You are on page 1of 27

DISTRIBUCIONES DE PROBABILIDAD

Herramienta para la toma de decisiones

Ms.C. Karina Crdenas Rodrguez Ms.C. Anheli Ramrez Mendocilla

DEFINICIONES PRELIMINARES: I. VARIABLE ALEATORIA:

Se denota por una X. Es aquella que puede tomar diferentes valores a travs del tiempo o de sujeto a sujeto. Si una variable, es una una variable aleatoria, entonces tiene una distribucin de probabilidad.

EJEMPLOS:
X: X: X: X: X: X: X: X: X: N de casas vendidas en Trujillo. N de administradores reconocidos a nivel nacional. Ventas diarias de una empresa. N de clientes que llegan diariamente a Plaza Vea. N de automviles que llegan a una Estacin de Servicio. N de llamadas telefnicas que recibe una secretaria. Edad de las personas. Tiempo de vida de un neumtico. N de artculos defectuosos de un proceso productivo.
2

II. RECORRIDO O RANGO DE UNA V.A.:


X: N de casas vendidas en Trujillo. Rx = { }

X: N de administradores reconocidos a nivel nacional. Rx = { } X: Ventas diarias de una empresa. Rx = { }

X: N de clientes que llegan diariamente a Plaza Vea. Rx = { } X: N de automviles que llegan a una Estacin de Servicio. Rx = { } X: N de llamadas telefnicas que recibe una secretaria. Rx = { } X: Tiempo de vida de un neumtico. Rx = { }

III. Tipos de Variables Aleatorias:


Variable Aleatoria Discreta: Una v.a. es discreta si su recorrido o rango toma valores enteros (Z) (valores discretos).

Variable Aleatoria Continua. Una v.a. es continua si su recorrido o rango toma valores de la recta real (R) (nmero reales)

IV. FUNCION DE PROBABILIDAD:


Es una frmula matemtica que nos permite calcular probabilidades. Una funcin de probabilidad, calcula la probabilidad para cada valor individual de la variable aleatoria X. Se denota por:

n x nx P[X = x] = p q x

f (x) = P[ X = x ]

Ejemplos:

Distribucin Binomial: Distribucin Poisson:

P[X = x] = e

x!
5

IV. FUNCION DE PROBABILIDAD ACUMULADA:


Llamada tambin funcin de distribucin que se denota por F(x). Es aquella que nos permite calcular probabilidades acumuladas. Se denota por:

Por ejemplo: F(1) = P[X1]=P(X=0) + P(X=1) F(2) = P[X2]=P(X=0) + P(X=1) + P(X=2) F(3) = P[X3]=P(X=0) + P(X=1) + P(X=2)+P(X=3)

DISTRIBUCIONES DISCRETAS Y CONTINUAS


LAS DISTRIBUCIONES DISCRETAS Distribucin Binomial Distribucin Poisson LAS DISTRIBUCIONES CONTINUAS Distribucin Normal Distribucin Normal Estndar Distribucin t de Student Distribucin Chi Cuadrado

DISTRIBUCIN BINOMIAL
Tienen su origen en los Ensayos de Bernoulli. Es la que se encarga de estudiar los experimentos aleatorios que tienen solamente 2 resultados. Esta distribucin es muy utilizada en el campo de la administracin de empresas, ingeniera, medicina y el campo de la psicologa.
Jacob Bernoulli

DISTRIBUCIN BINOMIAL
CARACTERISTICAS: Los parametros de la distribucin binomial son n y p., donde: n=Numero de ensayos o tamao de(nmuestra ,p ) XB p = probablidad de xito en cada ensayo. De aqu se obtiene que la probabilidad de fracaso es q = 1-p Si una v.a. X tiene una distribucin binomial , esta se denota por: Su funcin de probabilidad esta dada por:

Parmetros:

n , p

n x nx P[X = x] = p q x
9

Ejercicio:

Funcin de probabilidad

En el almacn de la empresa TEXACO, se n x n x sabe que el 25% de los P(X = x) = p q artculos elctricos son x defectuosos. En un trabajo de control de calidad se extrae una muestra de Solucin: 5 artculos 5 0 5 elctricos a partir del grupo. Entonces, a. P(X = 0) = 0 . calcular las siguientes ( 0 .75) probabilidades: 25 0 a. Ninguno sea = 0.237 defectuoso. b. Exactamente 1 sea defectuoso. 5 1 4 c. Menos de 2 sean b. P(X = 1) = 0 . 25 ( 0 .75) defectuosos. 1

PARAMETROS: n=5 p = 0.25

= 0.396 c. P(X < 2) = P(X 1) = P(X = 0) + P(X = 1) = 0.633


10

MANEJO DE TABLA:
Para el uso de tabla tener en cuenta lo siguiente A B C D E F G P ( X a ) = Usar directamente la tabla P(X>a)=1- P(Xa) P(Xa)=1- P(Xa-1) P(X=a)=P(Xa)-P(Xa-1) P ( a X b ) = P ( X b ) - P ( X a-1 ) P ( a X < b ) = P ( X b-1 ) - P ( X a-1 ) P ( a < X < b ) = P ( X b-1 ) - P ( X a )

11

12

DISTRIBUCIN POISSON
Es otra de las distribuciones discretas mas importantes del calculo de probabilidades. Se utiliza cuando se quieren evaluar variables aleatorias discretas pero ocurridos en espacios continuos. Estos espacios continuos pueden ser el tiempo, volumen, espacio, etc.

Funcin de probabilidad

P ( X = x/ ) =

e x!

Donde = Nmero esperado de xitos. e = Constante matemtica. x = Nmero de xitos por unidad.

Simeon Poisson

Parmetro:

13

Ejercicio:
Se conoce que el nmero promedio de llamadas a una central telefnica es de 3 llamadas por minuto. Calcular las siguientes probabilidades: a.Reciban exactamente dos llamadas telefnicas en un minuto b.Reciban a lo ms 2 llamadas telefnicas en un minuto.

Funcin de probabilidad

P(X = x/ ) =
Solucin:

e x x!

Se tiene que = 3 llamadas por minuto.

a.

P( X=

3 2

2)

3 = 0.224 2!

b. P ( X 2 ) = P(X = 0)P+(X

2) =

1=)P(X+
3 0

e 3 e 3 31 e 3 32 = + + = 0.497 + 0.149 + 0.224 = 0.423 0! 1! 2!


14

15

LA DISTRIBUCIN NORMAL
La distribucin normal, es una distribucin muy importante campo de en la el Conocida tambin como curva de Gauss. Es simtrica con respecto a U. Es asinttica con respecto al eje X. Funcin de Probabilidad
2

P(X x) =

1 2 e 2 x

dx

Para -

<x<

Parmetros: : Media Varianza u 2

Esta distribucin de probabilidad es importante para las variables aleatorias continuas (peso, edad, talla, inteligencia emocional, temperatura, etc) que son variables que ms se evalan en una investigacin cientfica o investigacin

social se aproximan a esta distribucin de probabilidad.


16

Distribucin Normal Estndar


Funcin de Probabilidad La distribucin normal estndar es una distribucin normal media u = 0 y varianza = 1. Tiene las mismas caractersticas de una distribucin normal. El rea bajo esta funcin o curva es 1 100%, de la misma manera se sabe que las reas comprendidas bajo la curva normal son :
x u z =
z

P(Z z) =
8
<z<

1 e 2

z 2

dz

Para -

; Para z = -4, ,4

17

USO DE TABLA: Si se conoce el comportamiento de una variable es decir se sabe que tienen una distribucin normal, para calcular las diferentes probabilidades se tiene que estandarizar la variable. Una vez estandarizada la variable, recin utilizar la tabla de la distribucin normal estandarizada o tabla Z.

PROPIEDADES

P( a) = P( Z z

UTILIZAR DIRECTAMENTE LA TABLA

a P( z a) = 1 P( z a) = 1 ) P(Z

P ( a z b) = P ( z b ) P ( z a ) P ( z =

) P( z

18

EJERCICIO:
La Empresa AJE est produciendo su producto Agua Cielo litro y medio en envase de PET. El contenido promedio envasado por unidad es de 1500 mililitros con una desviacin estndar de 50 mililitros. Segn resoluciones de Indecopi, si el producto elaborado no alcanza los 1450 mililitros la empresa ser penalizada. Segn el Inspector de Calidad las botellas tampoco deben de superar los 1550 mililitros dado a que puede ocasionar prdida de lquido al encapsular. Si se envasan 200000 botellas en forma diaria y se selecciona al azar a una unidad cualquiera.Cul es la probabilidad de que: a. La empresa sea penalizada? b. Se pierda contenido? c. No exista problemas con Indecopi ni al encapsular? d. Determinar cuantas botellas se derramarn si cada envase tiene una capacidad de 1575 mililitros? e. Si control de calidad debe separar a todas las unidades envasadas con menos de 1450 o ms de 1550 mililitros, probablemente, Cuntas botellas sern separadas?

SOLUCION
19

Lainteligencia es una palabra que todos tenemos, descbrela.

GRACIAS POR ESCUCHARME

20