ESTADSTICA I

Distribuciones de probabilidad

Adiel Omar FLORES RAMOS

 Propsito de la sesin

Identifica las
propiedades de
las
distribuciones
de probabilidad.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Panorama General

En este captulo combinamos los mtodos de

estadstica descriptiva con los de probabilidad.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Panorama General

Como se observa en la figura, utilizando los mtodos

descriptivos y de probabilidad, podramos lanzar en
repetidas ocasiones un dado para reunir datos
mustrales y luego describirlos con grficas, medidas
de tendencia central y medidas de variacin.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Panorama General

Si empleamos los mtodos probabilsticos

podramos calcular la probabilidad de cada resultado.
En este captulo combinaremos esos conceptos
mientras creamos distribuciones de probabilidad que
describan lo que probablemente suceder, en vez de
lo que en realidad sucedi.
En la estadstica descriptiva elaboramos tablas de
frecuencias e histogramas utilizando valores
mustrales observados que se reunieron en realidad;
en este captulo construiremos distribuciones de
probabilidad presentando los resultados posibles junto
con las frecuencias relativas que esperamos.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Panorama General

La tabla que se muestra representa

una distribucin de probabilidad que
sirve como modelo para una
distribucin de frecuencias poblacional
tericamente perfecta.
En esencia, podemos describir la tabla
de frecuencias relativas para un dado
que se lanz un nmero infinito de
veces.
Con este conocimiento de los
resultados de la poblacin, somos
capaces de calcular sus
caractersticas importantes, como la
media y la desviacin estndar.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Variables aleatorias

En esta seccin estudiaremos las variables aleatorias,

las distribuciones de probabilidad, los procedimientos
para calcular la media y la desviacin estndar de una
distribucin de probabilidad, as como los mtodos
para distinguir entre resultados que pueden ocurrir por
azar y aquellos que son poco comunes.
Iniciaremos con los conceptos que se relacionan de
variable aleatoria y distribucin de probabilidad.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Definiciones

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Ejemplo

Gnero de nios Un estudio consiste en

la seleccin aleatoria de 14 bebs recin
nacidos y el conteo del nmero de nias.
Si consideramos que la probabilidad de
nios y nias es la misma, y
x=nmero de nias de entre 14 bebs
entonces x es una variable aleatoria, porque
su valor depende del azar. Los valores
posibles de x son 0, 1, 2, . . . , 14. La tabla 4-
1 incluye los valores de x, junto con las
probabilidades correspondientes.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Definiciones

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Ejemplo

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Grficas

Existen varias formas para

graficar una distribucin de
probabilidad, pero aqu
consideraremos solamente
al histograma de
probabilidad.
La escala vertical indica
probabilidades en vez de
frecuencias relativas
basadas en resultados
mustrales reales.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Grficas

En la figura, observe que, a lo

largo del eje horizontal, los
valores de 0,1, 2, . . . , 14 se
localizan en el centro de los
rectngulos, lo cual implica
que cada uno de los
rectngulos mide una unidad,
de modo que las reas de los
rectngulos son 0.000, 0.001,
0.006, etctera.
Las reas de estos
rectngulos son iguales a las
probabilidades en la tabla 4-1.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Requisitos de una distribucin de
probabilidad
1. P(x) = 1
donde x asume todos los valores posibles. (Es decir,
la suma de todas las probabilidades debe ser 1).
2. O <= P(x) <= 1
para cada valor individual de x. (Es decir, cada valor
de probabilidad debe ubicarse entre O y 1, inclusive).

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Ejemplo

La siguiente tabla describe una distribucin

de probabilidad?

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Solucin

Para ser una distribucin de probabilidad, P(x)

debe satisfacer los dos requisitos anteriores.
Pero
P(x) = P(0) + P(l) + P(2) +P(3)
= 0.2 + 0.5 + 0.4 + 0.3
=1.4
Como no se satisface el primer requisito,
concluimos que la tabla anterior no describe
una distribucin de probabilidad.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Ejemplo

Determina P(x) = x/3 (donde x puede ser 0,1

o 2) una distribucin de probabilidad?

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Solucin

Para la funcin dada, encontramos que P(0) =

0/3, P(1) = 1/3 y P(2) = 2/3, de manera que
0 1 2 3
P(x) 3 3 3 3 1
Cada uno de los valores P(x) se encuentra
entre O y 1.
Puesto que ambos requisitos se satisfacen, la
funcin P(x) de este ejemplo es una
distribucin de probabilidad.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Media, varianza y desviacin estndar

Caractersticas importantes de los datos:

1. centro,
2. variacin,
3. distribucin,
4. valores extremos y
5. tiempo (caractersticas de los datos que cambian con el
tiempo).

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Media, varianza y desviacin estndar

El histograma de probabilidad puede damos

informacin acerca de la naturaleza o forma de la
distribucin.
Adems, a menudo podemos calcular la media, la
varianza y la desviacin estndar de los datos, los
cuales brindan informacin acerca de otras
caractersticas.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Media, varianza y desviacin estndar

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Identificacin de resultados poco comunes
con la regla prctica del intervalo
Segn la regla prctica del intervalo, la mayora de los
valores deben caer dentro de 2 desviaciones estndar
de la media; no es comn que un valor difiera de la
media en ms de dos desviaciones estndar.
De esta manera, podemos identificar valores "poco
comunes" si se determina que caen fuera de los
lmites

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Ejemplo

La tabla 4-1 describe la distribucin de

probabilidad del nmero de nias entre 14
bebs recin nacidos que se
seleccionaron aleatoriamente.
Suponiendo que repetimos el estudio,
seleccionamos aleatoriamente 14 bebs
recin nacidos y contamos el nmero de
nias en cada ocasin, calcule el nmero
medio de nias (de entre 14), la varianza y
la desviacin estndar.
Utilice dichos resultados y la regla prctica
del intervalo para obtener los valores
mximo y mnimo comunes.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Solucin

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Solucin

En base a los resultados obtenidos, si

utilizamos la regla prctica del intervalo,
podemos calcular el valor mximo comn y el
valor mnimo comn de la siguiente manera:

= + 2 = 7.0 + 2 1.9 = 10.8

= 2 = 7.0 2 1.9 = 3.2

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Interpretacin

Con base en estos resultados, concluimos que para

grupos de 14 bebs que se seleccionaron
aleatoriamente, el nmero de nias debe caer
comnmente entre 3.2 y 10.8.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Identificacin de resultados infrecuentes

Regla del suceso infrecuente:

Si, bajo un supuesto dado (como el de que nias

y nios son igualmente probables), la
probabilidad de un suceso particular que se
observa (como 13 nias en 14 nacimientos) es
extremadamente pequea, concluimos que el
supuesto probablemente no sea correcto.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Uso de las probabilidades para determinar
resultados infrecuentes
Nmero de xitos inusualmente alto:
x xitos en n ensayos es un nmero inusualmente
alto de xitos si P(x o ms) 0.05
Nmero de xitos inusualmente bajo:
x xitos en n ensayos es un nmero inusualmente
bajo de xitos si P(x o menos) 0.05

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Determinacin de resultados infrecuentes

Suponga que lanza una moneda para determinar si se

ven favorecidas las caras y suponga que 1000
lanzamientos dan como resultado 501 caras.
Esto no es evidencia de que la moneda favorezca las
caras, ya que es muy fcil obtener un resultado de
501 caras de 1000 lanzamientos por el azar.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Determinacin de resultados infrecuentes

Sin embargo, la probabilidad de obtener exactamente

501 caras en 1000 lanzamientos es bastante baja:
0.0252. esta baja probabilidad refleja el hecho de que,
con 1000 lanzamientos, cada nmero especfico de
caras tendr una probabilidad sumamente baja.
Sin embargo no consideramos que 501 caras en 1000
lanzamientos sea un suceso infrecuente, ya que la
probabilidad de obtener al menos 501 caras es alta:
0.487

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Ejemplo

Si el 80% de personas puede fungir como

como miembros del jurado en el condado de
Hidalgo son m-e. (la media del nmero de m-e
en los jurados es de 9.6) 7 jueces m-e, de un
total de 12 es un nmero excepcionalmente
bajo? la seleccin de solo 7 m-e en un total
de 12 miembros del jurado sugiere que existe
discriminacin en el proceso de seleccin?

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Solucin

Remitindonos a la tabla 5-1 se obtiene:

(7 12 )
= (7 6 5 4 3 2 1)
= 7 + 6 + 5 + 4 + 3 + 2 + 1 + (0)

= 0.053 + 0.016 + 0.003 + 0.001 + 0 + 0 + 0 + 0

= 0.073

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Interpretacin

Puesto que la probabilidad de 0.073 es mayor

que 0.05 concluimos que el resultado de 7 m-e
no es poco comn. Existe una alta
probabilidad (0.073) de seleccionar a 7 m-e
por azar. (slo una probabilidad de 0.05 o
menor indicara que el suceso es poco
comn). Ningn tribunal de justicia declarara
que, en estas circunstancias, la seleccin de
slo 7 m-e es discriminatoria.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Valor esperado

La media de una variable discreta es el resultado

medio terico de un nmero infinito de ensayos.
Podemos considerar esa media cmo el valor
esperado en el sentido que constituye el valor
promedio que esperaramos obtener si los ensayos
pudieran continuar de manea indefinida. Los usos del
valor esperado (tambin llamado esperanza o
esperanza matemtica) son extensos y variados, y
desempean un papel muy importante en un parea de
aplicacin denominada teora de la decisin

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Definicin

El valor esperado de una variable aleatoria discreta se

denota por E y representa el valor promedio de los
resultados. Se obtiene calculando el valor de [x.P(x)]

= . ()

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Ejemplo: Lotera Kentucky Pick 4

Si usted apuesta $1, pierde $1 o gana $4999.

(el premio ganador es de $5000 pero no le
devuelven la apuesta de $1 por lo que la
ganancia neta es de $4999). El juego consiste
en seleccionar un nmero de 4 dgitos entre
0000 y 9999. si usted apuesta $1 al 1234,
cul es el valor esperado de ganar o perder?

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Solucin

Para esta apuesta existen dos resultados:

usted pierde $1 o gana $4999. cmo existen
10000 posibilidades de nmeros de 4 dgitos y
slo una de ellas representa al nmero
ganador, la probabilidad de perder es de
9999/10000 y la probabilidad de ganar es de
1/10000.
En la siguiente tabla podemos ver que el valor
esperado es de E=-50 centavos

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Interpretacin

En cualquier juego individual usted pierde $1

u obtiene una ganancia de $4999, pero el
valor esperado indica que, a largo plazo, usted
espera perder en promedio 50 centavos por
cada apuesta de $1.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Interpretacin

Tal vez la lotera tenga cierto valor de

entretenimiento limitado, pero, sin duda, se
trata de una inversin econmica
extremadamente inadecuada.

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Reflexionando.

Cmo
Qu aprend? aprend?

En qu se Qu
aplica lo aprender en
aprendido? la siguiente
clase?

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS

 Referencias
Mario F. Triola. Estadstica. 10 Ed.
Mxico: PEARSON; 2009.
Erwin Kreyszig. Matemticas
Avanzadas para Ingeniera Vol. 2. 3ra
Ed. Mxico: Editorial Limusa SA;
2001.
Vitutor disponible en:
http://www.vitutor.com/pro/2/prob
abilidad.html

Estadstica I Here comes your footer Adiel Omar FLORES RAMOS