semana 4 distribuciones de probabilidad discretas
TRANSCRIPT
Distribuciones de Probabilidad
Variable aleatoria
Objetivos de la clase:
• Variable Aleatoria.
• Distribución de probabilidades.
• Distribución de probabilidad discreta
El estudiante estará en capacidad de comprender
los conceptos de:
VariableEstadística
Variable:
Variable en estadística
• Característica observable en los individuos de una población
Una estadística de muchas personas:
• Se entrevista a 140 personas para preguntarles sobre sus preferencias en el uso de marcas de productos para la limpieza del cabello. Los resultados se muestran a continuación:
Marca frecuencia
H & S 68
Sedal 34
Pert 23
Clear 15
140
68
34
23
15
0
10
20
30
40
50
60
70
80
H & S Sedal Pert Clear
Fre
cuen
cias
Marcas
Distribuciones de Frecuencias
• Relación de todas las categorías de una variable y sus frecuencias correspondientes:
Marca frecuencia
H & S 45
Sedal 34
Pert 23
Clear 15
140
Variable
Categorías de la Variable
Frecuencias
68
34
23
15
0
10
20
30
40
50
60
70
80
H & S Sedal Pert Clear
Fre
cuen
cias
Marca
Distribuciones de Frecuencias
• Relación de todas las categorías de una variable y sus frecuencias correspondientes:
Variable
Categorías de la Variable
Frecuencias
Variable Aleatoria
• Variable aleatoria es aquella que tiene resultados aleatorios.
Tipos de Variables Aleatorias
• Las variables que tienen categorías o resultados que no admiten decimales.
• Los resultados son producto del conteo
Discretas
• Las variables que se expresan en números reales.
• Sus resultados son producto de una medición.
Continuas
Tipos de variables
Variable Aleatoria
Discreta
De frecuencias
Binomial
Hipergeométrica
Continua
Uniforme
Normal
Distribución de probabilidades
• En una encuesta se toma aleatoriamente a individuos que transitan por una céntrica calle y se les pregunta por el número de hijos que tiene cada uno:
N° de Hijos fi
0 361 452 153 124 65 36 3
110
P(x)0.300
0.3750.1250.100
0.0500.025
0.0251
Distribución de probabilidades
• En una encuesta se toma aleatoriamente a individuos que transitan por una céntrica calle y se les pregunta por el número de hijos que tiene cada uno:
N° de Hijos
0123456
P(x)0.3000.3750.1250.100
0.0500.025
0.0251
0.3
0.375
0.125
0.1
0.05
0.025 0.025
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0 1 2 3 4 5 6
P(x)
Distribución de probabilidades
• Relación de categorías de una variable aleatoria y sus correspondientes medidas de probabilidad.
N° de Hijos
0123456
P(x)0.3000.3750.1250.1000.0500.0250.0251
0.3
0.375
0.125
0.1
0.05
0.025 0.025
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0 1 2 3 4 5 6
P(x)
Ejemplo:
• John Ravichagua vende automóviles nuevos en Huanca Motors.
• Por lo general, John vende la mayor cantidad de automóviles el sábado.
• Ideo la siguiente distribución de probabilidades de la cantidad de automóviles que espera vender un sábado cualquiera.
Ejemplo:
Cantidad de automóviles
vendidos
ProbabilidadP(x)
0 0.10
1 0.20
2 0.30
3 0.30
4 0.1
¿Es una distribución de probabilidades?
Si es una distribución de probabilidades la suma de todas las probabilidades es igual a 1
1
Ejemplo:
Cantidad de
automóviles vendidos
Probabilidad
P(x)
0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
1
¿Cuántos automóviles espera vender John un sábado normal?
µ = Σ[xi . P(x)]
µ = 0(0.10)+1(0.20)+2(0.30)+3(0.30)+4(0.10)
Los autos que se espera vender son iguales al Valor Esperado o Media
µ = 2.1 autos en promedio
Ejemplo:
Cantidad de
automóviles vendidos
Probabilidad
P(x)
0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
1
¿Cuál es la desviación estándar de a venta de autos? (riesgo)
µ = Σ(𝒙𝒊 − 𝝁)𝟐 ∗ P(x)
σ = 𝟎 − 𝟐. 𝟏 𝟐 𝟎. 𝟏𝟎 + 𝟏 − 𝟐. 𝟏 𝟐 𝟎. 𝟐𝟎 + . . . + 𝟒 − 𝟐. 𝟏 𝟐 𝟎. 𝟏𝟎
Los autos tienen una desviación estándar:
σ = 1.136 autos
Ejemplo:
Cantidad de
automóviles vendidos
Probabilidad
P(x)
0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
1
¿Cuál es la probabilidad de que se venda 2 o 3 autos?
P(2 ó 3) =P(2) + P(3)
P(2 ó 3) = 0.30 + 0.30
Los eventos son excluyentes:
P(2 ó 3) = 0.60
Ejemplo:
Cantidad de
automóviles vendidos
Probabilidad
P(x)
0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
1
¿Cuál es la probabilidad de que se venda como mínimo 1auto?
P(máx 2) =P(1) + P(2) + P(3) + P(4)
P(máx 2) = 1 – P(0)
Los eventos son excluyentes:
P(máx 2) = 0.90
Ejemplo 2
• La información que sigue representa el numero de llamadas diarias al servicio de emergencia por el servicio voluntario de ambulancias de , Carolina del Sur, durante los últimos 50 días.
N° de llamadas
xi
N° de díasfi
0 8
1 10
2 22
3 9
4 1
50
Ejemplo 2
• ¿Cuál es el valor esperado y la desviación estándar?.
N° de llamadas
xifi
0 8
1 10
2 22
3 9
4 1
50
μ = 1.7
ϭ = 1.005
Ejemplo 2
• ¿Cuál es la probabilidad de que se efectúen como máximo 3 llamadas?.
Númerode
llamadasFi
0 8
1 10
2 22
3 9
4 1
50
P(3) = 9
50
P(3) = 0.18
Ejemplo 2
• ¿Cuál es la probabilidad de que se efectúen una o ninguna llamada?
Númerode
llamadasFi
0 8
1 10
2 22
3 9
4 1
50
P(1 o 0) = 8
50+ 10
50
P(1 o 0) = 18
50
P(1 o 0) = 0.36
Ejemplo 2
• ¿Cuál es la probabilidad de que se efectúen como mínimo 2 llamadas?
Númerode
llamadasFi
0 8
1 10
2 22
3 9
4 1
50
Mínimo 2 llamadas x ≥ 2
P(x ≥ 2) = 22
50+ 9
50+ 1
50
P(x ≥ 2) = 0.64
Ejemplo 2
• ¿Cuál es la probabilidad de que nose efectúen como mínimo 2 llamadas?
Númerode
llamadasFi
0 8
1 10
2 22
3 9
4 1
50
Mínimo 2 llamadas ~x ≥ 2
P(~x ≥ 2) = P(0) + P(1)
P(~x ≥ 2) = 8
50+ 10
50
P(~x ≥ 2) = 1- P(x ≥ 2)
~
P(~x ≥ 2) = 1- 0.64
P(~x ≥ 2) = 0.36 P(~x ≥ 2) = 0.36
Ejemplo 2
• ¿Cuál es la probabilidad de que nose efectúen 4 llamadas?
Númerode
llamadasFi
0 8
1 10
2 22
3 9
4 1
50
4 llamadas ~4
P(~4) = P(0)+P(1)+P(2)+P(3)
~
P(~4) = 1- P(4)
P(~4) = 1 -1
50= 0.02