DISTRIBUCION-BINOMIAL Final
DISTRIBUCION-BINOMIAL Final
DISTRIBUCION-BINOMIAL Final
n
k
p
q
es
es
es
es
el
el
la
la
nme ro de pruebas.
nmero de xitos.
prob abilidad de xito.
prob abilidad de fracaso.
El nmero combinatorio
CARACTERISTICAS
1. En cada prueba del experimento slo son posibles dos resultados: el
suceso A (xito) y su contrario
.
2. La probabilidad del suceso A es constante, es decir, que no vara de una
prueba a otra. Se representa por p.
3. El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.
La distribucin binomial se suele representar por B(n, p).
n es el nmero de pruebas de que consta el experimento.
p es la probabilidad de xito.
La probabilidad de
es 1 p, y la representamos por q.
3. En una urna hay 30 bolas, 10 rojas y el resto blancas. Se elige una bola
al azar y se anota si es roja; el proceso se repite, devolviendo la bola, 10
veces. Calcular la media y la desviacin tpica
B(10, 1/3) p = 1/3q = 2/3
DISTRIBUCION NORMAL
Variable aleatoria de la distribucin normal
Una variable aleatoria continua, X, sigue una distribucin normal de media
ydesviacin tpica , y se designa por N(, ), si se cumplen las siguientes
condiciones:
1. La variable puede tomar cualquier valor: (-, +)
2. La funcin de densidad, es la expresin en trminos de ecuacin
matemtica de la curva de Gauss:
CARACTERISTICAS
2. Varios test de inteligencia dieron una puntuacin que sigue una ley
normal con media 100 y desviacin tpica 15
1 Determinar el porcentaje de poblacin que obtendra un coeficiente entre
95 y 110
, el estadstico:
PROPIEDADES
Los valores de X2 son mayores o iguales que 0.
La forma de una distribucin X2 depende del gl=n-1. En consecuencia, hay
un nmero infinito de distribuciones X 2.
El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
Las distribuciones X2 no son simtricas. Tienen colas estrechas que se
extienden a la derecha; esto es, estn sesgadas a la derecha.
Cuando n>2, la media de una distribucin X 2 es n-1 y la varianza es 2(n-1).
El valor modal de una distribucin X2 se da en el valor (n-3).
DISTRIBUCION POISSON
Esta distribucin es una de las ms importantes distribuciones de variable
discreta. Sus principales aplicaciones hacen referencia a la modelizacin de
situaciones en las que nos interesa determinar el nmero de hechos de
cierto tipo que se pueden producir en un intervalo de tiempo o de espacio,
bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro
de sus usos frecuentes es la consideracin lmite de procesos dicotmicos
reiterados un gran nmero de veces si la probabilidad de obtener un xito
es muy pequea .
CARACTERISTICAS
En este tipo de experimentos los xitos buscados son expresados por
unidad de rea, tiempo, pieza, etc
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc,
etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de
tiempo, rea, o producto, la frmula a utilizar sera:
donde:
p(x, l) = probabilidad de que ocurran x xitos, cuando el nmero promedio
de ocurrencia de ellos es l
l = media o promedio de xitos por unidad de tiempo, rea o producto
e = 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra
Solucin:
a)
x = variable que nos define el nmero de cheques sin fondo que
llegan al banco en un da cualquiera = 0, 1, 2, 3, ....., etc, etc.
l = 6 cheques sin fondo por da
e = 2.718
b) x= variable que nos define el nmero de cheques sin fondo que llegan al
banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos
das consecutivos
Nota: l siempre debe de estar en funcin de x siempre o dicho de otra
forma, debe hablar de lo mismo que x.
b)
x = variable que nos define el nmero de imperfecciones en la
hojalata por cada 5 minutos = 0, 1, 2, 3, ...., etc., etc.
l = 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata
=1-(0.367918+0.367918) =
0.26416
c)
x = variable que nos define el nmero de imperfecciones en la
hojalata por cada 15 minutos = 0, 1, 2, 3, ....., etc., etc.
l = 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la
hojalata
= 0.0498026 + 0.149408 =
0.1992106
DISTRIBUCION T-STUDENT
Supngase que se toma una muestra de una poblacin normal con
media
y varianza
. Si
es una
PROPIEDADES
Cada curva t tiene forma de campana con centro en 0.
Cada curva t, est ms dispersa que la curva normal estndar z.
A medida que
disminuye.
A medida que
, la secuencia de curvas t se aproxima a la curva
normal estndar, por lo que la curva z recibe a veces el nombre de curva t
con gl =
La distribucin de la variable aleatoria t est dada por:
y desviacin estndar
. Entonces la variable
= n-1 grados de libertad.
Como t0.05 deja un rea de 0.05 a la derecha, y t0.025 deja un rea de 0.025 a
la izquierda, encontramos un rea total de 1-0.05-0.025 = 0.925.
P( t0.025 < t < t0.05) = 0.925
3. Encuentre k tal que P(k < t < -1.761) = 0.045, para una muestra
aleatoria de tamao 15 que se selecciona de una distribucin normal.
Solucin:
DISTRIBUCION FISHER
Es una distribucin de probabilidad de gran aplicacin en la inferencia
estadstica , fundamentalmente en la contrastacin de la igualdad de
varianzas de dos poblaciones normales, y , fundamentalmente en el anlisis
de la varianza , tcnica que permite detectar la existencia o inexistencia de
diferencias significativas entre muestras diferentes y que es, por tanto
esencial , en todos aquellos casos en los que se quiere investigar la
relevancia de un factor en el desarrollo y naturaleza de una caracterstica.
La distribucin se plantea partiendo de dos variables X e Y tales que :
es decir una chi2 con m grados de libertad
es decir una chi2 con n grados de libertad ;
Mtodo 2
n1 = 31
n2 = 25
s12 = 50
s22 = 24
2
2
Construya un intervalo de confianza del 90% para
1 /
2 .
Solucin:
Por la recomendacin de que la varianza muestral mayor va en el
numerador se tiene la siguiente frmula:
al despejar:
.
F toma dos valores dependiendo del nivel de confianza y de los grados de
libertad. En este caso los grados de libertad uno valen 30 y los grados de
libertad dos 24.
y
Estos resultados los podemos interpretar de la siguiente manera:
Con un nivel de confianza del 90% se sabe que la relacin de varianzas
2
1
Solucin:
Por la recomendacin de que la varianza muestral mayor va en el
numerador se tiene la siguiente frmula:
al despejar:
.
En este caso los grados de libertad uno valen 11 y los grados de libertad
dos 15.
y
Estos resultados los podemos interpretar de la siguiente manera:
Puesto que este intervalo de confianza incluye a la unidad, no es posible
afirmar que las desviaciones estndar de la rugosidad de la superficie de los
dos procesos sean diferentes con un nivel de confianza del 90%.
3. Si s12 y
de las muestras
tamao n1= 25 y
poblaciones
2
1
=10 y
= 15,
P(s12/s22 > 1.26).
2
2
respectivamente, encuentre
Solucin:
Calcular el valor de Fisher:
MUESTREO
Distribucin muestral
Un muestreo puede hacerse con o sin reposicin, y la poblacin de partida
puede ser infinita o finita.
En todo nuestro estudio vamos a limitarnos a una poblacin de
partida infi nita o a muestreo con reposicin .
Si consideremos todas las posibles muestras de tamao n en una poblacin,
para cada muestra podemos calcular un estadstico (media, desviacin
tpica, prop orcin, ...) que variar de una a otra.
As obtenemos una distribucin del estadstico que se llama distribucin
muestral
ESTIMACION ESTADISTICA
Estimacin de parmetros
n 4
Estimacin de una proporcin
Si en una poblacin , una determinada caracterstica se presenta en una
proporcin p, la proporcin p' , de individuos con dicha caracterstica en
las muestras de tamao n, se distribuirn segn:
Intervalo de confi anza para una proporcin
EJEMPLO:
En una fbrica de componentes electrnicos, la proporcin de componentes
finales defectuosos era del 20%. Tras una serie de operaciones e inversiones
destinadas a mejorar el rendimiento se analiz una muestra aleatoria de
500 componentes, encontrndose que 90 de ellos eran defectuosos. Qu
nivel de confianza debe adoptarse para aceptar que el rendimiento no ha
sufrido variaciones?
p = 0.2
q = 1 - p =0.8 p'= 90/ 500 = 0.18
E = 0.2 - 0.18 = 0.02
BIBLIOGRAFIA