Professional Documents
Culture Documents
3.6 Distribucin t
3.7 Distribucin Chi-cuadrada
Mondesir Mackenson
que
una
variable
aleatoria
X continua
tiene
una
distribucin
2
Mondesir Mackenson
F ( x) f (t )dt
3.2
3
Mondesir Mackenson
El
grfico
de
Resultados (N de Caras)
Probabilidad
distribuciones
de
probabilidad
en
3D
elaborado
Interpretacin:
La probabilidad de obtener 0 caras al lanzar 2 monedas al aire es de 1/4 = 0,25 =
25%
La probabilidad de obtener una cara al lanzar 2 monedas al aire es de 2/4 = 0,5 =
50%
La probabilidad de obtener 2 caras al lanzar 2 monedas al aire es de 1/4 = 0,25 =
25%
LA MEDIA Y LA VARIANZA DE LAS DISTRIBUCIONES DISCRETAS
MEDIA
La media llamada tambin valor esperado, esperanza matemtica o simplemente
esperanza de una distribucin de probabilidad discreta es la media aritmtica
ponderada de todos los resultados posibles en los cuales los pesos son las
probabilidades respectivas de tales resultados. Se halla multiplicando cada
4
Mondesir Mackenson
E( x) ( xi * P( xi ))
Donde:
VARIANZA
La varianza es el promedio de las desviaciones al cuadrado con respecto a la
media. La varianza mide la dispersin de los resultados alrededor de la media y se
halla calculando las diferencias entre cada uno de los resultados y su media, luego
tales diferencias se elevan al cuadrado y se multiplican por sus respectivas
probabilidades, y finalmente se suman los resultados. Se expresa mediante la
siguiente frmula:
2 [(xi ) 2 * P( xi )]
Nota: La varianza se expresa en unidades al cuadrado, por lo que es necesario
calcular la desviacin estndar que se expresa en las mismas unidades que la
variable aleatoria y que por lo tanto tiene una interpretacin ms lgica de la
dispersin de los resultados alrededor de la media. La desviacin estndar se
calcula as: 2
Ejemplo ilustrativo:
Hallar la esperanza matemtica, la varianza y la desviacin estndar del nmero
de caras al lanzar tres monedas al aire.
Solucin:
El espacio muestral es S = {CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS}
La probabilidad de cada punto muestral es de 1/8
5
Mondesir Mackenson
xi
P ( x i ) xi * P ( xi )
( xi ) 2 * P ( xi
1/8
01/8 = 0
3/8
13/8 = 3/8
3/8
23/8 = 3/4
1/8
31/8 = 3/8
Total
1,5
0,750
E ( X ) 1,5 ; 2 0,75
Y calculando la desviacin estndar se obtiene:
2 0,75 0,86
Interpretacin:
El valor de E ( X ) 1,5 significa que si se promedian los resultados del
lanzamiento de las tres monedas (tericamente, un nmero infinito de
lanzamientos), se obtendr 1,5.
2
Los valores de 2 0,75 y 0,75 0,86 miden la dispersin de los
3.3
Distribucin Hipergeomtrica
Los experimentos que tienen este tipo de distribucin tienen las siguientes
caractersticas:
a) Al realizar un experimento con este tipo de distribucin, se esperan dos
tipos de resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son
constantes.
c) Cada ensayo o repeticin del experimento no es independiente de los
6
Mondesir Mackenson
dems.
d) El nmero de repeticiones del experimento (n) es constante.
Ejemplo:
En una urna o recipiente hay un total de N objetos, entre los cuales hay una
cantidad a de objetos que son defectuosos, si se seleccionan de esta urna n
objetos al azar, y sin reemplazo, para determinar la probabilidad de obtener x
objetos defectuosos, utilizaremos la formula siguiente:
Donde:
p(x,n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados
C xa * C nNxa Muestras de n objetos en donde hay x que son defectuosos y n-x
buenos
C nN Todas las muestras posibles de seleccionar de n objetos tomadas de entre N
Ejemplo 1
Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son
defectuosos, si de seleccionan 4 objetos al azar, cul es la probabilidad de que 2
sean defectuosos?
Solucin:
N = 10 objetos en total
a = 3 objetos defectuosos
n = 4 objetos seleccionados en muestra
x = 2 objetos defectuosos deseados en la muestra
7
Mondesir Mackenson
P( x 2, n 4)
3 C 2 * (10 3) C ( 4 2 )
10
C4
3!
7!
*
C * C
2!(3 2)! 2!(7 2)!
3 2 7 2
10!
10 C 4
4!(10 4)!
3! 7 6 5!
3 7 6
*
63
5!2!
2
2!
0.3
10 9 8 7 6! 10 9 8 7 210
6!4!
4 3 2 1
Ejemplo 2
Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de
narctico en una botella que contiene 9 pldoras de vitamina que son similares en
apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para
analizarlas, a) Cul es la probabilidad de que el viajero sea arrestado por
posesin de narcticos?, b) Cul es la probabilidad de que no sea arrestado por
posesin de narcticos?
Solucin:
a) N = 9+6 =15 total de tabletas
a = 6 tabletas de narctico
n = 3 tabletas seleccionadas
x = 0, 1, 2, o 3 tabletas de narctico = variable que nos indica el nmero de
tabletas de narctico que se puede encontrar al seleccionar las 3 tabletas.
p (viajero sea arrestado por posesin de narcticos) = p (de que entre las 3
tabletas seleccionadas haya 1 o ms tabletas de narctico)
P ( x 1,2,3tabletas; n 3)
b)
C1 *9 C 2 6 C 2 *9 C1 6 C 3 *9 C 0 371
0.81538
455
15 C 3
15 C 3
15 C 3
C 0 *9 C 3 1 84
0,1846615
C
455
15 3
Ejemplo 3
De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote
8
Mondesir Mackenson
Solucin:
a) N = 10 proyectiles en total
a = 7 proyectiles que explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el nmero de
proyectiles que explotan entre la muestra que se dispara
P( x 4; n 4)
C 4 *3 C 0 35 1
0.16667
210
10 C 4
b) N = 10 proyectiles en total
a = 3 proyectiles que no explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2 o 3 proyectiles que no explotan
p(al menos 2 no exploten) = p( 2 o ms proyectiles no exploten) = p(x = 2 o 3; n=4)
P ( x 23; n 4)
C 2 *7 C 2 3 C 3 *7 C1 (3 21) (1 7) 63 7
0.333333
210
210
10 C 4
Ejemplo 4
a)Cul es la probabilidad de que una mesera se rehse a servir bebidas
alcohlicas nicamente a dos menores de edad si verifica aleatoriamente solo 5
identificaciones de entre 9 estudiantes, de los cuales 4 no tienen la edad
suficiente?, b) Cul es la probabilidad de que como mximo 2 de las
identificaciones pertenezcan a menores de edad?
Solucin:
a) N = 9 total de estudiantes
a = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el nmero de identificaciones que pertenecen a
personas menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
9
Mondesir Mackenson
P ( x 2; n 5)
C 2 *5 C 3 3 10
0.238095
126
9 C5
b) N = 9 total de estudiantes
a = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el nmero de identificaciones que pertenecen a
personas menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
P ( x o,1,2,3; n 5)
C 0 *5 C 5 4 C1 *5 C 4 4 C 2 *5 C 3 1 20 60
0.64286
126
9 C5
E( X )
na
N
Varianza
2 npq n *
a N a na( N a)( N n)
*
N
N
N 2 ( N 1)
Deviacin Estndar
2 npq n *
3.4
a N a
*
N
N
na( N a)(N n)
N 2 ( N 1)
Distribucin de Poisson
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de
rea, tiempo, pieza, etc.,
10
Mondesir Mackenson
Donde:
Ejemplo 1
Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10
cheques sin fondos en cualquiera de dos das consecutivos?
Solucin:
a) x = 4
= 6 cheques sin fondo por da.
e = 2.718
P( x 4, 6)
e x 6 4 (2.718 ) 6
0.13392
x!
4!
b) x= 10
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das
consecutivos
P( x 10 , 12 )
e x 12 10 (2.718 ) 12
0.104953
x!
10!
Ejemplo 2
En la inspeccin de hojalata producida por un proceso electroltico continuo, se
11
Mondesir Mackenson
identifican
0.2
imperfecciones
en
promedio
por
minuto.
Determine
las
0.329307
x!
1!
b)
) 0.26416
0!
1!
x = variable que nos define el nmero de imperfecciones en la hojalata por
c)
0.1992106
0!
1!
3.5
Caractersticas:
1. Es generada por una variable continua (x).
X Es una variable que puede tomar tanto valores enteros como
fraccionarios.
x 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5,.....,infinito
2. f(x) 0
12
Mondesir Mackenson
f ( x)dx 1 La
3.
los valores que toma x debe ser igual a 1. El rea definida bajo la funcin
de densidad de probabilidad deber ser de 1.
xf ( x)dx
Donde:
E (x) Media o valor esperado de la distribucin
( x ) 2 * f ( x)dx
2
Luego:
(x )
* f ( x)dx
Ejemplo 1
Para la siguiente funcin,
f ( x)
1 2
x Cuando 0 x 3, f(x) = 0 para cualquier otro valor
9
13
Mondesir Mackenson
valores toma f(x), dndonos cuenta de que efectivamente f(x) solo toma valores
mayores o iguales a cero.
3.
f(x)
0.0
0.5
0.02778
1.0
0.11111
1.4
0.21778
2.1
0.49
2.7
0.81
3.0
1.0
1 2
x s nos
9
1
9
1 x4 3
1 4
)] 0
(3 0 4 ) 2.25
9 4
36
1
9
14
Mondesir Mackenson
1
9
1
9
2 (
0
x 4 x 3 5.0625x 2
x 5 x 4 5.0625x 3 3
)dx
]0 0.3375
9
2
9
45 8
27
2 0.3375 0.5809
2
2
1
1 x3
c) P(1 x 2) f ( x)dx x 2 dx ( )]12 0.2963
9
9 3
1
1
Con
las
operaciones
anteriores
nos
damos
cuenta
que
para
evaluar
Ejemplo 2
Suponga que el error en la temperatura de reaccin, en oC, para un experimento
controlado de laboratorio es una variable aleatoria continua x, que tiene la funcin
de densidad de probabilidad:
f ( x)
a)
x3
, para -1 x 2
3
probabilidad continua.
b)
c)
Solucin:
a. Como la tercera condicin es que la sumatoria de las probabilidades asociadas
a cada uno de los valores que toma x debe de ser 1, esto se comprueba de la
siguiente manera:
2
x2
1 x3
1
(dx) ( )] 21 (2 3 (1) 3 ) 1
3
3 3
9
1
A f ( x)dx
1
2
2
2
1
1
1 x4
1
b. x * f ( x)dx x( x 2 )dx ( x 3 )dx ( )] 21 (2 4 (1) 4 ) 1.25
3
3
3 4
12
1
1
1
15
Mondesir Mackenson
1
1
1
1 x3
1
c. P(0 x 1) f ( x)dx x 2 dx ( )]10 (13 0 3 ) 0.11111
3
3 3
9
0
0
3.6
Distribucin t
16
Mondesir Mackenson
Distribucin Normal
Importancia de la distribucin normal
La distribucin normal es de suma importancia en estadstica por tres razones
principales:
1. Numerosas variables continuas de fenmenos aleatorios tienden a
comportarse probabilsticamente mediante sta.
2. Es el lmite al que convergen tanto variables aleatorias continuas como
discretas.
3. Proporciona la base de la inferencia estadstica clsica debido a su relacin
con el teorema del lmite central.
Propiedades de la distribucin normal
1. Su grafica tiene forma acampanada.
2. El valor esperado, la mediana y la moda tienen el mismo valor cuando la
variable aleatoria se distribuye normalmente.
3. Su dispersin media es igual a 1.33 desviaciones estndar. Es decir, el
alcance intercuartil est contenido dentro de un intervalo de dos tercios de
una desviacin estndar por debajo de la media a dos tercios de una
desviacin estndar por encima de la media.
En la prctica, algunas de las variables que observamos slo pueden aproximar
estas propiedades. As que si el fenmeno puede mediarse aproximadamente
mediante la distribucin normal se tendr:
1. Que el polgono puede verse en forma de campana y simtrico.
2. Sus mediciones de tendencia central tienen bastante parecido.
3. El valor intercuartil puede diferir ligeramente de 1.33 desviaciones estndar.
4. El dominio de la variable aleatoria normalmente distribuida generalmente
caer dentro de 3 desviaciones estndar por encima y por debajo de la
media.
17
Mondesir Mackenson
El modelo matemtico
Notacin: N ( , ), X N ( , )
2
(
1
f ( x)
e 2
2
)2
, x
Donde
1
F ( x ) P( X x )
2
1 v 2
(
)
2
dv
Ejemplo 1
18
Mondesir Mackenson
Ejemplo 2
Ejemplo 3
19
Mondesir Mackenson
Distribucin Gama
Este modelo es una generalizacin del modelo Exponencial ya que, en ocasiones,
se utiliza para modelar
1
e x p 1 , x 0
p
( p) x p 1e x dx
0
20
Mondesir Mackenson
21
Mondesir Mackenson
Ejemplo 2
En cierta ciudad el consumo diario de energa elctrica, en millones de kilovatios
por hora, puede considerarse como una variable aleatoria con distribucin
GAMMA de parmetros
ciudad
tiene
una
= 3 y
capacidad
de
10
millones
de
KW/hora
22
Mondesir Mackenson
2 , el estadstico:
( n 1) s 2
2
tiene una distribucin muestral que es una distribucin ji-cuadrada con gl=n-1 grados de
libertad y se denota
X2
X
2
(n 1) s 2
la varianza de la
( x x)
23
Mondesir Mackenson
f ( x)
2
( v )
2
( 21)
, para x>0
Ejemplo 1
Suponga que los tiempos requeridos por un cierto autobs para alcanzar un de
sus destinos en una ciudad grande forman una distribucin normal con una
desviacin estndar
X2
(n 1) s 2
(17 1) * 2
32
12
24
Mondesir Mackenson
3.7
Distribucin F
Supngase que deseamos comparar las varianzas de dos poblaciones normales basados
en la informacin contenida en muestras aleatorias independiente de las dos poblaciones.
Supngase que una muestra aleatoria contiene n1 variables aleatorias distribuidas
normalmente con una varianza comn 12 y que la otra muestra aleatoria contiene n 2
variables aleatorias distribuidas normalmente con una varianza comn 12 y que la otra
muestra aleatoria contiene n 2 variables aleatorias distribuidas normalmente con una
varianza comn 12 . Si calculamos S 12 de las observaciones en la muestra 1, entonces
S12 / 12 22
S 22 / 22 12
S12
2
S 2
12 / v1
22 / v2
25
Mondesir Mackenson
Se dice que tiene una distribucin F con v1 grados de libertad del numerador y
v2
3.8
Esperanza matemtica
E = {(c,c);(c,x);(x,c);(x,x)}
p(+1) = 2/4
p(+2) = 1/4
p(5) = 1/4
26
Mondesir Mackenson
Distribucin binomial
Una distribucin binomial o de Bernoulli tiene las siguientes caractersticas:
1. En cada prueba del experimento slo son posibles dos resultados: xito y
fracaso.
2. La probabilidad de xito es constante, es decir, que no vara de una prueba
a otra. Se representa por p.
3. La probabilidad de fracaso tambin es constante, Se representa por q,
q=1p
4. El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.
5. La variable aleatoria binomial, X, expresa el nmero de xitos obtenidos en
las n pruebas. Por tanto, los valores que puede tomar X son: 0, 1, 2, 3, 4...
n.
La distribucin bimomial se expresa por B(n, p)
n es el nmero de pruebas.
k es el nmero de xitos.
p es la probabilidad de xito.
q es la probabilidad de fracaso.
El nmero combinatorio
27
Mondesir Mackenson
Ejemplo
La ltima novela de un autor ha tenido un gran xito, hasta el
punto de que el 80% de los lectores ya la han leido. Un grupo de 4
amigos son aficionados a la lectura:
1. Cul es la probabilidad de que el grupo hayan leido la
novela 2 personas?
n = 4
p = 0.8
q = 0.2
B(4, 0.8)
28
Mondesir Mackenson
Varianza
Desviacin tpica
Ejemplo
La probabilidad de que un artculo producido por una fbrica
sea defectuoso es 0.02. Se envi un cargamento de 10.000
artculos a unos almacenes. Hallar el nmero esperado de
artculos defectuosos, la varianza y la desviacin tpica.
29
Mondesir Mackenson