Distribuciones Discretas
-
Upload
andresarevalo -
Category
Documents
-
view
220 -
download
0
description
Transcript of Distribuciones Discretas
Ingeniería en SistemasCuarto Ciclo
Probabilidad Estadística
TEMA: Trabajo de investigación.
7 de Abril del 2,015
Tabla de contenido
INTRODUCCIÓN.......................................................................................................................................... I
DISTRIBUCIONES DISCRETAS...................................................................................................................... 1
DISTRIBUCIÓN BINOMIAL O BERNOULLI............................................................................................1
DISTRIBUCIÓN DE POISSON............................................................................................................... 2
DISTRIBUCIÓN HIPERGEOMÉTRICA....................................................................................................2
DISTRIBUCIONES CONTINUAS.................................................................................................................... 4
DISTRIBUCIÓN NORMAL.................................................................................................................... 4
DISTRIBUCIÓN UNIFORME................................................................................................................. 5
TEOREMA DEL LÍMITE CENTRAL................................................................................................................. 6
CONCLUSIÓN............................................................................................................................................ II
BIBLIOGRAFÍA.......................................................................................................................................... III
IntroducciónLa probabilidad es aquella que mide la frecuencia con la que aparece un determinado resultado, cuando se realiza un experimento. Una distribución de probabilidad indica toda la gama de valores que pueden representarse como resultado de un experimento si éste se llevase a cabo.
Es decir, describe la probabilidad de 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.
i
Distribuciones DiscretasLas distribuciones discretas son aquellas en las que la variable puede tomar un
número determinado de valores
Distribución Binomial o BernoulliUna distribución binomial o de Bernoulli tiene las siguientes características:
1. En cada prueba del experimento sólo son posibles dos
resultados: éxito y fracaso.
2. La probabilidad de éxito es constante, es decir, que no varía de una prueba
a otra. Se representa por p.
3. La probabilidad de fracaso también es constante, Se representa por q.
q = 1 − p
4. El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.
5. La variable aleatoria binomial, X, expresa el número de éxitos
obtenidos en las n pruebas.
La distribución binomial se expresa por B(n, p).
Cálculo de probabilidades en una distribución binomial
1
n es el número de pruebas.
k es el número de éxitos.
p es la probabil idad de éxito.
q es la probabil idad de fracaso.
El número combinatorio
Distribución de PoissonSe trata de un modelo discreto, pero en que el conjunto de valores con
probabilidad no nula, no es finito, sino numerable. Se dice que una variable
aleatoria X sigue la distribución de Poisson si su función de densidad viene dada
por:
Como vemos, este modelo se caracteriza por un sólo parámetro λ, que debe ser
positivo.
Distribución Hipergeométrica
En la distribución Hipergeométrica cantidad de resultados éxitos en una
muestra aleatoria (sin reposición) de tamaño , tomada de una población de
2
tamaño y de la cual satisface una característica o propiedad (éxito) antes
del muestreo y no la satisface (fracaso).
Criterios o propiedades que la caracterizan.
1. La población del conjunto de unidades ó elementos es de orden fínito, de
los cuales una parte: "son éxitos", y otra parte: son "fracasos".
2. Cada elemento puede ser caracterizado como éxito ó fracaso.
3. Se obtiene una muestra aleatoria de elementos todos a la vez (sin
reemplazamiento) y no de forma independiente. No son pruebas repetidas.
4. El tamaño de la muestra aleatoria es grande relativamente en
comparación con el tamaño de la población. Generalmente:
5. Se busca la probabilidad de número de éxitos a partir de los
resultados ó elementos y fracasos a partir de los elementos asi
clasificados, al obtener una muestra aleatoria de tamaño
3
Distribuciones Continuas
Distribución normalUna variable aleatoria continua, X, sigue una distribución normal de media μ y desviación típica σ, y se designa por N(μ, σ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-∞, +∞)2. La función de densidad, es la expresión en términos de ecuación
matemática de la curva de Gauss:
Curva de la distribución normal
o El campo de existencia es cualquier valor real, es decir, (-∞, +∞).
o Es simétrica respecto a la media µ.
o Tiene un máximo en la media µ.
o Crece hasta la media µ y decrece a partir de ella.
o En los puntos µ − σ y µ + σ presenta puntos de inflexión.
o El eje de abscisas es una asíntota de la curva.
El área del recinto determinado por la función y el eje de abscisas es igual a la
unidad.
Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la
izquierda y otra igual a 0.5 a la derecha.
4
La probabilidad equivale al área encerrada bajo la curva.
p(μ - σ < X ≤ μ + σ) = 0.6826 = 68.26 %
p(μ - 2σ < X ≤ μ + 2σ) = 0.954 = 95.4 %
p(μ - 3σ < X ≤ μ + 3σ) = 0.997 = 99.7 %
Distribución UniformeLa distribución Uniforme es el modelo (absolutamente) continuo más simple.
Corresponde al caso de una variable aleatoria que sólo puede tomar valores
comprendidos entre dos extremos a y b, de manera que todos los intervalos de
una misma longitud (dentro de (a, b)) tienen la misma probabilidad. También
puede expresarse como el modelo probabilístico correspondiente a tomar un
número al azar dentro de un intervalo (a, b).
De la anterior definición se desprende que la función de densidad debe tomar el
mismo valor para todos los puntos dentro del intervalo (a, b) (y cero fuera del
intervalo). Es decir,
Propiedades del modelo Uniforme
Su esperanza vale (b + a)/2 Su varianza es (b − a)2/12
5
Teorema del límite central
El Teorema Central del Límite dice que si tenemos un grupo numeroso de
variables independientes y todas ellas siguen el mismo modelo de distribución
(cualquiera que éste sea), la suma de ellas se distribuye según una distribución
normal.
Este teorema se aplica tanto a suma de variables discretas como de variables
continuas.
Los parámetros de la distribución normal son:
Media: n * (media de la variable individual multiplicada por el número de
variables independientes)
Varianza: n * (varianza de la variable individual multiplicada por el número de
variables individuales)
Se aproxima a la de una variable normal tipificada N(0,1), mejorándose la calidad de la aproximación a medida que n aumenta.
Este resultado prueba que el estadístico o estimador media muestral
Con carácter general, o al menos en los modelos de probabilidad clásicos, se admite una aproximación aceptable al modelo normal siempre que n sea mayor o
6
igual que 30, a pesar de que esta cifra es insuficiente en determinados casos y excesiva en otros; por lo que debemos ser cautelosos en su aplicación. En el enlace modelos de probabilidad, se establece una relación de algunos modelos, con aproximaciones particulares, que en la mayoría de los casos derivan del teorema del límite central.
7
Conclusión
Una distribución de probabilidad indica todo el conjunto de valores que pueden representarse como resultado de un experimento si el mismo se llevase a cabo.
Es decir, describe la probabilidad de 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.
ii
Bibliografía
http://e-stadistica.bio.ucm.es/glosario2/teor_limite_central.html
http://www.vitutor.com/estadistica/inferencia/intervalos.html
http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm
http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20Poisson.htm
iii