Estads6cayMtodosNumricos

Tema3.DistribucionesComunes

ngelBarnCaldera
ngelCoboOrtega
MaraDoloresFrasDomnguez
JessFernndezFernndez
FranciscoJavierGonzlezOr@z
CarmenMaraSordoGarca
DEPARTAMENTODEMATEMTICAAPLICADAY
CIENCIASDELACOMPUTACIN
UNIVERSIDADDECANTABRIA
License:
Crea6veCommonsBYNCSA3.0

TEMA3Distribucionescomunes

Introduccin

Distribucionesdiscretascomunes

SucesodeBernoulli

MltiplessucesosdeBernoulli

BinomialB(n,p),GeomtricaG(p),BinomialnegativaBN(r,p)

Muestreosinreemplazamiento.HipergeomtricaHG(N,D,n)

SucesosdePoisson

Distribucionescontinuascomunes

TiempoentresucesosdePoisson.ExponencialyGamma

Ladistribucinnormal
Aproximaciondedistribucionesdiscretasmediantelanormal

Distribucionescomunes
Unexperimentoaleatoriotieneasociadaunadistribucin
deprobabilidadarbitraria.
Existennumerososproblemasrealesconcaractersticas
similares que tienen asociados una misma distribucin
de probabilidad comn a todos ellos (salvo quiz algn
parmetroparaadecuarlaalproblemaconcreto).

Cambiodenotacin:

Tema2:X

A partir de ahora, algunas X tendrn nombre.

e.g:B(n,p)G(p)

Distribucionescomunes
Veremosunaseriededistribucionesdeprobabilidad
connombrepropio.Paracadaunadeellasveremos:

Motivacinprctica/condicionesparasuuso

Valoresposiblesdelav.a.ydesusparmetros

Funcindeprobabilidad(discr.)odensidad(cont.)

Funcindedistribucin(sisepuedeescribirdeformasencilla)

Valoresperadoyvarianzaenfuncindelosparmetros

SucesodeBernoulli
s el experimento aleatorio ms sencillo en el que
E
slosonposiblesdosresultados:
x=1(xito)x=0(fracaso).
Elxitoseobtieneconprobabilidadp.

Ejemplo:
Lanzarunamonedaalaireyversisalecara(xito).p=0.5
Experimentosconmsvaloresposiblespuedenreducirse
aldeBernoulli:Lanzarundado

Obtenerun6(xito,p=1/6)ono(fracaso,q=1p=5/6)

Funciondeprobabilidad

SucesodeBernoulli

BinomialB(n,p)
UnavariablealeatoriaXsellamabinomialsisuvalor
es igual al nmero de xitos que ocurren en n
pruebas independientes de Bernoulli teniendo todas
lamismaprobabilidaddexitop.

Sucesindenintentosidnticos.

Encadaintentoslosonposiblesdosresultados:xitoofracaso.

Laprobabilidaddexito(p)eslamismaentodoslosintentos.

Losintentossonindependientes.

Ejemplo:
Elnmerodecarasobtenidoallanzarunamonedaalaire
20vecesesunavariableBinomialdeparmetrosB(20,0.5)

BinomialB(n,p)
UnavariablealeatoriaXsellamabinomialsisuvalor
es igual al nmero de xitos que ocurren en n
pruebas independientes de Bernoulli teniendo todas
lamismaprobabilidaddexitop.
Propiedadreproductivarespectoalparmetron:
Si X~B(n1, p) e Y~B(n2, p) son variables aleatorias
independientes,entonces:
X+Y~B(n1+n2,p)

BinomialB(n,p)

Funcindeprobabilidad:

Combinaciones
posiblesconxxitos

Probabilidaddeobtenerxxitos

Enlacalculadora:
nCr

choose(n,x)

BinomialB(n,p)

Funcindeprobabilidad:

dbinom(x,n,p)

Funcindedistribucin:
Notieneformaanalticasencilla

pbinom(x,n,p)

ValoresperadoVarianza

BinomialB(10,0.2)

Rtip
>n<10;p<0.2;x.i<0:10
>barplot(dbinom(x.i,n,p),names.arg=x.i)

>curve(pbinom(x,n,p),1,10,1000,ylim=c(0,1))

GeomtricaG(p)yBinNegBN(r,p)
Bajo las mismas condiciones de la distribucin
binomial
(mltiples
sucesos
de
Bernoulli
independientes teniendo todos la misma
probabilidad de xito p), se definen las variables
aleatorias

G(p) GeomtricaodePascal:cuentael nmero

deintentoshastaqueseobtieneelprimerxito.
x=1,2,3,...

BN(r,p)Binomialnegativa:cuentael nmerode
intentoshastaqueseobtieneelrsimoxito.

x=r,r+1,r+2,...

GeomtricaG(p)yBinNegBN(r,p)
Bajo las mismas condiciones de la distribucin
binomial
(mltiples
sucesos
de
Bernoulli
independientes teniendo todos la misma
probabilidad de xito p), se definen las variables
aleatorias
Ejemplo:
Elnmerodevecesquetengoquelanzarunamonedaal
airehastaqueobtengocaraporprimeravezesuna
variablealeatoriageomtricaG(0.5)
Elnmerodevecesquetengoquelanzarundadohasta
quemesaleun6porterceravezesBN(3,1/6)

GeomtricaG(p)yBinNegBN(r,p)
Variablegeomtrica:

Variablebinomialnegativa:

notieneformaanaliticasencilla

G(p)=BN(1,p)

GeomtricaG(p)yBinNegBN(r,p)
G(0.5)pX(x)BN(3,0.5)

G(0.5)FX(x)BN(3,0.5)

Ejercicio

Hipergeomtrica,HG(N,D,n)
DadaunapoblacionfinitadeNelementos,enlaquehay
Delementosespeciales(conalgunapropiedadquelos
diferencia del resto), la variable hipergeomtrica cuenta
el nmero de elementos especiales en una muestra sin
reemplazamientodetamaontomadadeesapoblacin.
Ejemplo:
Enelexperimentodeladerecha
N=6
D=4
n=3x=2

Hipergeomtrica,HG(N,D,n)

Si llamamos p=D/N, el valor esperado y la varianza

resultan:

N>>n
HG(N,D,n)B(n,D/N)

Ejercicio

Poisson,Po( )
Una variable aleatoria de Poisson cuenta el nmero
de ocurrencias de un suceso (de Poisson) en un
ciertointervalodetiempootramodelespacio.
Ejemplos:
X:Nmerodecamionesquepasanporunpuntodeuna
carreteraenunahora
Y:Nmerodepeticionesaunservidorwebenunda
Z:Nmerodebachesencadakilmetrodeunacarretera

X,Y,Z~Po

Poisson,Po( )
UnprocesodePoissonhomogneodebesatisfacer:

Elnmerodeocurrenciasdelsucesoendosperiodosdetiempo(tramosdel
espacio)nosolapadossonvariablesaleatoriasindependientes.

La probabilidad de ocurrencia de un nmero x de sucesos de Poisson en

dosintervalosdelamismaduracint(olongitud)eslamisma.

Laprobabilidaddequeocurraunnicosucesoenunintervalopequeot
esproporcionalaltamaodelintervalo:

La probabilidad de que ocurra ms de un suceso enun intervalo pequeo

tesdespreciablefrentealaanterior.

eslatasadeocurrencia(unidades:[tiempo]1 o[espacio]1)
y =t es el nmero medio de ocurrencias (adimensional)

enunintervalodetiempotfijadoenladefinicindelav.a.

Poisson,Po( )

notieneformaanalticasencilla

Propiedadreproductivarespectoasuparmetro:
SiX~Po(1)eY~Po(2)sonv.a.independientes
X+Y~Po(1+2)
Aproximacinbinomial:
p<0.1ynp>5

B(n,p)Po(np)

Ejercicio

TEMA3Distribucionescomunes

Introduccin

Distribucionesdiscretascomunes

SucesodeBernoulli

MltiplessucesosdeBernoulli

BinomialB(n,p),GeomtricaG(p),BinomialnegativaBN(r,p)

Muestreosinreemplazamiento.HipergeomtricaHG(N,D,n)

SucesosdePoisson

Distribucionescontinuascomunes

TiempoentresucesosdePoisson.ExponencialyGamma

Ladistribucinnormal
Aproximaciondedistribucionesdiscretasmediantelanormal

Exponencial,Ex()
Cuando se cumplen las hiptesis de un proceso de
Poisson homogneo, se puede definir una variable
aleatoria continua T que representa el tiempo que
transcurreentredossucesosdePoisson.
Probabilidad de que esta
variableexcedauntiempot

Probabilidad de que no suceda

ningnsucesodePoissonenel
tiempo(0,t)

(tasadeocurrenciadesucesos)tienedimensiones[tiempo]

Exponencial,Ex()
Derivando la funcin de distribucin obtenemos la
funcindedensidad:

Ejercicio

Gamma,Ga(k,)
Una variable aleatoria positiva T tiene distribucin de
probabilidadGammasisufuncindedensidadesdela
forma:
FuncinGammadeEuler:

Si k es entero, sirve para modelizar el tiempo que

transcurre hasta el ksimo suceso de Poisson
homogneo.Entalcasoseconocecomodistribucinde
Erlangy(k)=(k1)!
Ga(1,)=Ex()

Gamma,Ga(k,)
Lamediaylavarianzason:

La distribucin Gamma es reproductiva respecto al

parmetrok:
X~Ga(k1,a)Y~Ga(k2,a)XeYindependientes
X+Y~Ga(k1+k2,a)

Ejercicio

Normalogaussiana,N(, )
Es(posiblemente)ladistribucinmsimportante:

Multitud de fenmenos se comportan segn esta

distribucin: distribucin de pesos, alturas,
coeficientes de inteligencia, errores en la
medida,...(Teoremadellmitecentral)

Adems, se utiliza
distribuciones.

para

aproximar

otras

Normalogaussiana,N(, )
Depende de dos parmetros, valor medio de la
distribucin (centro de la curva) y la desviacin
standard(dispersinrespectodelamedia).
E[X]=
Var[X]=2
Rtip
xmin<4
xmax<4
curve(dnorm(x,0,1),xmin,xmax)

La curva de densidad es
simtrica, unimodal y con
formadecampana.Lamediala

modaylamedianacoinciden.

Normalogaussiana,N(, )
Funcindedensidad:

dnorm(x,mean=0,sd=0.5)

Teoremadellmitecentral

La suma de N variables aleatorias, (casi)

independientementedesudistribucin,sigueuna
distribucinNormalcuandoN

Teoremadellmitecentral

La suma de N variables aleatorias, (casi)

independientementedesudistribucin,sigueuna
distribucinNormalcuandoN

Normalogaussiana,N(, )

La v.a. Normal es reproductiva respecto de sus

dosparmetros:
Si X~N(1, 21) e Y~N(2, 22) son variables aleatorias
independientes,entonces:
X+Y~N(1+2,21+22)

Lamentablemente, la funcin de distribucin

normalnotieneunaexpresinanalticayhayque
recurriratablasoaunordenadorparasuclculo.

pnorm(x,mean=0,sd=0.5)

Normalogaussiana,N(, )
Las tablas de la funcin de distribucin normal listan
nicamenteladistribucionnormaltipificadaN(0,1)

Para buscar en la tabla

procederemos a tipificar
nuestrav.a:

Normalogaussiana,N(, )

Normalogaussiana,N(, )
P(Z<1.02)?
x =1 x

0,8461

1,02

Notacinhabitual:

P X 1.02 =1 P X 1.02=11.02=10.8461=0.1539

Normalogaussiana,N(, )

P(1,02<Z<1,13)=
=P(Z<1.13)P(Z<1.02)=
=0.87080.1539=0.7169

Ejercicio

Aproximacionesconlanormal
SiunavariableX~B(n,p),tieneparmetrongrandeyni
p ni (1p) estn prximos a 0, la funcin de distribucin
B(n,p)puedeaproximarseporunanormal:N(np,np(1p))
Esdecir:

Estaaproximacinestantomejorcuantomayoresn.
Enlaprcticaseconvienequeunadistribucinbinomial
puedeaproximarseporlaNormalcuando

np>5yn(1p)>5

Aproximacionesconlanormal
Esta aproximacin se mejora con la llamada
correccinporcontinuidad:

F B n , p x F N 0,1

xnp0.5
np 1 p

Ejercicio

Aproximacionesconlanormal
Cuando en una distribucin Po( ), tiende a infinito, la
funcindedistribucinPo()puedeaproximarseporuna
N(,)
Esdecir:
En la prctica se conviene que una distribucin de
PoissonpuedeaproximarseporlaNormalcuando >5
Esta aproximacin se mejora con la llamada correccin
porcontinuidad:

X 0.5
Z=