Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Leyes de probabilidad Francisco Marzal Baró Curso 2016/17 Fundamentos estadísticos Versión 1 2 � Conceptos: � Variable aleatoria. � Distribución de probabilidad. � Ley de probabilidad. � Densidad de probabilidad. � Leyes de probabilidad para variables discretas: � Ley Binomial. � Ley de Poisson. � Ley Hipergeométrica. � Leyes de probabilidad para variables continuas: � Ley Normal. Leyes de Probabilidad Índice NOTA: Algunos gráficos y tablas están sacados del libro: Métodos Estadísticos. J.M. Doménech Massons. 3 - Toda variable sigue, en la población, una determinada ley de probabilidad - � Variable aleatoria o estocástica: Es una función que en un experimento aleatorio, asigna a cada suceso elemental ei un valor numérico ri. Ej: E = {masculino, femenino} Masculino → 0 Femenino → 1 � Distribución de probabilidad : Es el conjunto de todos los valores de la variable con sus correspondientes probabilidades. Ej: Valores de un dado E = {1, 2, 3, 4, 5, 6} P= { � � , � � , � � , � � , � � , � � } � Ley o Modelo de probabilidad : Modelo que sirve para explicar la distribución de una variable aleatoria. � Densidad de probabilidad : En variables continuas, es la probabilidad asociada a un determinado intervalo. Leyes de Probabilidad Conceptos 4 � Las leyes de la probabilidad se utilizan para cuantificar los patrones que se observan en fenómenos aleatorios. � Ejemplos: � El lanzamiento de dados. � La evolución de una epidemia. � El crecimiento de una población. � El comportamiento de mercados financieros. � El crecimiento de galaxias. � Modelos meteorológicos para calcular el tiempo y el nivel de precipitación en una ciudad. � Cuando se produce un huracán y para estimar qué lugares serán afectados, así como la magnitud de los eventuales destrozos. � Se utiliza en la fiabilidad de los productos, para reducir la probabilidad de avería. Está relacionado con la garantía del producto. � Albert Einstein comentó en una carta a Max Born: “Estoy convencido de que Dios no tira los dados”. No obstante hoy en día no existe un medio mejor para describir la física cuántica si no es a través de la teoría de la probabilidad. Leyes de Probabilidad Aplicaciones prácticas de la probabilidad 5 � La distribución de una variable aleatoria puede res umirse por la media (llamada esperanza matemática) y la variancia. � El cálculo se efectúa con las probabilidades de cada valor en vez de utilizar la frecuencia. � Esperanza y Variancia para variables discretas: � � � ∑ � � �� � � ∑ �� � ������ � �� Leyes de Probabilidad Esperanza matemática (o valor esperado) y Variancia. Leyenda: X: Variable aleatoria. �: Nº total de valores que toma la variable. � : Valor que toma cada variable. : Probabilidad de obtener cada valor. 6 � Definición: La distribución de frecuencias de objetos con una determinada característica, que se obtiene al extraer de forma no exhaustiva muestras al azar de una población, sigue una ley Binomial. � Representación: Una variable aleatoria S sigue una distribución binomial de parámetros n y π, se escribe: "~$��, � � Características: � Distribución de probabilidad discreta. � Solamente admite dos categorías (éxito y fracaso). � Las probabilidades de ambas posibilidades han de ser constantes en todos los experimentos (π y 1-π). � Se utiliza en muestreos CON reposición. � Para poblaciones muy grandes (N>>n). � Cálculo: + , � �!.!��/.�! ∙ . 1 � �/. � " � � ; " � � �1 � � Leyes de Probabilidad Ley Binomial Leyenda: n: nº de sujetos escogidos en una muestra. k: nº de sujetos buscados en la muestra. π: Proporción del parámetro buscado en la población. S: Variable aleatoria. 7 0 0,2 0,4 0,6 0 azules 1 azul 2 azules Prob. obtener Bolas Azules Tenemos una caja con 4 bolas azules (A) y 3 bolas blancas (B). Si extraemos dos bolas con reposición calcular la probabilidad de encontrar bolas azules: a) Que sean las dos blancas � + , � 0 � �!4!��/4�! ∙ 0.5714 1 � 0.571 �/4 � 0.184 b) De encontrar una bola azul � + , � 1 � �!�!��/��! ∙ 0.571� 1 � 0.571 �/� � 0.49 c) Que sean las dos azules � + , � 2 � �!�!��/��! ∙ 0.571� 1 � 0.571 �/� � 0.326 d) Calcular la Esperanza y la Variancia � � " � � � 2 ∙ 0.571 � 1.142 ; " � � 1 � � 2 ∙ 0.571 1 � 0.571 � 0.49 Ejemplo Ley Binomial Leyes de Probabilidad + � 37 ∙ 4 7 � 0.245 0.245∙ 2 � 0.49 + � 37 ∙ 4 7 � 0.245 0.245∙ 2 � 0.49 + � 37 ∙ 3 7 � 0.184+ � 3 7 ∙ 3 7 � 0.184 + � 47 ∙ 4 7 � 0.326+ � 4 7 ∙ 4 7 � 0.326 p , � �!.!��/.�! ∙ .�1 � ��/. Leyenda: n: Nº de bolas extraídas. k: Nº bolas azules buscadas. π: Prop.bolas azules en la población. 8 � Se lanza un dado perfecto de 6 caras, 51 veces. ¿Cuál es la probabilidad de que el número 3 salga 20 veces? S ~ B(51, 1/6) y la probabilidad sería p(S=20): n= 51 k= 20 π= 1/6 Leyes de Probabilidad Ejercicio + 20 � 51!20! �51 � 20�! ∙ �1/6��4 1 � 1 6 ?�/�4 � 0.00007353 p , � �!.!��/.�! ∙ .�1 � ��/. 9 � Definición: La distribución de frecuencias de una característica poco frecuente, obtenida al extraer al azar y con reposición muestras muy grandes, sigue una ley de Poisson. � Representación: S ~ A�λ� , representando λ el número de veces que se espera que ocurra el fenómeno en una muestra o intervalo dado. � Características: � Distribución de probabilidad discreta . � Solamente admite dos categorías (éxito y fracaso). � Se utiliza en muestreos con reposición. � Para poblaciones muy grandes (N>>n). � En muestras muy grandes �C D EFF� . � La frecuencia de la característica a estudiar es poco frecuente �G H F. FI�. � Cálculo: + " � , � JK.! ∙ L/J � " � " � λ � � Leyes de Probabilidad Ley de Poisson Leyenda: �: nº del tamaño de la muestra. ,: nº de ocurrencias del evento. : Proporción del evento en la población. λ � � ∙ L � 2.71828 … . 10 � La prevalencia de personas pelirrojas en el municipio de Madrid es del 2%. Realizando una muestra aleatoria de 100 sujetos, ¿Cual es la probabilidad de encontrar en la muestra? λ � � � 100 ∙ 0.02 � 2 � 1 persona pelirroja: + , � 1 � λ . ,! ∙ L/J � 2� 1! ∙ L/� � 0.2707 � 5 personas pelirrojas: + , � 5 � 2 ? 5! ∙ L/� � 0.0361 � Calcular la Esperanza y la Variancia: � " � " � λ � �π � 2 Leyes de Probabilidad Ejemplo Ley de Poisson p " � , � JK.! ∙ L/J Leyenda: �: nº del tamaño de la muestra. ,: nº sujetos con pelo pelirrojo. : Proporción de pelirrojos en la población. λ � � 11 � Repetir el ejercicio anterior aplicando la ley Binomial. La prevalencia de personas pelirrojas en el municipio de Madrid es del 2%. Realizando una muestra aleatoria de 100 sujetos, ¿Cual es la probabilidad de encontrar en la muestra? � 1 persona pelirroja: + , � 1 � �44!�!��44/��! ∙ 0.02� 1 � 0.02 �44/� � 0.2706 � 5 personas pelirrojas: + , � 5 � �44!?!��44/?�! ∙ 0.02? 1 � 0.02 �44/? � 0.0353 � Calcular la Esperanza y la Variancia: � " � � � 100 ∙ 0.02 � 2 ; " � � 1 � � 100 ∙ 0.02 1 � 0.02 � 1.96 Leyes de Probabilidad Ejercicio demostrativo p , � �!.!��/.�! ∙ .�1 � ��/. O 0.2707 (Poisson k=1) O 0.0361 (Poisson k=5) � " � " � λ � �π � 2 (Poisson) 12 � El 2% de los libros encuadernados en un taller tiene encuadernación defectuosa. Tenemos 400 libros y se quiere obtener la probabilidad de que 5 de ellos estén defectuosos. Aplicar la Ley de Poisson. k= 5 (nº de ocurrencias del evento). λ= 8 (nº de veces que se espera que ocurra el fenómeno → 2% RL 400). + , � 5 � λ . ,! ∙ L/J � 8? 5! ∙ L/S � 0.092 Leyes de Probabilidad Ejercicio p " � , � JK.! ∙ L/J 13 � Definición: Describe la distribución de frecuencias de una determinada característica que se obtiene al extraer sin reposición muestras aleatorias de una población finita. � Representación: T�U�; U�; �� � Características: � Distribución de probabilidad discreta. � Solamente admite dos categorías (éxito y fracaso). � Se utiliza en muestreos SIN reposición. � Cuando el tamaño de la población es grande, la distribución hipergeométrica coincide con laBinomial. � Cálculo: + , � VW! K!�VWXK�!∙ VY! �ZXK�!�VYXZ[K�!V! Z!�VXZ�! � " � � ; " � � �1 � � ∙ \/�\/� Leyes de Probabilidad Ley Hipergeométrica Leyenda: U: Total de sujetos en la población. U�: Sujetos tipo 1 (característica a analizar).U�: Sujetos tipo 2.�: Tamaño de la muestra. ,: nº de ocurrencias del evento. : Proporción del evento en la población. 14 Tenemos una población de 10 personas compuesta por N1=6♀ y N2= 4♂. Realizamos un muestro aleatorio de tres personas sin reposición. Leyes de Probabilidad Ejemplo Ley Hipergeométrica + � 610 ∙ 5 9 ∙ 4 8 � 0.166 0.166 ∙ 3 � 0.5 + � 610 ∙ 5 9 ∙ 4 8 � 0.166 0.166 ∙ 3 � 0.5 + � 610 ∙ 5 9 ∙ 4 8 � 0.167+ � 6 10 ∙ 5 9 ∙ 4 8 � 0.167 + � 410 ∙ 3 9 ∙ 2 8 � 0.033+ � 4 10 ∙ 3 9 ∙ 2 8 � 0.033 6♀, 4♂ ♀ ♀ ♀ ♂ ♂ ♀ ♂ ♂ ♀ ♀ ♂ ♂ ♀ ♂ 3♀ 2♀ 1♀ 0♀ + � 410 ∙ 3 9 ∙ 6 8 � 0.1 0.1 ∙ 3 � 0.3 + � 410 ∙ 3 9 ∙ 6 8 � 0.1 0.1 ∙ 3 � 0.3 Calcular la probabilidad de que no salga ninguna mujer en la muestra (k=0). Obtener la Esperanza y la Variancia de la variable aleatoria. Leyenda: N1 nº de ♀ ; N2 nº de ♂. N: Población total �U � U� ] U�� n: nº de personas elegidas. k: nº de ♀ elegidas en la muestra. π: Proporción de ♀ en la población. � � U� U⁄ � + , � 0 � 6! 0! �6 � 0�! ∙ 4! �3 � 0�! �4 � 3 ] 0�! 10! 3! �10 � 3�! � 6! 0! ∙ 6! ∙ 4! 3! ∙ 1!10! 3! ∙ 7! � 1 ∙ 4120 � 0.033 � " � � � 3 ∙ 0.6 � 1.8 " � � 1 � ∙ U � �U � 1 � 3 ∙ 0.6 1 � 0.6 ∙ 10 � 3 10 � 1 � 0.56 + , � U�!,! �U� � ,�! ∙ U�!�� � ,�! �U� � � ] ,�!U! �! �U � ��! 15 Utilizando la ley hipergeométrica en el muestro aleatorio del ejemplo anterior, y sabiendo que se eligen a tres personas sin reposición, calcular la probabilidad de obtener: � Una sola mujer: + , � 1 � 6! 1! �6 � 1�! ∙ 4! �3 � 1�! �4 � 3 ] 1�! 10! 3! �10 � 3�! � 6! 1! ∙ 5! ∙ 4! 2! ∙ 2!10! 3! ∙ 7! � 6 ∙ 6120 � 0.3 � Un solo hombre: + , � 2 � 6! 2! �6 � 2�! ∙ 4! �3 � 2�! �4 � 3 ] 2�! 10! 3! �10 � 3�! � 6! 2! ∙ 4! ∙ 4! 1! ∙ 3!10! 3! ∙ 7! � 15 ∙ 4120 � 0.5 � Tres mujeres o tres hombres: + ♀♀♀ � + , � 3 � 6! 3! �6 � 3�! ∙ 4! �3 � 3�! �4 � 3 ] 3�! 10! 3! �10 � 3�! � 6! 3! ∙ 3! ∙ 4! 0! ∙ 4!10! 3! ∙ 7! � 20 ∙ 1120 � 0.167 + ♂♂♂ � + , � 0 � 6! 0! �6 � 0�! ∙ 4! �3 � 0�! �4 � 3 ] 0�! 10! 3! �10 � 3�! � 6! 0! ∙ 6! ∙ 4! 3! ∙ 1!10! 3! ∙ 7! � 1 ∙ 4120 � 0.033 +�♀♀♀� ∪ +�♂♂♂) = +�♀♀♀� + +�♂♂♂)� 0.167]0.033 � 0.2 Leyes de Probabilidad Ejercicio Ley Hipergeométrica + , � U�!,! �U� � ,�! ∙ U�!�� � ,�! �U� � � ] ,�!U! �! �U � ��! 0 0,1 0,2 0,3 0,4 0,5 0,6 0 1 2 3 Prob. de elegir mujeres Mujeres 16 Ley Distribución de probabilidad Fórmulas P ob la ci on es in fin ita s Binomial $��, � Muestro con reposición Para 2 categorías + , � �!,! �� � ,�! ∙ .�1 � ��/. � " � � ; " � � �1 � � Poisson A�λ � � � Muestro con reposición Requisitos: -Proporciones poco frecuentes (π≤0.05) -Muestras muy grandes(n≥100) + " � , � λ . ,! ∙ L/J � " � " � λ � � P ob la ci on es fin ita s Hiper Geométrica T�U�; U�; �� Muestro sin reposición Para 2 categorías + , � U�!,! �U� � ,�! ∙ U�!�� � ,�! �U� � � ] ,�!U! �! �U � ��! � " � � ; " � � �1 � � ∙ U � �U � 1 Leyes de Probabilidad Leyes de probabilidad en variables discretas 17 � Características: � Tiene forma de campana. � Es simétrica alrededor de la media. � Es asintótica (no llega a tocar el eje de las X). � Media, mediana y la moda son iguales y se localizan en el centro de la distribución. � El área total bajo la curva vale 1. Leyes de Probabilidad Ley Normal o Distribución de Gauss � Representación: � ∈ U�a , b��. � No existe una sola distribución de probabilidad normal, su número es ilimitado. � Para distribuciones continuas . � Casi cualquier distribución de probabilidad, se puede aproximar por una normal bajo ciertas condiciones. + � D �� � c 12 b� ∙ L /�� ∙ �d/e�Y fY g dW 18 � Todas las distribuciones normales pueden convertirse a la estándar, que tiene media 0 y variancia 1 → U�0 , 1�. Transformación: � Transformar la variable � que siga una ley U�a , b�� en una variable h que siga una ley U 0 , 1 . Variable Z: → h � d/ef � Buscar la probabilidad de que se cumpla el valor h en la tabla T4a. � La tabla proporciona la probabilidad de que la variable aleatoria normal estandarizada tome valores h mayores o iguales a h → + h D h . Tabla Leyes de Probabilidad Distribución estándar normal o Ley Normal reducida +�h D h � 19 � La distribución de peso de los alumnos en un Instituto sigue una ley N(50, 2.25). ¿Cuál es la probabilidad de que al elegir a un alumno al azar pese 51 Kg? Peso: V. Cuantitativa: 51 ,i → 50.5 j 51.5 ,i. Datos: a � 50,i ; b� � 2.25 → b � 2.25 � 1.5 ,i � Transformar los límites en valores z: � � � 50.5 ,i → h � d/ef � ?4.?/?4 �.? � 0.33 � �k � 51.5 ,i → h � ?�.?/?4�.? � 1 � Obtener la probabilidad con la tabla. � + h D 0.33 � 0.3707 � + h D 1 � 0.1587 � Calcular probabilidad del área pedida: � + 50.5 l � l 51.5 � + 0.33 l h l 1.00 � 0.3707 � 0.1587 � 0.2120 → 21.2% Leyes de Probabilidad Ejemplo kg +�� H 50.5� 20 � La distribución de peso de los alumnos en un Instituto sigue una ley N(50, 2.25). ¿Cuál es la probabilidad de que al elegir a un alumno al azar pese entre 48 y 50 Kg? Peso: V. Cuantitativa: 48 a 50 ,i → 47.5 j 50.5 ,i. Datos: a � 50,i ; b� � 2.25 → b � 2.25 � 1.5 ,i � Transformar los límites en valores z: � � � 47.5 ,i → h � d/ef � mn.?/?4 �.? � �1.67 � �k � 50.5 ,i → h � ?4.?/?4�.? � 0.33 � Obtener la probabilidad con la tabla. � � � 47.5 ,i → h � �1.67 → + h H �1.67 � + h D 1.67 � 0.0475 � �k � 50.5 ,i → h � 0.33 → + h D 0.33 � 0.3707 � Calcular probabilidad del área pedida: � + 47.5 l � l 50.5 � 1 � + h H �1.67� � +�h D 0.33 � 1 � 0.0475 � 0.3707 � 0.5818 → 58.2 % Leyes de Probabilidad Ejercicio kg 21 � El intervalo contiene la proporción 1 � o central de los casos: p q rs/t ∙ u hv/�: Valor de la ley normal reducida. Deja a su derecha una proporción α/2 de los casos. � Ejemplo: Calcular el intervalo que contiene el 50% central de la siguiente distribución: N(50,2.25). a q hv/� ∙ b � 50 q 0.6745 ∙ 1.5 � 50 q 1.01 → 48.99 j 51.01 Leyes de Probabilidad Determinar un intervalo central de valores α/2 1-α 0.25 50% 0.10 80% 0.05 90% 0.025 95% 0.005 99% 0.0005 99.9% Zα/2 0.674 1.282 1.645 1.96 2.576 3.291 22 � Si las muestras son grandes, las probabilidades de la ley Binomial se pueden calcular de forma bastante aproximada a la ley Normal. � Condiciones de muestra grande: CG w C�E � G� D I � Corrección de continuidad: q0.5 +x�yz{. (permite tratar como continua una variable discreta). Leyes de Probabilidad Aproximación Normal de la ley Binomial 24Asignatura/Tema Muchas gracias por vuestra atención.
Compartir