Escolar Documentos
Profissional Documentos
Cultura Documentos
\
|
|
|
.
|
\
|
|
|
.
|
\
|
=
n
N
x n
k N
x
k
x p ) (
1
) 1 ( ) (
) (
=
= =
N
n N
p np X V
N
k
p siendo np X E
Si el tamao muestral n es muy pequeo en relacin al nmero total de
elementos, N, las probabilidades hipergeomtricas son muy parecidas a las
binomiales, y puede usarse la distribucin binomial en lugar de la
hipergeomtrica.
DISTRIBUCIONES DE PROBABILIDAD DE TIPO DISCRETO
Modelo de Poisson Notacin: X ~ P()
e
x
x!
Funcin de probabilidad: p(x)= x= 0,1,2, ...
El experimento observado es la aparicin de sucesos en un soporte continuo:
*Tiempo (llegada de autobuses a una parada,...)
*Espacio (errores por pgina, ...)
Caractersticas del proceso:
Es estable: produce a largo plazo un nmero medio de sucesos constante por unidad de
observacin (tiempo, espacio, rea)
Los sucesos aparecen aleatoriamente de forma independiente , es decir, el proceso no
tiene memoria, ya que conocer sucesos en un intervalo no ayuda a predecir sucesos en el
siguiente.
Si el nmero promedio de ocurrencias en un intervalo de
tiempo o en una regin especfica es >0.
La v.a. X que es igual al nmero de ocurrencias indptes. en el
intervalo o regin tiene una distribucin de Poisson con tasa
DISTRIBUCIONES DE PROBABILIDAD DE TIPO DISCRETO
Modelo de Poisson Notacin: X ~ P()
e
x
x!
Funcin de probabilidad: p(x)= x= 0,1,2, ...
Media: E(X) =
Varianza: Var(X) =
Funcin generatriz de momentos: M(t) = e
(e -1)
t
DISTRIBUCIONES DE PROBABILIDAD DE TIPO DISCRETO
Aproximacin Poisson de la distribucin binomial
Sea X el n de xitos resultantes de n ensayos independientes, cada uno
con probabilidad de xito p. La distribucin del n de xitos es binomial de
media np. Sin embargo, si el n de ensayos n es grande y np tiene un
tamao moderado (preferiblemente np7), esta distribucin puede
aproximarse bien por la distribucin de Poisson de media =np.
La funcin de probabilidad de la distribucin aproximada es entonces:
!
) (
) (
x
np e
x p
x np
=
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO
Modelo Uniforme Notacin: X ~ U(a,b)
Una v.a. sigue una distribucin uniforme si su masa de
probabilidad est repartida uniformemente a lo largo de su
soporte
1
b - a
Funcin de densidad: f(x)= a sxs b
a b X
f(x)
1/(b-a)
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO
Modelo Uniforme Notacin: X ~ U(a,b)
1
b - a
Funcin de densidad: f(x)= a sxs b
Media: E(X) =(a+b)/2
Varianza: Var(X) = (b-a)
2
/12
x - a
b - a
Funcin de distribucin: F(x)= a sxs b
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO
Modelo Exponencial Notacin: X ~ Exp(0)
La variable aleatoria X representa el tiempo que transcurre
hasta la primera ocurrencia del proceso de Poisson P()
Funcin de densidad: f(x)= e
x/ 0
, x>0
1
0
Siendo = 1/0
Media: E(X) = 0
Varianza: Var(X) = 0
2
Funcin de distribucin: F(x) = 1- e
x/ 0
, x>0
F. generatriz de momentos: M(t) = (1-
0 t)
1
t< 1/ 0
La distribucin exponencial tiene la propiedad de carencia o
prdida de memoria, esto es: P( X< s + t / x> s ) = P( X< t )
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO
Modelo Normal Notacin: X ~ N(,o
2
)
f(x)= e
, - < x <
1
2t o
1 x-
2
2 o
La distribucin es
campaniforme,
simtrica, centrada
en y con puntos de
inflexin en o
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO
Modelo Normal Notacin: X ~ N(, o
2
)
f(x)= e
, - < x <
1
2t o
1 x-
2
2 o
Media: E(X) =
Varianza: Var(X) = o
2
F. generatriz de momentos: M(t)= e
1
2
t+ o
2
t
2
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO
Modelo Normal Estndar Notacin: z ~ N(0,1)
f(z)= e
, - < z <
1
2t
1 z
2
2
=0 o
2
=1
M(t)= e
t
2
2
Funcin de distribucin: est tabulada F(z)= Pr (Zsz)=|(z)
0 z
f(z)
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO
Modelo Normal
Si a una v.a. normal le
restamos su media y la
dividimos por su desviacin
tpica, la variable resultante
tiene media cero y desviacin
tpica 1, y distribucin normal
estndar.
Si X ~ N ( , o
2
) Z = ~ N(0,1)
X-
En la prctica:
F
x
(x)= Pr (Xsx) = Pr ( s )= Pr(Z s )= |( )
X-
x-
x-
x-
TABLAS
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO
Modelo Normal Notacin: X ~ N(, o
2
)
Si Y = a X b, siendo X ~ N (, o
2
), entonces:
Y ~ N (a b, a
2
o
2
)
En toda distribucin Normal se
comprueba que:
Pr( - 2 s X s + 2 ) = 0,955
Pr( - 3 s X s + 3 ) = 0,997
que son intervalos ms precisos
que la acotacin de Tchebychev
(0,75 y 0, 88, respectivamente).
Otras propiedades:
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO
Aproximacin Normal a la distribucin Binomial
Sea X el n de xitos resultantes de n ensayos independientes, cada uno
con probabilidad de xito p. Si n es grande y p no es ni demasiado
grande ni pequeo, entonces, la distribucin binomial puede aproximarse
bien por la distribucin Normal de media =np y varianza
2
= np(1-p).
|
|
.
|
\
|
s s
~ s s
) 1 ( ) 1 (
) (
p np
np b
Z
p np
np a
P b X a P
O usando la correccin de continuidad de medio punto (cuando 20n50).
|
|
.
|
\
|
+
s s
~ s s
) 1 (
5 , 0
) 1 (
5 , 0
) (
p np
np b
Z
p np
np a
P b X a P
Siendo Z la distribucin normal estndar.
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO
Aproximacin Normal a la distribucin Poisson
Sea X una v.a. de Poisson con media . Si es grande, entonces, dicha
distribucin puede aproximarse bien por la distribucin Normal de media
= y varianza
2
= .
|
|
.
|
\
|
s s
~ s s
b
Z
a
P b X a P ) (
O usando la correccin de continuidad
Siendo Z la distribucin normal estndar.
|
|
.
|
\
| +
s s
~ s s
5 , 0 5 , 0
) (
b
Z
a
P b X a P
RESUMEN DE CONVERGENCIAS DE DISTRIBUCIONES
Poisson
P()
Normal
N(, o
2
)
Binomial
B(n,p)
Hipergeomtrica
H(N, k, n)
N>50
n/Ns0,1
n>20
=np
o
2
=np(1-p)
>10
=
o
2
=
=np
np s7