Beruflich Dokumente
Kultur Dokumente
Sección: 306E1
Integrantes:
Amer Kamal 25.765.064
Distribución Multinomial
MARZO 2020
Este modelo se puede ver como una generalización del Binomial en el que, en lugar
de tener dos posibles resultados, tenemos r resultados posibles.
n!
F ( k 1 , k 2 , … , k r )= p1 X … pk X
i k
X1 ! … Xk !
como se ve, el modelo Multinomial queda definido por los parámetros (n, p1, p2, ..., pr). La
fórmula anterior puede deducirse de forma análoga al caso Binomial. En realidad, si
tomamos r = 2 tenemos exactamente el modelo Binomial.
Media
E { X i }=n pi
Varianza
Var ( X i ) =n p i (1− pi )
Cor ( X i , X j ) =−n p i p j ( 1 ≠ p i )
MARZO 2020
Función generadora de momentos
k
n
( ∑ pi e t )
i
i=1
Las probabilidades correspondientes para una prueba dada son p1=2/9, p2=1/6, y p3= 11/18.
Estos valores permanecen constantes para todas las seis pruebas. Al usar la distribución
multinomial con x1=2, x2 y x3=3, encontramos que la probabilidad que se requiere es
2 1 3
2 1 11 6! 2 1 11
(
F 2,1,3 , , , ,6 =
9 6 18 )(
2 !∗1 !∗3 ! 9 )( ) ( ) ( )
6 18
2 1 11
( )
F 2,1,3 , , , ,6 =0,1127 11%
9 6 18
Siendo así 11% el porcentaje de probabilidad de obtener untotal de 7 u 11 dos veces, un par
igual una vez y cualquier otra combinación tres veces.
Distribución Normal
MARZO 2020
Su aplicación es directa y permite observar muchas variables de interés, que pueden
describirse fácilmente con este modelo.
Sirve para acercarse a varias distribuciones de probabilidad discreta, entre estas la
distribución de Poisson y la distribución Binomial.
Sus propiedades han permitido el desarrollo de muchas técnicas de inferencia
estadística. Proporcionando la base de la estadística inferencial clásica, por su
relación con el teorema de límite central.
2
1 x−μ
( )
2 σ
e
F ( x )=
σ √2 π
MARZO 2020
Función de densidad de probabilidad
Emplea cálculos laboriosos, puede demostrarse aplicando la fórmula es
Al hacer mediciones de cualquier tipo y distribuir los resultados bajo algún criterio, es
muy común encontrar que los datos se agrupan de manera singular, en ocasiones dichas
distribuciones siguen una forma con un mayor número de observaciones para
determinado valor, disminuyendo las observaciones a ambos lados de esta más
frecuente.
Por ejemplo, el tiempo (en segundos, minutos u horas) se mide, no se cuenta. Por lo que
es una variable factible de determinar. La probabilidad de que el tiempo de instalación
de determinada utilidad para en un ordenador es entre 8 y 15 segundos o la probabilidad
MARZO 2020
puede ser de entre 8 y 9 segundos. Sin embargo, la probabilidad de que el tiempo de
instalación sea exactamente de 9 segundos es cero.
Ejemplo:
1)Una cierta maquina produce resistencias eléctricas que tienen un valor medio de 40 ohms
y una desviación estándar de 2 ohms. Suponiendo que los valores de las resistencias siguen
una distribución normal y que pueden medirse con cualquier grado de precisión. ¿Qué
porcentaje de resistencias tendrá un valor que exceda a 43 ohms?
MARZO 2020
Aproximación Normal de la Binomial
MARZO 2020
Donde:
x = variable de tipo discreto; solo toma valores enteros
m = np = media de la distribución Binomial
s = = desviación estándar de la distribución Binomial
Cuando ocurren las condiciones anteriores, la gráfica de la distribución Binomial, es
muy parecida a la distribución Normal, por lo que es adecuado calcular probabilidades
con la Normal en lugar de con la Binomial y de una forma más rápida.
En resumen, se utiliza la aproximación Normal para evaluar probabilidades Binomiales
siempre que p no esté cercano a 0 o 1. La aproximación es excelente cuando n es
grande y bastante buena para valores pequeños de n si p está razonablemente cercana a
½. Una posible guía para determinar cuándo puede utilizarse la aproximación Normal
es tener en cuenta el cálculo de np y nq. Sí ambos, np y nq son mayores o iguales a 5, la
aproximación será buena.
Antes de empezar a resolver problemas con la aproximación Normal, es bueno aclarar
que se están evaluando probabilidades asociadas a una variable discreta x, con una
distribución que evalúa variables de tipo continuo como es la Normal,
Por lo que z sufre un pequeño cambio como se muestra a continuación:
¿Por qué vamos a sumar o a restar ½ a x?
Este es un factor de corrección debido a que se está evaluando una variable discreta con
una distribución continua, por lo que hay que delimitar claramente desde que punto se
va a evaluar la variable, dicho de otra forma, en que límite de la barra (inferior o
superior) nos debemos posicionar para determinar la probabilidad requerida, cada barra
de probabilidad a evaluar tiene como base la unidad, ese es el porqué del ± ½.
MARZO 2020
Ejemplos:
p(z=−2.14)=0.4838
p(x ³ 30)= p(z=−2.14)+ 0.5=0.4838+ 0.5=0.9838
a)
MARZO 2020
p(z=1.33)=0.4082
p(x >46)=0.5 – p(z=1.33)=0.5 – 0.4082=0.0918
b) n = 100
p(z=−2.14)=0.4838
MARZO 2020
p(x <50)=0.5 – p( z=−2.14)=0.5 – 0.4838=0.0162
2. Una prueba de opción múltiple tiene 200 preguntas, cada una con 4
posibles respuestas, de las cuáles solo una es la correcta ¿cuál es la probabilidad
de que al azar se den de 25 a 30 respuestas correctas para 80 de las 200
preguntas acerca de los cuales el estudiante no tiene conocimientos?
Solución:
n = 80
p = p(dar una contestación correcta) = 0.25
q = p(dar una contestación incorrecta) = 1 – p = 0.75
preguntas contestadas correctamente
preguntas contestadas correctamente
x = número de preguntas que son contestadas correctamente = 0, 1, 2,...,80
p(z 1=1.16)=0.377
,
p(z 2=2.71)=0.4966
,
p(25 £ x ³ 30)= p( z 2) – p(z 1)=0.4966 – 0.377=0.1196
3. Si 35% de los productos manufacturados en cierta línea de producción es
defectuoso, ¿cuál es la probabilidad de que entre los siguientes 1000 productos
manufacturados en esa línea a) menos de 354 productos sean defectuosos?, b) entre
342 y 364 productos sean defectuosos?, c) exactamente 354 productos sean
defectuosos?
MARZO 2020
Solución:
a)n = 1000
p = p(un producto sea defectuoso) = 0.35
q = p(un producto no sea defectuoso) = 1- p = 0.65
productos defectuosos
15.0831 productos defectuosos
x = número de productos defectuosos que se manufacturan en la línea = 0, 1, 2,..., 1000
p(z=0.23)=0.091
,
p(x <354)=0.5+ p (z=0.23)=0.5+ 0.091=0.5091
b)
MARZO 2020
p(z 1=−0.56)=0.2123
,
p(z 2=0.96)=0.3315
p(342 £ x ³364 )= p( z 1)+ p(z 2)=0.2123+ 0.3315=0.5438
c)
p(z 1=0.23)=0.091
@ 0.23,
p(z 2=0.30)=0.117
, 9
p(x=354 )= p( z 2)− p(z 1)=0.1179 – 0.091=0.0269
MARZO 2020