelados por una variable aleatoria que puede tomar slo dos valores, 0 y 1.
Habitualmente, se utiliza el 1 para representar el xito. Si p es la probabilidad de
xito, entonces el valor del valor esperado de la variable aleatoria es p y su
varianza, p (1-p). Los procesos de Bernoulli son los que resultan de la repeticin
en el tiempo de ensayos de Bernoulli independientes pero idnticos.
Distribucin de Poisson
La distribucin de Poisson es una distribucin de probabilidad discreta que
expresa, a partir de una frecuencia de ocurrencia media, la probabilidad que
ocurra un determinado nmero de eventos durante cierto periodo de tiempo. Fue
descubierta por Simon-Denis Poisson, que la dio a conocer en 1838 en su trabajo
Investigacin sobre la probabilidad de los juicios en materias criminales y civiles.
La distribucin de Poisson es el caso lmite de la distribucin binomial. De
hecho, si los parmetros n y de una distribucin binomial tienden a infinito y a
cero de manera que se mantenga constante, la distribucin lmite obtenida es de
Poisson. La distribucin de Poisson se aplica a varios fenmenos discretos de la
naturaleza (esto es, aquellos fenmenos que ocurren 0, 1, 2, 3,... veces durante
un periodo definido de tiempo o en un rea determinada) cuando la probabilidad
de ocurrencia del fenmeno es constante en el tiempo o el espacio.
Distribucin Normal
En estadstica y probabilidad se llama distribucin normal, distribucin de
Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de
variable continua que con ms frecuencia aparece aproximada en fenmenos
reales.
La grfica de su funcin de densidad tiene una forma acampanada y es
simtrica respecto de un determinado parmetro estadstico. Esta curva se conoce
como campana de Gauss y es el grfico de una funcin gaussiana. La importancia
de esta distribucin radica en que permite modelar numerosos fenmenos
naturales, sociales y psicolgicos. Mientras que los mecanismos que subyacen a
gran parte de este tipo de fenmenos son desconocidos, por la enorme cantidad
de variables incontrolables que en ellos intervienen, el uso del modelo normal
puede justificarse asumiendo que cada observacin se obtiene como la suma de
unas pocas causas independientes.
De hecho, la estadstica es un modelo matemtico que slo permite
describir un fenmeno, sin explicacin alguna. Para la explicacin causal es
preciso el diseo experimental, de ah que al uso de la estadstica en psicologa y
sociologa sea conocido como mtodo correlacional.
La distribucin normal tambin es importante por su relacin con la
estimacin por mnimos cuadrados, uno de los mtodos de estimacin ms
simples y antiguos.
Algunos ejemplos de variables asociadas a fenmenos naturales que
siguen el modelo de la normal son:
Caracteres morfolgicos de individuos como la estatura;
Caracteres fisiolgicos como el efecto de un frmaco;
Caracteres sociolgicos como el consumo de cierto producto por un mismo
grupo de individuos;
Caracteres psicolgicos como el cociente intelectual;
Nivel de ruido en telecomunicaciones;
Errores cometidos al medir ciertas magnitudes;
La distribucin normal tambin aparece en muchas reas de la propia
estadstica. Por ejemplo, la distribucin muestral de las medias muestrales es
aproximadamente normal, cuando la distribucin de la poblacin de la cual se
extrae la muestra no es normal.1 Adems, la distribucin normal maximiza la
entropa entre todas las distribuciones con media y varianza conocidas, lo cual la
convierte en la eleccin natural de la distribucin subyacente a una lista de datos
resumidos en trminos de media muestral y varianza. La distribucin normal es la
ms extendida en estadstica y muchos tests estadsticos estn basados en una
supuesta "normalidad".
En probabilidad, la distribucin normal aparece como el lmite de varias
distribuciones de probabilidades continuas y discretas.
Distribucin T Student
La distribucin de Student fue descrita en 1908 por William Sealy Gosset.
Gosset trabajaba en una fbrica de cerveza, Guinness, que prohiba a sus
empleados la publicacin de artculos cientficos debido a una difusin previa de
secretos industriales. De ah que Gosset publicase sus resultados bajo el
seudnimo de Student.
En probabilidad y estadstica, la distribucin t (de Student) es una
distribucin de probabilidad que surge del problema de estimar la media de una
poblacin normalmente distribuida cuando el tamao de la muestra es pequeo.
Aparece de manera natural al realizar la prueba t de Student para la determinacin
de las diferencias entre dos medias muestrales y para la construccin del intervalo
de confianza para la diferencia entre las medias de dos poblaciones cuando se
desconoce la desviacin tpica de una poblacin y sta debe ser estimada a partir
de los datos de una muestra.
Existen dos versiones de la prueba t-Student: una que supone que las
varianzas poblacionales son iguales y otra versin que no asume esto ltimo. Para
decidir si se puede suponer o no la igualdad de varianza en las dos poblaciones,
se debe realizar previamente la prueba F-Snedecor de comparacin de dos
varianza.
Distribucin chi-cuadrado
La distribucin chi-cuadrado es una de las distribuciones de probabilidad
ms ampliamente utilizada en la estadstica inferencial. Su utilidad reside en que,
bajo algunos supuestos razonables y poco exigentes, existen variables que al
calcularse pueden dar lugar a una distribucin aproximada a la chi-cuadrado.
Las situaciones mejor conocidas del uso de esta distribucin est en la
comn prueba chi-cuadrado de bondad de ajuste de una distribucin observada a
una distribucin terica, y la de independencia de dos criterios de clasificacin de
datos cualitativos. Sin embargo, muchos otros test utilizan esta distribucin.
Como muchas otras distribuciones comunes, la distribucin chi-cuadrado
est asociada a un parmetro conocido como grado de libertad. La forma de la
distribucin depende del valor de este parmetro.


Conclusiones y Recomendaciones
La Estadstica es una ciencia con base matemtica, es decir, que estudia
cmo debe emplearse la informacin y cmo dar una gua de accin en
situaciones prcticas que denotan incertidumbre, as mismo busca explicar
condiciones regulares en fenmenos de tipo aleatorio.
Las variables y sus diversas clasificaciones son tiles y comprensible; se
puede utilizar para el estudio y proceso de anlisis de un conjunto de
observaciones de los datos que representan una ordenacin, tambin son tiles
en situaciones en la que se tienen serias dudas y se desea saber entre diferentes
alternativas cual es la mejor seleccin a escoger.
La Distribucin binomial en la estadstica nos permite obtener un resultado
dicotmico, que mide el nmero de xitos en una secuencia, obteniendo un
resultado de xito y fracaso, siendo el valor mayor el que represente el xito en
una escala de 0 a 1. En caso de que el resultado del fracaso se mantenga de
manera constante la distribucin obtenida pasara a ser la de Poisson.
Las Pruebas de Chi Cuadrado son unas de las ms utilizadas, estas
pruebas son: las pruebas de Bondad de Ajuste, estas pruebas miden el grado en
que los datos mustrales que son observados, cumplen una distribucin
hipottica determinada y si el grado de cumplimiento es razonable, se puede
deducir que la distribucin hipottica existe.
Si dos variables estn relacionadas en las 120 aplicaciones estadsticas, es
frecuente interesarse en calcular si dos variables de clasificacin, ya sea
cuantitativa o cualitativa, son independientes o si estn relacionadas. Cuando se
presenten varias muestras cualitativas, se comprueba si las mismas provienen de
una misma poblacin, donde las variables medibles se presentan a travs de
categoras.

Estas Pruebas No Paramtricas tienen sus ventajas por ser fciles de
aplicar, son relativamente sencillos, claros de exponer y de comprender en
comparacin con los mtodos paramtricos, ya que se pueden utilizar con
muestras pequeas, lo cual no requiere de clculos laboriosos.


Bibliografa
Gua de Estadstica 1. Universidad de Oriente. Profesor Pedro Diaz
Pgina de Internet:
http://juancarlosvergara.50webs.org/Apuntes/Ejercicios%20Parte%20II.pdf
Pgina de Internet: http://casanchi.galeon.com/mat/chi2.htm
Pagina de Internet: http://www.slideshare.net/grupodetrabajo/distribucion-
binomial
Pagina de Internet:
http://www.uam.es/personal_pdi/ciencias/cvinuesa/mdp0910.html


Apndice
1. Distribucin Binomial: Calcular la probabilidad de que la suma sea 9 una
vez, en 3 lanzamientos de un par de datos.
ensayos independientes.

, ya que son cuatro posibilidades de xito: [( ) ( ) ( ) ( )]

en cada lanzamiento.
(

, numero de xitos en los 3 ensayos.
Aplicando la formula de distribucin de probabilidad Binomial acumulada:
()

Donde:
x= Nmeros de xitos.
n= Nmeros de ensayo.
p= xito.
q= Fracaso.
( )

La probabilidad de que la suma sea 9 es de 26,34%
2. Distribucin Poisson: En un experimento de laboratorio, el promedio de
partculas radioactivas que pasan por un contador durante 1 milisegundo es
4. Cul es la probabilidad de que 6 partculas pasen por el contador en un
milisegundo?
La formula de Poisson a utilizar para resolver este tipo de problema es:
( )

Donde:
x: Numero de veces que ocurre el evento especifico.
: Numero promedio de ocurrencias del evento en un intervalo dado.
e: Base de los logaritmos neperianos = 2,71828
( )

Usando la tabla de probabilidades Poisson acumuladas anexa al trabajo,
tenemos que:
( ) () ()
La probabilidad de que 6 partculas pasen por el contador en un
milisegundo es del 10,42%.
3. Distribucin Normal: El tiempo de vida de un tipo de televisor tiene una
distribucin aproximadamente normal con =3,1 aos y =1,2 aos. Si este
tipo de televisor se garantiza por un ao Qu fraccin de los televisores
que se vendan sern devueltos o cambiados por garanta?

=80
0
A
En la tabla anexa al trabajo de probabilidades normales acumuladas,
ubicamos el valor de -1,75 y obtenemos lo siguiente:
( ) () ( )
La fraccin de televisores que se devolvern o sern cambiados por
garanta es del 4,01%.
4. Distribucin t Student: La longitud de los tornillos fabricados en una
fbrica tienen media =10mm y desviacin s=1mm, calcular la probabilidad
de que en una muestra de tamao n=25, la longitud media del tornillo sea
inferior a 20,5mm:

P (<20,5)
Estandarizamos
()
(

)
que sigue una distribucin t de n-1 grados de libertad:


(

)

( ) ( )()
( )
( )

La probabilidad que la longitud media de la muestra de 25 tornillos sea
inferior a 20.5mm es del 99.02%.

5. Distribucin Chi cuadrado: Un fabricante X concluye que su producto
tendr una vida til de 10 aos. Se elige una muestra entre los cuales
tenemos: 11.8 - 9.7 - 10.5 - 12.1 - 13.3 - 13.4 - 10.3 - 8.5 - 15.0 - 10.5 - 7.6 -
6.3. Teniendo en cuenta una desviacin poblacional de 1.2 aos. De
acuerdo a lo anterior se puede corroborar que la desviacin poblacional es
de 1.2 aos?

= 1,2
= 10
s = 2,53
n =12
V =11
X
2
= 48.8



Aplicando la formula de distribucin chi cuadrado

()

tenemos
que:

( ) ()

()

De acuerdo a lo anterior se puede observar que la desviacin poblacional
es mayor que 1.2 aos (debido a que el valor de Chi Cuadrado es muy alto y por
lo tanto no cae dentro del intervalo de confianza para una muestra de 12).

Anexos
Tabla de distribucin Poisson

Tabla de distribucin Normal