Professional Documents
Culture Documents
D.M.P([x,x+ ])
En consecuencia, para cada valor definido x se podr determinar la densidad media de
probabilidad de un intervalo infinitsimo [x,x+dx] lim x 0 [x,x+ x]:
ir a funcin de densidad
ir a funcin de distribucin
Una distribucin de probabilidad de una variable aleatoria X es el conjunto de pares ordenados (X , f(X)) donde f(X)
es la funcin de probabilidad de X (si X es discreta) o funcin densidad de probabilidad de X (si X es continua). Una
distribucin de probabilidad puede estar dada por una tabla, una grfica o una expresin matemtica (frmula) que
da las probabilidades con que la variable aleatoria toma diferentes valores.
Valores
de X :
xi
(1,1)
(1,2) (2,1)
10
(5,6) (6,5)
11
(6,6)
12
Total:
Fig. 3 Grfica de lneas de la Distribucin de Probabilidad de la variable aleatoria del ejemplo 4.4
Otro tipo de grfica empleado para representar una funcin de probabilidad es el histograma, que consiste en
representar una funcin las probabilidades como reas.
f(X)
1/2
1/4
1/8
1/16
1/32
Ejemplo 5: Se extraen dos tornillos al azar de un conjunto de 10 tornillos, cuatro de los cuales estn defectuosos.
Encontrar y dibujar la funcin de probabilidad
extrados.
Solucin: Como hay 10 tornillos de los cuales 4 son defectuosos y se extraen 2 tornillos al azar (sin reemplazo);
Distribuci
n de
Probabilida
d
Grfica de lneas
Histograma
X f(X)
0 15/45
1 24/45
2 26/45
3 45/45
, donde
a continuacin se presenta su grfica y podemos ver que es una curva suave y continua, en lugar de una grfica de
lneas
del evento
f(X)
F(X)
1/36
1/36
2/36
3/36
3/36
6/36
4/36
10/36
5/36
15/36
6/36
21/36
5/36
26/36
4/36
30/36
10
3/36
33/36
11
2/36
35/36
12
1/36
36/36
Ejemplo 8: Halle los valores de la funcin distribucin acumulada, F(X), de la variable aleatoria X del ejemplo 5.
X f(X) F(X)
0 15/45 15/45
1 24/45 39/45
2 6/45 45/45
de un evento
se puede expresar en
trminos de la funcin distribucin acumulada F(X), donde x1 y x2 son dos de los valores cualesquiera
Obsrvese que
.
.
) = P(
) + P(
Despejando P
P
)
se tiene
= P(
) - P(
) = F(x2) - F(x1)
Hemos usado v para representar la variable de integracin, ya que x se usa para representar al lmite superior de la
integracin. El integrando f es la funcin densidad de probabilidad, y al derivar la expresin anterior (Teorema
Fundamental del Clculo) se tiene que
2.
, si X es discreta
, si X es continua.
, si X es continua.
Ejemplo 4.9: Determinar el valor de la constante c tal que f(x) defina una funcin densidad en el intervalo dado y
determinar la regla de correspondencia de la funcin de distribucin acumulada correspondiente.
a.
b.
Solucin: La integral sobre todo el intervalo es la probabilidad del espacio muestral, que es igual a 1. Una vez
evaluada la integral definida se despeja la constante c, lo cual garantizar que la funcin obtenida es una funcin
densidad de probabilidad.
a.
b.
La funcin distribucin es entonces la integral de la funcin densidad para cualquier intervalo (0,x), la cual
permitir calcular probabilidades para cualquier intervalo.
c. Para el segundo caso se har lo mismo que para el anterior con la diferencia que tenemos una integral
impropia.
2.
discreta
, si X es
, si X es continua.
3.
, si X es continua.
4. Si X es continua,
1999 Jose 3
Texto: M. en C. Mara Jos Marques Dos Santos
Home Page: M. en C. Jos Luis Garca Cu / M. en C. Jos Antonio Santizo Rincn
Igualmente sucede con las balotas de una lotera, con dos diferencias: Los dados pueden repetir
el nmero que sale en la siguiente tirada, en cambio cada balota elegida en una lotera no puede
repetirse porque se retira de la mquina quedando las dems disponibles y la otra diferencia es
que las balotas son cada una un objeto diferente; Pero tanto el dado como la lotera son
fenmenos impredecibles, puramente aleatorios, y son aleatorios porque se producen por un
fenmeno fsico imposible de predecir.
Lo que sucede en la mquina de lotera es lo mismo que sucede al dado al dar botes en la mesa:
Un fenmeno fsico.
Cuando se lanza un dado una vez, la probabilidad de cada lado es 1/6. Al lanzar el mismo dado
por segunda vez, no importa el resultado de la primera vez. A esto se le denomina independencia
estadstica.
Los resultados de las loteras no se ven condicionados por sorteos anteriores ni por balotas que
ya fueron elegidas, por tanto frases como Juguemos el 22 porque no ha salido hace dos meses
no son verdaderas. De hecho, creer que es as se llama falacia del apostador.
Cuando todas las balotas estn en la mquina, todos los nmeros son igualmente probables. Al
ser seleccionado un nmero, es retirado y la mquina volver a seleccionar otro con probabilidad
igual para todos los restantes.
En conclusin: La mquina de lotera genera procesos fsicos, uno tras otro, imposibles de
predecir y los sorteos no dependen de los resultados anteriores.
Cmo jugar a la lotera entonces?
Al azar.
Puedes escoger los nmeros que tengan un significado especial como fechas, edades,
identificaciones, entre otros y jugar siempre los mismos. As sabes qu resultado esperar siempre
y no te preocupas por elegir nmeros que tengan suerte, porque todos tienen siempre la misma
probabilidad.
La Distribucin Uniforme segn la Estadstica
Es la distribucin usada para la creacin de nmeros aleatorios por excelencia y se representa
como
Forma continua
Parmetros
Los parmetros son y son cualquiera del rango
, cumplen con la condicin de ser
. Representan los lmites inferior ( ) y superior ( ) de la distribucin.
Su grfica:
Caso
Funcin de distribucin acumulada (CDF)
La funcin de distribucin acumulada es la integral de la funcin
Su grfica:
Caso
Estadsticos
Media
La media de la distribucin es
Mediana
La mediana refleja la simetra de la distribucin
Moda
La distribucin uniforme no tiene moda, todos los resultados son igualmente probables.
Varianza
La varianza de la distribucin es
Simetra
La simetra indica hacia qu lado estn la mayora de los datos. En este caso, es
Curtosis
La curtosis indica qu tan aplanada es la forma de la distribucin. Es
Usos comunes
El uso ms comn de la distribucin uniforme continua es la creacin de nmeros aleatorios de
cualquier tipo. Ya que
para cualquier , esta relacin se puede usar para crear
variables aleatorias de cualquier tipo, igualando el nmero aleatorio resultante de
con la
funcin .
Su grfica:
Su grfica:
Estadsticos
Media
La media de la distribucin es
Mediana
La mediana refleja la simetra de la distribucin
Moda
La distribucin uniforme no tiene moda, todos los resultados son igualmente probables.
Varianza
La varianza de la distribucin es
Simetra
La simetra indica hacia qu lado estn la mayora de los datos. En este caso, es
Curtosis
La curtosis indica qu tan aplanada es la forma de la distribucin. Es
Usos comunes
El uso ms comn de la distribucin uniforme discreta es la seleccin aleatoria. Escoger un
nmero al azar en un rango.
Cmo veamos en la entrada Por qu no se puede predecir la lotera o quiniela?, los sorteos de
la lotera son un fenmeno fsico puramente aleatorio donde cada bolita que se recolecta con un
nmero es independiente a la anterior, a la siguiente o a las que hayan salido en sorteos pasados o
vayan a salir en sorteos futuros.
En el Baloto, en Colombia, se han realizado 1963 sorteos, correspondientes a 1582 balotos desde
2001 y 381 revanchas desde 2012.
Han habido, desde 2001, 82 ganadores del premio mayor.
La probabilidad de ganar se calculara como 82/1963, correspondiente a xitos/intentos, que es
igual a # Boletos Comprados/8145.060. Con esa informacin, podemos calcular el nmero de
boletos que han sido comprados, en promedio, en cada sorteo.
Despejando la variable, el nmero de boletos es 340.242 vendidos en promedio por cada sorteo.
Toda variable aleatoria que hable de un nmero de intentos donde se puede fracasar (perder la
lotera) o tener xito (ganarla) es una variable aleatoria binomial.
Es la distribucin que analiza los resultados exitosos en un nmero de intentos determinado, por
ejemplo, el nmero de cestas en lanzamientos de tres puntos en baloncesto, nmero de clientes
satisfechos entre los clientes totales, nmero de llamadas exitosas al ofrecer un producto, entre
otros. Se representa con
Parmetros
Variable Binomial(n=30,p=0.1)
Variable
Binomial(n=50,p=0.6)
Estadsticos
Media
La media de la distribucin es
Mediana
Se multiplica np. La mediana es un nmero que se encuentra entre el redondeo hacia abajo y el
redondeo hacia arriba de ste.
Moda
El entero inmediatamente ms pequeo que (n+1)p
Varianza
La varianza de la distribucin es
Simetra
La simetra indica hacia qu lado estn la mayora de los datos. En este caso, es
.
Mientras p sea ms cercano a 0.5, el coeficiente se acerca a 0, y la distribucin se acerca a ser
simtrica.
Curtosis
La curtosis indica qu tan aplanada es la forma de la distribucin. Es
Usos comunes
El uso ms comn es el anlisis de fenmenos que cuentan los xitos en un conjunto de fracasos.
Finalmente, vamos a analizar las condiciones que debe cumplir una funcin CDF:
1. Creciente, pues suma resultados no-negativos de las
2. Positivo
3. Se debe cumplir que
en 1, que es el mximo.
4.
y que
5. 07/03/2016 juanes8400
6. La funcin de densidad de probabilidad es la funcin que describe la probabilidad que
tiene una variable aleatoria para tomar cierto valor.
7.
8. Esta funcin es equiparable a un histograma, y de ella se derivan muchos otros conceptos
en el anlisis de teora de la probabilidad.
9. Matemticamente se define como una funcin cuyo dominio es igual al dominio de la
variable aleatoria.
10. Existen tres formas de representar esta funcin
1. Funciones de densidad discretas: La funcin se determina para nmeros enteros
dentro de un intervalo (que puede ir hasta infinito).
11. 2. Funciones de densidad continuas: La funcin se determina para todos los nmeros de
un intervalo (que puede o no ir hasta infinito)
12. 3. Funciones de densidad empricas: Son funciones que se determinan dato a dato para
cada punto del intervalo, normalmente son discretas pero pueden ser continuas. Es el caso
ms comn en encuestas o ejercicios.
13. Como se puede observar en las grficas, cada una de estas funciones, sea continua,
discreta o emprica cumple con las siguientes condiciones:
14.
Condicin de no-negatividad: Todos los valores representan probabilidades. Por tanto, no
pueden ser negativos.
15.
Para los tres casos, continuo, discreto y emprico, la suma (o integral) de todo su dominio
es 1. La idea es que todas las posibilidades sumen 1, que en trminos de probabilidad
equivale al todo.
16. Una relacin con otra funcin conocida en probabilidad es:
17. El nombre que recibe es funcin acumulada de distribucin y lo que hace es acumular
hasta el punto que se indique. En prximas entradas analizaremos esta funcin.