Distribución de la probabilidad

800 views

Published on

Distribución de la probabilidad

Published in: Education
  • Be the first to comment

Distribución de la probabilidad

  1. 1. Autor: Ángela Guevara #23,923,605 Asesor: ing. Amelia Malavé República Bolivariana de Venezuela Ministerio del Poder Popular para la Educación Superior Instituto Universitario Politécnico «Santiago Mariño» Extensión – Maturín Escuela de Ing. Industrial (45)
  2. 2. Distribución de probabilidad  En teoría de la probabilidad y estadística, la distribución de probabilidad de una variable aleatoria es una función que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. La distribución de probabilidad está definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de la variable aleatoria.  La distribución de probabilidad está completamente especificada por la función de distribución, cuyo valor en cada x real es la probabilidad de que la variable aleatoria sea menor o igual q x. La distribución Normal suele conocerse como la "campana de Gauss".  Características de una distribución de probabilidad: La probabilidad de un resultado siempre debe estar entre 0 y 1. La suma de todos los resultados mutuamente excluyentes siempre es 1.
  3. 3. Tipos de distribución
  4. 4. Distribuciones de variable discreta. Se denomina distribución de variable discreta a aquella cuya función de probabilidad sólo toma valores positivos en un conjunto de valores de finito o infinito numerable. A dicha función se le llama función de masa de probabilidad. En este caso la distribución de probabilidad es la suma de la función de masa, por lo que tenemos entonces que: Y, tal como corresponde a la definición de distribución de probabilidad, esta expresión representa la suma de todas las probabilidades desde hasta el valor x.
  5. 5. Distribuciones de variable discreta más importantes:  Distribución binomial En estadística, la distribución binomial es una distribución de probabilidad discreta que cuenta el número de éxitos en una secuencia de n ensayos de Bernoulli independientes entre sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos.  Distribución binomial negativa En estadística la distribución binomial negativa es una distribución de probabilidad discreta que incluye a la distribución de Pascal.  Distribución de Poisson En teoría de probabilidad y estadística, la distribución de Poisson es una distribución de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra un determinado número de eventos durante cierto período de tiempo.
  6. 6.  Distribución geométrica En teoría de probabilidad y estadística, la distribución geométrica es cualquiera de las dos distribuciones de probabilidad discretas siguientes:  la distribución de probabilidad del número X del ensayo de Bernoulli, necesaria para obtener un éxito, contenido en el conjunto { 1, 2, 3,...} o  la distribución de probabilidad del número Y = X − 1 de fallos antes del primer éxito, contenido en el conjunto { 0, 1, 2, 3,... }. Cual de éstas es la que uno llama "la" distribución geométrica, es una cuestión de convención y conveniencia.  Distribución hipergeométrica En teoría de la probabilidad la distribución hipergeométrica es una distribución discreta relacionada con muestreos aleatorios y sin reemplazo. Supóngase que se tiene una población de N elementos de los cuales, d pertenecen a la categoría A y N-d a la B. La distribución hipergeométrica mide la probabilidad de obtener x ( ) elementos de la categoría A en una muestra sin reemplazo de n elementos de la población original.
  7. 7.  Distribución de Bernoulli En teoría de probabilidad y estadística, la distribución de Bernoulli (o distribución dicotómica), es una distribución de probabilidad discreta, que toma valor 1 para la probabilidad de éxito ( P) y valor 0 para la probabilidad de fracaso  Distribución Rademacher que toma el valor 1 con probabilidad ½ y el valor -1 con probabilidad ½.  Distribución uniforme discreta donde todos los elementos de un conjunto finito son equiprobables.
  8. 8. Distribuciones de variable continúa Se denomina variable continua a aquella que puede tomar cualquiera de los infinitos valores existentes dentro de un intervalo. En el caso de variable continua la distribución de probabilidad es la integral de la función de densidad, por lo que tenemos entonces que:  Distribuciones de variable continua más importantes  Distribución chi cuadrado  Distribución exponencial  Distribución t de Student  Distribución normal  Distribución Gamma  Distribución Beta  Distribución F  Distribución uniforme (continua)  Distribución de Weibull  Distribución de Pareto
  9. 9. Distribución binomial  Una distribución binomial o de Bernoulli tiene las siguientes características: 1. En cada prueba del experimento sólo son posibles dos resultados: éxito y fracaso. 2.La probabilidad de éxito es constante, es decir, que no varía de una prueba a otra. Se representa por p. 3.La probabilidad de fracaso también es constante, Se representa por q, 4 .El resultado obtenido en cada prueba es independiente de los resultados obtenidos anteriormente. 5.La variable aleatoria binomial, X, expresa el número de éxitos obtenidos en las n pruebas. Por tanto, los valores que puede tomar X son: 0, 1, 2, 3, 4, ..., n. La distribución binomial se expresa por B(n, p)
  10. 10.  Cálculo de probabilidades en una distribución binomial n es el número de pruebas. k es el número de éxitos. p es la probabilidad de éxito. q es la probabilidad de fracaso. El número combinatorio 1. ¿Cuál es la probabilidad de que el grupo hayan leído la novela 2 personas? n = 4 p = 0.8 q = 0.2 B(4, 0.8) Ejemplo La última novela de un autor ha tenido un gran éxito, hasta el punto de que el 80% de los lectores ya la han leído. Un grupo de 4 amigos son aficionados a la lectura: 2. ¿Y cómo máximo 2?
  11. 11. Parámetros de la distribución binomial Media Varianza Desviación típica Ejemplo La probabilidad de que un artículo producido por una fabrica sea defectuoso es 0.02. Se envió un cargamento de 10.000 artículos a unos almacenes. Hallar el número esperado de artículos defectuosos, la varianza y la desviación típica.
  12. 12. Características: En este tipo de experimentos los éxitos buscados son expresados por unidad de área, tiempo, pieza, etc.,: - # de defectos de una tela por m2 - # de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc. - # de bacterias por cm2 de cultivo - # de llamadas telefónicas a un conmutador por hora, minuto, etc. - # de llegadas de embarcaciones a un puerto por día, mes, etc. Para determinar la probabilidad de que ocurran x éxitos por unidad de tiempo, área, o producto, la fórmula a utilizar sería: donde: p(x, l) = probabilidad de que ocurran x éxitos, cuando el número promedio de ocurrencia de ellos es l l = media o promedio de éxitos por unidad de tiempo, área o producto e = 2.718 x = variable que nos denota el número de éxitos que se desea que ocurra Hay que hacer notar que en esta distribución el número de éxitos que ocurren por unidad de tiempo, área o producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, así como cada área es independiente de otra área dada y cada producto es independiente de otro producto dado. DISTRIBUCIÓN DE POISSON.
  13. 13. Ejemplos: 1. Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las probabilidades de que reciba, a) cuatro cheques sin fondo en un día dado, b) 10 cheques sin fondos en cualquiera de dos días consecutivos? Solución: a) x = variable que nos define el número de cheques sin fondo que llegan al banco en un día cualquiera = 0, 1, 2, 3, ....., etc, etc. 1 = 6 cheques sin fondo por día e = 2.718 b) x= variable que nos define el número de cheques sin fondo que llegan al banco en dos días consecutivos = 0, 1, 2, 3, ......, etc., etc. l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos días consecutivos Nota: l siempre debe de estar en función de x siempre o dicho de otra forma, debe “hablar” de lo mismo que x.
  14. 14.  Distribución de Bernoulli Consiste en realizar un experimento aleatorio una sola vez y observar si cierto suceso ocurre o no, siendo p la probabilidad de que esto sea así (éxito) y q=1-p el que no lo sea (fracaso). En realidad no se trata más que de una variable dicotómica, es decir que únicamente puede tomar dos modalidades, es por ello que el hecho de llamar éxito o fracaso a los posibles resultados de las pruebas obedece más una tradición literaria o histórica, en el estudio de las v.a., que a la situación real que pueda derivarse del resultado. Podríamos por tanto definir este experimento mediante una v.a. discreta X que toma los valores X=0 si el suceso no ocurre, y X=1 en caso contrario, y que se denota:
  15. 15. Un ejemplo típico de este tipo de variables aleatorias consiste en lanzar una moneda al aire y considerar la v.a. Para una v.a. de Bernouilli, tenemos que su función de probabilidad es: y su función de distribución:
  16. 16. Los principales momentos de la X los podemos calcular directamente o bien usando la función característica y la proposición
  17. 17. Gracias por su atención

×