Beruflich Dokumente
Kultur Dokumente
Modelos de probabilidad
Proceso de Bernoulli
Distribucin de Bernoulli
Distribucin Binomial
Distribucin Geomtrica
Proceso de Poisson
Distribucin de Poisson
Distribucin Exponencial
Modelos de probabilidad
Proceso de Bernoulli
Proceso de Bernoulli
Distribucin de Bernoulli
Distribucin Binomial
Distribucin Geomtrica
Proceso de Poisson
Distribucin de Poisson
Distribucin Exponencial
Distribucin Normal
La Normal como aproximacin de otras distribuciones
Pr( D) = p
Pr( A) = q = 1 p
Proceso de Bernoulli
Proceso de Bernoulli
Pr( D) = p
Pr( A) = q = 1 p
Proceso de Bernoulli
Proceso de Bernoulli
Distribucin de Bernoulli
Distribucin Binomial
p ( x) = p x (1 p )1 x
X ~ B ( n, p )
x = 0,1
= E [ X ] = 0 (1 p ) + 1 p = p
= Var [ X ] = (0 p) 2 (1 p) + (1 p) 2 p = p(1 p)
Estadstica, Profesora. Mara Durbn
Proceso de Bernoulli
Proceso de Bernoulli
n=5
n
P( X = r ) = p r (1 p) n r , r = 0,1,K , n
r
n=25
E [ X ] = np
p=0.75
p=0.5
p=0.2
Var [ X ] = np (1 p )
9
10
Proceso de Bernoulli
Proceso de Bernoulli
Ejemplo
Ejemplo
Pr( X = 0)
11
12
Proceso de Bernoulli
Proceso de Bernoulli
Ejemplo
Distribucin Geomtrica
Cuando un experimento tiene las siguientes caractersticas:
X ~ B(40, 0.01)
40
Pr( X = 0) = 0.010 (1 0.01) 40 = 0.669
0
X ~ Ge( p )
13
Proceso de Bernoulli
Proceso de Bernoulli
Distribucin Geomtrica
Distribucin Geomtrica
1
0
X2
0
1
X3
0
0
X4 L
0 L
0 L
0
0
0
0
1
0
0
1
L
L
X = 1 Pr( X = 1) = p
X = 2 Pr( X = 2) = qp
X1
1
0
X2
0
1
X3
0
0
X4 L
0 L
0 L
X = 3 Pr( X = 3) = qqp
X = 4 Pr( X = 4) = qqqp
0
0
0
0
1
0
0
1
L
L
X = 1 Pr( X = 1) = p
X = 2 Pr( X = 2) = qp
X = 3 Pr( X = 3) = qqp
X = 4 Pr( X = 4) = qqqp
E [ X ] = 1/ p
P( X = r ) = (1 p ) r 1 p, r = 1, 2, K
Estadstica, Profesora. Mara Durbn
14
Var [ X ] = (1 p ) / p 2
15
16
Proceso de Bernoulli
Proceso de Bernoulli
Distribucin Geomtrica
Ejemplo
p ( x ) = Pr ( X = x ) = (1 p) x 1 p
E [ X ] = 1/ p = 1/ 0.1 = 10
17
Modelos de probabilidad
Proceso de Poisson
Proceso de Bernoulli
Distribucin de Bernoulli
Distribucin Binomial
Distribucin Geomtrica
Proceso de Poisson
Distribucin de Poisson
Distribucin Exponencial
Distribucin Normal
La Normal como aproximacin de otras distribuciones
18
19
20
Proceso de Poisson
Proceso de Poisson
Distribucin de Poisson
Distribucin de Poisson
= np
P( X = r ) =
e r
, r = 0,1, K
r!
E[X ] = E[X ] = r
Var [ X ] =
e r
r 1
= e
=
r!
1 ( r 1)!
22
Proceso de Poisson
Proceso de Poisson
Distribucin de Poisson
Ejemplos
Nmero de defectos en un milmetro de cable.
Nmero de llamadas de telfono que se reciben en una centralita
en una hora.
Nmero de erratas por pgina en un documento
23
24
Proceso de Poisson
Proceso de Poisson
Ejemplo
Ejemplo
Pr(Y = 0) =
3 0
e 3
= e3
0!
Proceso de Poisson
Distribucin de exponencial
Distribucin de exponencial
X = Numero de sucesos en la unidad de tiempo X ~ P ( )
26
Proceso de Poisson
27
P (T > t0 ) = Pr(Y = 0) = e t0
F (t0 ) = P (T t0 ) = 1 e t0
Estadstica, Profesora. Mara Durbn
28
Proceso de Poisson
Proceso de Poisson
f ( x ) = e x
Distribucin de exponencial
X = Numero de sucesos en la unidad de tiempo X ~ P ( )
T = Tiempo entre dos sucesos consecutivos
f ( x) = 2e 2 x
dF (t )
= e t , t 0
dt
f (t ) =
E [ X ] = 1/
f ( x) = 0.5e 0.5 x
f ( x ) = 0.1e 0.1x
Var [ X ] = 1/ 2
30
Proceso de Poisson
Proceso de Poisson
Ejemplo
Propiedad
T ~ Exp ( = 1)
13
)=e
31
32
Modelos de probabilidad
Distribucin Normal
Proceso de Bernoulli
Distribucin de Bernoulli
Distribucin Binomial
Distribucin Geomtrica
Proceso de Poisson
Distribucin de Poisson
Distribucin Exponencial
Errores de medida
Ruido en una seal digital
Corriente elctrica en un trozo de cable
Distribucin Normal
La Normal como aproximacin de otras distribuciones
Distribuciones relacionadas con la Normal
Distribucin 2 de Pearson
Distribucin t de Student
Distribucin F de Fisher
33
34
Distribucin Normal
Distribucin Normal
Tiene forma de campana y es simtrica respecto de la media
f ( x)
Toma valores en toda la recta real
La media, mediana y
moda coinciden
1
f ( x) =
e
2
E[ X ] =
( x )2
2 2
< x <
Var[ X ] = 2
0.5
35
0.5
36
Distribucin Normal
Distribucin Normal
El efecto de y
Cmo afecta la deviacin tpica la forma de f(x)?
La probabilidad es el rea
bajo la curva
Es un factor
de escala
= 2
Pr(c X d)
=3
=4
f(x)
c
37
X Z =
38
Distribucin Normal
Densidad de (X-)/
Distribucin Normal
Todas las distribuciones normales
se pueden transformar en N(0,1)
X ~ N (3, 2)
Densidad de X-
Densidad de X
3
Pr( X 6)
Z ~ N (0,1)
Mismo
rea
39
1.5
63 0
Pr Z
Pr(
1.5)
=
Z
40
Distribucin Normal
Distribucin Normal
Ejemplo
F ( x) = Pr( X x) = ( x)
Q( x) = Pr( X > x) = 1 ( x)
Q( x) = 1 Q( x)
Existen ciertas cotas para la funcin Q que se utilizan para calcular
cotas en error de probabilidad de varios sistemas de
comunicaciones
1 x2
Q( x) e
2
x0
2
Q( x) <
1
e 2 x0
2 x
41
42
Distribucin Normal
Distribucin Normal
Ejemplo
Ejemplo
6000 7000
6000 7000
-1.66
Estadstica, Profesora. Mara Durbn
1.66
43
44
Distribucin Normal
Distribucin Normal
Ejemplo
Ejemplo
Cul es la probabilidad de
que el semiconductor falle
antes de 6000 horas?
6000 7000
= 1 Pr( Z 1.66)
= 1 0.9515
= 0.0485
1.66
45
Distribucin Normal
46
Distribucin Normal
Ejemplo
Ejemplo
a 7000
a 7000
-b
0.9505
0.9505
a
Estadstica, Profesora. Mara Durbn
Valor negativo
-b
47
48
Distribucin Normal
Distribucin Normal
Ejemplo
Ejemplo
Qu tiempo de vida en horas es
excedido por el 95.05% de los
semiconductores?
(a 7000)
(a 7000)
(a 7000)
= 1.65
600
a = 6010
b
0.9505
b
49
Distribucin Normal
50
Distribucin Normal
Pr ( Z <-0.6) =
Pr ( Z >0.6 ) =
1 - Pr (Z < 0.6 ) =
1 0.7257 =
0.2743
= 0.7257 - 0.0336
= 0.6921
-0.6
Estadstica, Profesora. Mara Durbn
1.83
51
52
Distribucin Normal
Distribucin Normal
Muestra
Ilustracin
50
60
El histograma no se parece a
una distribucin normal con la
misma media y desviacin tpica
10
20
59
63
59
60
60
69
66
58
60
54
53
65
51
51
69
54
59
54
51
53
59
63
62
65
66
57
56
70
69
55
30
40
50
55
xx
60
65
70
53
59.4
Distribucin Normal
58.5
61.1
54
Distribucin Normal
Supongamos que tenemos n variables aleatorias Xi
distribucin cualquiera
30
20
Cuando n crece,
10
Y = X1 + X 2 + K + X n
0
55.220755
57.099264
58.977773
62.734792
64.613301
xxx 60.856282
56.160009
58.038518
59.917028
61.795537
63.674046
la distribucin de
Y i
N (0,1)
i2
aa$x
55
Y~N
( ,
i
2
i
)
56
Modelos de probabilidad
Distribucin Normal
distribucin cualquiera
57
58
Binomial-Normal
Binomial-Normal
E [ Xi ] = p
Y = X 1 + X 2 +K X n
n = 50 p = 0.3
0.08
npq = 10.5
Var[ X i ] = p (1 p )
T.C.L.
Y N np, np (1 p )
0.12
0.04
n > 30
N 15, 10.5
npq > 5
0.00
5.000
7.625
59
60
Factor de correccin
Ejemplo
Un fabricante de semiconductores admite que produce un 2% de chips
defectuosos. Los chips se empaquetan en lotes de 2000 chips para su
venta.
Un comprador rechazar un lote si contiene 25 o ms chips defectuosos
x + 0.5 np
Pr( X x) = Pr( X x + 0.5) Pr Z
np (1 p )
x 0.5 np
n > 30
np = 40
np (1 p) = 39.2
61
Pr ( X 25 )
X ~ B(2000, 0.02)
X N (40, 6.26)
25 0.5 40
Pr Z
=
6.26
Pr (Z 2.47 ) =
Pr (Z 2.47 ) = 0.9932
62
Poisson-Normal
Poisson-Normal
X ~ P ( )
X N ,
)
63
64
Modelos de probabilidad
Proceso de Bernoulli
Ejemplo
Distribucin de Bernoulli
Distribucin Binomial
Distribucin Geomtrica
Proceso de Poisson
Distribucin de Poisson
Distribucin Exponencial
Distribucin Normal
La Normal como aproximacin de otras distribuciones
Pr ( X 95 )
95 100 0.5
Pr Z
= Pr (Z 0.55 ) =
10
Pr (Z 0.55 ) = 0.7088
65
66
g2
g2
Tiene un slo parmetro denominado grados de libertad.
g X
2
Y = i =1 i
~ g
2
E [Y ] = g
0.4
0.3
Var [Y ] = 2 g
0.0
0.1
independientes
2 grados de libertad
3 grados de libertad
4 grados de libertad
5 grados de libertad
f(x)
X i ~ N ( , )
Xi
2
~ 1
2
~ N (0,1)
0.2
Xi
0.5
67
10
15
x
20
25
68
t de Student
t de Student
Tiene un slo parmetro denominado grados de libertad.
La funcin de densidad es simtrica positiva respecto al 0. Toma valores en toda la
recta real.
La funcin de densidad se aproxima a una N(0,1) cuando aumenta el nmero
de grados de libertad.
0.4
5 grados de libertad
20 grados de libertad
100 grados de libertad
Z ~ N (0,1) Y ~ g2
f(x)
Z
Y/g
0.0
0.1
tg =
0.2
0.3
69
Fg1 , g2 =
X / g1
Y / g2
X ~ g21 Y ~ g22
71
-10
-5
0
x
70