Beruflich Dokumente
Kultur Dokumente
La frmula ser:
PROPIEDADES CARACTERSTICAS
Esperanza matemtica:
Varianza:
Funcin caracterstica:
Moda:
0 si q > p (hay ms fracasos que xitos)
1 si q < p (hay ms xitos que fracasos)
0 y 1 si q = p (los dos valores, pues hay igual nmero de fracasos que
de xitos)
Asimetra (Sesgo):
Curtosis:
Clculo de probabilidades
En una distribucin binomial
n es el nmero de pruebas.
k es el nmero de xitos.
p es la probabilidad de xito.
q es la probabilidad de fracaso.
El nmero combinatorio
1- Ejemplo: La ltima novela de un autor ha tenido un gran xito,
hasta el punto de que el 80% de los lectores ya la han ledo. Un grupo
de 4 amigos son aficionados a la lectura:
Cul es la probabilidad de que el grupo hayan ledo la novela 2
personas?
n=4
p = 0.8
q = 0.2
B(4, 0.8)
Varianza
Desviacin tpica
Ejemplo
La probabilidad de que un artculo producido por una fabrica sea
defectuoso es 0.02. Se envi un cargamento de 10.000 artculos a
unos almacenes. Hallar el nmero esperado de artculos defectuosos,
la varianza y la desviacin tpica.
DISTRIBUCIN HIPERGEOMETRICA.
En teora de la probabilidad la distribucin hipergeomtrica es
una distribucin discreta relacionada con muestreos aleatorios y sin
reemplazo. Supngase que se tiene una poblacin de N elementos de
los cuales, d pertenecen a la categora A y N-d a la B. La distribucin
hipergeomtrica mide la probabilidad de obtener x (
)
elementos de la categora A en una muestra sin reemplazo de n
elementos de la poblacin original.
PROPIEDADES
La funcin de probabilidad de una variable aleatoria con distribucin
hipergeomtrica puede deducirse a travs de razonamientos
combinatorios y es igual a
Donde
es el tamao de poblacin, es el tamao de la muestra
extrada, es el nmero de elementos en la poblacin original que
pertenecen a la categora deseada y es el nmero de elementos en
la muestra que pertenecen a dicha categora. La notacin
hace
referencia al coeficiente binomial, es decir, el nmero de
combinaciones posibles al seleccionar elementos de un total .
El valor esperado de una variable aleatoria X que sigue la distribucin
hipergeomtrica es
y su varianza,
se obtiene
Dnde:
Donde
Vamos a explicarla:
El nmero "e" es 2,71828
" l " = n * p (es decir, el nmero de veces " n " que se realiza el
experimento multiplicado por la probabilidad " p " de xito en cada
ensayo)
" k " es el nmero de xito cuya probabilidad se est calculando
Veamos un ejemplo:
Luego,
P (x = 3) = 0,0892
Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 300
viajes es del 8,9%
Otro ejemplo:
La probabilidad de que un nio nazca pelirrojo es de 0,012. Cul es
la probabilidad de que entre 800 recien nacidos haya 5 pelirrojos?
Luego,
P (x = 5) = 4,602
Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recin
nacidos es del 4,6%
APROXIMACIN HIPERGEOMTRICA
POR LA BINOMIAL
Es un mtodo que se utiliza cuando el espacio muestral, que
manejamos en el problema, es mucho mayor que la muestra.
Dnde:
==np = nmero esperado de xitos = tasa promedio de xitos.
n = nmero de repeticiones del experimento.
p = probabilidad de xito = p(xito).
Una regla general aceptable es emplear esta aproximacin si n20 y
p0.05: s n100, la aproximacin es generalmente excelente
siempre y cuando np10.
Ejemplos:
Se sabe que el 5% de los libros encuadernados en cierto taller tienen
encuadernaciones defectuosas. Determine la probabilidad de que 2
de 100 libros encuadernados en ese taller, tengan encuadernaciones
defectuosas, usando,
a) la frmula de la distribucin Binomial,
b) la aproximacin de Poisson a la distribucin Binomial.
Solucin:
a) n = 100
p = 0.05 = p(encuadernacin defectuosa) = p(xito)
q = 0.95 = p(encuadernacin no defectuosa) = p(fracaso)
x = variable que nos define el nmero de encuadernaciones
defectuosas en la muestra = = 0, 1, 2, 3,....,100 encuadernaciones
defectuosas
LA DISTRIBUCIN UNIFORME
Grficamente:
Grficamente:
Donde:
b: es el extremo superior (en el ejemplo, 160 ptas.)
a: es el extremo inferior (en el ejemplo, 140 ptas.)
Por lo tanto, la funcin de distribucin del ejemplo sera:
Es decir, que el valor final est entre 140 ptas. y 141 ptas. tiene un
5% de probabilidad, que est entre 141 y 142, otro 5%, etc.
El valor medio de esta distribucin se calcula:
En el ejemplo:
etc.
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 "normalidad" ms o menos
justificada de la variable aleatoria bajo estudio.
1.
2.
3.
4.
1.
2.
en el intervalo [ - 2, + 2]
aproximadamente, el 95,44% de la distribucin;
3.
se
encuentra,
X
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7704
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7090
0,7517
0,7813
0,09
0,5359
0,5723
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
0,7881
0,8159
0,8416
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
5
0,9821
4
0,9861
0
0,9892
8
0,9918
0
0,9937
9
0,9953
4
0,9965
3
0,9974
4
0,9981
3
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9777
8
0,9825
7
0,9864
5
0,9895
6
0,9920
2
0,9939
6
0,9954
7
0,9966
4
0,9975
2
0,9981
9
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
1
0,9830
0
0,9867
9
0,9898
3
0,9922
4
0,9941
3
0,9956
0
0,9967
4
0,9976
0
0,9982
5
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
2
0,9834
1
0,9871
3
0,9901
0
0,9924
5
0,9943
0
0,9957
3
0,9968
3
0,9976
7
0,9983
1
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
2
0,9838
2
0,9874
5
0,9903
6
0,9926
6
0,9944
6
0,9958
5
0,9969
3
0,9977
4
0,9983
6
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
2
0,9842
2
0,9877
8
0,9906
1
0,9928
6
0,9946
1
0,9959
8
0,9970
2
0,9978
1
0,9984
1
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0
0,9846
1
0,9880
9
0,9908
6
0,9930
5
0,9947
7
0,9960
9
0,9971
1
0,9978
8
0,9984
6
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9807
7
0,9850
0
0,9884
0
0,9911
1
0,9932
4
0,9949
2
0,9962
1
0,9972
0
0,9979
5
0,9985
1
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,98124
0,98537
0,98870
0,99134
0,99343
0,99506
0,99632
0,99728
0,99801
0,99856
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9816
9
0,9857
4
0,9889
9
0,9915
8
0,9936
1
0,9952
0
0,9964
3
0,9973
6
0,9980
7
0,9986
1
n
30
np,
n < 30
cualquier p
no aproximar,
variable original
calcular
con
la
Por ejemplo:
n p 5 y n q 5.
La distribucin binomial B(n, p) se puede aproximar
mediante una distribucin normal:
Ejemplo:
aproximar a la Normal de
media , varianza
< 10
Donde
Z y V son independientes
donde
a) Las puntuaciones z han sido obtenidas de datos que se distribuyen
segn el modelo Normal, y
b) Cada puntuacin z es independiente de las otras.
la variable T se distribuir segn el modelo Ji Cuadrado con "k"
grados de libertad.
Principales caractersticas
a) La forma de la distribucin es asimtrica positiva, y se acerca a la
distribucin Normal como mayor sea el nmero de grados de libertad
(g.l.). Ejemplo con 5 g.l.:
, el estadstico:
tiene una distribucin muestral que es una distribucin jicuadrada con gl=n-1 grados de libertad y se denota X2 (X es la
minscula de la letra griega ji). El estadstico ji-cuadrada esta dado
por:
2.
3.
4.
5.
6.
para x>0
La tabla que se utilizar para estos apuntes es la del libro de
probabilidad y estadstica de Walpole, la cual da valores crticos
(gl) para veinte valores especiales de
. Para denotar el valor crtico
de una distribucin X2 con gl grados de libertad se usa el smbolo
(gl); este valor crtico determina a su derecha un rea de
bajo la
2
curva X y sobre el eje horizontal. Por ejemplo para encontrar X 20.05(6)
en la tabla se localiza 6 gl en el lado izquierdo y
a o largo
del lado superior de la misma tabla.
Clculo de Probabilidad
El clculo de probabilidad en una distribucin muestral de varianzas
nos sirve para saber como se va a comportar la varianza o desviacin
estndar en una muestra que proviene de una distribucin normal.
Ejemplos:
1.
2.
a.
b.
Solucin.
a.
s2
10.745) = 0.94
Estimacin de la Varianza
Para poder estimar la varianza de una poblacin normal se utilizar la
distribucin ji-cuadrada.
Ejemplos:
1.
Graficamente:
2.
, esto es con la
Ejemplos:
1.
= 0.0002
H1;
> 0.0002
Regla de decisin:
Si X2R
Justificacin y decisin:
Como 13.5 no es mayor que 16.919 por lo tanto no se rechaza H o y se
concluye con un nivel de significancia de 0.05 que no se puede
refutar la afirmacin del proveedor.
Este ejercicio se puede aprovechar para calcular el valor de P. En la
tabla se busca el valor de 13.5 en el rengln de 9 grados de libertad.
Interpolando entre 0.10 y 0.20 se obtiene un valor de P de 0.1484.
2.
= 18
H1;
18
Regla de decisin:
Si 2.7
X2R
= 0.05 y calcule el
Justificacin y decisin:
Como 11.52 est entre 2.7 y 19.023, no se rechaza H o, y se concluye
con un nivel de significancia de 0.05 que la varianza del contenido de
azcar del almbar no ha cambiado, esto es es de 18 mg 2.
Si recordamos al principio de este tema se dijo que la media de la
distribucin ji-cuadrada es (n-1), por lo tanto la media de este
ejercicio es de 9. Como el valor real de X 2R = 11.52 este nmero se
encuentra a la derecha de la media, lo cual quiere decir que el valor
de P/2 ser el rea a la derecha del valor de X 2R. Al buscar el valor de
11.52 en la tabla se obtiene un rea de 0.2423, por lo tanto P/2 =
0.2423 y P= (2)(0.2423) = 0.4846
3.
Ensayo de hiptesis:
Ho;
=6
H1;
<6
Clculos:
DISTRIBUCIN Z.
Distribucin normal con media igual a 0 y desviacin estndar
igual a Tambin se llama distribucin normal estndar.
BIBLIOGRAFA
http://definicion.de/variable-aleatoria/
http://www.vitutor.com/pro/3/a_1.html
http://ljk.imag.fr/membres/Bernard.Ycart/emel/cours/mp/node13.html
https://es.wikipedia.org/wiki/Variable_aleatoria#Funci.C3.B3n_de_den
sidad_de_una_v.a._continua
https://es.wikipedia.org/wiki/Variable_aleatoria
http://www.hrc.es/bioest/estadis_21.html
https://es.wikipedia.org/wiki/Ensayo_de_Bernoulli
http://www.colegiosansaturio.com/deptomatesweb/SANSAMATES/Col
aboraciones/universidad/politicas_baz/bernoulli.html
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial
http://www.vadenumeros.es/sociales/aproximacion-binomialnormal.htm
http://es.slideshare.net/sonyelockheart/distribucin-bernoulli-ydistribucin-binomial
http://www.aulafacil.com/cursos/l11242/ciencia/estadisticas/estadisti
cas/distribuciones-discretas-hipergeometrica
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capit
ulo4/B0C4m1t1.htm
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_uniforme_continua
http://www.vitutor.com/pro/5/a_2.html
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_t_de_Student
http://es.slideshare.net/torimatcordova/distribucion-t-de-student28545004
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_%CF%87%C2%B2
http://www.medwave.cl/link.cgi/Medwave/Series/MBE04/5266