Sie sind auf Seite 1von 24

DISTRIBUCIÓN DE PROBABILIDADES

Estadística
Nincen Figueroa
Carrera de Psicología
Universidad Diego Portales

nincen.figueroa@mail.udp.cl

2019
DISTRIBUCIÓN DE PROBABILIDADES
ALGUNAS DEFINICIONES

Bibliografía para esta sesión:


• Weiss, N.A. (2011). Elementary Statistics (8th ed.). Pearson.
• Blalock, H. M. (1978). Estadística social. México: Fondo de Cultura Económica.
• Johnson, R., & Romo Muñoz, J. H. (2008). Estadística elemental: lo esencial. México: Cengage Learning.
• Triola, M., Pineda Ayala, L. E., & Hernández Ramírez, R. (2009). Estadística. Naucalpán de Juárez: Pearson
Educación.
ESTADÍSTICA INFERENCIAL Y DISTRIBUCIÓN DE
PROBABILIDADES

 Hasta aquí estamos habilitados para combinar el uso de la estadística descriptiva


y de las probabilidades para establecer un modelo teórico que nos permita dar
cuenta de la forma en que se comportan diferentes variables en una serie de
experimentos.
 Lo que nos interesa ahora, es como se distribuyen las probabilidades en esos
experimentos para permitirnos utilizar estos resultados en aplicaciones reales de
la estadística inferencial. Alguno de los conceptos que aprenderemos y que se
relacionan con la situación anterior, corresponden a los de variables aleatorias
y distribución de probabilidades.
ESTADÍSTICA INFERENCIAL Y DISTRIBUCIÓN DE
PROBABILIDADES. EJEMPLO
DISTRIBUCIÓN DE PROBABILIDADES:
VARIABLES ALEATORIAS

 Una variable aleatoria es aquella que asume un solo valor numérico para
cada uno de los resultados posibles en el espacio muestral de un
experimento. Casi siempre es representada por X.
 Se llama aleatoria porque el valor que toma es el resultado de un evento
fortuito o al azar, es decir, no conocemos su valor antes de realizar el
experimento.

Las variables aleatorias pueden clasificarse en discretas o continuas.


DISTRIBUCIÓN DE PROBABILIDADES:
VARIABLES ALEATORIAS
 Las variables aleatorias pueden clasificarse entre:

Discretas: Continuas:
Están definidas sobre un espacio muestral Están definidas sobre espacios muestrales
discreto. Tiene un número finito de continuos. Al medirlas no es posible
valores o un número de valores contable. hacerlo exactamente, siempre habrá un
Generalmente son el resultado de un error de medida, ya que se registran de
conteo. manera discreta. No existen
interrupciones entre uno y otro valor.
Ejemplos: Número de personas en el hogar,
número de camas en un hogar, número de
hijos, número de candidatos presidenciales. Ejemplos: Edad, ingreso, peso, altura.
DISTRIBUCIÓN DE PROBABILIDADES:
VARIABLES ALEATORIAS. EJEMPLOS.

 Clasifique cada una de las variables aleatorias siguientes, ya sea como


discretas o continuas:
1. Número de personas que votaron por el Partido Socialista en la Región
Metropolitana
2. Presupuesto asignado a las campañas presidenciales
3. Número de países que participan en la Asamblea General de las Naciones
Unidades
4. Cantidad de alumnos de la clase Estadística
5. Edad de los alumnos de la clase Estadística
DISTRIBUCIÓN DE PROBABILIDADES:
DEFINICIONES
 Cuando se examinan las probabilidades asociadas a las variables aleatorias, estas pueden
ser presentadas en forma de una distribución de probabilidades, utilizadas para
representar poblaciones empíricas.
 Entenderemos la distribución de probabilidad asociada a una variable aleatoria como la
distribución teórica de los valores de la variable. Mediante ellas podemos ver
cuántos casos corresponden a cada uno de los valores que toma la variable X.
 Cuando queremos construir la distribución de probabilidad de una variable aleatoria
armamos la tabla con las columnas “x” y “P(x)”.

Requisitos de una probabilidad de distribución


å P(x) =1 • donde x asume todos los valores posibles. (Es decir, la suma de todas
las probabilidades debe ser 1).

0 £ P(x) £1• para cada valor individual de x. (Es decir, cada valor de probabilidad
debe ubicarse entre 0 y 1, inclusive).
DISTRIBUCIÓN DE PROBABILIDADES:
FUNCIÓN DE PROBABILIDAD

 Las distribuciones de probabilidad también pueden ser representadas por


una función de probabilidad, las cuales deben cumplir los requisitos señalados
anteriormente. Podemos entender una función de probabilidad como una
regla que asigna probabilidades a los valores de variables aleatorias.
 Por ejemplo, pensemos en la función de probabilidad definida por:

x x=1,2,3,4
P(x) =
10
¿Cumple la función de probabilidad con los requisitos definidos?
DISTRIBUCIÓN DE PROBABILIDADES:
TABLA DE FRECUENCIAS
 Para las variables discretas la distribución de probabilidades corresponde a
una tabla de frecuencias.
Número de personas en el hogar
xi n(xi) p(xi)
1 880 0.033
2 3200 0.118
3 5191 0.192
4 7168 0.265
5 4964 0.183
6 2753 0.102
7 1439 0.053
8 689 0.025
9 406 0.015
10 140 0.005
11 77 0.003
12 48 0.002
13 52 0.002
14 43 0.002
15 15 0.001
Total 27065 1
Fuente: Elaboración propia en base a tabulaciones especiales de la Encuesta CASEN 2011
DISTRIBUCIÓN DE PROBABILIDADES:
HISTOGRAMA DE PROBABILIDADES
 De igual forma, una distribución de probabilidades puede ser presentada no solo
a través de una tabla de frecuencias sino que también mediante un histograma
de probabilidades. Este tipo de gráfico muestra los posibles valores de una
variable aleatoria discreta en el eje horizontal y las probabilidades de estos
valores en el eje vertical. La probabilidad de cada valor es representado en una
barra vertical cuyo peso es igual a la probabilidad.
0,300 0,300

0,250 0,250
Probabilidad P(x)

0,200 0,200

0,150 0,150

0,100 0,100

0,050 0,050

0,000 0,000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Número de personas en el hogar
DISTRIBUCIÓN DE PROBABILIDADES:
MEDIA,VARIANZA Y DESVIACIÓN ESTÁNDAR

 El histograma de probabilidad puede darnos información acerca de la naturaleza


o forma de la distribución de una variable aleatoria. Podemos calcular la media,
varianza y desviación estándar las cuales brindarán mayor información acerca de
la distribución de la variable.
Notación
1. Media de una muestra x
2. Varianza de una muestra s2
3. Desviación estándar de una muestra s
4. Media de una población m
5. Varianza de una población s
6. Desviación estándar de una población s2
DISTRIBUCIÓN DE PROBABILIDADES:
MEDIA DE UNA DISTRIBUCIÓN DE PROBABILIDADES DISCRETA

 La media de una distribución de probabilidades discreta se denomina también


como esperanza matemática y puede ser simbolizada por E.
 Su cálculo se realiza en base a la sumatoria de la multiplicación de cada valor
posible de X por la probabilidad que este ocurra. La fórmula está determinada
por:

E(x) = Valor medio de x (m ) = å[x i * P(xi )]


Con un mayor número de observaciones de una variable aleatoria X, el valor
promedio de estas observaciones se aproximará al promedio, μ, de X. Un mayor
número de observaciones más se acercará a la tendencia de μ.
DISTRIBUCIÓN DE PROBABILIDADES:
VARIANZA Y DESVIACIÓN ESTÁNDAR DE UNA DISTRIBUCIÓN DE PROBABILIDADES
DISCRETA

 Por su parte, la varianza de una variable aleatoria discreta X se calcula utilizando


la siguiente fórmula:

(
s = å ( xi - E(x)) * P(x)
2 2
)
 =  (x * p( xi ) )− E ( x)
2 2
i
2

 La desviación estándar de una variable aleatoria discreta se instrumenta a partir


de la raíz cuadrada de la varianza.
s= s 2
DISTRIBUCIÓN DE PROBABILIDADES:
MEDIA,VARIANZA Y DESVIACIÓN ESTÁNDAR
 Calcular la media, varianza y desviación estándar de la distribución de
probabilidades de la variable aleatoria discreta número de personas en el hogar:
Número de personas en el hogar
xi n(xi) p(xi)
1 880 0.033
2 3200 0.118
3 5191 0.192
4 7168 0.265
5 4964 0.183
6 2753 0.102
7 1439 0.053
8 689 0.025
9 406 0.015
10 140 0.005
11 77 0.003
12 48 0.002
13 52 0.002
14 43 0.002
15 15 0.001
Total 27065 1
Fuente: Elaboración propia en base a tabulaciones especiales de la Encuesta CASEN 2011
DISTRIBUCIÓN DE PROBABILIDADES:
EJEMPLOS.
 Volviendo al ejemplo anterior:
xi n(xi) p(xi) xi*p(xi) xi-μ (xi-μ)2 (xi-μ)2*p(xi) P(X)
1 880 0.033 0.033 -3.302 10.902 0.354 0.033
2 3200 0.118 0.236 -2.302 5.298 0.626 0.151
3 5191 0.192 0.575 -1.302 1.695 0.325 0.343
4 7168 0.265 1.059 -0.302 0.091 0.024 0.607
5 4964 0.183 0.917 0.698 0.487 0.089 0.791
6 2753 0.102 0.610 1.698 2.884 0.293 0.893
7 1439 0.053 0.372 2.698 7.280 0.387 0.946
8 689 0.025 0.204 3.698 13.677 0.348 0.971
9 406 0.015 0.135 4.698 22.073 0.331 0.986
10 140 0.005 0.052 5.698 32.470 0.168 0.991
11 77 0.003 0.031 6.698 44.866 0.128 0.994
12 48 0.002 0.021 7.698 59.262 0.105 0.996
13 52 0.002 0.025 8.698 75.659 0.145 0.998
14 43 0.002 0.022 9.698 94.055 0.149 0.999
15 15 0.001 0.008 10.698 114.452 0.063 1.000
Total 27065 1 4.302 3.538

Media Varianza
DISTRIBUCIÓN DE PROBABILIDADES:
EJERCICIOS CON ESCALA DE IDENTIFICACIÓN POLÍTICA
P32- Utilizando una escala de 0 a 10, donde 0 representa más de izquierda y
10 más de derecha, ¿en qué posición se ubicaría Ud.?
xi n(xi)
0.- Muy de Izquierda 18
1 22
2 34
3 70
4 78
5 278
6 86
7 65
8 45
9 18
10.- Muy de Derecha 28
Total 742
Fuente: Elaboración propia en base a datos de la Encuesta UDP 2013 (Marzo)
DISTRIBUCIÓN DE PROBABILIDADES
DISTRIBUCIÓN BINOMIAL

Bibliografía para esta sesión:


• Weiss, N.A. (2011). Elementary Statistics (8th ed.). Pearson.
• Blalock, H. M. (1978). Estadística social. México: Fondo de Cultura Económica.
• Johnson, R., & Romo Muñoz, J. H. (2008). Estadística elemental: lo esencial. México: Cengage Learning.
• Triola, M., Pineda Ayala, L. E., & Hernández Ramírez, R. (2009). Estadística. Naucalpán de Juárez: Pearson
Educación.
DISTRIBUCIÓN DE PROBABILIDADES:
VARIABLES BINOMIALES

 Variables aleatorias discretas que tiene solo dos resultados posibles


(Éxito y fracaso, p y q).
 “p” es la probabilidad de ocurrencia de 1 suceso en un solo ensayo
(éxito) y “q” es la probabilidad de que el suceso no ocurra en un solo
ensayo (fracaso)
DISTRIBUCIÓN DE PROBABILIDADES:
DISTRIBUCIÓN BINOMIAL
 En estos casos la probabilidad de que el evento ocurra exitosamente “x”
veces en “n” ensayos independientes está dado por:
 n  k n−k
pX = k  =   p q , 0  k  n
k 
p ➔ probabilidad constante de 1 éxito por cada intento
q ➔ probabilidad de fracaso = (q=1-p)

 Esto es lo que se conoce como distribución binomial, que se cumple bajo los
siguientes supuestos:
 Hay un número fijo de intentos o experimentos.
 La probabilidad de éxito es la misma para cada intento.
 Todos los intentos son independientes.
DISTRIBUCIÓN DE PROBABILIDADES:
DISTRIBUCIÓN BINOMIAL

 El número de éxitos en n intentos es una variable aleatoria (v.a.) que tiene


distribución binomial.

En esta función, n sobre k, es el coeficiente binomial, que representa el número


de formas en que puede haber x éxitos en n ensayos; p(x) es la probabilidad de
obtener x éxitos exactamente y q(n-x) es la probabilidad de ocurran fracasos en
los (n-x) ensayos restantes.

 Notación: B(n,p)
DISTRIBUCIÓN DE PROBABILIDADES:
DISTRIBUCIÓN BINOMIAL

 La media de una distribución


binomial es el producto del
número de intentos por la
 = n* p
probabilidad de éxitos:

 Varianza
 = n* p*q
2
DISTRIBUCIÓN DE PROBABILIDADES:
DISTRIBUCIÓN BINOMIAL. EJEMPLO

 Una investigación realizada por una empresa de comunicaciones sobre cierto


candidato presidencial ha revelado que el 25% de los habitantes de una
determinada población votarían por él en las próximas elecciones. Si se eligen al
azar 10 personas de esa población:
 ¿Cuál es la probabilidad de que ninguna de ellas vea votará por el candidato?
 ¿Cuál es la probabilidad de que dos de ellas si lo vean?
SOCIOLOGÍA E INVESTIGACIÓN SOCIAL:
EN RESUMEN