Download f denota formula
Document related concepts
Transcript
Probabilidad y Estadística Distribución de Probabilidades Probabilidad y Estadística Distribución de Probabilidades 1 6-3 Variables aleatorias • Una variable aleatoria es un valor numérico determinado por el resultado de un experimento. • EJEMPLO 1: considere un experimento aleatorio en el que se lanza tres veces una moneda. Sea X el número de caras. Sea H el resultado de obtener una cara y T el de obtener una cruz. Probabilidad y Estadística Distribución de Probabilidades 2 6-4 EJEMPLO 1 continuación • El espacio muestral para este experimento será: TTT, TTH, THT, THH, HTT, HTH, HHT, HHH. • Entonces, los valores posibles de X (número de caras) son x = 0, 1, 2, 3. Probabilidad y Estadística Distribución de Probabilidades 3 6-5 EJEMPLO 1 • • • • • continución El resultado “cero caras” ocurrió una vez. El resultado “una cara” ocurrió tres veces. El resultado “dos caras” ocurrió tres veces. El resultado “tres caras” ocurrió una vez. De la definición de variable aleatoria, la X definida en este experimento, es una variable aleatoria Probabilidad y Estadística Distribución de Probabilidades 4 6-6 Distribuciones probabilísticas • Una distribución probabilística es la enumeración de todos los resultados de un experimento junto con las probabilidades asociadas. Para el , EJEMPLO 1 Número de Probabilidad y Estadística caras Probabilidad de los 0 1/8 = .125 1 3/8 = .375 2 3/8 = .375 3 1/8 = .125 Total 8/8 = 1 Distribución de Probabilidades resultados 5 6-7 Características de una distribución probabilística • La probabilidad de un resultado siempre debe estar entre 0 y 1. • La suma de todos los resultados mutuamente excluyentes siempre es 1. Probabilidad y Estadística Distribución de Probabilidades 6 6-8 Variable aleatoria discreta • Una variable aleatoria discreta es una variable que puede tomar sólo ciertos valores diferentes que son el resultado de la cuenta de alguna característica de interés. • EJEMPLO 2: seaX el número de caras obtenidas al lanzar 3 veces una moneda. Aquí los valores de X son x Probabilidad y Estadística = 0, 1, 2, 3. Distribución de Probabilidades 7 6-9 Variable aleatoria continua • Una variable aleatoria continua es una variable que puede tomar un número infinito de valores. • Ejemplos: la altura de un jugador de básquetbol o el tiempo que dura una siesta. Probabilidad y Estadística Distribución de Probabilidades 8 6-10 Media de una distribución probabilística discreta • La media: · indica la ubicación central de los datos. · es el promedio, a la larga, del valor de la variable aleatoria. · también se conoce como el valor esperado, E(x), en una distribución de probabilidad. · es un promedio ponderado. Probabilidad y Estadística Distribución de Probabilidades 9 6-11 Media de una distribución probabilística discreta • La media se calcula con la fórmula: M = E( x) = [x * P( x)] • donde M representa la media y P(x) es la probabilidad de los diferentes resultados x Probabilidad y Estadística Distribución de Probabilidades 10 6-12 Varianza de una distribución probabilística discreta • La varianza mide la cantidad de dispersión (variación) de una distribución. • La varianza de una distribución discreta se denota por la letra griega s 2 (sigma cuadrada). • La desviación estándar se obtiene tomando la raíz cuadrada de s 2 Probabilidad y Estadística Distribución de Probabilidades 11 6-13 Varianza de una distribución probabilística discreta • La varianza de una distribución de probabilidad discreta se calcula a partir de la fórmula s = S[( x - m ) * P( x )] 2 Probabilidad y Estadística 2 Distribución de Probabilidades 12 6-14 EJEMPLO 2 • Dan Desch, propietario de College Painters, estudió sus registros de las últimas 20 semanas y obtuvo los siguientes números de casas pintadas por semana: Probabilidad y Estadística # de casas pintadas Semanas 10 5 11 6 12 7 13 2 Distribución de Probabilidades 13 6-15 EJEMPLO 2 continuación • Distribución probabilística: Número de casas pintadas, X 10 Probabilidad, P(X) 11 .30 12 .35 13 .10 Total 1 Probabilidad y Estadística Distribución de Probabilidades .25 14 6-16 EJUEMPLO 2 • continuación Calcule el número medio de casas pintadas por semana: m = E( x) = S[ xP( x)] = (10)(.25) + (11)(.30) + (12)(.35) + (13)(.10) = 113 . Probabilidad y Estadística Distribución de Probabilidades 15 6-17 EJEMPLO 2 continuación • Calcule la varianza del número de casas pintadas por semana: s 2 = S [( x - m ) 2 P ( x )] = . 4225 + . 0270 + .1715 + . 2890 = . 91 Probabilidad y Estadística Distribución de Probabilidades 16 6-18 Distribución probabilística binomial • La distribución binomial tiene las siguientes características: Un resultado de un experimento se clasifica en una · de dos categorías mutuamente excluyentes -éxito o fracaso. · los datos recolectados son resultados de contar. · la probabilidad de éxito es la misma para cada ensayo. · los ensayos son independientes. Probabilidad y Estadística Distribución de Probabilidades 17 6-19 Distribución probabilística binomial • Para elaborar una distribución binomial , sea · n el número de ensayos · x el número de éxitos observados · p la probabilidad de éxito en cada ensayo Probabilidad y Estadística Distribución de Probabilidades 18 6-20 Distribución probabilística binomial • La fórmula para la distribución de probabilidad binomial es: n! x n- x p (1 - p ) P( x) = x !( n - x )! Probabilidad y Estadística Distribución de Probabilidades 19 6-21 EJEMPLO 3 • La Secretaría del Trabajo del estado de Alabama reporta que 20% de la fuerza de trabajo en Mobile está desempleada. De una muestra de 14 trabajadores, calcule las siguientes probabilidades con la fórmula de la distribución binomial ( n=14, p =.2, ): ·tres están desempleados: P( x=3)=.250 Probabilidad y Estadística Distribución de Probabilidades 20 6-22 continuación éstos también son ejemplos de distribuciones probabilísticas acumulativas tres o más están desempleados: · P(x 3)=.250 +.172 +.086 +.032 +.009 +.002=.551 · al menos un trabajador está desempleado: P(x 1) = 1 - P(x=0) =1 - .044 = .956 · a lo más dos trabajadores están desem pleados: P(x 2)=.044 +.154 +.250 =.448 Probabilidad y Estadística http://faculty.vassar.edu/lowry/binomialX.html Distribución de Probabilidades 21 6-23 Media y varianza de la distribución binomial • La media está dada por: m = np • La varianza está dada por: s = np (1- p ) 2 Probabilidad y Estadística Distribución de Probabilidades 22 7-3 Distribución probabilística normal • La curva normal tiene forma de campana con un solo pico justo en el centro de la distribución. • La media, mediana y moda de la distribución aritmética son iguales y se localizan en el pico. • La mitad del área bajo la curva está a la derecha del pico, y la otra mitad está a la izquierda. Probabilidad y Estadística Distribución de Probabilidades 23 7-4 Características de la distribución probabilística normal • La distribución normal es simétrica respecto a su media. • La distribución normal es asintótica- la curva se acerca cada vez más al eje x pero en realidad nunca llega a tocarlo. Probabilidad y Estadística Distribución de Probabilidades 24 r a l i t r b u i o n : m = 0 , s2 = 1 Características de una distribución normal 0 . 4 . 3 0 . 2 En teoría, la curva se extiende hasta infinito f ( x 0 La curva normal es simétrica 0 . 1 . 0 - 5 a La media, mediana y moda son iguales x Probabilidad y Estadística © 2001 Alfaomega Grupo Editor Distribución de Probabilidades 25 7-6 Distribución normal estándar • Una distribución normal que tiene media igual a 0 y desviación estándar igual a 1 se denomina distribución normal estándar. • Valor z: la distancia entre un valor seleccionado, designado como X , y la población media m , dividida entre la desviación estándar de la población , s z = Probabilidad y Estadística X - m s Distribución de Probabilidades 26 7-7 EJEMPLO 1 • El ingreso mensual que una corporación grande ofrece a los graduados en MBA tiene una distribución normal con media de $2000 y desviación estándar de $200. ¿Cuál es el valor z para un ingreso de $2200? y ¿cuál para uno de $1700? • ParaX = $2200, z = (2200- 2000) /200 = 1. Probabilidad y Estadística Distribución de Probabilidades 27 7-8 EJEMPLO 1 continuación • ParaX = $1700,z = (1700- 2000) /200 = - 1.5 • Un valor z igual a 1 indica que el valor de $2200 es mayor que la desviación estándar de la media de $2000, así como el valor z igual a -1.5 indica que el valor de $1700 es menor que la desviación estándar de la media de $2000. Probabilidad y Estadística Distribución de Probabilidades 28 7-9 Áreas bajo la curva normal • Cerca de 68% del área bajo la curva normal está a menos de una desviación estándar respecto a la media.m ± 1s • Alrededor de 95% está a menos de dos desviaciones estándar de la media. m ± 2s • 99.74% está a menos de tres desviaciones estándar de la media. m ± 3s Probabilidad y Estadística Distribución de Probabilidades 29 r a l i t r b u i o n : m = 0 , s2 = 1 Áreas bajo la curva normal 0 . 4 . 3 0 . 2 0 . 1 f ( x 0 Entre: 1.68.26% 2.95.44% 3.99.74% . 0 - 5 m - 2s m - 3s m - 1s x Probabilidad y Estadística © 2001 Alfaomega Grupo Editor m m + 2s m + 1s Distribución de Probabilidades m + 3s 30 7-11 EJEMPLO 2 • El consumo de agua diario por persona en New Providence, Nueva Jersey tiene una distribución normal con media de 20 galones y desviación estándar de 5 galones. • Cerca de 68% del consumo de agua diario por persona en New Providence está entre cuáles dos valores. • m ± 1s = 20 ± 1(5). Esto es, cerca de 68% del consumo diario de agua está entre 15 y 25 galones. Probabilidad y Estadística Distribución de Probabilidades 31 7-12 EJEMPLO 3 • ¿Cuál es la probabilidad de que una persona de New Providence seleccionada al azar use menos de 20 galones por día? • El valor z asociado es z = (20- 20) /5 = 0. Así, P( X<20) = P( z <0) = .5 • ¿Qué porcentaje usan entre 20 y 24 galones? •El valor z asociado conX = 20 es z = 0 y con X = 24, z = (24 - 20) /5 = .8. Así, P(20<X<24) = P(0<z<.8) = 28.81% http://www.math.csusb.edu/faculty/stanton/probstat/normal_distribution.html Probabilidad y Estadística Distribución de Probabilidades 32 r . 4 0 . 3 0 . 2 0 . 1 l i EJEMPLO 3 t r b u i o n : m = 0 , P(0 < z < .8) = .2881 f ( x 0 a 0 < X < .8 . 0 - 5 -4 Probabilidad y Estadística © 2001 Alfaomega Grupo Editor -3 -2 -1 x 0 1 Distribución de Probabilidades 2 3 4 33 7-14 EJEMPLO 3 continuación • ¿Qué porcentaje de la población utiliza entre 18 y 26 galones? • El valor z asociado conX = 18 es z =(18 - 20) /5 =-.4, y paraX = 26, z = (26 - 20) /5 = 1.2. Así, P(18<X<26) = P(-.4<z<1.2) = .1554 + .3849 = .5403 Probabilidad y Estadística Distribución de Probabilidades 34 7-15 EJEMPLO 4 • El profesor Mann determinó que el promedio final en su curso de estadística tiene una distribución normal con media de 72 y desviación estándar de 5. Decidió asignar las calificaciones del curso de manera que 15% de los alumnos reciban una calificación de A. ¿Cuál es el promedio más bajo que un alumno puede tener para obtener una A? •Sea X el promedio más bajo. Encuentre X de manera que P( X >X) = .15. El valor z correspondiente es 1.04. Así se tiene (X - 72) / 5 = 1.04, o X = 77.2 Probabilidad y Estadística Distribución de Probabilidades 35 r . 4 0 . 3 0 . 2 0 . 1 l i EJEMPLO 4 t r b u i o n : m = 0 , s2 = 1 Z=1.04 f ( x 0 a 15% . 0 - 0 1 2 3 4 Probabilidad y Estadística © 2001 Alfaomega Grupo Editor Distribución de Probabilidades 36 7-17 EJEMPLO 5 " La cantidad de propina que un mesero recibe por turno en un restaurante exclusivo tiene una distribución normal con media de $80 y desviación estándar de $10. Shelli siente que ha dado un mal servicio si el total de sus propinas del turno es menor que $65. ¿Cuál es la probabilidad de que ella haya dado un mal servicio? " SeaX la cantidad de propina. El valor z asociado con X = 65 es z = (65 - 80) /10 =-1.5. Así P( X <65) = P(z<-1.5) =.5- .4332 = .0668. Probabilidad y Estadística Distribución de Probabilidades 37 6-24 EJEMPLO 4 • Del EJEMPLO 3, recuerde que p =.2 y n=14. • Así, la media= n p = 14(.2) = 2.8. • La varianza = n p (1 - p ) = (14)(.2)(.8) =2.24. Probabilidad y Estadística Distribución de Probabilidades 38 ¿Qué hemos visto? Distribución de Probabilidad Variable Aleatoria Población de estudio Distribución de Probabilidad Discreta Media Varianza Desviación Estándar Distribución Binomial Distribución de Probabilidad Continua Distribución Normal Características de la Distribución Normal Cálculo de valores de Z Probabilidad entre dos puntos Probabilidad y Estadística Distribución de Probabilidades 39 MENSAJES OCULTOS Probabilidad y Estadística Distribución de Probabilidades 40