Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
INTRODUCCIÓN Una distribución de probabilidad indica toda la gama de valores que pueden representarse como resultado de un experimento. Una distribución de probabilidad es similar a la distribución de frecuencias relativas. Sin embargo, en vez de describir el pasado, describe la probabilidad que un evento se realice en el futuro, constituye una herramienta fundamental para la prospectiva, puesto que se puede diseñar un escenario de acontecimientos futuros considerando las tendencias actuales de diversos fenómenos naturales. Las decisiones estadísticas basadas en la estadística inferencial son fundamentales en la investigación que son evaluadas en términos de distribución de probabilidades. Por lo que las distribuciones de probabilidad se dividen en discretas y continuas; y para efectos de estudio, veremos las distribuciones discretas que son: distribuciones que describen la probabilidad de ocurrencia de cada valor de una variable aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria que tiene valores contables, tales como una lista de enteros no negativos. Dentro de ella encontramos la distribución Binomial, distribución de Poisson y distribución Hipergeométrica, que son de las que mencionamos en el presente trabajo. Y las distribuciones continúas que son: distribuciones que describen las probabilidades de los posibles valores de una variable aleatoria continua. Una variable aleatoria continua es una variable aleatoria con un conjunto de valores posibles (conocido como el rango) que es infinito y no se puede contar. Dentro de ellas encontramos la distribución Normal, distribución T Student, distribución Chi-cuadrada y distribución F. Claro que existen otros tipos de distribuciones pero para efectos de estudio de este trabajo solo analizaremos las ya antes mencionadas. DISTRIBUCIÓN BINOMIAL PROPIEDADES DE LA DISTRIBUCIÓN BINOMIAL Experimento o prueba solo son posibles dos resultados (éxito o fracaso). La probabilidad del éxito ha de ser constante. Esta se representa mediante la letra p. La probabilidad de fracaso ha de ser también constate. Esta se representa mediante la letra q = 1- p. El resultado obtenido en cada experimento es independiente del anterior. Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al mismo tiempo. Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2 ha de ocurrir. La variable aleatoria que sigue una distribución binomial se suele representar como X~(n,p), donde n representa el número de ensayos o experimentos y p la probabilidad de éxito. FÓRMULA PARA CALCULAR LA DISTRIBUCIÓN BINOMIAL La fórmula para calcular la distribución binomial: p= probabilidad de obtener un exito. q= probabilidad de obtener un fracaso, se calcula q= 1-p x= es el numero de éxitos. n= es el nuemro de pruebas. DATO HISTÓRICO El cálculo de la probabilidad tuvo un notable desarrollo con el trabajao del matemático Suizo Jacob Bernoulli (1654-1705). Bernoulli definió el proceso conocido por su nombre el cual establece las bases para el desarrollo y utilización de la distribución binomial. Es una distribución de probabilidad discreta que describe el número de éxitos al realizar n experimentos independientes entre sí, acerca de una variable aleatoria. DISTRIBUCION POISSON EXPRESIÓN DE LA DISTRIBUCIÓN DE POISSON Dada una variable aleatoria discreta X se puede aproximar a una distribución de Poisson, tal que: X~ᵱ(µ) La distribución de Poisson solo depende de un parámetro, miu (marcado en amarillo). Miu informa del número esperado de eventos que ocurrirán en un intervalo de tiempo fijado. Por tanto, miu es la media de la frecuencia de los eventos. Tanto la media como la varianza de esta distribución son mu, estrictamente positiva. FÓRMULA DE DISTRIBUCIÓN DE POISSON Su función de probabilidad es: p (X): es la probabilidad de ocurrencia cuando la variable discreta X toma un valos finito x. λ: promedio de ocurrencias en un intervalo (tiempo, volumen, área, etc.). e: tiene un valos aproximado de 2.71828183. x: es el número de ocurrencias. DATO HISTÓRICO El nombre de esta distribución proviene de su creador, Siméon- Denis Poisson (1781-1840), un matemático y filósofo francés, que quería modelar la frecuencia de eventos durante un intervalo de tiempo fijado. También participó en perfeccionar la ley de los grandes números. Es una distribución de probabilidad discreta que modeliza la frecuencia de eventos determinados durante un intervalo de tiempo fijado a partir de la frecuencia media de aparición de dichos eventos. Varianza: Gráfica: Hipergeométrica Descripción Es una distribución discreta que modela el número de eventos en una muestra de tamaño fijo cuando usted conoce el número total de elementos en la población de la cual proviene la muestra. Se utiliza para muestras obtenidas de poblaciones pequeñas, sin reemplazo. Propiedades es aplicable a muestreos sin reemplazo y la binomial a muestreos con reemplazo. En situaciones en las que el número esperado de repeticiones en el muestreo es presumiblemente bajo, puede aproximarse la primera por la segunda. Media, Varianza -El proceso consta de n pruebas, separadas o separables de entre un conjunto de N pruebas posibles. -Cada una de las pruebas puede dar únicamente dos resultados mutuamente excluyentes: A y no A. En la primera prueba las probabilidades son: P(A)= p y P(A)= q; con p + q =l. Considerando que una variable hipergeométrica de parámetros N, n, p puede considerarse generada por la reiteración de un proceso dicotómico n veces en el que las n dicotomías NO son independientes; podemos considerar que una variable hipergeométrica es la suma de n variables dicotómicas NO independientes. Varianza, Desviación estándar Grafica Forma de cálculo en minitab Supongamos que hay diez automóviles disponibles para que usted los pruebe (N = 10) y cinco de ellos tienen motores turbo (x = 5). Si prueba tres de los vehículos (n = 3), ¿cuál es la probabilidad de que dos de los tres que probará tengan motores turbo? Elija Calc > Distribuciones de probabilidad > Hipergeométrica Elija Probabilidad. En Tamaño de la población (N), ingrese 10. En Conteo de eventos en la población (M), ingrese 5. En Tamaño de la muestra (n), ingrese 3. Elija Constante de entrada e ingrese 2. -Haga clic en Aceptar. La probabilidad de que seleccione exactamente dos automóviles con motores turbo de forma aleatoria cuando pruebe tres de los diez vehículos es 41.67%. : NORMAL Descripción (También conocida como distribución de Gauss) es la distribución estadística más utilizada debido a los muchos procesos físicos, biológicos y sociales que puede modelar. Propiedades Media Varianza es una distribución continua que se especifica por la media (μ) y la desviación estándar (σ). La media es el pico o centro de la curva en forma de campana. La desviación estándar determina la dispersión de la distribución. el 68% de las observaciones está dentro de +/- 1 desviación estándar de la media; el 95% está dentro de +/- 2 desviaciones estándar de la media (como muestra el área sombreada); y el 99.7% está dentro de +/- 3 desviaciones estándar de la media. media = μ varianza = σ 2 Desviación estándar Desviación estándar = σ Grafica Forma de cálculo en minitab Si se tienen los datos colocarlos en la tabla por columnas y/o renglones (observar figura 1) 2. En caso de no tener los datos aleatorios en el ejercicio correspondiente, crearlos de la siguientemanera. Use calc > Random Data > Normal… Colocar la cantidad de renglones en el recuadro señalado a continuación: Colocar la columna con la que se desea trabajar en el recuadro correspondiente (señalado a continuación). Complete los recuadros de la media y desviación estándar señalados a continuación, con los datos de su ejercicio a realizar y dar clic en OK Al dar clic en OK aparecerán los datos aleatorios con los que se trabajaran. Una vez obtenidos los datos Seleccione stat> Basic Statistics> Display Descriptive Statistics > Enter En el recuadro que aparece, dar doble clic a la columna a trabajar (ejemplo c1) o teclearla usted mismo en el cuadro de variables. Posteriormente dar clic en Gr Seleccione Histogram of data, whith normal curve > OK > OK Distribución T Student Descripción Propiedades La distribución t converge hacia la distribución normal a medida que aumentan los grados de libertad. La distribución t es útil para hacer lo siguiente: es una distribución de probabilidad que surge del problema de estimar la media de una población normalm ente distribuida cuando el tamaño de la muestra es pequeño y la desviación estándar poblacional es desconocida. Crear intervalos de confianza de la media de la población de una distribución normal cuando se desconoce la varianza. Determinar si las medias de dos muestras de poblaciones normales con varianzas desconocidas, aunque iguales, son significativamente diferentes. Probar la significancia de los coeficientes de regresión. Si X es u na variable aleatoria tal que X – t_v entonces X satisface algunas propiedades Media Supongamos que C1 contiene la respuesta y C3 contiene la media de cada nivel de los factores. Por ejemplo: 1. Elija Calc > Calculadora. 2. En Almacenar resultado en variable, ingrese C4. 3. En Expresión, ingrese SQRT((SUM((C1 - C3)**2)) / (número total de observaciones - número de grupos)) . Para el ejemplo anterior, la Expresión para la desviación estándar agrupada sería: SQRT((SUM(('Respue sta' - 'Media')**2)) / (6 - 2)). El valor que almacena Minitab es 3.75489. La media de X para valores v>1 es: E[X]= 0 Varianza La varianza de X para valores v>2 es: Grafica Forma de cálculo en minitab https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad https://es.wikipedia.org/wiki/Estimaci%C3%B3n_estad%C3%ADstica https://es.wikipedia.org/wiki/Media_aritm%C3%A9tica https://es.wikipedia.org/wiki/Poblaci%C3%B3n_estad%C3%ADstica https://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal https://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal https://es.wikipedia.org/wiki/Tama%C3%B1o_de_la_muestra https://es.wikipedia.org/wiki/Tama%C3%B1o_de_la_muestra https://es.wikipedia.org/wiki/Desviaci%C3%B3n_t%C3%ADpica https://es.wikipedia.org/wiki/Desviaci%C3%B3n_t%C3%ADpica CHI- CUADRADA DESCRIPCIÓN PROPIEDADES MEDIA es una medida de la divergencia entre la distribución de los datos y una distribución esperada o hipotética seleccionada. Por ejemplo, se utiliza para: -Probar la independencia o determinar la asociación entre variables categóricas. Por ejemplo, si usted tiene una tabla de dos factores de resultados electorales basada en el sexo de los votantes, los estadísticos de chi-cuadrada pueden ayudar a determinar si un voto es independiente del sexo del votante o si existe alguna asociación entre voto y sexo. -Si el valor p asociado con el estadístico de chi-cuadrada es menor que el nivel de significancia (α) seleccionado, la prueba rechaza la hipótesis nula de que las dos variables son independientes. - Determinar si un modelo estadístico se ajusta adecuadamente a los datos. Si el valor p asociado al estadístico de chi-cuadrada es menor que el nivel de significancia (α) seleccionado, la prueba rechaza la hipótesis nula de que el modelo se ajusta a los datos. La media es igual al número de grados de libertad (que es igual al tamaño de las muestras menos 1): μ = ν = n – 1 ••La varianza es igual a dos a dos veces el número de grados de libertad ((por lolo tanto la desviación estándar andar es la raíz cuadrada de 2de 2νν)): σ2 = 2 * ν ••Cuando los grados de libertad son mayores o iguales que 22, el máximo valor de valor y ocurre cuando χ 2 = ν – 2 ••Conforme los grados de libertad (tamaño de la de la muestra) aumenta. La distribución chi-cuadrada se aproxima a la distribución normal. DESVIACIÓN ESTANDAR GRAFICA DISTRIBUCIÓN F es una distribución continua de muestreo de la relación de dos variables aleatorias independientes con distribuciones de chi- cuadrada es asimétrica hacia la derecha y es descrita por los grados de libertad de su numerador utilice la distribución F en el análisis de varianza y en pruebas de hipótesis para determinar si dos varianzas de población son iguales. TABLA DE DIFERENCIAS ENTRE LAS DISTRIBUCIONES PROBABILISTICAS Distribuciones discretas: Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una variable aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria que tiene valores contables, tales como una lista de enteros no negativos. Con una distribución de probabilidad discreta, cada valor posible de la variable aleatoria discreta puede estar asociado con una probabilidad distinta de cero. Por lo tanto, una distribución de probabilidad discreta suele representarse en forma tabular. DISTRIBUCIÓN VALORES PARÁMETROS DEFINICIÓN DE VARIABLE OBSERVACIONES UTILIZACIÓN Binomial 0,1,2,….,n. n = número de pruebas p = probabilidad de éxitos Número de éxitos en n pruebas independientes de un experimento con probabilidad de éxito constante. Esta distribución se aplica a poblaciones finitas cuando los elementos se toman al azar y con reemplazo, y a poblaciones conceptualmente infinitas cuando el proceso es estable. Se utiliza en situaciones cuya solución tiene dos posibles resultados. Por ejemplo: Al nacer un/a bebé puede ser varón o hembra. En el deporte un equipo puede ganar o perder. En pruebas de cierto o falso sólo hay dos alternativas. Poisson 0, 1, 2,… λ tasa de ocurrencia Número de ocurrencias de un evento "raro" o poco frecuente en un intervalo o espacio continuo de tiempo. El proceso que genera una distribución de Poisson es estable y no tiene memoria. La distribución binomial se aproxima por la Poisson si n es grande y p pequeña, siendo λ=np La distribución de Poisson se utiliza en el campo de riesgo operacional con el objetivo de modelar las situaciones en que se produce una pérdida operacional. En riesgo de mercado se emplea el proceso de Poisson para los tiempos de espera entre transacciones financieras en bases de datos de alta frecuencia. También, en riesgo de crédito se tiene en cuenta para modelar el número de quiebras. Hipergeométrica de max{0,n-(N-R)} a min{R,n} N = tamaño de la población. R = número de éxitos. n = número de pruebas. Número de éxitos en una muestra de tamaño n, extraída sin reemplazo de una población de tamaño N que contiene R éxitos. Es equivalente a la distribución binomial cuando el muestreo se hace sin reemplazo. Si el tamaño de la población es grande ambas distribuciones se pueden considerar prácticamente iguales. Es especialmente útil en todos aquellos casos en los que se extraigan muestras o se realizan experiencias repetidas sin devolución del elemento extraídoo sin retornar a la situación experimental inicial. Distribuciones continuas: Una distribución continua describe las probabilidades de los posibles valores de una variable aleatoria continua. Una variable aleatoria continua es una variable aleatoria con un conjunto de valores posibles (conocido como el rango) que es infinito y no se puede contar. Las probabilidades de las variables aleatorias continuas (X) se definen como el área por debajo de la curva de su PDF. Por lo tanto, solo los rangos de valores pueden tener una probabilidad diferente de cero. La probabilidad de que una variable aleatoria continua equivalga a algún valor siempre es cero. Distribución Campo de variación Parámetros Observaciones Utilización Normal (-∞,∞) µ= media σ= desviación estándar Si µ=0 y σ=1 se denomina distribución normal estándar. De ella derivan las distribuciones Chi cuadrada, t de Student y F de Snedecor Es un modelo teórico capaz de aproximar satisfactoriamente el valor de una variable aleatoria a una situación ideal. ... Por ejemplo, las rentabilidades de las acciones, los resultados de un examen, el coeficiente de inteligencia IQ y los errores estándar son variables aleatorias continuas. T Student (-∞,∞) n = grados de libertad. Distribuciones importantes en la contrastación de hipótesis estadísticas. Es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño. Chi Cuadrada (0, ∞) n = grados de libertad. Distribuciones importantes en la contrastación de hipótesis estadísticas. Sirve para someter a prueba hipótesis referidas a distribuciones de frecuencias. ... Para esto, se utiliza una segunda situación hipotética y datos simulados. F de Snedecor (0, ∞) n = grados de libertad Distribuciones importantes en la contrastación de hipótesis estadísticas. El estadístico F es un test que se utiliza para evaluar la capacidad explicativa que tiene un grupo de variables independientes sobre la variación de la variable dependiente. CONCLUSIÓN Una vez desarrollado el tema sobre probabilidades se puede llegar a las siguientes conclusiones: A través de esas construcciones teóricas, se podrá experimentar sobre aquello que la realidad no permita, se usa extensamente en áreas como la estadística, física, matemáticas y la ciencia para lograr conclusiones sobre la probabilidad de los sucesos potenciales en sistemas complejos. Debido a la necesidad de modelar lo observable la probabilidad constituye un importante parámetro en la determinación de las diversas casualidades obtenidas tras una serie de eventos esperados dentro de un rango estadístico; un modelo resulta extremadamente útil, siempre que se corresponda con la realidad que pretende representar o predecir; por ello es necesario conocer cada distribución de la probabilidad en el caso específico, sus usos, sus formas de aplicarlas. Asimismo la probabilidad mide la frecuencia con la que se obtiene un resultado ( o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables; en este sentido se ocurre a diferentes distribuciones de probabilidad como DISTRIBUCIONES BINOMIAL, POISSON, HIPERGEOMÉTRICA, NORMAL, T STUDENT, CHI CUADRADA Y F Las distribuciones de probabilidades son un estudio que puede ser de gran utilidad de muchos casos, debido a que es de gran ayuda para determinar los posibles escenarios futuros en una determinada área; y por ende, sirve para evaluar un sinfín de situaciones. Sin embargo, se debe tener mucho cuidado con los resultados, ya que si no se aplica correctamente, estos pueden llegar a ser incorrectos; lo cual, puede llegar a generar problemas de todo tipo, dependiendo del área en donde se haya aplicado. En pocas palabras, las distribuciones de probabilidades se pueden considerar útiles, siempre y cuando se apliquen en las áreas adecuadas y se tengan cuidado con los factores que pueden interferir en los resultados. BIBLIOGRAFÍA Colaboradores de Wikipedia. (2021b, abril 26). Distribución binomial. Wikipedia, la enciclopedia libre. https://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial Sanjuán, F. J. M. (2021, 13 enero). Distribución binomial. Economipedia. https://economipedia.com/definiciones/distribucion-binomial.html Colaboradores de Wikipedia. (2021b, mayo 17). Distribución de Poisson. Wikipedia, la enciclopedia libre. https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson Rodó, P. (2021, 11 febrero). Distribución de Poisson. Economipedia. https://economipedia.com/definiciones/distribucion-de-poisson.html 18, m. (12 de 08 de 2019). soporte mintab 18. Obtenido de soporte mintab 18: https://support.minitab.com/es-mx/minitab/18/help-and-how- to/probability-distributions-and-random-data/supporting-topics/distributions/f- distribution/ CEDE. (2017, 21 noviembre). Ejemplo aplicación chi cuadrado como prueba de independencia. https://cedepir.es/blog/ejemplo-aplicacion-chi-cuadrado- prueba-independencia/ 404 - Minitab. (2019). (C) Minitab, LLC. All rights Reserved. 2019. https://support.minitab.com/es-mx/minitab/18/404.html Métodos y fórmulas para t de 2 muestras - Minitab. (2020). (C) Minitab, LLC. All rights Reserved. 2020. https://support.minitab.com/es- mx/minitab/19/help-and-how-to/statistics/basic-statistics/how-to/2-sample- t/methods-and-formulas/methods-and-formulas/ Distribución normal - Minitab. (2019). (C) Minitab, LLC. All rights Reserved. 2019. https://support.minitab.com/es-mx/minitab/18/help-and-how- to/probability-distributions-and-random-data/supporting- topics/distributions/normal- distribution/#:%7E:text=La%20distribuci%C3%B3n%20normal%20es%20un a,la%20dispersi%C3%B3n%20de%20la%20distribuci%C3%B3n. https://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial https://economipedia.com/definiciones/distribucion-binomial.html https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson https://economipedia.com/definiciones/distribucion-de-poisson.html https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-random-data/supporting-topics/distributions/f-distribution/ https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-random-data/supporting-topics/distributions/f-distribution/ https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-random-data/supporting-topics/distributions/f-distribution/ https://cedepir.es/blog/ejemplo-aplicacion-chi-cuadrado-prueba-independencia/ https://cedepir.es/blog/ejemplo-aplicacion-chi-cuadrado-prueba-independencia/ https://support.minitab.com/es-mx/minitab/18/404.html https://support.minitab.com/es-mx/minitab/19/help-and-how-to/statistics/basic-statistics/how-to/2-sample-t/methods-and-formulas/methods-and-formulas/ https://support.minitab.com/es-mx/minitab/19/help-and-how-to/statistics/basic-statistics/how-to/2-sample-t/methods-and-formulas/methods-and-formulas/ https://support.minitab.com/es-mx/minitab/19/help-and-how-to/statistics/basic-statistics/how-to/2-sample-t/methods-and-formulas/methods-and-formulas/ https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-random-data/supporting-topics/distributions/normal-distribution/#:%7E:text=La%20distribuci%C3%B3n%20normal%20es%20una,la%20dispersi%C3%B3n%20de%20la%20distribuci%C3%B3n https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-random-data/supporting-topics/distributions/normal-distribution/#:%7E:text=La%20distribuci%C3%B3n%20normal%20es%20una,la%20dispersi%C3%B3n%20de%20la%20distribuci%C3%B3n https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-random-data/supporting-topics/distributions/normal-distribution/#:%7E:text=La%20distribuci%C3%B3n%20normal%20es%20una,la%20dispersi%C3%B3n%20de%20la%20distribuci%C3%B3nhttps://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-random-data/supporting-topics/distributions/normal-distribution/#:%7E:text=La%20distribuci%C3%B3n%20normal%20es%20una,la%20dispersi%C3%B3n%20de%20la%20distribuci%C3%B3n https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-random-data/supporting-topics/distributions/normal-distribution/#:%7E:text=La%20distribuci%C3%B3n%20normal%20es%20una,la%20dispersi%C3%B3n%20de%20la%20distribuci%C3%B3n Métodos y fórmulas para la Distribuciones de probabilidad - Minitab. (2019). (C) Minitab, LLC. All rights Reserved. 2019. https://support.minitab.com/es- mx/minitab/18/help-and-how-to/probability-distributions-and-random- data/how-to/probability-distributions/methods-and-formulas/methods-and- formulas/ Correón González Adriana. (2007, diciembre 4). Cálculo de la distribución normal usando MINITAB. Recuperado de https://www.gestiopolis.com/calculo-de-la-distribucion-normal-usando- minitab/ https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-random-data/how-to/probability-distributions/methods-and-formulas/methods-and-formulas/ https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-random-data/how-to/probability-distributions/methods-and-formulas/methods-and-formulas/ https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-random-data/how-to/probability-distributions/methods-and-formulas/methods-and-formulas/ https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-random-data/how-to/probability-distributions/methods-and-formulas/methods-and-formulas/ https://www.gestiopolis.com/calculo-de-la-distribucion-normal-usando-minitab/ https://www.gestiopolis.com/calculo-de-la-distribucion-normal-usando-minitab/
Compartir