Beruflich Dokumente
Kultur Dokumente
PROBABILIDADES
Tema : Distribuciones de Probabilidad
1
VARIABLES ALEATORIAS
Una variable estadística es una característica (cualitativa o
cuantitativa) que se observa en una población.
Si la población es aleatoria y la característica es
cuantitativa la variable estadística se denomina variable
aleatoria
Distribución de Probabilidad:
A la tabla, fórmula o gráfico que contiene todos los
valores de la variable y sus respectivas probabilidades,
se le conoce con el nombre de función de probabilidad
de la variable, la cual debe cumplir las siguientes
propiedades:
Ejemplo 10%
5%
Númerode caras al lanzar 3
0%
monedas. 0 1 2 3
Definición
Es una función no negativa de
integral 1.
Se puede asumir como la
generalización del histograma
con frecuencias relativas para
variables continuas.
Valor esperado
Se representa mediante E[X] ó μ
Es el equivalente a la media
Varianza
Se representa mediante VAR[X] o σ2
Es el equivalente a la varianza
Se llama desviación típica a σ
X P(X=x)
Representación gráfica de la función de distribución de probabilidad de la VA X
2 1/36
P(X)
3 2/36
P(x)
4 3/36
5 4/36
6 5/36
7 6/36
8 5/36
9 4/36
10 3/36 X
11 2/36
12 1/36
DISTRIBUCIÓN DE PROBABILIDAD DE UNA
VARIABLE ALEATORIA
Distribución de probabilidad de una VA X:
f(x) = P( X=x )
b)
f ( x) 1
x
DISTRIBUCIÓN DE PROBABILIDAD ACUMULATIVA
DE UNA VARIABLE ALEATORIA DISCRETA
Las probabilidades acumuladas para cada valor de la VA X se muestran en la
siguiente tabla que representa la función de distribución acumulativa (FDA)
de la VA X.
X P(Xx) P(X<=x)
2 1/36
3 3/36
4 6/36
5 10/36
6 15/36
7 21/36 j
8 26/36 F ( x j ) P( X x j ) xi
i 1
9 30/36
10 33/36
11 35/36
Esta es una función escalón, hay un salto en cada valor de X y es plana entre ellos.
12 36/36
1. 0 F ( x) 1
2. F ( xi ) F ( x j ) xi x j
3. P(X x) 1 - F ( x)
Además, si X pertenece al conjunto de los números enteros:
4. P(X x) F ( x) F ( x 1)
5. P( xi X x j ) F ( x j ) F ( xi 1) xi x j
DISTRIBUCIÓN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Caso de una VA continua
Experimento: observar la VA X : el tiempo que dura una lámpara hasta
que se funde.
La probabilidad de que una lámpara dure f(x)
de 0 a 1,000 horas es más alta que la
probabilidad de que dure de 1,000 a 2,000
fdp
horas; es decir, que a medida que
transcurre el tiempo, la probabilidad de
que continúe en operación disminuye;
este comportamiento se puede
representar mediante una curva X
0 x
exponencial de la forma:
e x x0
f ( x)
0 cualquier otro caso
DISTRIBUCIÓN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Caso de una VA continua
Propiedades de la distribución de probabilidad de una variable aleatoria
continua (también conocida como función de densidad de probabilidad,
fdp) :
1. f(x) 0, x
2.
f(x)dx 1
b
3. P(a X b) f(x)dx
a
DISTRIBUCIÓN DE PROBABILIDAD ACUMULATIVA DE
UNA VARIABLE ALEATORIA CONTINUA
Caso de una VA continua
Experimento: observar la VA X : el tiempo que dura una lámpara hasta
que se funde.
F(x)
La probabilidad de que una lámpara dure al
menos X horas se obtiene mediante la función 1
de distribución acumulativa (FDA).
fdp FDA
e x x0
f ( x)
0 cualquier otro caso
x X
0
FDA 1 e x x0
F ( x)
x 0 cualquier otro caso
F ( x) P( X x)
f (t ) dt
Modelos de Distribución
Discreta Uniforme
Bernouli
Discreta Binomial
Poisson
Etc
Continua Uniforme
Normal
Continua
Chi cuadrado
T de Student
F de Fischer
Etc. Ing. Oscar Tinoco G. 18
Parámetros de la distribución de una distribución discreta
m: media o esperanza. Proporciona cuál es el valor promedio de la
distribución.
s: desviación típica. Dispersión de los valores de X respecto a ese valor
promedio
Al realizar un experimento n veces, sean x , x , x , ....., x los distintos 1 2 3 k
valores de X y sean fi, ri las frecuencias absolutas y relativas de xi. Si n es
grande las frecuencias relativas se estabilizan en torno a las
probabilidades p(xi) y se tiene:
1 k k k
x
n
i 1
x i. fi = x i.r i m= xi p(xi)
i 1
i=1
ik
f i. x i 2 k
f x (xi - m )2 p(xi)
ik
Sn =
1
x
2
i 1
2
s= =
n i 1
i i
n x i=1
k
= xi2 p(xi) - m 2
i=1
Media y varianza de una variable
aleatoria continua
Variable aleatoria Variable aleatoria
Variable estadística
discreta continua
n
x xi.ri
n
m = xi p(xi) mba x . f(x) dx
i 1 i=1
n
f x
ik
Ejemplos
Lanzar una moneda y que salga cara.
p =1/2 = 0.50
Aplicar un tratamiento a un enfermo y que éste se
cure.
p = 95%= 0.95 probabilidad de que el individuo se cure
Varianza: σ2 = n p q
0 0.3277
1 0.4096
2 0.2048
3 0.512
4 0.0064
n k nk 5 0.0003
P[ X k ] p q , 0 k n
k Total 1
27
Distribución normal o de Gauss
1
2 s
f ( x) e
s 2
Estadística II Ing. Oscar Tinoco G. 28
N(μ, σ): Interpretación
geométrica
Se puede interpretar
la media, μ, como un
factor de traslación.
Y la desviación
típica, σ, como un
factor de escala,
grado de
dispersión,…
30
Características principales de una Curva Normal
La función de densidad es simétrica,
mesocúrtica y unimodal.
Media, mediana y moda coinciden.
El valor de μ establece el centro de la curva.
El valor de σ determina el esparcimiento o la
dispersión de la curva.
El área bajo la curva es igual a 1.
s s +
m - s m, Mo, Me m + s
Ing. Oscar Tinoco G. Tema 2: Probabilidad Condicional 32
Tipificación
Dada una variable de media μ y desviación típica σ,
se denomina valor tipificado,z, de una observación
x, a la distancia (con signo) con respecto a la
media, medido en desviaciones típicas, es decir
xm
z
s
Nos permite así comparar entre dos valores de dos
distribuciones normales diferentes, para saber cuál
de los dos es más extremo.
Estadística II Ing. Oscar Tinoco G. 33
Ejemplo
Se quiere dar una beca a uno de dos estudiantes de sistemas educativos
diferentes. Se asignará al que tenga mejor expediente académico.
El estudiante A tiene una calificación de 8 en un sistema donde la calificación de los
alumnos se comporta como N(6,1).
El estudiante B tiene una calificación de 80 en un sistema donde la calificación de los
alumnos se comporta como N(70,10).
Solución
No podemos comparar directamente 8 puntos de A frente a los 80 de B, pero como
ambas poblaciones se comportan de modo normal, podemos tipificar y observar las
puntuaciones sobre una distribución de referencia N(0,1)
xA m A 86
zA 2
sA 1
xB m B 80 70
zB 1
sB 10
Como ZA>ZB, podemos decir que el porcentaje de compañeros del mismo sistema de
estudios que ha superado en calificación el estudiante A es mayor que el que ha
superado B. Podríamos pensar en principio que A es mejor candidato para la beca.
La función de densidad es
asimétrica positiva.
La función de densidad se
hace más simétrica,
incluso casi gausiana
cuando aumenta el
número de grados de
libertad.
Normalmente se consideran
valores anómalos los de la
cola de la derecha.