DISTRIBUCIONES DE PROBABILIDAD

LAS DISTRIBUCIONES DE PROBABILIDAD

(A) Concepto: Es una distribucin de frecuencias terica que describe la forma en que se espera que varen los resultados. Resultan tiles para realizar inferencias y tomar decisiones bajo incertidumbre.
As como las variables (datos) de las caractersticas se pueden resumir en distribuciones de frecuencia (tablas de frecuencia) de la misma manera los valores de una variable aleatoria se pueden resumir en una DISTRIBUCION DE PROBABILIDADES

Ejemplo: Se realiza un anlisis de sangre a fin de determinar si el paciente padece de anemia (A) o no la padece (N). El nmero de pacientes anmicos ser:
N de Anmicos 0 1 2 Resultados Probabilidad Probabilidad

NN AN, NA AA

0,25 0,50 0,25

0,50

0,25

N de pacientes anmicos

(B) TIPOS DE DISTRIBUCIONES

a) DISCRETAS: La variable toma un nmero limitado de valores.

Abarca :

- Distribucin binomial - Distribucin de Poisson b) CONTINUAS: La variable puede tomar cualquier valor dentro de un intervalo dado. Abarca: - Distribucin normal - Distribucin normal estndar o Z - Distribucin t - Distribucin Ji-cuadrada 2 - Distribucin F

A. Distribuciones Discretas de Probabilidad

(A) La distribucin binomial (de Bernoulli)
Se utiliza para describir variables discretas que solo pueden tener dos posibles resultados (si/no, positivo/negativo). Indica la probabilidad que un resultado especfico se presente en un nmero dado de pruebas independientes.

a) Caractersticas:

El experimento consiste en una serie de ensayos repetidos. Cada ensayo slo tiene dos resultados posibles: xito y fracaso. La probabilidad de xito, designado por p es la misma para cada ensayo, la probabilidad de fracaso q (igual a 1-p) es tambin constante. Los ensayos sucesivos son independientes. La informacin de la muestra se obtiene con reposicin de una poblacin finita.

(B) Distribucin de Poisson:

Si el tamao de la muestra es grande (n>50) y la probabilidad de un evento particular es muy pequeo (p < 0,1) y se desea hallar la probabilidad de un nmero determinado de xitos, se puede aplicar la distribucin de Poisson.
Se dice que existe un proceso de Poisson si podemos observar eventos

discretos en un rea de oportunidad un intervalo continuo (de tiempo, longitud, superficie, etc.) de tal manera que si se reduce lo suficiente el rea de oportunidad o el intervalo, La probabilidad de observar exactamente un xito en el intervalo es constante.
La probabilidad de observar un xito en cualquier intervalo es estadsticamente

independiente de la de cualquier otro intervalo.

Esta distribucin se aplica en situaciones como:

El numero de pacientes que llegan al servicio de emergencia de un hospital en un

intervalo de tiempo. El numero de radiaciones radiactivas que se recibe en un lapso de tiempo, El numero de glbulos blancos que se cuentan en una muestra dada. El numero de partos triples por ao

B. Distribuciones continuas de probabilidad

A) LA DISTRIBUCION NORMAL

Se utiliza para describir el comportamiento de una variable continua.

Est caracterizada por dos parmetros: la media, y la desviacin tpica, .

Propiedades de la distribucin normal:

La forma de la campana de Gauss depende de los parmetros y . Tiene una nica moda que coincide con su media y su mediana. La curva normal es asinttica al eje de X. Es simtrica con respecto a su media . Segn esto, para este tipo de variables existe una probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un dato menor.

Media Mediana Moda

La distribucin normal de probabilidad es simtrica con respecto a una lnea vertical que pase por la media

El extremo izquierdo se extiende de manera indefinida y nunca toca el eje horizontal

El extremo derecho se extiende de manera indefinida y nunca toca el eje horizontal

Areas debajo de la curva normal

No importa cuales son los valores de y , para una distribucin de probabilidad normal el rea total bajo la curva es 1,00, de manera que podemos pensar en reas bajo la curva como si fuesen probabilidades. Matemticamente es verdad que: 1: Aproximadamente 68% de todos los valores de una poblacin normalmente distribuida se encuentra 1 desviacin estndar de la media. 2: Aproximadamente 95,5% de todos los valores de una poblacin normalmente distribuida se encuentra 2 desviacin estndar de la media. 3: Aproximadamente 99,7% de todos los valores de una poblacin normalmente distribuida se encuentra 3 desviacin estndar de la media

B) La distribucin normal estndar (Z) La distribucin normal tiene diferente y para calcular probabilidades habra que integrar la funcin de densidad. Por este motivo se estandariza la variable. La estandarizacin es un proceso estadstico que consiste en restar la media a la variable y el resultado dividirlo por la desviacin estndar.

Distribucin normal estndar

Aplicaciones: la clnica Santa Teresita de Caete, aplica un programa de entrenamiento diseado para mejorar la calidad del servicio a los pacientes. Debido a que el programa es autoadministrado, el personal requiere un nmero diferente de horas para terminarlo. Un estudio de los participantes anteriores indica que el tiempo medio que se lleva completar el programa es de 500 horas y que esta variable aleatoria normalmente distribuida tiene una desviacin estndar de 100 horas.
Pregunta 1. Cul es la probabilidad de que un participante elegido al azar requiera ms de 500 horas para completar el programa? P(X>500)=0.5 Solucin: En la figura, podemos ver que la mitad del rea bajo la curva est localizada a ambos lados de la media de 500 horas. Por lo tanto podemos deducir que la probabilidad de que la variable aleatoria tenga un valor mayor a 500 es el rea sombreada, es decir, 0,5.

Para responder la pregunta debemos restar las reas: Probabilidad de que la variable aleatoria est entre la media y 650 horas

0,4332

(-) media y 550 horas

Probabilidad de que la variable aleatoria est entre la

0,1915
0,2417

(=) Probabilidad de que la variable aleatoria est 550 y

650 horas

As pues, la probabilidad de que un supervisor elegido al azar se tome entre 550 y 650 horas para completar el programa de entrenamiento es un poco menor de 1 entre 4

Caractersticas de la distribucin normal estndar.

No depende de ningn parmetro. Su media es 0, su varianza es 1 y su desviacin

estndar es 1. La curva f(x) es simtrica respecto del eje de Y Tiene un mximo en el eje de Y. Tiene dos puntos de inflexin en z=1 y z=-1

En resumen
Podemos concluir que hay una familia de distribuciones con una forma

comn, diferenciadas por los valores de su media y su varianza.

La desviacin estndar ( ) determina el grado de apuntamiento de la

curva. Cuanto mayor sea el valor de , ms se dispersarn los datos en torno a la media y la curva ser ms plana. valores de la grfica es desplazada a lo largo del eje horizontal. corresponde a una distribucin de media 0 y varianza 1.

La media indica la posicin de la campana, de modo que para diferentes De entre todas ellas, la ms utilizada es la distribucin normal estndar, que Podemos decir que el valor de Z es la cantidad de desviaciones

estndar a la que est distanciada la variable X del promedio.

A la variable Z se la denomina variable tipificada de X, y a la curva de

su funcin de densidad se le conoce como la curva normal estndar

C) La distribucin t (student) a) Caractersticas

al igual que la normal, tambin es simtrica es algo ms plana que la distribucin normal hay una distribucin t para cada tamao de

muestra cuando el tamao de la muestra es mayor a 30, la distribucin t se asemeja tanto a la normal que se prefiere utilizar sta.

D) La distribucin Ji-Cuadrada (chi)

a)Caractersticas
Es una distribucin asimtrica a la izquierda Slo considera valores positivos

b) Definicin La distribucin Ji-cuadrada esta definida por

c) Aplicaciones
Las aplicaciones ms importantes estn en la prueba de bondad de ajuste la prueba de independencia estadstica. d) Distribucin

E) La Distribucin F
Caractersticas: Es una distribucin asimtrica a la derecha Slo tiene valores positivos Se utiliza para comparar variancias de dos poblaciones, con distribucin normal Formula

Teorema del Lmite Central

Nos indica que, bajo condiciones muy generales, segn aumenta la cantidad de datos, la distribucin de la suma de variables aleatorias tendera a seguir hacia una distribucin normal. En otras palabras el Teorema del Lmite Central garantiza una distribucin normal cuando el tamao de la muestra es suficientemente grande.

Teorema del Lmite Central

PROPIEDADES:
1.

La MEDIA de distribucin del muestreo (media de las medias) es igual a la media de la poblacin. La DESVIACION ESTANDAR o ERROR ESTANDAR de distribucin del muestreo de la media es igual a:

2.

/ n
1.

Si la distribucin en la Poblacin es NORMAL, la distribucin del muestreo tambin lo es. Si la Poblacin no tiene una distribucin NORMAL, pero se tienen tamaos de muestras suficientemente grandes, la distribucin de la muestra igual se comporta como NORMAL.

2.

Hoja de Comprobacin
1. El valor esperado de un experimento se obtiene calculando el valor promedio aritmtico de todos los resultados del experimento 2. El valor de z para algn punto x que se encuentra en una distribucin normal es el rea entre x y la media de la distribucin 3. Los extremos derecho e izquierdo de la distribucin normal se extienden indefinidamente, sin tocar nunca el eje horizontal. 4. Para una distribucin normal, la media siempre se encuentra entre la moda y la mediana 5. Toda el rea menos tres decimos del 1% de una distribucin normal se encuentra dentro de 3 desviaciones estndar de la media 6. El desarrollo de una tabla de perdida condicional es un trabajo tedioso cuando existen muchas acciones y resultados posibles, debido a que la perdida resultante de cada pareja accin/resultado debe incluirse en la tabla 7. El rea bajo la curva de una distribucin normal entre la media y un punto situado a 1.8 desviaciones estndar por arriba de la media es mayor para una distribucin que tiene una media de 100 que para una distribucin que tiene una media de 0

8. La distribucin normal puede utilizarse para aproximar la distribucin binomial cuando el numero de ensayos, n, es mayor o igual a 60 09.Cuando la probabilidad de xito en un proceso de Bernoulli es de 50% (p=0.5), su distribucin binomial es simtrica 10.Una distribucin de frecuencias da una lista de las frecuencias observadas para un experimento que ya se ha llevado a cabo; una distribucin de probabilidad da una lista de aquellos resultados que podran presentarse si el experimento se llevara a cabo. 11.El valor que una variable aleatoria puede tomar por lo general se puede predecir con respecto a una presentacin particular 12.Una vez que el valor de p ya se ha determinado para un proceso de Bernoulli, el valor de q se calcula como (1-p) 13. Si el numero esperado de llegadas a una oficina se calcula como cinco por hora, uno puede tener una confianza razonable de que cinco personas llegaran en la siguiente hora