UNIDAD IV Distribuciones de Probabilidad

UNIDAD IV
DISTRIBUCIONES DE PROBABILIDAD
DIFERENCIA ENTRE DISTRIBUCIONES DE
FRECUENCIA Y DISTRIBUCIONES DE
PROBABIBILIDAD
 Distribución de frecuencias: Listado de las
frecuencias observadas de todos los resultados de un
experimento que se presentaron.
 Distribución de probabilidad: Listado de las

probabilidades de todos los posibles resultados que
podrían obtenerse si el experimento se llevara a
cabo.
TIPOS DE DISTRIBUCIONES DE
PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD DISCRETAS
 Está permitido considerar sólo un número limitado de
valores.
 En este caso los votos pueden

tomar cuatro valores posibles.
TIPOS DE DISTRIBUCIONES DE
PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD CONTINUA
 Lavariable que se considera puede tomar cualquier valor

dentro de un intervalo dado.
 Las distribuciones continuas son una forma conveniente

de presentar distribuciones discretas que tienen muchos
resultados posibles, todos muy cercanos entre sí.
VARIABLES ALEATORIAS
 Variableque toma diferentes valores como resultado de
un experimento aleatorio.
 Valor o magnitud que cambia de una ocurrencia a otra sin
seguir una secuencia predecible.
Variable aleatoria discreta: Toma sólo un número limitado

de valores.
Variable aleatoria continua: Puede tomar cualquier valor
dentro de un intervalo dado
VALOR ESPERADO DE UNA VARIABLE
ALEATORIA
Valor esperado de una variable aleatoria discreta
 Promedio ponderado de los resultados que se espera en el
futuro.
 Pesa cada resultado posible con respecto a la frecuencia con

que se espera que se presente.
 Surge de multiplicar cada valor que la variable puede tomar

por la probabilidad de ocurrencia de ese valor. Finalmente se
suman todos los productos.
EJEMPLO DE VARIABLES ALEATORIAS
DISCRETAS
 Los registros diarios de la clínica indican que los valores de la
variable aleatoria van desde 100 hasta 115 mujeres al día.
DISCRETAS
 Se asigna una probabilidad a cada número posible de mujeres y
se encuentra una distribución de probabilidad.
DISCRETAS
 A continuación se muestra la gráfica de la distribución de probabilidad para la
variable aleatoria “número de mujeres examinadas”
 Para cada valor posible se proporciona una probabilidad. La suma de las
probabilidades debe ser 1.
DISCRETAS
LA DISTRIBUCIÓN BINOMIAL
 Es un tipo de distribución de probabilidad de variable

aleatoria discreta que se utiliza ampliamente.
 Describe datos discretos, no continuos, que son

resultado de un experimento conocido como proceso
de Bernoulli.
USO DEL PROCESO DE BERNOULLI
Se utiliza el proceso del lanzamiento de una moneda no
alterada un cierto número de veces:
1. Cada intento tiene solamente dos resultados posibles: cara o
cruz, sí o no, éxito o fracaso.
2. La probabilidad del resultado de cualquier intento permanece
fijo con respecto al tiempo. Con una moneda no alterada, la
probabilidad de obtener cara siempre es 0.5 para cada
lanzamiento, independientemente del número de veces que
se lance la moneda.
3. Los intentos son estadísticamente independientes, es decir, el
resultado de un lanzamiento no afecta el resultado de
cualquier otro lanzamiento.
 Se calculan las posibilidades de obtener exactamente dos caras
(en cualquier orden) en tres lanzamientos de una moneda no
alterada.
 Medidas de tendencia central y de dispersión para la
distribución binomial
 Una máquina empacadora produce el 20% de paquetes
defectuosos. Si se toma una muestra aleatoria de 10 paquetes, se
puede calcular la media y la desviación estándar de la distribución
binomial del proceso de la siguiente manera:
LA DISTRIBUCIÓN DE POISSON
 El número de vehículos que pasan por una sola caja de una caseta de cobro en
una hora pico sirve para ilustrar las características de la distribución de
probabilidad de Poisson:
1. El promedio (la media) del número de vehículos que llegan por hora pico puede
estimarse a partir de datos sobre tráfico que se tengan disponibles.
2. Si dividimos la hora pico en periodos (intervalos) de un segundo cada uno,
encontraremos que las siguientes afirmaciones son verdaderas:
a) La probabilidad de que exactamente un vehículo llegue a una caja por segundo es muy
pequeña y es constante para cada intervalo de un segundo.
b) La probabilidad de que dos o más vehículos lleguen en un intervalo de un segundo es
tan pequeña que le podemos asignar un valor de cero.
c) El número de vehículos que llegan en un intervalo dado de un segundo es
independiente del momento en que dicho intervalo se presente en la hora pico.
d) El número de llegadas en cualquier intervalo de un segundo no depende del número de
llegadas en cualquier otro intervalo de un segundo.
 La distribución de Poisson tiene que ver con ciertos procesos que pueden ser descritos
por una variable aleatoria discreta.
 Se usa la letra X para representar a esta variable discreta y puede tomar valores enteros
(0,1,2,3,4,5, etc). La letra minúscula x señala valores específicos que dicha variable
puede tomar.
 Se investiga la seguridad de una peligrosa intersección. Los registros policiacos
indican una media de cinco accidentes mensuales en esta intersección. El
número de accidentes está distribuido de acuerdo con una distribución de
Poisson, y el Departamento de Seguridad de Tránsito desea que calculemos la
probabilidad de que en cualquier mes ocurran exactamente 0, 1, 2, 3 o 4
accidentes.
LA DISTRIBUCIÓN DE POISSON COMO UNA
APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL
 La distribución de Poisson puede ser una aproximación de la
binomial, sólo bajo ciertas condiciones:
 El número de ensayos “n” es grande (mayor o igual a 20)
 La probabilidad binomial “p” de tener éxito es pequeña (menor o
igual a 0,05)
DISTRIBUCIÓN DE UNA VARIABLE ALEATORIA
CONTINUA. LA DISTRIBUCIÓN NORMAL
 La variable puede tomar cualquier valor que esté en un intervalo
de valores dado, y en los cuales la distribución de probabilidad
es continua.
 Tiene algunas propiedades que la hacen aplicable a un gran

número de situaciones en las que es necesario hacer inferencias
mediante la toma de muestras.
 La distribución normal casi se ajusta a las distribuciones de

frecuencias reales observadas en muchos fenómenos.
CARACTERÍSTICAS DE UNA DISTRIBUCIÓN
NORMAL DE PROBABILIDAD
 La curva tiene un solo pico; por tanto, es unimodal. Tiene la forma
de campana que mencionamos anteriormente.
 La media de una población distribuida normalmente cae en el

centro de su curva normal.
 Debido a la simetría de la distribución normal de probabilidad, la

mediana y la moda de la distribución se encuentran también en el
centro; en consecuencia, para una curva normal, la media, la
mediana y la moda tienen el mismo valor.
 Las dos colas de la distribución normal de probabilidad se

extienden indefinidamente y nunca tocan el eje horizontal.
 Para
definir una distribución normal son necesarios dos
parámetros: la media () y la desviación estándar ()
 La misma media pero desviación estándar diferente.
 La misma desviación estándar pero media diferente.
 Diferentes desviación estándar, diferentes media.
ÁREAS BAJO LA CURVA NORMAL
 Aproximadamente el 68% de todos los valores de una población
normalmente distribuida se encuentra dentro de ± 1 desviación
estándar de la media.
 Aproximadamente el 95.5% de todos los valores de una población
normalmente distribuida se encuentra dentro de ± 2 desviaciones
 Aproximadamente el 99.7% de todos los valores de una población
normalmente distribuida se encuentra dentro de ± 3 desviaciones
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
ESTÁNDAR
 Determina el área o la probabilidad de que la variable aleatoria

distribuida normalmente esté dentro de ciertas distancias a partir
de la media. Estas distancias están definidas en términos de
desviaciones estándar.
 Para cualquier distribución normal de probabilidad, todos los

intervalos que contienen el mismo número de desviaciones estándar
a partir de la media contendrán la misma fracción del área total
bajo la curva para cualquier distribución de probabilidad normal.
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
ESTÁNDAR
 Tanto el área a como el área b, las áreas sombreadas bajo la curva, contienen la misma
porción del área total bajo la curva normal.
 Ambas están definidas como el área entre la media y una desviación estándar a la derecha
de ésta.
ESTANDARIZACIÓN DE UNA VARIABLE
ALEATORIA NORMAL
EJEMPLO: DISTRIBUCIÓN NORMAL
 El tiempo medio para completar un programa de entrenamiento es
de 500 horas. Esta variable aleatoria está normalmente distribuida
y tiene una desviación estándar de 100 horas. ¿Cuál es la
probabilidad de que un candidato elegido al azar se tome entre 500
y 650 horas para completar el programa de entrenamiento?
 ¿Cuál es la probabilidad de que un candidato elegido al azar se
tome más de 700 horas en completar el programa?
 Se desea saber la probabilidad de que un participante escogido al
azar requiera entre 550 y 650 horas para completar el trabajo
requerido en el programa.
 ¿Cuál es la probabilidad de que un candidato elegido al azar se tomará
menos de 580 horas para completar el programa?
 ¿Cuál es la probabilidad de que un candidato escogido al azar se tome
entre 420 y 570 horas para completar el programa?

UNIDAD IV Distribuciones de Probabilidad

Cargado por

Copyright:

Formatos disponibles

UNIDAD IV Distribuciones de Probabilidad

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

UNIDAD IV Distribuciones de Probabilidad

Cargado por

Copyright:

Formatos disponibles

UNIDAD IV

 Distribución de probabilidad: Listado de las

 En este caso los votos pueden

 Lavariable que se considera puede tomar cualquier valor

 Las distribuciones continuas son una forma conveniente

Variable aleatoria discreta: Toma sólo un número limitado

 Pesa cada resultado posible con respecto a la frecuencia con

 Surge de multiplicar cada valor que la variable puede tomar

 Es un tipo de distribución de probabilidad de variable

 Describe datos discretos, no continuos, que son

 Tiene algunas propiedades que la hacen aplicable a un gran

 La distribución normal casi se ajusta a las distribuciones de

 La media de una población distribuida normalmente cae en el

 Debido a la simetría de la distribución normal de probabilidad, la

 Las dos colas de la distribución normal de probabilidad se

 Determina el área o la probabilidad de que la variable aleatoria

 Para cualquier distribución normal de probabilidad, todos los

También podría gustarte