3.distribucions Discretes

Tema 3.
Distribuciones
discretas 1
TEMA 3.
DISTRIBUCIONES
DISCRETAS
Tema 3. Distribuciones
discretas 2
Para qu sirven las DISTRIBUCIONES DE
PROBABILIDAD?
POBLACIN
MUESTRA
Extrapolacin (INFERENCIA)
Qu podemos decir sobre P y con
qu margen de error?
discretas 3
CONCEPTO DE VARIABLE
ALEATORIA
Forma intuitiva: Cualquier magnitud que
puede tomar valores en un determinado dominio
de forma impredecible influida por el

Variable aleatoria: Valores impredecibles en
situaciones concretas y la posibilidad de
probabilizar el espacio muestral definido por R.

Variable aleatoria discreta: Puede tomar slo
un conjunto numerable de valores (finito o
infinito)
discretas 4
FUNCIN DE PROBABILIDAD I
La FUNCIN DE PROBABILIDAD es una funcin, Px,
definida en R, que asigna a cada n real la probabilidad
de que la v.a. X tome ese valor:

La Ley de probabilidades de la variable X es el conjunto
de pares de la forma: {(x1,p1); (x2,p2); (xn,pn)}
Siendo:
V.aleatoria: {x1,x2,xn}
Respectivas probabilidades: {p1,p2,pn}

Px (X)= P{ w: X(w)= x} = P (X=x)
discretas 5
Propiedades:
a) Px(xi) > 0 V xi Ex

b) Px(xi) = 1
V xi Ex

c) P (x B) = Px (xi)
xi B Ex

Ex= {x1,x2,xn}

FUNCIN DE PROBABILIDAD II
discretas 6
FUNCIN DE DISTRIBUCIN I
La FUNCIN DE DISTRIBUCIN de una V.A.
discreta X, con funcin de probabilidad Px, es
una funcin definida para cada n R como:

El valor de la FUNCIN DE DISTRIBUCIN de la
var. X en el punto x indica la probabilidad de
que la variable X tome valores menores o
iguales que x

Fx (x)= P(Xx) = Px(xi)
xi x
xi Ex
discretas 7
FUNCIN DE DISTRIBUCIN II
Fx y Px pueden ser obtenidas una a partir
de la otra:

Px (xi)= Fx (xi) Fx (x
i-1
)

Fx (x)= P (X x)

discretas 8
FUNCIN DE DISTRIBUCIN III
Propiedades
a) 0 Fx (x) 1
b) Fx es no decreciente
c) Lim Fx(x)= 1 P(X)=P(R)=1
X
d) Lim Fx(x)= 0 P(X-)=P()=0
X -
e) Fx es continua por la derecha, pero no por la
Izquierda
f) La P( x ]a,b])= Fx(b) Fx(a)
discretas 9
MEDIDAS CARACTERSTICAS
Esperanza matemtica o valor medio

Varianza

Desviacin tpica

e
=
Ex xi
xi xiPx x E ) ( ) (
e
e
=
=
Ex xi
Ex xi
x E xi Px xi x Var
xi Px x E xi x Var
2 2
2
)] ( [ ) ( ) (
) ( )) ( ( ) (
) (x Var
x
= o
Xi: Ptos de masa
Px(xi): Probabilidad de
esos puntos
discretas 10
DISTRIBUCIN BINOMIAL I
Cundo se utiliza este modelo?
Dado un experimento aleatorio:
Slo se pueden dar dos alternativas. xito
(Suceso A=probabilidad p) y fracaso (Suceso
= probabilidad (1-p))
Se estudia el n de xitos conseguidos en n
realizaciones de la prueba (ocurre X veces el
suceso A)
Las n realizaciones de la prueba son
estadsticamente independientes

discretas 11
DISTRIBUCIN BINOMIAL II
EJEMPLO: Determinar la probabilidad de que 3 vehculos
de una serie de 6, que esperan la apertura de un
semforo, giren a la derecha, sabiendo que slo pueden
elegir entre seguir recto o girar a la derecha y que la
probabilidad de esta ltima decisin es 01.
P=01
discretas 12
DISTRIBUCIN BINOMIAL III
SEA A UN SUCESO DE PROBABILIDAD P ASOCIADO A UN
DETERMINADO EXPERIMENTO ALEATORIO.
A={girar a la derecha} P=P(A)=01
LLEVAMOS A CABO n REPETICIONES INDEPENDIENTES DEL
EXPERIMENTO EN CUESTIN.
n=6
SEA LA VARIABLE ALEATORIA X: EL NMERO DE VECES QUE
SE PRESENTA EL SUCESO A (0, 1, 2 ,3, , n).
Nmero de coches, de la serie de 6, que giran a la derecha
X SIGUE UNA DISTRIBUCIN BINOMIAL QUE DEPENDE DE
LOS DOS PARMETROS MENCIONADOS n Y P. X~B(n,P)
X~B(6,01)
discretas 13
DISTRIBUCIN BINOMIAL IV
Funcin de probabilidad

Valor medio

Varianza y desviacin tpica
x n x
p p
x
n
x Px

|
|
.
|
\
|
= ) 1 ( ) (
)! ( !
!
x n x
n
x
n
=
|
|
.
|
\
|
E(x)=np
Var(x)= np(1-p)
) 1 ( ) ( p np x = o
X: 0,1,..n
discretas 14
DISTRIBUCIN BINOMIAL V
Funcin de distribucin

Propiedad Adicin
Si x1= Bi(n1,p) y X2= Bi(n2,p) son
independientes: (x1+x2 = Bi(n1+n2, p)

xi n xi
x xi
p p
xi n xi
n
x Fx

s

) 1 (
)! ( !
!
) (
discretas 15
DISTRIBUCIN HIPERGEOMTRICA I
Es similar al BINOMIAL, pero:
Las n realizaciones de la prueba NO son
estadsticamente independientes
La poblacin muestreada es finita y pequea en
comparacin con el tamao de la muestra
Se caracteriza por:
X: N de uds. Muestrales de una categora
n: N de muestras extradas aleatoriamente
N: Poblacin
D: N elementos que verifican la categoria estudiada
P:D/N (probabilidad)

discretas 16
DISTRIBUCIN HIPERGEOMTRICA II
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
=
n
N
x n
D N
x
D
x Px ) (

s
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
=
x xi
n
N
xi n
D N
xi
D
X Fx ) (
Funcin de Probabilidad Funcin de Distribucin
Valor medio Varianza
E(x)=nD/N
|
.
|
\
|
|
.
|
\
|
=
1
1 ) (
N
n N
N
D
N
D
n x Var
discretas 17
RELACIN: DISTRIBUCIN HIPERGEOMTRICA Y
BINOMIAL
Tamao de la muestra muy pequeo en
comparacin tamao de la poblacin (N>>n)

Funcin de probabilidad aproximada

) , ( ) , , (
N
D
n B n N D N n H >>
x n x
N
D
N
D
x n x
n
X Px

|
.
|
\
|

|
.
|
\
|
~ 1
)! ( !
!
) (
n<10% 20% de N
discretas 18
DISTRIBUCIN DE POISSON I
Dado un experimento aleatorio:
La variable indica el n de ocurrencias (x) de un
suceso en un espacio o tiempo determinado
La posibilidad de que se presente una ocurrencia es
idntica para intervalos de igual longitud
El n potencial de ocurrencias es tericamente
ilimitado
El n de ocurrencias en intervalos separados es
estadsticamente independiente

Ejemplos: N defectos en un tramo de cable, n
de fallos de un producto reparable en un tiempo
determinado

discretas 19
DISTRIBUCIN DE POISSON II
Viene caracterizada por:
: n medio de ocurrencias durante todo el
periodo de observacin

: tasa de ocurrencias (n medio de
ocurrencias / unidad de longitud o tiempo)
t: longitud o duracin del periodo de
observacin

En ocasiones descomponemos = o t donde:
discretas 20
DISTRIBUCIN DE POISSON III
! !
) (
) (
x
e
x
t
e x Px
x x
t
o
o
= =
!
) (
xi
e x Fx
xi
x xi
=
Funcin de probabilidad
Funcin de Distribucin
X:0,1,..
discretas 21
DISTRIBUCIN DE POISSON IV
Valor medio

o = = t x E ) (
o o
o
= =
= =
t
t x Var
x
) (
Varianza y desviacin

Suma de variables de Poisson
Si la variable Xi tiene un i y las variables son
estadsticamente independientes , la suma:
X=x1 + x2 + + Xn
Seguir una distribucin de Poisson con media:
E(x)= 1+ 2+...+ n

discretas 22
RELACIN:DISTRIBUCIN BINOMIAL Y POISSON
Una Distribucin Binomial de parmetros n y p se
aproxima a una distribucin de Poisson con
E(x)=pn, cuando:

Valor aprox. de la Funcin de Probabilidad Binomial

) (
0 ,
) , ( np P
p n
p n B

!
) (
) (
x
np
e x Px
x
np
~
Aproximacin ms exacta:
n ms grande (n50)
p ms pequeo (p0.1)
discretas 23
PLANES DE ACEPTACIN MUESTRAL
m.a.s.
Muestra de
tamao =n
Si X > c Rechazo la partida
Si X s c Acepto la partida
Criterio de aceptacin de la partida:
PARTIDA
P (/ de piezas
defectuosas)
- Si X: nmero de piezas defectuosas en la muestra > c

Parmetros a definir en el plan de inspeccin:
n: tamao de muestra
Se rechaza la partida

Se acepta la partida

- Si X: nmero de piezas defectuosas en la muestra s c
c: nmero mximo de piezas defectuosas en la muestra para
aceptar la partida.

3.distribucions Discretes

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

3.distribucions Discretes

Uploaded by

Copyright:

Available Formats

Tema 3.

You might also like