Você está na página 1de 53
Distribuciones de Probabilidad Semana 3 Diapositiva 1

Distribuciones de Probabilidad Semana 3

 Distribución de Frecuencias – Listado de todos los resultados observados de un experimento.  Distribución

Distribución de Frecuencias – Listado de todos los resultados observados de un experimento.

Distribución de Probabilidades – Listado de las probabilidades de todos los posibles resultados que pudieran ocurrir de un experimento.

Diapositiva 2

 Experimento: ◦ Lanzar una moneda tres veces al aire.  Evento ◦ Obtener SELLOS en

Experimento:

Lanzar una moneda tres veces al aire.

Evento

Obtener SELLOS en los tres lanzamientos.

Resultados Posibles (Variables Aleatorias)

0 Sellos 1 Sello 2 Sellos 3 Sellos

Diapositiva 3

C CCC (0) 0.5 3 =0.125 C 0.5 3 S (1) CCS =0.125 CSC (1) 0.5
C
CCC
(0)
0.5
3
=0.125
C
0.5
3
S
(1)
CCS
=0.125
CSC
(1)
0.5
3
=0.125
C
C
S
S
(2)
0.5
3
=0.125
CSS
Número de Sellos
C
SCC
(1)
0.5
3
=0.125
C
S
0.5
3
=0.125
S
SCS
(2)
(2)
SSC
0.5
3
C
=0.125
S
0.5
3
=0.125
S
(3)
SSS

Diapositiva 4

Diapositiva 5
Diapositiva 6

Diapositiva 6

VARIABLE PROBABILIDAD  Variable Aleatoria: Variable X = Número de sellos     
VARIABLE PROBABILIDAD  Variable Aleatoria: Variable X = Número de sellos     

VARIABLE

ALEATORIA

VARIABLE PROBABILIDAD  Variable Aleatoria: Variable X = Número de sellos     

PROBABILIDAD

Variable Aleatoria: Variable X = Número de sellos

Valores de la Variable Xx

(0, 1, 2, 3).

P(X=x) o f(x) Probabilidad de que la V.A. X tome el valor x

P(X=0) = 0.125 P(X=1) = 0.375 P(X=2) = 0.375 P(X=3) = 0.125

f(0) = 0.125 f(1) = 0.375 f(2) = 0.375 f(3) = 0.125

Diapositiva 7

 Resultado de un experimento que toma diferentes valores. ◦ Números que resultan de lanzar un

Resultado de un experimento que toma diferentes valores.

Números que resultan de lanzar un dado.

(1,2,3,4,5,6)

Cantidad de caras o sellos al lanzar una moneda.

Puede ser discreta o continua.

Diapositiva 8

 Variable aleatoria discreta ◦ Usualmente un número entero (0, 1, 2, 3 etc.) ◦ Obtenida

Variable aleatoria discreta

Usualmente un número entero (0, 1, 2, 3 etc.) Obtenida por conteo.

Variable aleatoria continua

Puede asumir cualquier valor dentro de un rango dado.

Obtenida por mediciones.

Diapositiva 9

    Contiene todos los valores posibles de la Variable X, cada uno con

Contiene todos los valores posibles de la Variable X, cada uno con su Probabilidad asociada, P(X).

Mutuamente Excluyentes y Colectivamente exhaustivos 0 P(X i ) 1 P(X i ) = 1

P(X=0) = 0.125 P(X=1) = 0.375 P(X=2) = 0.375 P(X=3) = 0.125

Diapositiva 10

 Para una variable aleatoria X, el valor de la Función de Distribución Acumulativa F(x), es

Para una variable aleatoria X, el valor de la Función de Distribución Acumulativa F(x), es la probabilidad de que X tome los valores menores o iguales a x.

F(x) P(X x)

F(3) P(X 3)

f (0) f (1) f (2) f (3)

Diapositiva 11

    Se denota E(X). Media de la Distribución de Probabilidad (  Media

Se denota E(X). Media de la Distribución de Probabilidad ( Media Pesada de los valores de X. Las probabilidades actúan como pesos (suman

1).

μ = E(X ) μ = E(X )

=

x * P(X

x)

=

x * f (x)

Diapositiva 12

P(X=0) = 0.125  0 x 0.125 = 0 P(X=1) = P(X=2) = P(X=3) = 0.375

P(X=0) = 0.125

0 x 0.125 =

0

P(X=1) = P(X=2) = P(X=3) =

0.375 1 x 0.375 = 0.375 2 x 0.375 = 0.125 3 x 0.125 = Suma: 1.5

0.375

0.750

0.375

Diapositiva 13

 Se denota VAR(X) o σ 2 .  Es el valor esperado (promedio) de las

Se denota VAR(X) o

σ 2 .

Es el valor esperado (promedio) de las desviaciones cuadráticas de cada valor x de la Variable Aleatoria X.

2

(

VAR X

)

E

(

X

)

2

(

)

x

2

*

f

(

x

)

2

(

VAR X

)

E

(

X

2

)

E

(

X

)

2

2

 

x

2

P

(

x

)

2

Diapositiva 14

 Raíz Cuadrada de la Varianza.     2   VAR X (

Raíz Cuadrada de la Varianza.

2   VAR X ( ) 
2
VAR X
(
) 
2   VAR X ( )   ( x   ) 2 *

(

x

)

2

*

f

(

x

)

2   VAR(X ) 
2
VAR(X ) 
2   VAR(X )  E ( X 2 )   E ( X

E(X

2

)

E(X )

2

  2  x P ( x )   2

2

x P(x)

2

 
 Una tienda de autos ha establecido la siguiente distribución de probabilidades de los autos que

Una tienda de autos ha establecido la siguiente distribución de probabilidades de los autos que espera vender un día sábado en particular:

Número de autos vendidos

Probabilidades

0

0.10

1

0.20

2

0.30

3

0.30

4

0.10

En un día sábado, ¿cuántos autos se debe esperar vender?

¿Cuál es la varianza de la distribución?

Diapositiva 16

Distribuciones de Probabilidad Discretas Binomial Poisson Diapositiva 17

Distribuciones de Probabilidad Discretas

Binomial Poisson
Binomial
Poisson

Diapositiva 17

Distribución Binomial Diapositiva 18

Distribución Binomial

 La totalidad del experimento está compuesto por una secuencia de intentos o ensayos idénticos .

La totalidad del experimento está compuesto por una secuencia de intentos o ensayos idénticos.

En cada intento o ensayo hay dos posibles resultados, mutuamente excluyentes: éxito o fracaso.

La probabilidad de éxito (p) permanece constante de ensayo a ensayo. La probabilidad de fracaso (q) es el complemento de p, es decir, 1-p.

Los

ensayos

o

independientes.

intentos

son estadísticamente

Diapositiva 19

Si f (x)  P(X  x) para x  0, 1, 2, ... , n
Si f (x)  P(X  x) para x  0, 1, 2,
...
,
n

f

(

x

)

n !

r

!(

n

r

)!

p

r

q

n

r

p= probabilidad de éxito de cada intento q= probabilidad de fracaso de cada intento n= número de intentos realizados. r= número de éxitos deseados.

Diapositiva 20

 Media o Valor Esperado   E ( X )  np  Varianza 

Media o Valor Esperado

E(X ) np

Varianza

2

npq

Desviación Estándar

Diapositiva 21

npq
npq
Una compañía que vende por teléfono un solo artículo, ha vendido 20 artículos en las últimas
Una compañía que vende por teléfono un solo artículo, ha vendido 20 artículos en las últimas

Una compañía que vende por teléfono un solo artículo, ha vendido 20 artículos en las últimas 100 llamadas. Si durante un turno se llaman a 12 clientes, ¿cuál es la probabilidad de:

  • A. No hacer ninguna venta?

    • B. Hacer exactamente 2 ventas?

    • C. Hacer como máximo 2 ventas?

    • D. Hacer al menos 2 ventas?

Diapositiva 22

Distribución de Poisson Diapositiva 23

Distribución de Poisson

Las ocurrencias de un evento pueden ser descritas en términos de una variable aleatoria discreta.

Existe un régimen que caracteriza el proceso (número de ocurrencias por intervalo de tiempo o espacio).

Se usa para describir las distribuciones de probabilidad de:

Número de llegadas de clientes. Número de llamadas telefónicas en una central. Número de accidentes. Número de llegadas de vehículos.

Número de defectos observados en longitudes, superficies, u objetos.

Si f (x)  P(X  x) para x  0, 1, 2, ... , n
Si f (x)  P(X  x) para x  0, 1, 2,
...
,
n

f

(

x

)

x

e

x !

λ= promedio de ocurrencias por intervalo de tiempo o espacio.

e= 2.71828 Base de logaritmos neperianos o naturales.

Diapositiva 25

 Media o Valor Esperado  Varianza     2    Desviación

Media o Valor Esperado

Varianza

  • 2

Desviación Estándar

Diapositiva 26



La distribución de Poisson es una buena aproximación de la distribución binomial cuando n es igual o mayor que 20 y p es igual o menor a 0.05.

np

f

(

x

)

(

np

)

x

e

np

x !

Si en promedio llegan 3 clientes por minuto al banco durante la hora del almuerzo, cual

Si en promedio llegan 3 clientes por minuto al banco durante la hora del almuerzo, cual es la probabilidad de que en un minuto dado, lleguen exactamente dos clientes, lleguen menos de dos clientes, y lleguen más de dos clientes?

Diapositiva 28

Si en promedio llegan 3 clientes por minuto al banco durante la hora del almuerzo, cual
Los clientes llegan a la ventanilla a un régimen de 72 por hora. ¿Cuál es la

Los clientes llegan a la ventanilla a un régimen de 72 por hora. ¿Cuál es la probabilidad de que 4 clientes lleguen en un lapso de 3 minutos?

Diapositiva 29

Los clientes llegan a la ventanilla a un régimen de 72 por hora. ¿Cuál es la
Ocurren defectos importantes en una carretera a una tasa promedio de 2 defectos por km. ¿Cuál

Ocurren defectos importantes en una carretera a una tasa promedio de 2 defectos por km. ¿Cuál será la probabilidad de que no ocurran defectos importantes en una sección de la carretera de 3 kms?

Distribución Normal Diapositiva 31

Distribución Normal

Distribución Normal X μ Media Mediana Moda  1. Simétrica y “acampanada”  2. Unimodal. 

Distribución

Normal X μ
Normal
X
μ

Media

Mediana

Moda

1. Simétrica y “acampanada”

2. Unimodal.

3. Media al centro de la Curva.

4. Media = Mediana = Moda

5. Asintótica

6. Función de Densidad

7. Área bajo la curva = 1

Diapositiva 32

 = 1  = 5 = 10 Diapositiva 33  = 50 X
 = 1  = 5 = 10
 = 1
 = 5
= 10

Diapositiva 33

= 50

X

 = 5  = 5  = 5  = 15  =25  =
 = 5  = 5  = 5  = 15  =25  =
 = 5
 = 5
 = 5
 = 15
 =25
 = 40

X

Diapositiva 34

 = 1 = 3  = 10 X  = 15  =25  =

= 1

= 3  = 10 X  = 15  =25  = 40
= 3
 = 10
X
 = 15
 =25
 = 40

Diapositiva 35

Áreas bajo la curva normal

1 15.85% 15.85% 68.3% 1
1
15.85%
15.85%
68.3%
1

X

Diapositiva 36

Áreas bajo la curva normal

1 15.85% 15.85% 68.3% 1
1
15.85%
15.85%
68.3%
1
2 2.25% 2.25% 95.5% 2
2
2.25%
2.25%
95.5%
2

X

X

Diapositiva 37

Áreas bajo la curva normal

1 15.85% 15.85% 68.3% 1
1
15.85%
15.85%
68.3%
1
2 2.25% 2.25% 95.5% 2
2
2.25%
2.25%
95.5%
2
3 99.7% 0.15% 0.15% 3
3
99.7%
0.15%
0.15%
3

X

X

X

Diapositiva 38

  0   1 -3 -2 -1 +1 +2 +3 Diapositiva 39
  0   1
 0
 1

-3

-2

-1

0

+1

+2

+3

Diapositiva 39

   100  20
 100
 20

40

60

80

100

120

140

160

X

-3

-2

-1

0

+1

+2

+3

Z

Diapositiva 40

 Los valores de una Variable X distribuida normalmente se transforman a valores z de una

Los valores de una Variable X distribuida normalmente se transforman a valores z de una Distribución Normal Estándar.

La Distribución Normal se “estandariza” resultando en una Distribución Normal Estándar.

Diapositiva 41

z

x

 

Distribución Normal Estándar Distribución Normal  = 1  z x z   = 0

Distribución Normal Estándar

Distribución Normal

 = 1  z x
 = 1
z
x

z

 

z

= 0

 
   

x - valor de una variable aleatoria.

 

x

 

-

media de la distribución de la

z

variable aleatoria. - desviación estándar de la distribución.

 

Diapositiva 42

 

z - número de desviaciones estándar desde x a la media de la distribución.

Distribución Normal 50 25        x 25 0 25 50
Distribución Normal 50 25        x 25 0 25 50
Distribución Normal
50
25
      
x
25
0
25
50
75
100
125

     

-3

-2

-1

0

1

2

3

z =

x

Diapositiva 43

Probabilidad en una Distribución Normal

 = 5 X  = 10 14.2
 = 5
X
 = 10
14.2

Encontrar:

P(10 < x < 14.2)

x   z    Z 0 0.84
x
 
z
Z
0
0.84

14.2-10

  • 5

0.84

Diapositiva 44

 10  5 5 10 15 X .6827 1 0 1 Z x  
 10  5 5 10 15 X .6827 1 0 1 Z x  
 10  5 5 10 15 X .6827 1 0 1 Z x  

10

 5

5 10 15 X .6827 1 0 1 Z
5
10
15
X
.6827
1
0
1
Z
x   15-10 z    1  5 x   5-10 z
x
 
15-10
z 
 1
5
x
 
5-10
z 
 -1
5

Diapositiva 45

10  5  = 10 18.2 X
10
 5
= 10
18.2
X
10  5  = 10 18.2 X 0 1.64 Z x   18.2-10 z

0

  • 1.64 Z

x   18.2-10 z    1.64  5
x
 
18.2-10
z
 1.64
5

Diapositiva 46

10  5 10%  = 10 ? X 10% 0 ? Z Diapositiva 47 Para
10  5 10%  = 10 ? X
10
 5
10%
= 10
?
X
10% 0 ? Z
10%
0
?
Z

Diapositiva 47

Para una cola de 10% ¿Cuál será el valor de x?

x=16.4
x=16.4

Para una cola de 10% ¿Cuál será el valor de z?

z=1.28
z=1.28

La garantía de una llanta esta en función del kilometraje de su duración. Se desea saber que porcentaje de llantas durarán mas de 40,000 kms. En las pruebas se determinó que el kilometraje medio de la llanta es μ = 36500 kms y su desviacion estandar σ = 5000 kms. Por los datos recolectados en las pruebas se estima que se aproximan a una distribución normal.

z=0.7

P(x)=24.2%

 La garantía de una llanta esta en función del kilometraje de su duración. Se desea
  5000 Area para x > 40000 = 36500 X

 5000
Area para
x > 40000
= 36500
X

40000

 A pesar de ser continua, la Distribución Normal es algunas veces una buena aproximación de

A pesar de ser continua, la Distribución Normal es algunas veces una buena aproximación de la distribución binomial cuando np y nq son mayores o iguales a 5.

Los valores discretos de la distribución binomial se representan como rectángulos inscritos en la distribución normal con un ancho de 1 y centrados en el valor discreto.

np

npq
npq
 Asuma que el 50% de los alumnos de una Universidad fuman al menos media cajetilla

Asuma que el 50% de los alumnos de una Universidad fuman al menos media cajetilla de cigarrillos por día. ¿Cuál es la probabilidad que una muestra de 10 alumnos, extraída al azar, contendrá 3 o más alumnos que fumen al menos media cajetilla de cigarros por día?

Diapositiva 51

np 5

y

nq 5

P(r  3) np  10 * 0.5  5 p  0.5 q  0.5
P(r  3)
np 
10
* 0.5
5
p  0.5
q  0.5
n  10
r  3
nq 
10
* 0.5
5
np
 5
npq
 1.5811
0
1
2
3
4
5
6
7
8
9
10

Diapositiva 52

P(X 2.5)

FIN