Clase #03 - Distribuciones de Probabilidad

Estadística Aplicada
Universidad Privada del Norte

Departamento de Ciencias
DISTRIBUCIONES DE
PROBABILIDAD
“Herramienta para la toma de decisiones”
Ms.C. Karina Cárdenas Rodríguez

Ms.C. Anheli Ramírez Mendocilla
1
DEFINICIONES PRELIMINARES:
I. VARIABLE ALEATORIA:
• Se denota por una X.
• Es aquella que puede tomar diferentes valores a través
del tiempo o de sujeto a sujeto.
• Si una variable, es una una variable aleatoria, entonces
tiene una distribución de probabilidad.
EJEMPLOS:
• X: Nº de casas vendidas en Trujillo.
• X: Nº de administradores reconocidos a nivel nacional.
• X: Ventas diarias de una empresa.
• X: Nº de clientes que llegan diariamente a Plaza Vea.
• X: Nº de automóviles que llegan a una Estación de Servicio.
• X: Nº de llamadas telefónicas que recibe una secretaria.
• X: Edad de las personas.
• X: Tiempo de vida de un neumático.
• X: Nº de artículos defectuosos de un proceso productivo.
2
II. RECORRIDO O RANGO DE UNA V.A.:

• X: Nº de casas vendidas en Trujillo.
Rx = { }
• X: Nº de administradores reconocidos a nivel nacional.

Rx = { }
• X: Ventas diarias de una empresa.

Rx = { }
• X: Nº de clientes que llegan diariamente a Plaza Vea.

Rx = { }
• X: Nº de automóviles que llegan a una Estación de Servicio.

Rx = { }
• X: Nº de llamadas telefónicas que recibe una secretaria.

Rx = { }
• X: Tiempo de vida de un neumático.

Rx = { }
3
III. Tipos de Variables Aleatorias:
Variable Aleatoria Discreta:

Una v.a. es discreta si su recorrido o
rango toma valores enteros (Z) (valores
discretos).
Variable Aleatoria Continua.

Una v.a. es continua si su recorrido o
rango toma valores de la recta real (R)
(número reales)
4
IV. FUNCION DE PROBABILIDAD:

• Es una fórmula matemática que nos permite calcular probabilidades.
• Una función de probabilidad, calcula la probabilidad para cada valor
individual de la variable aleatoria X.
• Se denota por:
f (x) = P[ X = x ]
Ejemplos:
Distribución Binomial: n

P[X  x]   p x q n  x
 x
Distribución Poisson: eλ λ x

P[X  x] 
x!
5
IV. FUNCION DE PROBABILIDAD ACUMULADA:

• Llamada también función de distribución que se denota por F(x).
• Es aquella que nos permite calcular probabilidades acumuladas.
• Se denota por:
F(x) = P[ X ≤ x ]
Por ejemplo:
• F(1) = P[X≤1]=P(X=0) + P(X=1)

• F(2) = P[X≤2]=P(X=0) + P(X=1) + P(X=2)
• F(3) = P[X≤3]=P(X=0) + P(X=1) + P(X=2)+P(X=3)
6
DISTRIBUCIONES DISCRETAS Y CONTINUAS
LAS DISTRIBUCIONES DISCRETAS

◦ Distribución Binomial
◦ Distribución Poisson
LAS DISTRIBUCIONES CONTINUAS

◦ Distribución Normal
◦ Distribución Normal Estándar
◦ Distribución t de Student
◦ Distribución Chi Cuadrado
7
DISTRIBUCIÓN BINOMIAL
• Tienen su origen en los Ensayos de
Bernoulli.
• Es la que se encarga de estudiar los
experimentos aleatorios que tienen
solamente 2 resultados.
• Esta distribución es muy utilizada en el
campo de la administración de empresas,
ingeniería, medicina y el campo de la
psicología.
Jacob Bernoulli
8
DISTRIBUCIÓN BINOMIAL
CARACTERISTICAS:
• Los parametros de la distribución binomial son Parámetros:

“n” y “p”., donde:
n=Numero de ensayos o tamaño X de
B (nmuestra
, p)
p = probablidad de éxito en cada ensayo. n , p
De aquí se obtiene que la probabilidad de
fracaso es q = 1-p
• Si una v.a. X tiene una distribución binomial ,
esta se denota por:
• Su función de probabilidad esta dada por:
 n  x n x
P[X  x]   p q
 x
9
Ejercicio: Función de probabilidad
En el almacén de la empresa TEXACO, se  n  x nx

sabe que el 25% de los artículos P(X  x)    x p q
eléctricos son defectuosos.  
En un trabajo de control de calidad se Solución:
extrae una muestra de 5 artículos
eléctricos a partir del grupo. Entonces, a. P(X  0)   0.250 (0.75) 5
5
0
calcular las siguientes probabilidades:  
a. Ninguno sea defectuoso. = 0.237
b. Exactamente 1 sea defectuoso.  5
c. Menos de 2 sean defectuosos. b. P(X  1)  
1 0 .251
( 0 .75) 4
 
= 0.396
PARAMETROS: c. P(X  2)  P(X  1)  P(X  0)  P(X  1)
n=5 = 0.633
p = 0.25
10
MANEJO DE TABLA:
Para el uso de tabla tener en cuenta lo siguiente
AA PP((XX≤≤aa))==Usar
Usardirectamente
directamentela latabla
tabla
BB PP((XX>>aa)) ==11-- PP((XX≤≤aa))
CC PP((XX≥≥aa)) ==11-- PP((XX≤≤aa--11))
DD PP((XX==aa)) ==PP((XX≤≤aa))--PP((XX≤≤aa--11))
EE PP((aa≤≤XX≤≤bb))==PP((XX≤≤bb))--PP((XX≤≤a-1
a-1))
FF PP((aa≤≤XX<<bb))==PP((XX≤≤b-1
b-1))--PP((XX≤≤a-1
a-1))
GG PP((aa<<XX<<bb))==PP((XX≤≤b-1
b-1))--PP((XX≤≤aa))
11
12
DISTRIBUCIÓN POISSON
Es otra de las distribuciones discretas mas
importantes del calculo de probabilidades.
Se utiliza cuando se quieren evaluar variables
aleatorias discretas pero ocurridos en espacios
continuos.
Estos espacios continuos pueden ser el tiempo,
volumen, espacio, etc.
Función de probabilidad
e λ λ x
P X  x/λ  
x!
Donde λ = Número esperado de éxitos.
e = Constante matemática. Simeon Poisson
x = Número de éxitos por unidad.
Parámetro: λ
13
Ejercicio:
Función de probabilidad
Se conoce que el número promedio
e λ λ x
de llamadas a una central telefónica P X  x/λ  
es de 3 llamadas por minuto.
x!
Calcular las siguientes probabilidades:
a.Reciban exactamente dos llamadas Solución:
telefónicas en un minuto Se tiene que λ = 3 llamadas por minuto.
b.Reciban a lo más 2 llamadas
telefónicas en un minuto.
a. e3 32
P  X  2   0.224
2!
b. P  X  2   P(X  0)  P(X  1)  P(X  2)

e 3 30 e 3 31 e 3 32
    0.497  0.149  0.224  0.423
0! 1! 2!
14
15
LA DISTRIBUCIÓN NORMAL
• La distribución normal, es una distribución Función de Probabilidad
2
muy importante en el campo de la 1  x u 
x 1   
estadística aplicada. P(X  x)   e 2 σ 
dx
  σ 2π
• Conocida también como curva de Gauss.
• Es simétrica con respecto a U.
8
Para - <x<
• Es asintótica con respecto al eje X.
Parámetros: : Media Varianza
u σ2
Esta distribución de probabilidad es

importante para las variables aleatorias
continuas (peso, edad, talla, inteligencia
emocional, temperatura, etc) que son
variables que más se evalúan en una
investigación científica o investigación
social se aproximan a esta distribución de
probabilidad.
16
Distribución Normal Estándar

Función de Probabilidad
• La distribución normal estándar es una
 x u 
distribución normal media u = 0 y varianza z  
  
σ = 1.
• Tiene las mismas características de una
distribución normal. z 1 
z2
El área bajo esta función o curva es 1 ó P(Z  z)   e 2

dz
 2π
100%, de la misma manera se sabe que
las áreas comprendidas bajo la curva Para - <z< ; Para z = -4, …,4
8
8
normal son :
17
USO DE TABLA:
Si se conoce el comportamiento de una variable es decir se sabe que tienen
una distribución normal, para calcular las diferentes probabilidades se tiene
que estandarizar la variable. Una vez estandarizada la variable, recién
utilizar la tabla de la distribución normal estandarizada o tabla Z.
PROPIEDADES
a
P( z  a )  P( Z  ) UTILIZAR DIRECTAMENTE LA TABLA

a
P( z  a)  1  P( z  a)  1  P( Z  )

b a
P ( a  z  b)  P ( z  b)  P ( z  a )  P ( z  )  P( z  )
 
18
EJERCICIO:
La Empresa AJE está produciendo su producto Agua Cielo litro y medio
en envase de PET. El contenido promedio envasado por unidad es de
1500 mililitros con una desviación estándar de 50 mililitros. Según
resoluciones de Indecopi, si el producto elaborado no alcanza los 1450
mililitros la empresa será penalizada. Según el Inspector de Calidad
las botellas tampoco deben de superar los 1550 mililitros dado a que
puede ocasionar pérdida de líquido al encapsular. Si se envasan
200000 botellas en forma diaria y se selecciona al azar a una unidad
cualquiera.¿Cuál es la probabilidad de que:
a. La empresa sea penalizada?
b. Se pierda contenido?
c. No exista problemas con Indecopi ni al encapsular?
d. Determinar cuantas botellas se derramarán si cada
envase tiene una capacidad de 1575 mililitros?
e. Si control de calidad debe separar a todas las unidades
envasadas con menos de 1450 o más de 1550
mililitros, probablemente, ¿Cuántas botellas serán
separadas?
19
“La inteligencia es una palabra que todos

tenemos, descúbrela.”
GRACIAS POR ESCUCHARME
20

Clase #03 - Distribuciones de Probabilidad

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Clase #03 - Distribuciones de Probabilidad

Hochgeladen von

Copyright:

Verfügbare Formate

Estadística Aplicada

Universidad Privada del Norte

“Herramienta para la toma de decisiones”

Ms.C. Karina Cárdenas Rodríguez

II. RECORRIDO O RANGO DE UNA V.A.:

• X: Nº de administradores reconocidos a nivel nacional.

• X: Ventas diarias de una empresa.

• X: Nº de clientes que llegan diariamente a Plaza Vea.

• X: Nº de automóviles que llegan a una Estación de Servicio.

• X: Nº de llamadas telefónicas que recibe una secretaria.

• X: Tiempo de vida de un neumático.

III. Tipos de Variables Aleatorias:

Variable Aleatoria Discreta:

Variable Aleatoria Continua.

IV. FUNCION DE PROBABILIDAD:

Distribución Binomial: n

Distribución Poisson: eλ λ x

IV. FUNCION DE PROBABILIDAD ACUMULADA:

• F(1) = P[X≤1]=P(X=0) + P(X=1)

DISTRIBUCIONES DISCRETAS Y CONTINUAS

LAS DISTRIBUCIONES DISCRETAS

LAS DISTRIBUCIONES CONTINUAS

• Los parametros de la distribución binomial son Parámetros:

Ejercicio: Función de probabilidad

En el almacén de la empresa TEXACO, se  n  x nx

Para el uso de tabla tener en cuenta lo siguiente

b. P  X  2   P(X  0)  P(X  1)  P(X  2)

Esta distribución de probabilidad es

Distribución Normal Estándar

El área bajo esta función o curva es 1 ó P(Z  z)   e 2

“La inteligencia es una palabra que todos

GRACIAS POR ESCUCHARME

Das könnte Ihnen auch gefallen