Clase 5

FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS
DEPARTAMENTO DE ESTADÍSTICA
UNIVERSIDAD DE CONCEPCIÓN
Clase : Distribuciones
Prof: Andrea Fernández Jerez.

DISTRIBUCIÓN BERNOULLI , BER(P)
En ciertos experimentos suele ocurrir que existen sólo dos resultados posibles: éxito o
fracaso, presencia o ausencia, sí o no. Este tipo de experiementos con sólo dos
resultados posibles se denomina Ensayo Bernoulli y sus eventos elementales,
comunmente llamados éxito o fracaso, se denotaran por E y F respectivamente.
={E,F}
Asignamos la probabilidad p al suceso llamado E y q= 1-p al suceso F , donde
0<p<1
Se X el número de éxitos en un ensayo Bernoulli, entonces la función de probabilidad
de X está dada por:
P(X=x) = px q1-x, x=0,1

E(X) = p V(X) = pq
DISTRIBUCIÓN BINOMIAL, BI(N,P)
La probabilidad de obtener x éxitos en un total de n intentos queda

definida por la siguiente función o distribución de probabilidad:
n x n− x
P( X = x) =   p (1 − p) x=0, 1, 2, …,n
 x
Para esta distribución se tiene que:
E(X) =np y V(X) = np (1 – p)

CONDICIONES
Esta distribución tiene origen cuando ocurren las siguientes
tres condiciones en forma simultánea:
Se realizan o repiten n ensayos Bernoulli.
El parámetro p se mantiene constante entre ensayos.
Los ensayos son todos independientes entre sí.

EJEMPLO
Supongamos que un estudiante rinde un test de 10 preguntas de
verdadero y falso y por no estar preparado, debe adivinar la
respuesta a cada pregunta. Si X es el número de respuestas
contestadas correctamente por este estudiante, determine la
distribución de probabilidades para X.
EJEMPLO
Supongamos que un estudiante rinde un test de 10 preguntas de verdadero y falso y por
no estar preparado, debe adivinar la respuesta a cada pregunta. Si X es el número de
respuestas contestadas correctamente por este estudiante, determine la distribución de
probabilidades para X.
10  x
P( X = x) =  0.5 (0.5)10− x x=0, 1, 2, …,10
x 
Calcular la probabilidad que el estudiante conteste correctamente todas las

preguntas.
P( X = 10) = 0.510 = 0.000098
SIGUIENDO CON EL EJEMPLO…
Calcular la probabilidad que exactamente 5 preguntas sean

contestadas correctamente?
Supongamos que el estudiante aprueba el test contestando 7 o más

preguntas en forma correcta.
Calcular el número medio de preguntas contestadas correctamente?

DISTRIBUCIÓN HIPERGEOMÉTRICA
Los experimentos que tienen este tipo de distribución tienen
las siguientes características:
 Al realizar un experimento con este tipo de distribución, se esperan dos tipos de

resultados.
 Las probabilidades asociadas a cada uno de los resultados NO son constantes.
 Cada ensayo o repetición del experimento NO es independiente de los demás.
 El número de repeticiones del experimento, n, es constante.
 Esta distribución es adecuada cuando el tamaño de la población es pequeña.
Se usa para calcular la probabilidad de que, en una muestra
aleatoria de n artículos, seleccionados sin reemplazo, se
obtenga x elementos identificados como éxitos.
Se llamara n–x : fracasos.
Para que esto suceda debemos obtener x éxitos de los r

EXITOS de la población y n–x fracasos de los N–r FRACASOS
de la población.
Distribución Hipergeométrica.
P(X=x): probabilidad de x éxitos en n intentos

n : cantidad de intentos.
N : cantidad de elementos en la población.
r : cantidad de elementos identificados como éxitos en la
población.
Distribución Hipergeométrica.
Media y Varianza de la distribución Hipergeométrica.
=
nr  N − n   r  r 
 =
2
 n  1 − 
N  N − 1   N  N 
Ejemplo: Entre 16 postulantes para un trabajo , 10 tenían un
título universitario. Si 3 de los postulantes son elegidos al azar
para una entrevista, ¿cuál es la probabilidad que dos tengan
un título universitario?, ¿Cuál es el número esperado de
postulantes entrevistados con título universitario?.
X: el número de postulantes entrevistados con título universitarios

DISTRIBUCIÓN DE POISSON, PO()
La distribución de Poisson da un modelo para variables de tipo conteo,
donde los conteos se refieren al registro del número de un evento de
interés en una unidad de tiempo o espacio dados (horas, minutos, m2,
m3, etc.).
 Número de bacterias en una muestra de agua.

 Número de semillas defectuosas observadas en una cinta transportadora por
minuto.
 número de llamadas telefónicas por hora que se recibe en una oficina.
CARACTERÍSTICAS NECESARIAS PARA TENER UNA VARIABLE
ALEATORIA POISSON.
1. El experimento consiste en el conteo del número de veces que

ocurre un evento en un lapso de tiempo o espacio.
2. La probabilidad de ocurrencia de un evento en una unidad de

tiempo o espacio dada es la misma para todas las unidades
de tiempo o espacio.
3. El número de eventos que ocurren en una unidad de tiempo o

espacio es independiente del número de eventos que ocurren
en otras unidades.
Características necesarias para tener una variable
aleatoria poisson.
4. La probabilidad de ocurrencia de un evento es proporcional al

tamaño de la unidad de tiempo o espacio, de tal manera que si
la unidad es pequeña se considera que la probabilidad de
ocurrencia de dos o más eventos tiende a cero (Distribución de
eventos raros).
5. La esperanza (media) del número de eventos en cada una de las
unidades se denota por la letra griega: .
POISSON()
e 
− x
P( X = x) = , x=0,1,2,....
x!
E(X) = 
V(X) = 
Ejemplo: Supongamos que clientes llegan a una cola de espera a
una tasa de 4 por minuto. Suponiendo que este proceso de
llegada ocurre de acuerdo a un proceso Poisson, determinemos la
probabilidad que al menos una persona llegue a la cola en un
intervalo de ½ minuto.
X: es el número de personas que llegan a la cola en ½ minuto.

Distribuciones Continuas
DISTRIBUCIÓN UNIFORME
Sea X, una variable aleatoria con recorrido RX = [a,b], con a <

b. Diremos que X tiene distribución de probabilidades uniforme
en [a,b], si su función de densidad de probabilidades es
constante ∀ x ∈ [a,b], es decir:
𝑘, 𝑥 ∈ [𝑎, 𝑏]
𝑓 𝑥 =ቊ
0, 𝑒. 𝑜. 𝑐
El área bajo la gráfica de f(x) debe ser igual a 1, por lo
que el valor de la constante k es igual al cuociente 1 / (b
–a). Por lo tanto:
1
𝑓 𝑥 = ቐ𝑏 − 𝑎 , 𝑥 ∈ [𝑎, 𝑏]
0, 𝑒. 𝑜. 𝑐.
𝑎+𝑏 (𝑏 − 𝑎)2
𝐸 𝑋 = 𝑉 𝑋 =
2 12
EJEMPLO
El costo de fabricación de un instrumento electrónico para medir temperaturas, es
una variable aleatoria continua X, que varía de manera constante entre 700 [miles
de $] y 900 [miles de $], según la precisión del instrumento. Se debe calcular:
¿Cuál es la probabilidad que el costo de fabricación de este instrumento, que debe

tener ciertas características especiales, varíe entre $800.000 y 850.000?
DISTRIBUCIÓN EXPONENCIAL , EXP()
Recordemos que la v.a de Poisson, se definió como el Número de
ocurrencias de un evento en un intervalo (0, t).
Si T es el tiempo hasta la ocurrencia del primer evento de un
proceso de Poisson, entonces se dice que T tiene distribución
exponencial de parámetro λ.
Se utiliza para modelar la duración. Por ejemplo: el tiempo entre
llegadas de clientes a un sistema de servicio, el
tiempo de falla de maquinas, ampolletas, etc.
DIFERENCIA ENTRE LA DISTRIBUCIÓN EXPONENCIAL Y
LA POISSON
A la distribución de Poisson le interesa el numero de ocurrencias,
mientras que a la Exponencial le interesa el tiempo transcurrido
entre las ocurrencias.
Ejemplo:
Poisson: el número de personas en la cola del banco durante …
Exponencial: el tiempo transcurrido entre la llegada hasta ser
atendido.
Ejemplo: Suponga que la vida útil de cierto tipo de ampolletas
tiene una distribución exponencial, con vida media 500 hrs.
Cual es la probabilidad de que se queme antes de las 300 hrs.?
X : tiempo de duración de la ampolleta (primer éxito = que se descomponga)

X ~ Exp (λ) λ=?
µ= 1/ λ = 500
Luego λ = 1/500
CUAL ES LA PROBABILIDAD DE QUE SE
QUEME ANTES DE LAS 300 HRS.?
P(X<300) = ?
DISTRIBUCIÓN NORMAL
Esta es la distribución más importante de la estadística. Se le usa como

modelo en un gran número de aplicaciones.
Definición: Una variable aleatoria continua, tiene distribución normal,
si su función de densidad de probabilidades es
La función de densidad normal
El siguiente gráfico
muestra la función
de densidad de
tres distribuciones
normales con
distintas medias y
desviaciones
típicas.
El gráfico de esta función de probabilidad:
• tiene forma de campana.

• es simétrico con respecto a x=µ.
• es cóncavo hacia abajo entre µ-σ y µ+σ,y cóncava hacia
arriba fuera de este intervalo.
Si Z es una variable aleatoria normal con =0 y 2=1,
entonces Z se llama variable aleatoria Normal Estándar, que
denotaremos por Z~N(0,1), su función de densidad es:
1
1 − z2
f ( z) = e 2
−  z  
2
Su función de distribución acumulada está dada por:

zo 1
1 − Z2
F( z o ) = P( Z  z o ) = 
− 2
e 2
dz
La función de distribución acumulada de Z se denota de la
siguiente manera:
Este resultado nos muestra que podemos calcular probabilidades

de intervalos de cualquier distribución normal, haciendo uso de la
distribución normal estándar.
Uso de la tabla normal
La tabla entrega el área de la curva hasta el valor z0.
z0 z0 z2
1 −
F ( z0 ) = 
−
f ( z )dz = 
− 2
e 2
dz
El área bajo la curva hasta el punto z=-1,96 es 0,025
−1,96
−
f ( z )dz = 0,025
Dentro de la tabla se encuentra el área, fuera el punto z. Áreas (probabilidades)

La función de distribución se encuentra tabulada, por
ejemplo para obtener P(a  Z  b)
luego es inmediato que: P(a  Z  b) = F(b) − F(a)

.
P(Z>a)=1-P(Z<a)
P(Z<-a)=1-P(Z<a)
P(Z>-a)=P(Z<a)
Ejemplo: Sea X~ N(µ=2, σ=3).
Calcular:
P(X<4)=?
P(-1<X<3.5)=?
PROPIEDADES REPRODUCTIVAS DE LA
DISTRIBUCIÓN NORMAL
Ejemplo: Un brazo mecánico esta compuesto por tres partes, cada
parte se envía a una fabrica diferente y la longitud de estas es
una v.a. normal donde:
Si Y es la longitud del brazo, determine la probabilidad de que

esta longitud esté entre 53,6 y 54,4, unidades de longitud.
Luego estandarizando se tiene:
DISTRIBUCIONES ASOCIADAS A LA
NORMAL
Tenemos distribuciones que resultan de operar directamente
con distribuciones normales, estas son:
X2 (Chi-Cuadrado)
T-Student
F-Snedecor
A continuación veremos algunas propiedades que tienen estas
distribuciones.
DISTRIBUCIÓN CHI-CUADRADO
•Tiene un sólo parámetro denominado grados de libertad.
•La función de densidad es asimétrica positiva. Sólo tienen

densidad los valores positivos.
•La función de densidad se hace más simétrica cuando

aumentan los grados de libertad.
O sea que la variable aleatoria se define como la suma de n variables
aleatorias estandarizadas al cuadrado con v=n grados de libertad. En este punto
el concepto de grados de libertad es solamente el número de variables aleatorias
estandarizadas al cuadrado
La función de densidad de probabilidad de esta variable
aleatoria es la siguiente:
Encontrar:
DISTRIBUCIÓN T-STUDENT
•Tiene un parámetro denominado grados de libertad.
•Cuando aumentan los grados de libertad, se acerca a la

N(0,1).
•Es simétrica con respecto al cero.

.
Supongamos dos variables aleatorias U y W tales que U~𝑁(0,1) y W~𝑥𝑣2 .
Recuerde que la notación significa que W se distribuye conforme a una
distribución 𝑥𝑣2 con v grados de libertad y U se distribuye conforme a una
normal estándar con media 0 y varianza 1.
Luego el siguiente cociente de las variables aleatorias es una nueva variable
aleatoria que llamaremos 𝑇𝑣 :
Esta variable tiene como función de densidad de probabilidad

◼ El punto que deja
un área de 0,975
considerando 5 g.l.
es 2,57.
DISTRIBUCIÓN F -SNEDECOR
Definición:
Sean U y W dos v.a. con distribución Chi-cuadrado, con v1 y v2 grados
de libertad. Entonces la v.a.
𝑈
𝐹 = 𝑣1
𝑤
𝑣2
Se dice que tiene una distribución F de Snedecor con v1 y v2 grados de

libertad.
Uso de la Tabla F Fisher-Snedecor
En esta tabla tenemos dos grados de libertad, n1 g.l. asociados al
numerador y n2 g.l. asociados al denominador. Observar que aquí se
presentan dos tablas, una para el área de 0,95 y el otro para el área
de 0,975. Es posible determinar los valores para áreas 0,05 y 0,025 a
partir de la siguiente propiedad.
1 1
𝑓𝑣1;𝑣2;0.05 = 𝑓𝑣1;𝑣2;0.025 =
𝑓𝑣2;𝑣1;0.95 𝑓𝑣2;𝑣1;0.975
Veremos más adelante que esta tabla será usada para realizar
pruebas de homogeneidad de varianzas (homocedasticidad o
heterogeneidad).

Clase 5

Cargado por

Copyright:

Formatos disponibles

Clase 5

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase 5

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS

Prof: Andrea Fernández Jerez.

P(X=x) = px q1-x, x=0,1

La probabilidad de obtener x éxitos en un total de n intentos queda

E(X) =np y V(X) = np (1 – p)

Se realizan o repiten n ensayos Bernoulli.

El parámetro p se mantiene constante entre ensayos.

Los ensayos son todos independientes entre sí.

Calcular la probabilidad que el estudiante conteste correctamente todas las

Calcular la probabilidad que exactamente 5 preguntas sean

Supongamos que el estudiante aprueba el test contestando 7 o más

Calcular el número medio de preguntas contestadas correctamente?

 Al realizar un experimento con este tipo de distribución, se esperan dos tipos de

Se llamara n–x : fracasos.

Para que esto suceda debemos obtener x éxitos de los r

P(X=x): probabilidad de x éxitos en n intentos

Media y Varianza de la distribución Hipergeométrica.

X: el número de postulantes entrevistados con título universitarios

 Número de bacterias en una muestra de agua.

1. El experimento consiste en el conteo del número de veces que

2. La probabilidad de ocurrencia de un evento en una unidad de

3. El número de eventos que ocurren en una unidad de tiempo o

4. La probabilidad de ocurrencia de un evento es proporcional al

X: es el número de personas que llegan a la cola en ½ minuto.

Sea X, una variable aleatoria con recorrido RX = [a,b], con a <

¿Cuál es la probabilidad que el costo de fabricación de este instrumento, que debe

X : tiempo de duración de la ampolleta (primer éxito = que se descomponga)

Esta es la distribución más importante de la estadística. Se le usa como

• tiene forma de campana.

Su función de distribución acumulada está dada por:

Este resultado nos muestra que podemos calcular probabilidades

Dentro de la tabla se encuentra el área, fuera el punto z. Áreas (probabilidades)

luego es inmediato que: P(a  Z  b) = F(b) − F(a)

Si Y es la longitud del brazo, determine la probabilidad de que

•La función de densidad es asimétrica positiva. Sólo tienen

•La función de densidad se hace más simétrica cuando

•Cuando aumentan los grados de libertad, se acerca a la

•Es simétrica con respecto al cero.

Esta variable tiene como función de densidad de probabilidad

Se dice que tiene una distribución F de Snedecor con v1 y v2 grados de

También podría gustarte