INSTITUTO TECNOLGICO DE APIZACO

Estadstica

DISTRIBUCIN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

ESPACIO MUESTRAL. El conjunto de todos los resultados posibles de un experimento estadstico denotado por S o VARIABLE. Se denomina variable a la entidad que puede tomar un valor cualesquiera durante la duracin de un proceso dado. Si la variable toma un solo valor durante el proceso se llama constante. VARIABLE ALEATORIA: Es una funcin que asocia un nmero real a cada elemento del espacio muestral. Es decir son aquellas que pueden diferir de una respuesta a otra. Una variable aleatoria se puede clasificar en: Variable aleatoria discreta. Variable aleatoria continua. Variable aleatoria discreta. Una variable discreta proporciona datos que son llamados datos cuantitativos discretos y son respuestas numricas que resultan de un proceso de conteo. La cantidad de alumnos regulares en un grupo escolar. El nmero de guilas en cinco lanzamientos de una moneda. Nmero de circuitos en una computadora. El nmero de vehculos vendidos en un da, en un lote de autos Variable aleatoria continua. Es aquella que se encuentra dentro de un intervalo comprendido entre dos valores cualesquiera; sta puede asumir infinito nmero de valores y stos se pueden medir. La estatura de un alumno de un grupo escolar. El peso en gramos de una moneda. La edad de un hijo de familia. Las dimensiones de un vehculo.

DEPARTAMENTO DE CIENCIAS BSICAS

M. en C. Jos Luis Hernndez Gonzlez

INSTITUTO TECNOLGICO DE APIZACO

Estadstica

DISTRIBUCIONES Distribucin de probabilidad. Es una distribucin terica de frecuencias que describe cmo se espera que varen los resultados de un experimento. Existen diferentes tipos de modelos que permiten describir el comportamiento de fenmenos estadsticos que permiten hacer inferencias y tomar decisiones en condiciones de incertidumbre. Se pueden clasificar en: Discretas P(x)

Distribuciones Continuas

x1 P(x)

x2

xn

x1

xn

Distribuciones discretas. Son aquellas donde las variables asumen un nmero limitado de valores, por ejemplo el nmero de aos de estudio. Binomial Hipergeomtrica Multinomial Poisson

Discretas

Distribuciones continuas. Son aquellas donde las variables en estudio pueden asumir cualquier valor dentro de determinados lmites; por ejemplo, la estatura de un estudiante. Uniforme

Continuas

Exponencial

Normal

DEPARTAMENTO DE CIENCIAS BSICAS

M. en C. Jos Luis Hernndez Gonzlez

INSTITUTO TECNOLGICO DE APIZACO

Estadstica

Una distribucin de frecuencias es un listado de las frecuencias observadas de todos los resultados de un experimento que, en realidad se han presentado cuando se lleva a cabo un experimento; en cambio, una distribucin de probabilidad es un listado de las probabilidades de todos los resultados posibles que podran presentarse si se efectuara el experimento. Las probabilidades que se asocian a cada uno de los valores que toma la variable aleatoria x constituyen lo que se conoce como DISTRIBUCIN DE PROBABILIDAD, la cual puede ser representada mediante una funcin matemtica, una grfica o una tabla de valores. La diferencia consiste en que la funcin matemtica se transforma en una funcin probabilstica. E1 S E0 X x0 x1 P(X) p(x0) p(x1) ... ... ... En xn p(xn)

Dados los eventos E1, E2, ..., En S, se dice que x es una variable aleatoria, si a cada valor de xi que asume cada Ei, se le asocia su probabilidad de ocurrencia y cumple con las siguientes condiciones: a) La probabilidad para todo valor que asuma la variable aleatoria xi, ser mayor o igual a cero pero menor que uno. 0 P(xi) 1 xi La suma de todas las probabilidades asociadas a todos los valores que toma la variable x, es igual a la unidad.

b)

P(x i ) = 1
1

P(x i )dx

=1

Encuentre la distribucin de probabilidad de lanzar dos monedas y la variable aleatoria nmero de guilas. S X E0 E1 E2 {Lanzar dos monedas} Nmero de guilas Caen x = 0 guilas
Caen x = 1 guilas

P(E0) =

Caen x = 2 guilas

1 4 1 P(E1) = 2 1 P(E2) = 4

DEPARTAMENTO DE CIENCIAS BSICAS

M. en C. Jos Luis Hernndez Gonzlez

INSTITUTO TECNOLGICO DE APIZACO

Estadstica

P(X)

1 2 1 4

X
0 1 2

Existen ciertas caractersticas que diferencian a las distribuciones de probabilidad, llamadas momentos de la distribucin que son: la media aritmtica o esperanza matemtica y la desviacin estndar. FUNCIONES DE PROBABILIDAD DISCRETAS
La distribucin de probabilidad para una variable aleatoria discreta puede ser: 1.2.3.Una relacin terica de resultados y probabilidades que se puede obtener de un modelo matemtico y que representa algn fenmeno de inters. Una relacin emprica de resultados y sus frecuencias relativas observadas. Una relacin subjetiva de resultados relacionados con sus probabilidades subjetivas o artificiales que representan el grado de conviccin del encargado en tomar decisiones sobre la probabilidad de posibles resultados.

Sabemos que una variable aleatoria discreta o discontinua es aquella en la que existe una distancia bien definida entre dos de los valores consecutivos que asume; y dichos valores son numerables.
Existen varios modelos matemticos que representan diversos fenmenos discretos de la vida real. Las ms tiles son: 1.La distribucin uniforme discreta. 1.La distribucin de probabilidad Binomial o de Bernoulli. 2.La distribucin de probabilidad Hipergeomtrica. 3.La distribucin de probabilidad de Poisson.

UNIFORME DISCRETA Si la variable aleatoria X asume valores de X1, X2, ..., Xk con iguales probabilidades, entonces la distribucin uniforme es:
f (x, k ) = 1 k
M. en C. Jos Luis Hernndez Gonzlez

DEPARTAMENTO DE CIENCIAS BSICAS

INSTITUTO TECNOLGICO DE APIZACO

Estadstica

P(x)

x1

x2

xk

=
k

i =1

xi
k )2

k La distribuciin de probabilidad del lanzamiento de un dado es:

S = {1, 2, 3, 4, 5, 6} P (x = 1, 2, ..., 6) =
1 6
=

2 = i =1

(x i

1+ 2 + 3+ 4 + 5 + 6 = 3 .5 6

2 =

(1 3.5) 2 + (2 3.5) 2 + K + (6 3.6) 2 6

= 2.91

LA DISTRIBUCION BINOMIAL
Esta distribucin fue elaborada por Jacobo Bernoulli y es aplicable a un gran nmero de problemas de carcter econmico y en numerosas aplicaciones como: - Juegos de azar. - Control de calidad de un producto. - En educacin. - En las finanzas. La distribucin binomial posee las siguientes propiedades esenciales: 1.2.El espacio muestral contiene n ensayos idnticos. Las observaciones posibles se pueden obtener mediante dos diferentes mtodos de muestreo. Se puede considerar que cada observacin se ha seleccionado de una poblacin infinita sin reposicin o de una poblacin finita con reposicin. Cada observacin se puede clasificar en una de dos categoras conocidas como xito E o fracaso E', las cuales son mutuamente excluyentes es decir E E' = 0.
5 M. en C. Jos Luis Hernndez Gonzlez

3.-

DEPARTAMENTO DE CIENCIAS BSICAS

INSTITUTO TECNOLGICO DE APIZACO

Estadstica

4.5.-

Las probabilidades de xito p y de fracaso q = 1 - p en un ensayo se mantienen constantes, durante los n ensayos. El resultado de cualquier observacin es independiente del resultado de cualquier otra observacin.

La probabilidad de que el evento E ocurra x veces y el evento E' ocurra (n - x) veces en n ensayos independientes est dado por la frmula binomial: n P ( x, n , p ) = p x q n - x x donde: p = Probabilidad caracterstica o probabilidad de xito. q = Probabilidad de fracaso x = Nmero de xitos deseados n = Nmero de ensayos efectuados

Si se lanza 4 veces una moneda, calcular el evento "Nmero de guilas que caen." datos: n = 4 ensayos. 1 p = probabilidad de xito en un ensayo. 2 1 1 q = 1 - p = 1 = 2 2 x = 0, 1, 2, 3, 4 S = {lanzar 4 veces la moneda} A = {nmero de guilas que caen}
0 4 1 4 1 1 1 P (E0) = P 0,4, = = 0 2 2 2 16 1 3 4 1 4 1 1 P (E1) = P1,4, = = 1 2 16 2 2

6 1 4 1 1 P (E 2 ) = P 2,4, = = 2 2 16 2 2
3 1 4 1 4 1 1 P (E3) = P 3,4, = = 2 3 2 2 16

DEPARTAMENTO DE CIENCIAS BSICAS

M. en C. Jos Luis Hernndez Gonzlez

INSTITUTO TECNOLGICO DE APIZACO

Estadstica

MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN El clculo de estas magnitudes pueden realizarse con las siguientes frmulas:

= np 2 = npq = = Media 2 = Varianza = Desviacin estndar

DISTRIBUCIN MULTINOMIAL Ocurre cuando en el experimento binomial cada intento tiene ms de dos resultados posibles. Las probabilidades de ocurrencia p1, p2, ..., pk en un solo ensayo, la distribucin de probabilidad de las variables aleatorias k1, k2, ..., kn que representan el nmero de ocurrencias de E1, E2, ..., En en n intentos independientes es: npq

P(n, k 1 , k 2 , K , k n ) =

n! k k p 1 1 p k2 K p n n 2 k 1!k 2! K k n!

Calcular la probabilidad de obtener dos veces el nmero 4, dos veces el nmero 5 y una vez el nmero 2, en el lanzamiento de un dado 5 veces. 5! 1 1 1 P(5, 2, 2, 1) = = 0.00385 2!2!1! 6 6 6 LA DISTRIBUCIN HIPERGEOMTRICA Se emplea para calcular la probabilidad de obtener determinado nmero de xitos en un espacio muestral de n ensayos; pero a diferencia de la distribucin binomial es que los datos de la muestra se extraen sin reemplazo en una poblacin finita. Por esto es que el resultado de una observacin depende o es afectado por el resultado de cualquier otra u otras observaciones anteriores. Es decir la distribucin hipergeomtrica se emplea para muestreos sin reemplazo de una poblacin finita cuya probabilidad de ocurrencia cambia a lo largo del ensayo. Dado un espacio muestral S de tamao N con los subespacios M N y (N - M) N entonces, la probabilidad de que en n ensayos x pertenezca a M y (n - x) pertenezca a (N - M) est dada por:
DEPARTAMENTO DE CIENCIAS BSICAS 7 M. en C. Jos Luis Hernndez Gonzlez

INSTITUTO TECNOLGICO DE APIZACO

Estadstica

M N M x x n P(x, N, M, n) = N n
Grficamente se puede representar como: E M E N-M

N n

n-x

donde: N n M N-M x n-x = El tamao de espacio muestral S = El nmero de ensayos = El nmero de xitos en el espacio muestral = Nmero de fracasos del espacio muestral = Nmero de xitos en la muestra = Nmero de fracasos de la muestra.

Si en una empresa se presentan para cubrir dos vacantes 13 aspirantes de los cuales 5 son hombres y 8 son mujeres, calcular " El nmero de hombres contratados." N A E0 E1 E2 = {13 aspirantes para cubrir 2 vacantes} = {Nmero de hombres contratados} = Se contratan x0 = 0 hombres, equivale a contratar (n - x0) = 2 mujeres. = Se contratan x1 = 1 hombres, equivale a contratar (n - x1) = 1 mujeres. = Se contratan x2 = 2 hombres, equivale a contratar (n - x2) = 0 mujeres.

E M=5

E N-M = 8 N = 13 n=2

x=0

n-x = 2

DEPARTAMENTO DE CIENCIAS BSICAS

M. en C. Jos Luis Hernndez Gonzlez

INSTITUTO TECNOLGICO DE APIZACO

Estadstica

desarrollando N = 13 total de aspirantes M = 5 aspirantes hombres N-M = 8 aspirantes mujer n = 2 vacantes totales x = 0,1,2 hombres posibles a contratar n-x = 2,1,0 mujeres posibles a contratar

5 8 0 2 28 P(E0) = P(0,13,5,2) = = = 0.3588 = 35.88% 78 13 2 5 8 1 1 40 P(E1) = P(1,13,5,2) = = = 0.5128 = 51.28% 78 13 2 5 8 2 0 10 P(E2) = P (2,13,5,2) = = = 0.1282 = 12.82% 78 13 2
MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN El clculo de estas magnitudes pueden realizarse con las siguientes frmulas: M = n N

2 =

nM(N M)(N n) N 2 (N 1)

=
= Media 2 = Varianza = Desviacin estndar

DEPARTAMENTO DE CIENCIAS BSICAS

M. en C. Jos Luis Hernndez Gonzlez

INSTITUTO TECNOLGICO DE APIZACO

Estadstica

sustituyendo en el ejemplo anterior. 5 = 2 = 0.7693 13

2 =

(2)(5)(13 5)(13 2) (13) 2 (13 1)

=

= 0.4339

0.4339 = 0.6587

DISTRIBUCIN HIPERGEOMTRICA GENERALIZADA (MULTIVARIADA)

Si N resultados pueden dividirse en la k celdas N1, N2, ..., Nk con k1 ,k2, ..., kn elementos respectivamente, entonces la distribucin de probabilidad representa el nmero de elementos selecionados, en una muestra aleatoria de tamao n, es:

N 1 N 2 N n k k K k 1 2 n P(n; k 1, k 2 , K , k n ) = N n
Si en un refrigerador hay 12 envases de refrescos de los cuales son 10 de manzana, 5 de naranja y 4 de uva, cal es la probabilidad de que al surtir un pedido de 7 envases tomados al azar 2 sean de manzana, 4 de naranja y 1 de uva.

N1 = 3

N2 = 5

N3 = 4

N = 12

k1 = 2

k2 = 4

k3 = 4

n=7

3 5 4 2 4 1 P(7;2,4,1) = = 0.0758 12 7

DEPARTAMENTO DE CIENCIAS BSICAS

10

M. en C. Jos Luis Hernndez Gonzlez

INSTITUTO TECNOLGICO DE APIZACO

Estadstica

DISTRIBUCIN DE POISSON
Esta funcin de distribucin de variable discreta se emplea para calcular las probabilidades asociadas a la variable aleatoria dentro de un intervalo continuo de tiempo o espacio; este intervalo es generalmente una unidad de medida conocida: cm2, km, gramos, litros, pulgadas, etc. Algunos de los problemas que presentan como un fenmeno con distribucin de Poisson son: - Los embotellamientos que se producen por da. - Nmero de llamadas por hora. - Defectos por m2 de tela. - Nmero de defectos por lote de un proceso de produccin. - Nmero de negocios cerrados por semana.

A este tipo de problemas se les conoce el nmero de xitos x obtenidos por unidad de medida en n ensayos; pero es totalmente imposible conocer el nmero de fracasos (n - x).

Se dice que se da un proceso de Poisson si se pueden observar eventos discretos en un intervalo continuo en forma tal que si se acorta el intervalo lo suficiente:
1.2.3.La probabilidad de observar exactamente un xito en el intervalo es estable. La probabilidad de observar dos o ms xitos en el intervalo es cero. La ocurrencia de un xito en cualquier intervalo es estadsticamente independiente de que suceda en cualquier otro intervalo. La distribucin de Poisson se expresa mediante la siguiente frmula.

P(E) = P(x, ) =

x e - x!

donde: n = Nmero de ensayos x = Nmero de xitos esperados en n ensayos e = 2.71828... = n p = Constante igual al nmero de xitos promedio por unidad de medida p = Probabilidad constante durante el proceso igual al nmero de xitos promedio por unidad de medida.

Un conmutador recibe en promedio 5 llamadas sobre autos extraviados por hora. Cul es la probabilidad de que en una hora tomada al azar reciba? a) Ninguna llamada. b) Exactamente 3 llamadas. c) No ms de 3 llamadas.

DEPARTAMENTO DE CIENCIAS BSICAS

11

M. en C. Jos Luis Hernndez Gonzlez

INSTITUTO TECNOLGICO DE APIZACO

Estadstica

Para este problema = 5, en otros casos deber calcularse con: = n p. a) Ninguna llamada. x = 0 5 0 e .5 P (E 0 ) = P (0,5) = = 0.00674963 0! b) Exactamente 3 llamadas: x = 3

P (E 3 ) = P (3,5) =
c) No ms de 3 llamadas: x < 4

5 3 e .5 = 0.1404 3!

P(x < 4) = P(x 3) = P(x0 = 0) + P(x1 = 1) + P(x2 = 2) + P(x3 = 3) P(x < 4) = 0.0067+ 0.0337 + 0.0842 + 0.1406 = 0.2652 = 26.52 %
MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN El clculo de estas magnitudes pueden realizarse con las siguientes frmulas: = = np 2 = =

= Media 2 = Varianza = Desviacin estndar

DEPARTAMENTO DE CIENCIAS BSICAS

12

M. en C. Jos Luis Hernndez Gonzlez