Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
CLASE 4 - DISTRIBUCIONES DISCRETAS DE PROBABILIDAD VARIABLE ALETAORIA Una variable es aleatoria si toma distintos valores como resultado de un experimento aleatorio. VARIABLE ALEATORIA DISCRETA Toma solo un numero ilimitado de valores. CONTINUA Toma cualquier valor dentro de un intervalo. FUNCION DE DISTRIBUCION DE PROBABILIDADES DISCTRETAS ◦ La función de distribución de probabilidad debe cumplir con las siguientes condiciones: La representación grafica corresponde al GRAFICO de bastones. F(xi) xi FUNCION DE DISTRIBUCION ACUMULADA DE PROBABILIDAD De la misma manera que calculamos las frecuencias acumuladas podemos acumular las probabilidades. 𝐹 𝑥 = 𝒊 𝒏 𝐹 𝑥𝒊 La representación grafica de dicha función, al igual como si se tratara de frecuencias acumuladas corresponde el GRAFICO de ESCALONES. VARIABLE ALEATORIA CONTINUA En lugar de trabajar con la población los valores de la variable se calculan probabilidades asociadas a intervalos, se usa una función que mide concentración de probabilidades alrededor de un punto, que se denomina “ función de densidad de probabilidades” y se denota como f(xi) Una función de densidad de probabilidad debe cumplir las siguientes propiedades: 1) f(x) ≥ o la función es no negativa para cualquier valor de X. 2) ∫f(x)dx=1 el área bajo la curva vale “1” la representación grafica corresponde a un HISTOGRAMA. DISTRIBUCION BINOMIAL ◦ Es una distribución de probabilidades mediante la cual se calcula la probabilidad de ocurrencia de eventos, siempre que se presenten bajo dos modalidades: éxito o fracaso. X es una variable discreta aleatoria. Características – Se consideran solamente dos opciones, mutuamente excluyentes: éxito o fracaso, como se explicó al comienzo. – La probabilidad de éxito debe ser constante en cualquier observación que se haga. – El resultado de cualquier evento es independiente de cualquier otro evento, de ahí que la probabilidad es constante – La media de la distribución binomial es n.p – La desviación estándar es: Los parámetros que definan a esta distribución son: n y p DISTRIBUCION MULTINOMIAL ◦ Este modelo se puede ver como una generalización del Binomial en el que, en lugar de tener dos posibles resultados, tenemos r resultados posibles. ◦ Supongamos que el resultado de una determinada experiencia puede ser r valores distintos: A1, A2, ..., Ar cada uno de ellos con probabilidad p1, p2, ..., pr, respectivamente. http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/B0C3m1t2.htm DISTRIBUCION HIPERGEOMETRICA ◦ Hasta ahora hemos analizado distribuciones que modelaban situaciones en las que se realizaban pruebas que entrañaban una dicotomía (proceso de Bernouilli) de manera que, en cada experiencia, la probabilidad de obtener cada uno de los dos posibles resultados se mantenía constante. Si el proceso consistía en una serie de extracciones o selecciones ello implicaba la reposición de cada extracción o selección, o bien la consideración de una población muy grande (cartas en un casino). Sin embargo, si la población es pequeña y las extracciones no se remplazan, las probabilidades no se mantendrán constantes. La distribución hipergeométrica viene a cubrir esta necesidad de modelar procesos de Bernouilli con probabilidades no constantes (sin reemplazamiento). Los parámetros que definan a esta distribución son: N, k y n EXTRACCION CON REEMPLAZO LAS PROBABILIDADES DE EXTRACCION NO SON CONSTANTE De acuerdo a la formula sus componentes son: N: población. k: probabilidad de éxitos de la población. n: muestra. DISTRIBUCION DE POISSON ◦ La distribución de Poisson es discreta (como la binomial) pues los valores que puede tomar la variable aleatoria son números naturales. Aunque en la distribución de Poisson los casos posibles en teoría son infinitos (numerable). ◦ La distribución de Poisson se caracteriza por un solo parámetro landa. ◦ Su media es landa y su varianza también es landa: EN ESTA DISTRIBUCION LOS SUCESOS SON RAROS. POR EJ: NUMEROS DE ACCIDENTES DE AVIONES POR LO TANTO LAS PROBABILIDADES SERAN PEQUEÑAS.. El parámetro que define a esta distribución es: λ http://www.matematicasvisuales.com/html/probabilidad/varaleat/binomial.html APROXIMACIONES A LA DISTRIBUCION BINOMIAL 1- Aproximación de la distribución hipergeometrica a la distribución binomial. CONDICIONES: la binomial cuanto menor sea n en relación a N. En términos prácticos puede considerarse que esto sucede cuando 𝒏 𝑵 < 0,05, es decir, cuando el tamaño de la muestra (o la cantidad de experimentos) es inferior al 5% de la población. Podemos decir que la distribución hipergeometrica se aproxima a la distribución binomial cuando el tamaño de la muestra es menor o igual a la población. 2- Aproximación de la distribución de poisson a la binomial. CONDICION: n≤ 0,05 N n > 20 y p≤ 0,05 o n.p ≤ 5
Compartir