Professional Documents
Culture Documents
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
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
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)
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.
Laprobabilidaddequeocurraunnicosucesoenunintervalopequeot
esproporcionalaltamaodelintervalo:
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
(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:
Gamma,Ga(k,)
Lamediaylavarianzason:
Ejercicio
Normalogaussiana,N(, )
Es(posiblemente)ladistribucinmsimportante:
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
Teoremadellmitecentral
Normalogaussiana,N(, )
pnorm(x,mean=0,sd=0.5)
Normalogaussiana,N(, )
Las tablas de la funcin de distribucin normal listan
nicamenteladistribucionnormaltipificadaN(0,1)
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=