CAPITULO 6 Distribuciones de Probabilidad Discreta

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 7

CAPITULO 6 Distribuciones de probabilidad discreta

En este capítulo comienza el estudio de las distribuciones de probabilidad. Una


distribución de probabilidad proporciona toda la gama de valores que se pueden
presentar en un experimento. Es similar a una distribución de frecuencias
relativas, pero, en lugar de describir el pasado, describe la probabilidad de que un
evento se presente en el futuro.

En este capítulo se examinan la media, la varianza y la desviación estándar de


una distribución de probabilidad, así como tres distribuciones de probabilidad que
se presentan con frecuencia: binomial, hipergeométrica y de Poisson.

6.2 ¿Qué es una distribución de probabilidad?


DISTRIBUCIÓN DE PROBABILIDAD: Lista de todos los resultados de un
experimento y la probabilidad
asociada a cada uno de ellos.
CARACTERÍSTICAS DE UNA DISTRIBUCIÓN DE PROBABILIDAD:
1. La probabilidad de un resultado en particular se encuentra entre 0 y 1, inclusive.
2. Los resultados son eventos mutuamente excluyentes.
3. La lista es exhaustiva. Por lo tanto, la suma de las probabilidades de los
diversos eventos
es igual a 1.
El total de probabilidades de todos los eventos posibles es 1.000, esto siempre se
cumple.
EJEMPLO DE DISTRIBUCIÓN DE PROBABILIDAD DEL NÚMERO DE CARAS
PAGINA 187.
Refiérase al ejemplo del lanzamiento de una moneda de la tabla 6-1. La probabilidad de x se
representa P(x). De esta manera, la probabilidad de cero caras es P(0 caras) _ 0.125, y la
probabilidad de una cara es P(1 cara) _ 0.375, etc. La suma de estas probabilidades mutuamente
excluyentes es 1; es decir, de acuerdo con la tabla 6-1, 0.125 _ 0.375 _ 0.375 _ 0.125 = 1.00.

6.3 Variables aleatorias


En cualquier experimento aleatorio, los resultados se presentan al azar; así, a éste se le denomina
variable aleatoria. Cada valor de la variable aleatoria se relaciona con una probabilidad que indica la posibilidad de
un resultado determinado.
VARIABLE ALEATORIA Cantidad que resulta de un experimento que, por azar, puede adoptar diferentes valores.
(EJEMPLO PAG 189)

Variable aleatoria discreta (una distribución discreta es el resultado de contar algo)


Una variable aleatoria discreta adopta sólo cierto número de valores separados. Si hay 100 empleados, el recuento
de la cantidad de ausentes el lunes sólo puede ser 0, 1, 2, 3, …, 100.
VARIABLE ALEATORIA DISCRETA Variable aleatoria que adopta sólo valores claramente separados.

A veces, una variable aleatoria discreta asume valores fraccionarios o decimales. Estos valores deben estar
separados: debe haber cierta distancia entre ellos.

Variable aleatoria continua (Las distribuciones continuas son el resultado de

algún tipo de medición)


Por otra parte, si la variable aleatoria es continua, es una distribución de probabilidad continua. Si mide algo, como
la anchura de una recámara, la estatura de una persona o la presión de la llanta de un automóvil se trata de una
variable aleatoria continua.
Por lógica, si organiza un conjunto de posibles valores de una variable aleatoria en una distribución de
probabilidad, el resultado es una distribución de probabilidad. Así, ¿cuál es la diferencia entre una distribución de
probabilidad y una variable aleatoria? Una variable aleatoria representa el resultado particular de un experimento.
Una distribución de probabilidad representa todos los posibles resultados, así como la correspondiente probabilidad.

6.4 Media, varianza y desviación estándar de una distribución de


probabilidad discreta.

Una distribución de probabilidad queda resumida por su media y su varianza.


La media de una distribución de frecuencias se identifica mediante la letra minúscula griega mu (µ)
La desviación estándar, con sigma (σ).

Media
La media constituye un valor que representa la posición central de una distribución de probabilidad
discreta. También es el valor promedio a la larga de la variable aleatoria. La media de una distribución
de probabilidad también recibe el nombre de valor esperado. Se trata de un promedio ponderado en el
que los posibles valores de una variable aleatoria se ponderan con sus correspondientes probabilidades
de ocurrir.
La media de una distribución de probabilidad discreta se calcula con la fórmula:

aquí P(x) es la probabilidad de un valor particular x. En otras palabras, se multiplica cada valor
x por la probabilidad de que ocurra y en seguida se suman los productos.

Varianza y desviación estándar


La varianza describe el grado de dispersión (variación) en una distribución. La fórmula de la varianza de
una distribución de probabilidad es:

Los pasos para el cálculo son los siguientes:


1. La media se resta de cada valor y la diferencia se eleva al cuadrado.
2. Cada diferencia al cuadrado se multiplica por su probabilidad.
3. Se suman los productos que resultan para obtener la varianza.

La desviación estándar, σ, se determina al extraer la raíz cuadrada positiva de _ 2; es decir, σ = √ σ2


Un ejemplo ayudará a explicar los detalles del cálculo e interpretación de la media y la
desviación estándar de una distribución de probabilidad.

EJEMPLO PÁGINA 192

6.5 Distribución de probabilidad binomial


La distribución de probabilidad binomial es una distribución de probabilidad discreta que se
presenta con mucha frecuencia.

CARACTERISTICAS:

EXPERIMENTO DE PROBABILIDAD BINOMIAL


1. El resultado de cada ensayo de un experimento se clasifica en una de dos categorías mutuamente
excluyentes: éxito o fracaso.
2. La variable aleatoria permite contar el número de éxitos en una cantidad fija de ensayos.
3. La probabilidad de éxito y fracaso es la misma en cada ensayo.
4. Los ensayos son independientes, lo cual significa que el resultado de un ensayo no influye en el resultado
del otro.

¿Cómo se calcula una probabilidad binomial?


Para construir una probabilidad binomial particular se necesita:
1) el número de ensayos
2) la probabilidad de éxito de cada ensayo.

Una probabilidad binomial se calcula mediante la fórmula:

donde:
C es el símbolo de combinación.
n es el número de ensayos.
x es la variable aleatoria definida como el número de éxitos.
Π es la probabilidad de éxito en cada ensayo.

Empleamos la letra griega _ (pi) para representar un parámetro de población binomial. No confundir
con la constante matemática 3.1416.

La media (µ) y la varianza (σ 2) de una distribución binomial se calculan con la siguiente fórmula,
fácil y rápida:
EJEMPLO PÁG 199

Distribuciones de probabilidad binomial acumulada


6.6 Distribución de probabilidad hipergeométrica
Recuerde que uno de los criterios relacionados con la distribución binomial estriba en que la probabilidad de éxito
debe permanecer igual en todos los ensayos. Como la probabilidad de éxito no es la misma en todos los ensayos
cuando se realiza un muestreo sin reemplazo en una población relativamente pequeña, no debe aplicarse la
distribución binomial. En lugar de ésta se aplica la distribución hipergeométrica. Por lo tanto, 1) si se selecciona
una muestra de una población finita sin reemplazo y 2) si el tamaño de la muestra n es mayor que 5% del tamaño de
la población N, se aplica la distribución hipergeométrica para determinar la probabilidad de un número específico
de éxitos o fracasos. Esto resulta especialmente apropiado cuando el tamaño de la población es pequeño.

La fórmula de la distribución de probabilidad hipergeométrica es la siguiente:


donde:
N representa el tamaño de la población.
S es el número de éxitos en la población.
x es el número de éxitos en la muestra; éste puede asumir los valores 0, 1, 2, 3…
n es el tamaño de la muestra o el número de ensayos.
C es el símbolo de combinación.

EJEMPLO PÁG 205 Y 206


6.7 Distribución de probabilidad de Poisson
La distribución de probabilidad de Poisson describe el número de veces que se presenta
un evento durante un intervalo específico. El intervalo puede ser de tiempo, distancia, área o
volumen.
La distribución se basa en dos supuestos.
1. El primero consiste en que la probabilidad es proporcional a la longitud del intervalo.
2. El segundo supuesto consiste en que los intervalos son independientes.

La distribución de Poisson se describe matemáticamente por medio de la siguiente fórmula:

La varianza de Poisson también es igual a su media. Si, por ejemplo, la probabilidad de que
un cheque cobrado en un banco rebote es de 0.0003 y se cobran 10 000 cheques, la media y
la varianza del número de cheques rebotados es de 3.0, que se determina mediante la operación
μ=nπ=¿ 10 000(.0003) =3.0.

También podría gustarte