Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Distribución de probabilidades discretas más importantes Módulo 6 Probabilidad y Estadística 2022 - 2 Videoconferencia 07 Distribuciones de probabilidades discretas más importantes Objetivo: Al finalizar el módulo podrás resolver, interpretar y tomar decisiones en problemas de situaciones reales haciendo uso de las probabilidades y distribuciones de probabilidad discreta, utilizando el software estadístico IBM SPSS. ÍNDICE Distribuciones de probabilidades discretas más importantes 1. Introducción 2. Variable aleatoria 3. Tipos de variable aleatoria 4. Distribución discreta Binomial 5. Distribución discreta Poisson 6. Ejemplos de aplicación 7. Conclusiones Distribuciones de probabilidades discretas más importantes Observe la imagen y responda las siguientes interrogantes: b. Imagen 1, 2, 3, 4 , 5 y 6 c. Imagen 1,2,4 y 5 a. Imagen 3 y 6 Número de estudiantes que participan de una clase virtual Número de accidentes ocurridos en un día Peso de una persona Número de pacientes hospitalizados Número de nacimientos Temperatura ambiente Distribuciones de probabilidades discretas más importantes INTRODUCCIÓN b. Variables cualitativas y cuantitativas c. Variables nominales y ordinales a. Variables dependientes e independientes d. Variables razón e intervalo VARIABLE ALEATORIA Una variable aleatoria o variable estocástica es una variable estadística cuyos valores se obtienen de mediciones en algún tipo de experimento aleatorio. • X: Nº de casas vendidas en Trujillo. • X: Nº de administradores reconocidos a nivel nacional. • X: Ventas diarias de una empresa. • X: Nº de clientes que llegan diariamente a Plaza Vea. • X: Nº de automóviles que llegan a una Estación de Servicio. • X: Nº de llamadas telefónicas que recibe una secretaria. • X: Edad de las personas. • X: Tiempo de vida de un neumático. • X: Nº de artículos defectuosos de un proceso productivo. EJEMPLOS: Se denota por una X. Es aquella que puede tomar diferentes valores a través del tiempo o de sujeto a sujeto. Distribuciones de probabilidades discretas más importantes Distribuciones de probabilidades discretas más importantes TIPOS DE VARIABLES ALEATORIAS VARIABLE ALEATORIA DISCRETA Su rango es un conjunto finito de números (1,2,3,….n), por ejemplo: • X: Nº de casas vendidas en Trujillo. • X: Nº de administradores reconocidos a nivel nacional. VARIABLE ALEATORIA CONTINUA Su rango es un conjunto infinito no numerable de valores {x /x ϵ R}, por ejemplo: • X: Ventas diarias de una empresa. • X: Edad exacta de las personas. • X: Tiempo de vida de un aparato electrónico. Distribuciones de probabilidades discretas más importantes Una variable aleatoria se llama discreta cuando el conjunto de valores que esta toma es un conjunto discreto, es decir un conjunto de números enteros. VARIABLE ALEATORIA DISCRETA EJEMPLOS: DISTRIBUCIÓN DE PROBABILIDAD Una distribución de probabilidad es un modelo matemático que desarrolla en forma analítica el comportamiento de un fenómeno (variable) real . LAS DISTRIBUCIONES DISCRETAS ◦ Distribución Binomial ◦ Distribución Poisson LAS DISTRIBUCIONES CONTINUAS ◦ Distribución Normal ◦ Distribución Normal Estándar ◦ Distribución t de Student ◦ Distribución Chi Cuadrado Distribuciones de probabilidades discretas más importantes • Los parámetros de la distribución binomial son “n” y “p”., donde: n = Número de ensayos o tamaño de muestra p = probabilidad de éxito en cada ensayo. De aquí se obtiene que la probabilidad de fracaso es q = 1-p • Si una v.a. X tiene una distribución binomial, está se denota por: • Su función de probabilidad está dada por: ),( pnBX → xnx )1(px]P[X −−== pCnx Parámetros: n , p DISTRIBUCIÓN DISCRETA BINOMIAL CARACTERISTICAS: Distribuciones de probabilidades discretas más importantes Para el uso de tabla tener en cuenta lo siguiente PROPIEDADES DE EQUIVALENCIA: Distribuciones de probabilidades discretas más importantes 1. P ( X ≤ a ) = CDF y CDF no centrada(SPSS) 2. P ( X = a ) = PDF y PDF no centrada(SPSS) 3. P ( X > a ) = 1 - P ( X ≤ a ) 4. P ( X ≥ a ) = 1 - P ( X ≤ a - 1 ) 5. P (X < a ) = P ( X ≤ a-1 ) 6. P ( a ≤ X ≤ b ) = P ( X ≤ b ) - P ( X ≤ a-1 ) 7. P ( a ≤ X < b ) = P ( X ≤ b-1 ) - P ( X ≤ a-1 ) 8. P ( a < X < b ) = P ( X ≤ b-1 ) - P ( X ≤ a ) EJEMPLOS La siguiente información corresponde a los resultados del control anual de salud ocupacional de 40 trabajadores de la empresa “Peruvian Center”. Estas variables nos permitirán conocer el estado de salud actual de los trabajadores, para prevenir enfermedades de riesgo que afecten la productividad laboral. Distribuciones de probabilidades discretas más importantes EJEMPLO 01 Por registros del control anual de salud del año anterior se tiene conocimiento que, el 25% de trabajadores tienen problemas visuales. Si se extrae una muestra aleatoria de cinco trabajadores de la empresa. Encuentre la probabilidad de que : a) Ninguno tenga problemas visuales. b) Exactamente uno tenga problemas visuales. c) Menos de dos tengan problemas viduales. Distribuciones de probabilidades discretas más importantes SOLUCIÓN 415 1 .75)0(25.01)P(X C== 1)P(X0)P(X1)P(X2)P(X =+=== 505 0 .75)0(25.00)P(X C== = 0.237 = 0.396 = 0.633 a) Ninguno tenga problemas visuales b) Exactamente uno tenga problemas visuales c) Menos de dos tengan problemas viduales xnx )1(px)P(X −−== pCnx Función de probabilidad Parámetros: n= 5 ; p = 0.25 X: Número de trabajadores con problemas visuales Rango de X = {0, 1, 2, 3, 4, 5} Distribuciones de probabilidades discretas más importantes 1. Abrir una ventana de datos en SPSS, luego agregar el valor 1 en la primera celda. 2.En el menú principal entrar a la opción Transformar---- Calcular Variable a) Ninguno tenga problemas visuales 𝐏(𝐗 = 𝟎) Distribuciones de probabilidades discretas más importantes CASO 2. P ( X = a ) = PDF y PDF no centrada(SPSS) Distribuciones de probabilidades discretas mas importantes3. En calcular aparece la ventana, que se muestra, luego ingresar a Variable Objetivo: Bn_a 4. En el grupo de funciones ubicar: PDF y PDF no centrada luego en la parte baja aparece: Pdf.Binom 5. Cuando ubicamos a PDF.BINOM, damos clic y se activará la función binomial como se muestra, luego completamos con los datos solicitados, valor a estimar, n y p. PDF.BINOM(0, 5,0.25) 6. Luego damos ACEPTAR para terminar Distribuciones de probabilidades discretas más importantes 7. Luego que hemos dado ACEPTAR en vista de variables, incrementamos el número de decimales de la variable generada. 8. Observamos que aparece el valor de la probabilidad solicitada en vista de datos. P(X = 0)= 0.2373 Distribuciones de probabilidades discretas más importantes b) Exactamente uno tenga problemas visuales 𝐏(𝐗 = 𝟏) Distribuciones de probabilidades discretas más importantes CASO 2. P ( X = a ) = PDF y PDF no centrada(SPSS) Distribuciones de probabilidades discretas más importantes Observamos que aparece el valor de la probabilidad solicitada en vista de datos. P(X = 1)= 0.3955 Distribuciones de probabilidades discretas más importantes 1. Para el caso de la probabilidad acumulada, utilizamos el mismo procedimiento, creamos otra variable Bn_c 2. En la función de probabilidad agregamos: CDF.BINOM(1,5,0.25) 3.Luego damos ACEPTAR para terminar c) Menos de dos tengan problemas visuales Distribuciones de probabilidades discretas más importantes P X < 2 = 𝑃 𝑋 ≤ 2 − 1 = 𝑃 𝑋 ≤ 1 CASO 5. P ( X < a ) = P (X ≤ a - 1 ) 4. En la ventana de Vista de datos se observa que aparece el valor de la probabilidad solicitada. P(X < 2) = P(X ≤ 1)= 0.63281 Distribuciones de probabilidades discretas más importantes P X < 2 = 𝑃 𝑋 ≤ 2 − 1 = 𝑃 𝑋 ≤ 1 = 0.6328 CASO 5. P ( X < a ) = P (X ≤ a - 1 ) La función de probabilidad de Poisson define la probabilidad de exactamente x ocurrencias o “éxitos”, que aparecen por unidad de tiempoo espacio. • Los sucesos son independientes entre si. • Se utiliza cuando se quieren evaluar variables aleatorias discretas pero ocurridos en espacios continuos. • Estos espacios continuos pueden ser el tiempo, volumen, espacio, etc. B. DISTRIBUCIÓN DE PROBABILIDAD POISSON 𝑋 → 𝑃𝑜𝑖𝑠𝑠𝑜𝑛(𝜆) Simeon Poisson Distribuciones de probabilidades discretas más importantes http://images.google.com.pe/imgres?imgurl=http://www.meteored.com/ram/numero6/imagenes/f6_Poisson.jpg&imgrefurl=http://www.meteored.com/ram/429/de-satanes-y-satelites-antecedentes-de-la-teledeteccion/&usg=__Dj1kJgwqmZq_9fwlpQrBdGq_OrA=&h=326&w=268&sz=19&hl=es&start=27&um=1&tbnid=NA3SVKCZJRxi3M:&tbnh=118&tbnw=97&prev=/images?q=distribucion+poisson&start=20&ndsp=20&um=1&hl=es&sa=N Donde λ = Número esperado de éxitos. e = Constante matemática. x = Número de éxitos por unidad. FUNCIÓN DE PROBABILIDAD POISSON. 𝑋 → 𝑃𝑜𝑖𝑠𝑠𝑜𝑛 𝜆 = 𝑒−𝜆𝜆𝑥 𝑥! Ejemplos: ➢ # de defectos de una tela por m2 ➢ # de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc. ➢ # de bacterias por cm2 de cultivo ➢ # de llamadas telefónicas a un conmutador por hora, minuto, etc. ➢ # de llegadas de embarcaciones a un puerto por día, mes, etc Distribuciones de probabilidades discretas más importantes Para el uso de tabla tener en cuenta lo siguiente PROPIEDADES DE EQUIVALENCIA: Distribuciones de probabilidades discretas más importantes 1. P ( X ≤ a ) = CDF y CDF no centrada(SPSS) 2. P ( X = a ) = PDF y PDF no centrada(SPSS) 3. P ( X > a ) = 1 - P ( X ≤ a ) 4. P ( X ≥ a ) = 1 - P ( X ≤ a - 1 ) 5. P (X < a ) = P ( X ≤ a-1 ) 6. P ( a ≤ X ≤ b ) = P ( X ≤ b ) - P ( X ≤ a-1 ) 7. P ( a ≤ X < b ) = P ( X ≤ b-1 ) - P ( X ≤ a-1 ) 8. P ( a < X < b ) = P ( X ≤ b-1 ) - P ( X ≤ a ) EJEMPLO 02 Se conoce que el número promedio de llamadas que ingresan a la central telefónica de la oficina de recursos humanos de la empresa Peruvian Center, para solicitar permiso de ausencia al trabajo por salud, es de 3 llamadas por mes. Calcular las siguientes probabilidades: a.Reciban exactamente dos llamadas telefónicas en un mes. b.Reciban a lo más 2 llamadas telefónicas en un mes. c.Reciban más de 1 llamada en 15 días. d.Reciban exactamente 3 llamada en 2 meses. Distribuciones de probabilidades discretas más importantes Distribuciones de probabilidades discretas más importantes Se conoce que el número promedio de llamadas a una central telefónica es de 3 llamadas por mes. Calcular las siguientes probabilidades: a.Reciban exactamente dos llamadas telefónicas en un mes b.Reciban a lo más 2 llamadas telefónicas en un mes. c.Reciban más de 1 llamada en 15 días. ( ) x! λe x/λXP xλ− == a. Se tiene que λ = 3 llamadas por mes. ( ) 3 2e 3 P X 2 0.224 2! − = = = b. ( )P X 2 P(X 0) P(X 1) P(X 2) = = + = + = = e−330 0! + e−331 1! + e−332 2! = 0.0497 + 0.149 + 0.224 = 0.423 c. Se tiene un nuevo λ’ = 1.5 llamadas por 15 días. 𝑃 𝑋 > 1 = 1 − 𝑃 𝑋 ≤ 1 = 1 − 0.5578 = 0.4422 Parámetro: λ = 3 llamadas por mes X: Nro. de llamadas telefónicas que ingresan a la central de la empresa Rango de X ={0,1,2,3,4,5………..∞} Parámetro: λ = 3 (llamadas en 30 días) Lambda = 3 llamadas en 1 mes 3 ----- en 30 días Nuevo Lambda: λ ----- en 15 días Nuevo Lambda = 3*15 /30 = 1.5 a. Se tiene que λ = 3 llamadas por mes 1. Abrir una ventana de datos en SPSS, luego agregar el valor 1 en la primera celda. 2.En el menú principal entrar a la opción Transformar---- Calcular Variable Distribuciones de probabilidades discretas más importantes 𝑃 𝑋 = 2 = 0.2240 CASO 2. P ( X = a ) = PDF y PDF no centrada(SPSS) b. Distribuciones de probabilidades discretas más importantes 𝑃 𝑋 ≤ 2 = 0.4232 CASO 1. P ( X = a ) = P ( X ≤ a ) = CDF y CDF no centrada(SPSS) c. Se tiene un nuevo λ = 1.5 llamadas por 15 días. 𝑃 𝑋 > 1 = 1 − 𝑃 𝑋 ≤ 1 = 1 − 0.5578 = 0.4422 Distribuciones de probabilidades discretas más importantes CASO 3. P ( X > a ) = 1 - P ( X ≤ a ) Distribuciones de probabilidades discretas más importantes Evaluando lo aprendido https://kahoot.it/ https://kahoot.it/ CONCLUSIONES ➢ Una variable aleatoria es una función que asigna un número real a cada resultado del espacio muestral de un experimento aleatorio y puede tomar diferentes valores a través del tiempo o de sujeto a sujeto. ➢ Los tipos de variable aleatoria pueden ser discretas, cuyo rango es un conjunto finito de números, o continuas, cuyo rango es un conjunto infinito no numerable de valores. ➢ La aplicación de la distribución binomial se da en variables aleatorias discretas, cuyas respuestas son dicotómicas, y sus parámetros son la probabilidad de éxito (p) y el tamaño de la muestra (n). ➢ La distribución Poisson se emplea cuando se cuentan los valores distribuidos al azar en espacio o tiempo, su parámetro de la distribución es lambda (media o promedio). Distribuciones de probabilidades discretas más importantes Distribuciones de probabilidades discretas más importantes Recordamos nuestro logro de sesión...!! Estoy seguro que sí..!! Te invito a reflexionar ¿Lo lograste? Al finalizar el módulo podrás resolver, interpretar y tomar decisiones en problemas de situaciones reales haciendo uso de las probabilidades y distribuciones de probabilidad discreta, utilizando el software estadístico IBM SPSS. Te invito a participar de la próxima clase: MÓDULO 7: DISTRIBUCIONES DE PROBABILIDADES CONTINUAS MAS IMPORTANTES Puedes ir explorando aplicaciones de las distribuciones de probabilidad en los siguientes videos: Aplicaciones de la Distribución Normal Introducción a la Distribución Normal https://www.youtube.com/watch?v=3mikDVlYiok https://www.youtube.com/watch?v=kH8Rw0AjRBA https://www.youtube.com/watch?v=3mikDVlYiok https://www.youtube.com/watch?v=kH8Rw0AjRBA CONSULTAS Realice consultas a través del chat o solicita al docente activar el micrófono para participar. También podrás enviar tus consultas a través de la sección Mensajes y te responderé como máximo en 24 horas Distribuciones de probabilidades discretas más importantes © 2022 | Universidad Privada del Norte
Compartir