Variable aleatoria y distribuciones de probabilidad Módulo 9 Probabilidad y Estadística 2018 - V Videoconferencia 8 VARIABLE ALEATORIA (X) Una variable aleatoria o variable estocástica es una variable estadística cuyos valores se obtienen de mediciones en algún tipo de experimento aleatorio. Se denota por una X. Es aquella que puede tomar diferentes valores a través del tiempo o de sujeto a sujeto. VARIABLE ALEATORIA (X) Formalmente es una función que asigna un número real a cada resultado del espacio muestral. EJEMPLO 1: 3 EJEMPLO 2 Consideremos el experimento que consiste en revisar tres componentes de una bomba centrífuga, que pueden ser defectuosos (D) y no defectuosos (N) ε = Revisar tres componentes de una bomba centrífuga El espacio muestral será: { NNN, NND, NDN, DNN, NDD, DND, DDN, DDD} Definimos la variable aleatoria X = como el número de componentes defectuosos X(DDD) = 3 X(NDD) = X (DND) = X ( DDN) = 2 X ( NND) = X(NDN) = X(DNN) = 1 X ( NNN) =0 X = 3,2,1,0 Tipos de Variables Aleatorias: Variable Aleatoria Discreta: Cuando la variable aleatoria toma valores discretos (números anteros) se dice que es una v.a.d. Variable Aleatoria Continua. Cuando la variable aleatoria toma valores de la recta real (número reales) se dice que la variable es una v.a.c. . Un lote de artículos contiene artículos conformes (C) y no conformes (N). Se extrae sucesivamente 2 artículos. Definimos como v.a. X: número de artículos no conformes obtenidos. Definir el espacio muestral: Ω={CC, NC, CN, NN} Definir la variable aleatoria. X: Número de artículos no conformes obtenidos. El recorrido de X. X(CC) =0 X(NC) =1 X(CN) =1 X(NN) =2 Rx = { 0 , 1 , 2 } Números DISCRETOS Sea X una variable aleatoria que representa la masa de un recién nacido al nacer. La masa es una variable aleatoria continua, pues su espacio muestral (los valores que pueden tomar) son todos los puntos de un intervalo Identificar el recorrido de la variable definida anteriormente: X = {……………………………. … } Número CONTINUO DISTRIBUCION DE PROBABILIDAD Una distribución de probabilidad es un modelo matemático que desarrolla en forma analítica el comportamiento de un fenómeno (variable) real . DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Y CONTINUAS LAS DISTRIBUCIONES DISCRETAS - Distribución Binomial - Distribución Poisson LAS DISTRIBUCIONES CONTINUAS - Distribución Normal - Distribución Normal Estándar DISTRIBUCIÓN BINOMIAL • Cada ensayo tienen sólo dos resultados posibles. Para variables dicotómicas. • Los ensayos son independientes. • La probabilidad de éxito “p” es constante Función de probabilidad n x P(X x) b(x; n, p) p (1 p)n x x Donde x = 0, 1, 2, …, n en cada ensayo. FUNCIÓN DE PROBABILIDAD BINOMIAL Es la probabilidad de obtener exactamente x “éxitos” en n pruebas independientes de un experimento, con p como la probabilidad de éxito para cada prueba. Parámetros: n, p DISTRIBUCIÓN BINOMIAL Media o Valor Esperado E ( X ) np Varianza npq 2 Desviación Estándar npq DISTRIBUCIÓN BINOMIAL Ejercicio 1: Un almacenero de laboratorio, reporta que el 25% de puntas de un dosificador electrónico están malogradas. Si se extrae una muestra aleatoria de cinco de estas puntas. Encuentre la probabilidad de que : a) Ninguna esté malograda. b) Exactamente una esté malograda. c) Menos de dos están malograda. DISTRIBUCIÓN BINOMIAL Solución de Ejercicio 1: p= 0.25 (escoger un dosificador malogrado) n= 5 (número de muestras aleatorias que se extraen) a) Ninguna esté malograda. 5 P(X 0) b(0;5,0.25) 0.250 (0.75)5 0 = 0.237 b) Exactamente una esté malograda 5 P(X 1) b(1;5,0.25) 0.251 (0.75) 4 1 = 0.396 c) Menos de dos están malograda. P(X 2) P(X 1) P(X 0) P(X 1) = 0.633 Función de probabilidad n x P(X x) b(x; n, p) p (1 p)n x x Observación: Factorial de un número 3!=3x2x1=6 5!= 5x4x3x2x1=120 0!=1 Combinación 𝟓! 𝟓 = = 𝟏𝟎 𝟓−𝟐 !𝒙𝟐! 𝟐 𝟓 = 𝟎 𝟓! 𝟓−𝟎 !𝒙𝟎! =𝟏 𝟓 = 𝟏 𝟓! 𝟓−𝟏 !𝒙𝟏! =5 Uso de tabla: Para el uso de la tabla debe tener en cuenta lo siguiente: CASO 1. CASO 2. CASO 3. CASO 4. CASO 5. P ( X ≤ a ) = Usar directamente la tabla P ( X < a ) = P (X ≤ a - 1 ) P ( X > a ) = 1 - P (X ≤ a) P ( X ≥ a ) = 1 - P ( X ≤ a - 1) p (a ≤ x ≤ b) = P (X ≤ b ) - P (X ≤ a - 1 ) Ejercicio 2: En general, el 45% de los postulantes aprueban en un examen de selección de personal. ¿Cuál es la probabilidad de que en una muestra de 15: a) Aprueben exactamente 4. b) Aprueben por lo menos 8. c) Aprueben más de 4. 16 Solución del ejercicio 2: Sea X= Candidatos que aprueban el examen de selección de una muestra de 15 candidatos. n=15 candidatos p= probabilidad de que un candidato apruebe un examen de selección. p= 0.45 q=0.55 q=(1-p) Función de probabilidad: 15 x 15 x f ( x) P( X x) 0.45 0.55 , x 0,1, 2,3, 4,5 x a) Aprueben exactamente 4. P( X=4)=0.078 = 7.8% n x P(X x) b(x; n, p) p (1 p)n x x b) Aprueben por lo menos 8. 𝑃 𝑋 ≤ 7 = 𝑃 𝑋 = 0 + 𝑃 𝑋 = 1 +…+P(X=7) c) Aprueben más de 4. 𝑃 𝑋 ≤ 4 = 𝑃 𝑋 = 0 + 𝑃 𝑋 = 1 +…+P(X=4) DISTRIBUCIÓN POISSON FUNCIÓN DE PROBABILIDAD POISSON. La función de probabilidad de Poisson define la probabilidad de exactamente x ocurrencias o “éxitos”, que aparecen Función de probabilidad λ e λ PX x/λ x! Donde λ = Número esperado de éxitos. e = Constante matemática. x = Número de éxitos por unidad. por unidad de tiempo o espacio, dado el número medio de ocurrencias en el intervalo dado t. x Parámetro: λ DISTRIBUCIÓN POISSON Esta distribución se utiliza para describir ciertos procesos. Características: En este tipo de experimentos los éxitos buscados son expresados por unidad de área, tiempo, pieza, etc: - # 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, etc. - # de llegadas de embarcaciones a un puerto por día, mes, etc DISTRIBUCIÓN POISSON Media o Valor Esperado Varianza 2 Desviación Estándar DISTRIBUCIÓN POISSON Ejercicio 3: Si como promedio un tablero electrónico recibe 0.05 llamadas por segundo, ¿Cuál es la probabilidad de que en un determinado minuto reciba exactamente dos llamadas: a) Identifique la variable aleatoria y anote el parámetro. b) Calcular la probabilidad (expresar en porcentaje) Función de e λ λ x probabilidad PX x/λ x! Solución: a) Variable aleatoria: Número de llamadas recibidas por segundo Parámetro: El número de llamadas en un minuto (𝜆) Por regla de tres: 𝜆 = 0.05𝑥60 = 3 b) c) En 5 minutos, ¿cuál es la probabilidad que reciba como máximo 4 llamadas? 𝑒 −𝜆 . 𝜆𝑥 𝑃 𝑥; 𝜆 = 𝑥! 𝑒 −3 .32 P(x=2) 𝑃 = = 0.2240 = 22.4% 2! c) Por regla de tres: en 5 minutos 𝜆 = 0.05𝑥300 =15 𝑃(𝑋 ≤ 5) P(x=5) 𝑃= P(x=4) 𝑃= P(x=3) 𝑃= P(x=2) 𝑃= P(x=1) 𝑃= P(x=0) 𝑃= 𝑒 −15 .155 5! 𝑒 −15 .154 4! 𝑒 −15 .153 3! 𝑒 −15 .152 2! 𝑒 −15 .151 1! 𝑒 −15 .150 0! = 0.0019 = 0.0006 = 0.0002 =0 =0 =0 𝑃(𝑋 ≤ 5) =0.0027=0.27% 𝑒 −𝜆 . 𝜆𝑥 𝑃 𝑥; 𝜆 = 𝑥! DISTRIBUCIÓN POISSON Uso de tabla: Para el uso de la tabla debe tener en cuenta lo siguiente: CASO 1. CASO 2. CASO 3. CASO 4. CASO 5. P ( X ≤ a ) = Usar directamente la tabla P ( X a ) = P ( X ≤ a - 1) P(X>a)=1- P(X≤a) P ( X ≥ a ) = 1 – P ( X ≤ a - 1) P ( a ≤ X ≤ b ) = P ( X ≤ b ) - P ( X ≤ a -1) Ejercicio 4: La central telefónica de una empresa recibe un promedio de 3.4 órdenes de pedido por hora. Estas ocurrencias se producen al azar. ¿Cuál es la probabilidad de que se produzcan: a) Exactamente 4 órdenes de pedido en una hora dada. b) Como máximo 5 órdenes de pedido en una hora. c) Más de 5 órdenes de pedido en dos horas. 24 Solución del ejercicio 4: 3.4 órdenes de pedido / hora a) b) Exactamente 4 órdenes de pedido en una hora dada. Como máximo 5 órdenes de pedido en una hora. 𝑃 𝑋 ≤ 5 = 𝑃 𝑋 = 0 + 𝑃 𝑋 = 1 + 𝑃 𝑋 = 2 + ⋯ + 𝑃(𝑋 = 5) P( X 5) 0.871 87.1% Tabla Caso1 c) Más de 5 órdenes de pedido en dos horas. En 2 horas 6.8 órdenes 6.8 órdenes / 2 horas P ( X 5) 1 P ( X 5) Tabla Caso 3 1 0.327 0.673 67.3% 25 LA DISTRIBUCIÓN NORMAL LA DISTRIBUCIÓN NORMAL Función de Probabilidad 1 P(X x) e σ 2π x 1 Xu 2 σ 2 dx Parámetros: Media Varianza µ σ2 Distribución Normal Estándar La distribución normal estándar es una distribución normal media µ = 0 y varianza σ2 = 1. Tiene las mismas características de una distribución normal. Función de Probabilidad P(Z z) z 1 e 2π x u z Z2 2 dz ; Para z = -4, …,4 DISTRIBUCIÓN DE PROBABILIDAD NORMAL ESTÁNDAR Recordar: La distribución normal es una familia de distribuciones caracterizada por dos parámetros: la media y la desviación estándar. Distribución Normal Estándar PROPIEDADES PARA EL USO DE LA TABLA DE LA DISTRIBUCION NORMAL 𝒂) 𝑷 𝑿 ≤ 𝒂 = 𝑼𝒕𝒊𝒍𝒊𝒛𝒂𝒓 𝒅𝒊𝒓𝒆𝒄𝒕𝒂𝒎𝒆𝒏𝒕𝒆 𝒍𝒂 𝒕𝒂𝒃𝒍𝒂 𝒃) 𝑷 𝑿 ≥ 𝒂 = 𝟏 − 𝑷(𝑿 ≤ 𝒂) 𝒄) 𝑷 𝒂 ≤ 𝑿 ≤ 𝒃 = 𝑷 𝑿 ≤ 𝒃 − 𝑷(𝑿 ≤ 𝒂) NOTA: El procedimiento de cálculo si los datos están dados con signos, < o > es el mismo. Ejercicio 1: La calificaciones de los 500 aspirantes presentados a un examen para contratación laboral, se distribuye normalmente con media 7 y varianza de 4 Encuentre: a) La probabilidad de que un aspirante obtenga 8 puntos o más. b) El porcentaje de aspirantes con calificaciones inferiores o iguales a 5 puntos. c) Cuántos aspirantes obtuvieron comprendidas entre 5 y 8 puntos calificaciones Ejercicio 1: a) La probabilidad de que un aspirante obtenga 8 puntos o más P (X ≥ 8) Ver tabla P ( X ≥ 8 ) = 1 - P ( X ≤ 8 ) = 1 – P ( Z ≤ 0.5) = 1 – 0.6915 = 0.3085 Tipificando : z 8 7 0.5 2 N ( 7; 2) x u z 7 8 0 0.5 (X) (Z) La probabilidad de que un aspirante obtenga 8 puntos o más es de 0.3085. Ejercicio 1: b) El porcentaje de aspirantes con calificaciones inferiores o iguales a 5 puntos. P ( X ≤ 5) = P ( Z ≤ -1) = 0.1587 Ver tabla Tipificando x u z El 57 z 1 2 porcentaje de aspirantes N ( 7; 2) con calificaciones inferiores o iguales a 5 puntos es de 15.87% 5 -1 7 0 ( X) (Z) Ejercicio 1: c) Cuántos aspirantes obtuvieron calificaciones comprendidas entre 5 y 8 puntos P ( 5 < X < 8 ) = P ( X < 8 ) - P ( X < 5 ) = P ( Z < 0.5 ) - P ( Z -1 ) = Ver tabla y comprobar Tipificando con Mega Stat. x u z 87 z 0.5 2 57 z 1 2 N ( 7; 2) P ( Z < 0.5) - P ( Z < -1) = 0.6914 – 0.1587 P ( Z < 0.5) - P ( Z < -1) =0.5328 5 -1 7 8 ( X) 0 0.5 ( Z ) Luego como nos piden cuantos aspirantes se encuentran en éste intervalo multiplicamos la probabilidad por el total de aspirantes: 500 * 0.5328=266.40 aprox 266 aspirantes Tema: CONSULTAS Realiza consultas a través del chat o solicita al docente activar el micrófono para participar. Variable aleatoria y distribuciones de probabilidad Material producido por: Universidad Privada del Norte @ 2018 | Universidad Privada del Norte