Scribd Logo
Upload

Welcome to Scribd!

  • 00 Teoria Tema 4 Classroom 2021

    Uploaded by

    Lorenzo Calvo Bosque
    14 views35 pages

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    14 views35 pages

    00 Teoria Tema 4 Classroom 2021

    Uploaded by

    Lorenzo Calvo Bosque

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 35
    RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 bg TEMA 4 DISTRIBUCIONES 1. Regla de Laplace 2. Distribucién binomial 3. Parémetros de la variable aleatoria 4. Distribucién normal 5. Aproximacién de una distribucién binomial a normal 6. Funciones de probabilidad, distribucién y de densidad RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 * TEMA 4: DISTRIBUCIONES 1 REGLA DE LAPLACE. Recordatorio Experimento regular. £s aquel en ©1 que todos los sucesos elementales tienen la misma probabilidad de ocurrir, es decir, son equiprobables. Regla de Laplace. En un experimento aleatorio regular, la probabilidad de un suceso A se calcula casos favorables a A P(A) : n° casos posibles La probabilidad siempre es un valor entre 0 y 1, que multiplicado por 100, también puede ser expresado en forma porcentaje [tantos por cien}. Si un suceso tiene una probabilidad P(A), la probabilidad de que ocurra lo contrario es 1-F{A) RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 2 DISTRIBUCION BINOMIAL Caracteristicas ° Cuando tenemos un experimento con las siguientes caracteristicas, sabe que las probabilidades de los distintos resultados siguen que llamanos DISTRIBUGION BINOMIAL: 5 1. El experimento se repite varias veces (experimento compuesto) Ejemplo: lanzar § veces una moneda y anotar resultado. 2. solamente se estudian como resultados un SUCEBSO A o SU CONTRARIO. Ejemplo: En el experimento anterio 14 probabllidad de “obtener 3 caras”, slendo su contrart suma de todos los sucesos diferentes a obtener 3 caras". + ©1 SUCESO A seria caloular “la 3. cada Zz que se repite el experimento, éste es INDBPENDIENTE, es decir, cada vez que realizo el experimento la probabilidad de que ocurra el SUCESO A es siempre la misma, sin que afecte lo que haya ccurrido anteriormente. El ejemplo anterior es perfectamente valido. Otro ejemplo: En una urna hay 15 bolas blancas y 10 bolas negras. Extraemos 8 bolas consecutivamente con devolucién o reemplazo. Las pr en cada extraccién. Ahora bien, gcumpliria ese experimento si no se reemplazara la primera bola?.. en este caso la probabilidad de la segunda siguientes extracciones es dependiente del resultado de la: anteriores, por tanto no cumple esta condicién y NO si considera distribucién binomial. Boe VARIABLE ALEATORIA DISCRETA Primeramente definimos QUE SE ENTIENDE por variable aleatoria: ES UNA FUNCION QUE A CADA SUCESO ELEMENTAL DE UN EXPERIMENTO ALEATORIO LE ASIGNA UN NUMERO. La variable se denota con “x” (equis mayascula) . El tipo de variable que se puede utilizar en una DISTRIBUCION BINOMIAL es DISCRETA, es decir, solo puede tomar un niimero finito de valores dentro del experimenta; dicho de otro modo: entre dos valores dados, solo puede tomar un niimero finito de valores. o RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 * zEn los ejemplo anteriores sus variables son discretas? - en el primero, la variable es “anotar el lado que sale al lanzar la moneda”, y tiene 2 posibilidades (por tantos son finitas), cara o cruz, no caben posibilidades intermedias; - en el ejemplo segundo, ocurre exactamente lo mismo, observe él color de la bola que extraigo, blanca o negra, no puede haber tonos de grises. - Lanzar un dado varias veces y ver ntmeros que salen también es variable discreta: solo hay 6 posibilidades en cada tirada y corresponden a los niimeros 1,2,3,4,5 ¥ 6, NO cabe la posibilidad de cualquier otro niimero entre 2 y 63, como 2,35 0 2,8754849. LO CONTRARIO de una variable disc es aleato ta es VARIABLE CONTINUA y NO eto de la distribucién binomial. Un ejemplo de experimento io con variable continua seria tomar el peso de una poblacién determinada, ya que puede tomar CUALQUIER valor: 72.84kg, 25.3665kq, etc. Ejemplo: En una urna hay 15 bolas blancas y 10 bolas. Definimos la variable “extraer bola blanca”. < — = hs BP on — Pen 2 a gee ee [th Weg, BI Be “ "bs ‘GaN N PNA ¥, ae 1 |e [Pm ths 2, a LD Wigs — na iw, #2 ma J —an| 0 2 “ey RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 * b. Pasos a seguir para definir un ejercicio En primer lugar debemos RECONOCER que se trata de un ejercicio de @istribucién binomial verificando que cumple las caracteristicas propias de este tipo de distribucién, las que hemos indicade en el apartado anterior. Si es asi, los pasos a seguir son: 1 EXTRAER del enunciado los siguientes DATOS: Hi = N° de veces totales que se r Ejemplos: a. Lanzar 6 veces una moneda.> b. Extraer 4 bolas GON reemplazamiento. + n= ¢. Un jugador de fitbol tira 15 penaltis.> n=15 B = Probabilidad de que ocurra lo que buscamos (el SUCESO A} cada vez que se repite el experimento, ©s un dato del ejercicio y nos lo pueden dar de las siguientes formas: = Fraccién - Porcentaje - Numero decimal entre 0 y 1 - Nos aportan datos para calcularlo con Laplace Nosotros LO USAREMOS siempre en FRACCION, o NUMERO DECIMAL (SOLO SI ESTE ES EXACTO) . Ejemplos: a. “Lanzar 8 veces una moneda, y obtener Lo calculamos por Lapla’ P(cara en cada lanzamiento b. “Un jugador de fiitbol tira 15 penaltis. Su probabilidad de acierto es 2 + Placierto en cada lanzamiento)=2/3. NOTA_NO es recomendable poner P=0.6 0 P=0.66 porque hemos redondeado [2/3 es un niimero con infinitos decimales} y tras la operacién acabar& conduciendo a un resultado sensiblemente diferente a los de las respuestas del ejercicio. ¢. “En una determinada poblacién el 25% de la poblacién lleva gafas” + Pillevar gafas)=0,25 RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 * 3 Escribir la distribucién X= B(up) Debemos escribir en notacién matemética la distribucién binomial que vamos a calcular. Ejemplos: a. Lanzar 8 veces un dado, y obtener cara. Lo calculamos por Laplace+ P=0.5 / iy 483) o ¥#B(80.5) porque el decimal es exacto. b. un jugador de ftitbol tira 15 penaltis. su probabilidad de acierto es 2/3 4 P=2/3 x 2 (52), aqui no escribimos la forma decimal por no ser exacto. ¢. En una determinada poblacién el 25% de la poblacién lleva gafas. Si se elige al azar 100 pe. x =B( 100,25. 100 Variable|Aleateria! ¥ (Lo que nos piden...) X = B(100,0.25) En nuestro problema correspondera con el n° de ocurre aquello que se busca. Podemos bus es que car, el suceso A o el suceso contrario A mo sabemos en la distribucién binomial 1a variable aleatoria siempre es Disereta (entre dos valores dados, solo puede tomar un ntimero finito de valores). Ejemplos: a) abilidad de que un tirador de en el blanco es de 0,7. Si dispara 15 zcudl es la probabilidad de que de 12 ces en La distripucién binomial es X= B(15,0.7) La probabilidad que nos piden P(x=12) RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 * b) En un Laby jo el 98% de las nuestras que se analizan, dan negativo para diabetes. Si hoy han llegado 10 muestras, cuél es la probabilidad de que haya @ que den negativo para diabéticos. La distribucién binomial es X= B(10,0.98) La probabilidad que nos piden P(x=8) Tenemos una urna con 3 bolas rojas y dos blancas. Hacemos 3 extracciones con devolucién, calcula la probabilidad de que salgan 2 blancas. La distribucién binomial es X= B(3,2) La probabilidad que no piden P(x=2) c¢. Calculo de probabilidades en una distribucion binomial La probabilidad de que una variable aleatoria tome un valor se calcula con la férmula siguiente: Probabilidad del suc: sO que estamos estudiando. \ Probabilidad del suceso \ \ aa \ ii pi -(l-py + contrario al que estudiamos. \ . Namero combinator: conjunto de "n™ e. io: N° combinaciones sin repeticién de un lementog tomado en grupos de "i", donde: - “n” es el niimero de veces que se repite el experimento. - “i” es el ntimero que toma la variable » Ahora vamos a definir “la probabilidad de que el SUCESO A ocurra un nimero determinado de veces" - Calcula la probabilidad de que ocurra 2 veces: P(X =2) RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 * - Que ocurra men 4 vec: P(X <4)= P(X =0)+P(Y =3) - Que ocurra mas de 5 veces P(X > 5) = P(X =6)+ P(X = 7) toe +P(X = 71), sel mimero de veces que se repite el experimen - Que occur: PIV s3 3 veces o menos (¥ =0)+ P(X 2)+P(X - Que ocurra al menos 5 veo P(X 25)=P(¥ =5)+P(¥ =6)+.. + P(X =n) - Que ocurra como maximo 3 veces: P(X <3)=P(¥ =0)+ P(X =1)+ P(X = 2)+P(¥ =3) - Que ocurra entre 2 y 4 veces: PQ2sX <4)=P(¥ =2)+P(¥ =3)+P(¥ =4) Nota 1_ Los resultados SE SUELEN redondear a 4 decimales. A veces encontraremos que la probabilidad es NO quiere decir que ésta “om, probabilidad menor a las diezmilésimas. 0,0000 lo que que es una Nota 2_A veces sera mas rapido calcular lo contrario y luego aplicar la férmula: P(X =i) =1-P(@) - Calcula la probabilidad de que ccurra al men 2 veces: P(XB2}= 1 — P(X<2)= 1-(P(X=0)+P(X=1)] RM@ VIRGEN DE LA PAZ waremAticas2 / VICENTE GONZALEZ MARTIN TEMA 4 * d. Calculo por tabla Existen unas tablas en las que aparecen las probabilidades de algunas @istribuciones ya calculadas. Si nos dan la tabla y nuestra @istribucién se adapta, podemos tomar las probabilidades calculadas de la tabla evitaéndonos tener que usar la formula y resolviendo el ejercicio de una manera muy cémoda. Ejemplo de clase: Un examen tipo test consta de 8 preguntas, cada una de las cuales tiene 4 posibles respuestas de las que una solo es correcta. Si contestamos al azar y los errores no descuentan, caloula: a) Probabilidad de acertar 7 b) Probabilidad de aprobar el examen c) Brobabilidad de sacar sobresaliente @) Probabilidad de acertar alguna pregunta 1 Con férmula En la resolucién del ejemplo vamos a seguir los pasos marcadas en el apartado anterior: 1 niimero de veces que se repite experimento: 2 probabilidad de acertar: P(acertar)=1/4 = 0.25 3 1a distribucién binomial es: %=B(8,4) 4 Preguntas: a. P(x=7) = () + (1/4)” (3/4)' = 0.00036 0 bien 0.0004 . B(MBS) = P(Ke4) +P(KE5) +P (K=6) +P (K=7) +P (K=8) ©. P(X=B) = P{x=8) a. Pixel) )#P(X=2)+P (MHS) +P (Kad) +P (SS) +P(KHS] + )4P(X=8) © bien la probabilidad contraria (fracaso): P(XB1]= 1 - P(x=0) ME VIRGEN DE LA PAZ * Con tabla MATEMATICAS2 / VICENTE GONZALEZ MARTIN “ABLA DE LA DISTRIBUCION BINOMIAL B(n, p) SN eueaNco Nnohonoc qunapuc GeeNac hunaclas=olnua =o 0.05 ‘0800 (00500 ogo7s 0.0950 nes asta o.n354 gor ‘9001 oats oats oot3s ‘9.0005 ‘0000 07738 0096 nara pont 0.0000 7st o.za01 ga0s 021 ‘0.000 0608s o2sr3 eos 0086 ,0ce 9000 ogee ozs 0515 se 0008 ‘0.0000 0,10 osm 09,1000 ‘ogt00 0.1800 ova o72%0 0260 nero go10 06561 ozs 00486 036 p01 05908 0.3080 0g729 p08 99008 3.0000 sata 03sa3 vee ote 0012 ‘go ‘90000 aes 03720 0.1280 9230 ‘ogee ‘9.9000 aos oes o.185 01 0016 008 ‘ono os 0800 0.1500 os 0.2550 0.25 agian 03251 ora 030 0s2a0 0.3685 9075 ons gn aaa oats o.nse2 joan 02 001 oar 03998 oar ons 0,085 9.0008 0.0000 og206 0.3960 0.2087 0817 ote 012 9.0001 ‘o0c0 ons gear 07576 0.0839 sts one ‘ooze 0000 Pw =n= ("pra — py 0,20 001 2000 sto 3200 0.0400 ost eto 0.0760 0080 0.4096 oes 0.1535 0.0258 01s x27 036 02088 st2 06 0.9003 02621 03932 / 0.2458 9819 oonst 901s ‘9.0001 2097 0.3670 0275s ona 09287 0083 008 0.0000 0.1678 0.385 0.2736 0.1468 008s 00072 011 001 0.0000 025 0.7500 2500 ees 0.3730 0.0825 anne oaa19 1408 156 ates 219 9.2109 0.0469 0.0039 02373 03955 02857 0.0879 ots 9010 1780 0.3840 0.2966 on3i8 0.9880 08 9002 os 0.6500 03500 0205 0380, ozs 02746 o.4t36 2389 ont oes oes oes os 09150 0.1160 32a 0.3360 ont o0s88 0.053 00758 one? 0.3280 0.285 0.881 0.0205 00018 0880 0.1848 oes 0.2679 naan 0.0866 088 .n08 oost9 01573 02587 27s 0.1875 ‘e08 oer ns ‘oonne 040 06000 ‘001 93800 800 01600 02160 04300 0.2880 96e0 0.1296 0.356 0.3ts6 015%6 026 cova 0.2592 o.atse oza08 0.0768 oie 0467 0.1866 ano 276s 1382 0.0369 008 0280 0.1308 02613 9.2903 0.1995 oor ow ons ots 0.0895 02090 2787 322 0.1239 ots 9079 ‘007 os 05500 0500 3025 04950 0.2005 0.1600 oes gaat oor oes 0.2995 0.3675 0.2005 oso 503 0.2059 0.3369 os 0128 ores oozr7 0.1589 270 oo 1861 o.0c09 083 ots 00872 020 ozne 0.2388 on 90329 ons? ones 09548 0.1569 0.2568 02027 oan ‘00703 ‘ots ‘0017 0,50 05000 0.5000 0.2800 0.5000 0.2500 0.1250 0.3750 0.3750 0.1250 0.0625 0.2500 0.3750 0.2500 0.0625 0312 1562 0.3125 0.3125 0.1562 812 ogtss ore ozs 03125 34s 0.0838 0156 gore (90587 oent 2734 02734 ono ‘09547 0078 0.0039 9312 ‘094 0288 02738 028s 0.1098 ost 099 10 RM@ VIRGEN DE LA PAZ waremAticas2 / VICENTE GONZALEZ MARTIN TEMA 4 a) Probabilidad de acertar 7 B(X=7)= 0,0012 b) Probabilidad de aprobar el examen P(MB5) = P(X=4)+P(ME5)+P(X=6)] +P (K=7}+P(K=B) = = 0,0865 + 0,0231 + 0,0038 + 0,0004 + 0,0000 =0.1138 ©) Probabilidad de sacar sobresaliente P(X=8) = P[X=8) = 0/0000 y no quiere decir que sea nula, sino que es inferior a diezmilésimas. @) Probabilidad de acertar alguna pregunta B(MBL) = P(MSL)+P(K=2)+P(K=3) +P (X=4) +B (MSS) +E (K=6) + P(X=7) +P (X=8) © bien la probabilidad contraria |fracaso}: P(XBL}= 1 - B[x=0) = 1 - 0,1001 = 0.8999 11 RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 PARAMETROS DE LA VARIABLE ALEATORIA Definicién de Variable Aleatoria Como ya hemos indicado en este tema se entiende por variable aleatoria: UNA FUNCION QUE A CADA SUCESO ELEMENTAL DE UN EXPERIMENTO ALEATORIO LE ASIGNA UN NUMERO. La variable se denota con °X" (equis maytscula) . Si la variable aleatoria solo puede tomar una serie finita de niimeros diremos que es DISCRETA y si puede tomar infinitos valores diremos que es CONTINUA. Dicho de otro modo: - DISCRETA: cuando entre dos valores dados, solo toma un nimero finito de valores. = CONTINUA: cuando entre dos valores dados, toma infinitos valores. 1 Ejemplo VARIABLE DISCRETA: las veces que sale el “4” Lanzar un dado 5 veces y anotar - Suceso A, objeto de estudio: “obtener 4” - Probabilidad del suceso A: 1/6 - Variable Aleatoria X de la que se quie probabilidad toma los siguientes valores: ecalcular su X=0 si el suceso A no se obtiene ninguna vez en las cinco tiradas. Xel si cl suceso A se obtiene 1 R=2 si el suceso A se obtiene 2 X=3 si el suceso A se obtiene 3 X=4 si el suceso A se obtiene 4 R=5 si el suceso A se obtiene 5 - La Distribucién Binomial es x (n,p) > X=B(5,1/6) - Si en el ejemplo anterior nos piden calcular la probabilidad de obtener 3 veces “el namero 4” en las 5 tiradas, nos estén pidiendo CALCULA LA PROBABTLIDAD QUE LA VARIABLE ALEATORIA SEA IGUAL A 3: P(x: = © + G/6* G/6F = 0.0323 RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 * Ahora bien, si realiz&ramos una tabla asociando a cada valor de la variable su probabilidad obtendrian Variable x | Probabilidad Esta tabla expresa la distribucién binomial de esta variable y la suma de las probabilidades debe dar 1 2 Si repetimos el proceso p que siga una distribucién normal, en vez de la tabla 1s CAMPANA DE GAUSS, en Is que a cade valor de Xea se asigna una probabilidad que corresponde con el 4rea “amarilla”; también sabemos que todo el area bajo la curva vale 1. Fla) = PZ 0.5000< 2 1.0000 P=0 5000 a0 b.Calculo de probabilidades en una distribucién (0,1) Si las probabilidades en un problema, siguen una distribucién normal XEN(0,1), se calculan directamente entrando en su tabla de distribucién normal. La tabla solo nos permite calcular probabilidades de tipo P(Xga) o P(ZSa), donde aB0. Si la probabilidad que n corresponden a otras 4reas, tenemos que hacer ope entrar en la tabla. itamos calcular raciones para poder Nota 1_ Si observamos la tabla vemos gue el VALOR MINIMO DE PROBABILIDAD es 0.5000 y corresponde a a=0, es decir la tabla no aporta datos para a<0. Nota 2_ Para valores de “a” mayores que 4, se considera que la probabilidad es 1, ¢ iqualmente, para valores menores que -4, la probabilidad considerada es 0. Nota 3_ Las probabilidades para Za y ZBa. 1g RUE VIRGEN DE LA PAZ MATEMATICAS? / VICENTE GONZALEZ MmRTiN % ‘TABLA DE LA DISTRIBUCION NORMAL 0,1) Fla) = PZ = a) oe = ES ae Ee si = IR aa ee a ee ca eae, D9 asm oD om Osta oes ase OSD Of oars sts OsImE OSI? EES? Gum OSes ST OSS D2 asms Ome OST] OSSD Se? aoe aoe STON Oat 3 neny oa oams Gas nO amt aaat? Da SSH ANE OHHH aS aR nea D5 wus aD ames MEA OM OSs arm Ome 36 ony orm omnes om shits st? D7 ays ayet Gyo ayors ym Ore Gra OTM 7D ‘Oa om ayo ary oymy aro omy GBI OamTsa8i08 083 09 ons? mies ant2 zea) GS RSID AMS ORD 40 cans nate out ans agen oa aur” ca ontat 4A Gas Opus Gautama opis omg nano gato camo 12 te OO Gayoso came oa car agmis 13 me ame Gyms Om © agn gw apie asm? 4 aw os og ayes Oye amas | aay ave amma AS aye@ ogam oT agam agme oma asm age aga agit tis ese cus ose hse Oem dss Oss cam ass A? Gs gsi Gr) ays OO lee MRED AB yokes usage aes ers ca OMS 49 ams asm oT Ogre oT ama gsm se agra 20 ym asm ogra aya ogre agus © oyun ane a7 2a a1 OOD ORL ORE OMe? OSHS MES] SISA NT 22 cas) apathy aes ym] sana coy a0 2a ye ogem og agat) Ogata agent cams 24 Gee oem ot ams Opa age apm og oamt ame 25 gym agen ganas oss amiss ae amet aD 26 tes osm Oem ayo © mamas at 27 1m Os «OMT «ONE OMD OHM OW OT GHB ORE 2e ay 0% oye aaa? wm aye ay Gym aya 29 tyre) oem amas opm Gyre aymas Ogee | Gyms 30 gym apa oman masa ama aga a0 Bi Gem 09s am age assez ase agmzosm aaa 32 sae oym aye Osage OM Osh As aS 33 Um ays tam am Ome OOOO BA uae ager as oma aoa a8 35 me om oven om age am aesm agama ae 36 Gym oem am ay asym mem ase aww Ge ate 37 em ase ogee ase ose mm asm am age ase 38 unm ape asm om ae am wm Ge aa 35 mom mom 00m oo pom 08m yma paD NO RUE VIRGEN DE LA PAZ MATEMATICAS? / VICENTE GONZALEZ MmRTiN Teun 4 Pz=a)=0 Puesto que no hay 4rea debajo de un solo valor. Ejemplos de clase: Calcula las siguientes probabilidades en una distribucién normal = (0,1) P(zb1.33) = 1 - P(z<1.33) = 1 - 0.9082 = 0.0918 P(zS-1.33) = 1 — P(z<1.33)= 1 - 0.9082 0.0918 P(z2-1.33) = P(z<1.33)= 0.9082 P(O.5$zS1.1) = P(za) be el DATO MENOR 0.9382 y este nos llevar4 a 1.54, ahora ANADIMOS UN TERCER DECIMAL DE VALOR 5, 2s decir, 1.545 (es una aproximacién) . si gueremos ms exactitud tendriamos que INTERPOLAR. Para realizar una INTERPOLACION LINEAL hay que aplicar la siguiente formula: a= ay + (=). @— py) P1- Po. Donde: a, el que estoy bus: Pp, 1a abilidad que nos dan Po, la probabilidad inferior mas en la tabla a nuestro valor p. Pi, la probabilidad superior mas nuestro valor p. ao, el valor que corresponde a po ai, el valor que corresponde a Pi en la tabla a En nuestro ejemplo ser4: a= 154+ ("= ) - (0.9387 — 0.9382) = 1.544 nocida NO ES Existen ejercicios en los que la probabilidad DEL TIPO P(XSa), en esos casos se hacen las transformaciones previamente para poder entrar en la tabla con P(KSa). 3457 luego 1-P(z 05000 70000, Pe0so00 1 Sg VALOR MiNIMO ; por tanto 0.1887 nos esté RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 * 2 _Realizamos entonces la siguiente operacién: P(z Por ultimo -a - 0.48 RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 * d. Calculo de probabilidades en una distribucién N=(p,o) Para calcular probabilidades en una distribucién que no sea X=N(0,1) seguiremos 1c 1 siguientes pasos amos a adaptar los datos de la distribucién para poder usar la tabla de distribuciones X=N(0,1). Esta "adaptacién" recibe el nombre de TIPIFICACION DE LOS DATOS, y se realiza usando la siguiente férmula: Pvsa)= 2252) a, es el valor que buscamos. MW, la media de distribucién normal a tipificar. 6, la desviacién de la distribucién normal a tipificar. x, es la variable aleatoria de la distribucién normal a tipificar. Z, la variable aleatoria tipificada para utilizar la tabla X=N(0,1). Nota_La tipificacion se realiza de manera andloga si la probabilidad buscada es de otro tipo. : ann emplos: P(x>a)=P{,z>“—# Ejemplos (x > a) oe 3 ) PLa< x a=at-o+ fe Ejemplo: Calcular "a", si P(x8, no podemos utilizar la tabla por lo que tendriamos que usar la férmula muchas veces y hacer muchos c&lculos. Para estos casos, existe la posibilidad de trabajar con la distribucién binomial como si se tratara de una normal siempre y cuando se cumplan dos condiciones. Gratico comparativo de Matensticae IT. Serie Resuelve de Santillana La APROXIMACION de una distribucién binomial a una de tipo normal se podr4 realizar BE se cumple lo siguient: -n'p>s - n(i-p) > 5 Esto nos permitira obtener resultados suficientemente aproximados. Pasos para una aproximacién a normal Pasos para resolver un problema: 1 Comprobar que se cumplen los requisitos: a. n'p>s b. on (1-p) > 5 2 Calcularemos mediante el Teorema de Moivre-Laplace, los parémetros f y Gpara determinar la distribucién normal similar a binomial. a hemp b o= / 1—p) 2a RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ TEMA 4 ° ya tenemos una distribucién normal N(W,o), y los cA4lculos segiin ésta. os para poder util la tabla N(0,1) b. Correcciones de Yates uando se aproxima una binomial a una normal, estamos calculand babilidades de una variable reta mediante una variable + y se recomienda aplicar las llamadas CORRECCIONES DE YATES @ el resultado sea n APROXIMACION BINOMIAL A NORMAL CORRECCIONES DE YATES BINOMIAL 6 | P (xa) B(xSa+0, 50) PB (>a) P(x2a+0, 50) P (x1000, para distribu ntimero que el experimento es muy g no aplicarse la conversién a Normal suficienteme 29 RMB VIRGEN DE LA PAZ MATEMATICAS? / VICENTE GoNzALEE MARTEN TEMA 4 * Ejemplo de clase (ejercicic 11 del Test 11.2): Un examen tipo test tiene 30 preguntas a las que se ofrecen cuatro respuestas posibles. Si se responde al azar, cual es la probabilidad de acertar mas de dos preguntas? Y si para aprobar hay que tener al menos 15 respuestas correctas, jcudl es la probabilidad de obtener un aprobado? 1 Tdentificamos n=30 y p=l/4, la binomial es G0,D 2 Comprobamos que se cumplen los requisitos: 1. a. n'p>5 = 30@) =75 — Cumple 1 b. n‘(1-p) >5 = 30-2 =22.5 = Cumple 3 Calculamos los pardmetros p y o para determinar la distribucién normal aproximada. > B= 300 =7.5 b. a= epd-w - 6 = /30-Q-(-d= 28 22.3717 a ya tenemos una distribucién normal N75, 2%) 5 Tipificamos para poder utilizar la tabla N(0,1) ete eix2 > P(x>2)=0.9840 (truncada) LAE (P (x= 0) +P (x=1) +Ps — Por aproximacién a Normal > correccién Yates para pasar a normal + P(2>2#005)= P(x>2.5) Ahora tipificamos: P(x Jp 22.108) Operamos: P(z> 108)=P(z<2.108)= 0.9825 (interpolado) 30 RMB VIRGEN DE LA PAZ MATEMATICAS? / VICENTE GoNzALEE MARTEN TEMA 4 b.¥ si para aprobar hay que tener al menos 15 respuestas correctas, zcu4l es la probabilidad de obtener un aprobado? - En Binomial seria P(xBl5) = 0.00275 = 0,0028 (redondeado) - Por aproximacién a Normal > correccién Yates para pasar a@ normal + P(x21520.5)= P(x214.50) Ahora tipificamos: Poneis.s0y=(2> P (222.951) 7 Operamos: P 2.951)=1-P(z<2.951)= 1- 0.9984 = 0.0016 al RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ * 6 FUNCIONES DE PROBABILIDAD, DE DISTRIBUCION Y DE TEMA 4 DENSIDAD Recordamos: una una FUNCION que a cada suc elemental orio le asigna UN NOMERO (6 VALOR) relaci efinido. También sabe Continuas. ar! : Diseretas y Ahora bien, la FOI VALOR (6 NUMERO) DE PROBABILIDAD. 5 variables discretas n @istribuciones binomiales, y de igual modo, NO as las variables continuas = siguen distribuciones normales. Nota_ En este sentido NO todas eigual amos COMO s 5 FUNCIONES: Variable Discreta llama FUNCION DE PROBABILIDAD £(x) a aguella que a Probabilidad de cada valor de 13 variable discreta; © ién analit s una funeién a trozos. Tomando como ejemplo el utilizado en el apartado 3 de estos apuntes: Lanzar un dado 5 veces y anotar las veces que sale el “4”, - Suceso A, objeto de estudio: ™ - Probabilidad del s Ar / - Variable Aleatoria X de la que 5 abilidad toma 1 udent Variable x | Probabilidad | calcular 10,0000 0, 4019) 11,0000 0, 4013) 20000 0/1608 ‘30000 0,032 ‘40000 0,032, 50000 0, 0001, total, 1/0000 RM@ VIRGEN DE LA PAZ MATEMAICAS2 / VICENTE GONZALEZ MARTLN TEMA 4 * - 2Qué representa esta tabla?...precisamente su distribucién de probabilidad. £(X) 012345 xX Nota_ la suma de las areas de todos lo: rectangulos vale 1. - gComo se expresa en forma analitica?...como si se tratara de una funcién a trozos (tinicamente con el signo weds 0.4019 six=0 04019 six=1 0.1608 six=2 0.0321 six=3 0.0032 six=4 0.0001 six =5 £ (x)= 1 [tes probabilidades deben sumar) be Se llama FUNCION DE DISTRIBUGION F(X) 2 aquella que asigna a cada valor {o nimero}, la probabilidad de que la variable tome valores menores| 6 Higuales|/a/é1; dicho de otro modo, asigna la probabilidad acumulada para valores menores o igual que 1. Su expresién analitica es une funeién a trozos. Utilizando el ejemplo anterior: 0.4019 si0

    You might also like