Escolar Documentos
Profissional Documentos
Cultura Documentos
probabilidad teóricas
Prof
Luis Humberto Bustos Medina
Juan José Orellana Cáceres 1
Variable aleatorias
zEl resultado de un experimento aleatorio
puede ser descrito en ocasiones como una
cantidad numérica.
2
Ejemplos variables aleatorias
Experimento aleatorio: Seleccionar una
persona al azar de una población de sujetos y
registrar.
Variable Función Valores Tipo
N° hermanos 0, 1, 2, 3+ Discreta
Sexo 1, 0 Nominal
Edad IR+
Continuas
Estatura IR+
3
Función de probabilidad
z Función de probabilidad de una variable
aleatoria Discreta: Relaciona los valores de las
variables con la probabilidad de ocurrencia de
ellos.
40%
35%
Ejemplo: Número de caras 30%
al lanzar 3 monedas. 25%
20%
15%
10%
5%
0%
0 1 2 3
4
Ejemplo función de probabilidades
de una v.a.d.
X = 0, 1, 2 ó 3 5
Función de probabilidad de la v.a.d. X
Persona1 Persona2 Persona3 X P(X=x) p=0.30
nf nf nf 0 (1-p) (1-p) (1-p) 0.343
sf nf nf 1 p(1-p) (1-p) 0.147
nf sf nf 1 (1-p)p(1-p) 0.147
nf nf sf 1 (1-p) (1-p)p 0.147
sf sf nf 2 pp(1-p) 0.063
sf nf sf 2 p(1-p)p 0.063
nf sf sf 2 (1-p)pp 0.063
sf sf sf 3 ppp 0.027
x P(X=x)
0 0.343
1 0.441
2 0.189
3 0.027
Suma 1.000
7
Función de Densidad
z La función de densidad de una variable
aleatoria continua: Describe la distribución de
frecuencia de dicha variable como un polígono de
frecuencia teórico.
8
Función de densidad / Probabilidad
z Varianza
{Se representa mediante V[X] = σ2
{ Es el equivalente a la varianza
10
Modelos importantes de variables aleatorias
z Hay v.a. que aparecen con frecuencia en las
Ciencias de la Salud.
{Experimentos dicotómicos (vivo/muerto,
éxito/fracaso).
zBernoulli
12
Distribución de Bernoulli
13
Ejemplo de distribución de Bernoulli
z Solución.
{La noc. frecuentista de prob. nos permite aproximar la
probabilidad de tener secuelas mediante
300/2000=0,15=15%
z Media: μ = E[X]= n p
z Varianza: σ2 =V[X]
z =npq
16
Características distribución Binomial
c) E[X] R: 2
d) V[X] R: 1.6
18
Ejemplo de gráficas distribución binomial
b(10,x,0.3)
0.90
0.60
P(X=x)
0.30 b(10,x,0.5)
0.00
0 1 2 3 4 5 6 7 8 9 10 0.90
0.60
P(X=x)
X
b(10,x,0.95) 0.30
0.00
0.90 0 1 2 3 4 5 6 7 8 9 10
0.60 X
P(X=x)
0.30
0.00
0 1 2 3 4 5 6 7 8 9 10
19
X
Distribución Poisson
z También se denomina de sucesos raros.
z Se obtiene como aproximación de una
distribución binomial con la misma media, para
‘n grande’ (n>30) y ‘p pequeño’ (p<0,1).
z Queda caracterizada por un único parámetro
(que es a su vez su media y varianza.)
λ xe−λ
P{X = x;λ} = ; x = 0,1,2,3,........
x!
E [ X ]= V [ X ]= λ = μ donde λ =n p
20
Características Poisson
a) Un año? μ=10.000*0.00024=2.4 2 . 4 0 e − 2 .4
P { X = 0} = = 0 . 091
0!
0 .6 0
e − 0 .6
P { X = 0} = = 0 .5 4 9
0!
22
Curva Normal Distribución Gaussiana
Es la distribución para variables continuas más ampliamente usada
por la teoría estadística. Varios matemáticos han contribuido a su
desarrollo, entre los que podemos contar al astrónomo-matemático
del siglo XIX Karl Gauss. Existen dos razones básicas por las cuales
la distribución normal ocupa un lugar tan prominente en la
estadística. Primero, tiene algunas propiedades que la hacen
aplicable a un gran número de situaciones en las que es necesario
hacer inferencias mediante la toma de muestras. Segundo, la
distribución normal casi se ajusta a las distribuciones de frecuencias
reales observadas en muchos fenómenos, incluyendo características
humanas (pesos, alturas), resultados de procesos físicos
(dimensiones y rendimientos) y muchas otras medidas de interés
para los administradores, tanto en el sector público como en el
privado. 23
Su función de densidad distribución Normal
1 ⎧ −1 2⎫
f (x) = exp ⎨ (x − μ ) ⎬
σ 2π 2
⎩ 2 σ ⎭
donde μ representa la media de la población y σ su
desviación estándar. Se denota: X ~ N(μ, σ 2) ; E[X]= μ ;
V[X] = σ2
n=30
n=10
n=50
0 1 2 3 4 5 6 7 8 9 10
24
Media
Características de la distribución normal
• La curva es unimodal y tiene forma de campana.
• La media de una población distribuida normalmente cae
en el centro de su curva normal.
• Debido a la simetría de la distribución normal de
probabilidad, la mediana y la moda de la distribución se
encuentran también en el centro; en consecuencia, para
una curva normal, la media, la mediana y la moda tienen
el mismo valor.
• Los dos extremos de la distribución normal de
probabilidad se extienden indefinidamente y nunca
tocan el eje horizontal.
25
Uso de la tabla de distribución de
probabilidad normal estándar
Estandarización curva normal:
P(X>150)=P(Z>1.06)
=0.1446
27
Aplicaciones
2) Si se selecciona al azar un hombre de esta población, ¿cuál es la probabilidad de
que su presión sistólica sea menor o igual a 150 mmHg?
P(X≤150)=P(Z ≤ 1.06)=1-0.1446=0.8554
μ ± zα ⋅ σ
2
129±1.96x19.8
[90.192 ; 167.808]
29
7) Encuentre el valor del cuartil 1
30
Referencias
1. http://campusvirtual.uma.es/est_fisio/apuntes/
2. Pagano, M. y Gauvreau, K (1993) "Principles of
Biostatistics". Editorial Duxbury Press. Belmont
California.
31