Upload
maria-higuera
View
216
Download
0
Embed Size (px)
Citation preview
8/15/2019 milagroMatematica.docx
1/75
República Bolivariana De VenezuelaMinisterio Del Poder Popular Para La Educación Universitaria
Instituto Universitario De Tecnologa !gro Industrial"an #ristóbal$ Estado T%c&ira
San Cristóbal, Junio de 2016
Autor:
Mara 'iguera
#(I() *+(,+-(-./
"IT+!
8/15/2019 milagroMatematica.docx
2/75
Bernoulli
El principio de Bernoulli0 ta1bi2n deno1inado ecuación de Bernoulli o
Trino1io de Bernoulli0 describe el co1porta1iento de un 3luido 1ovi2ndose a
lo largo de una lnea de corriente( 4ue e5puesto por Daniel Bernoulli en su
obra 'idrodin%1ica 6,-+/7 8 e5presa 9ue en un 3luido ideal 6sin viscosidad ni
roza1iento7 en r2gi1en de circulación por un conducto cerrado0 la energa
9ue posee el 3luido per1anece constante a lo largo de su recorrido( La
energa de un 3luido en cual9uier 1o1ento consta de tres co1ponentes)
,($ #in2tico) es la energa debida a la velocidad 9ue posea el 3luido(
*($ Potencial gravitacional) es la energa debido a la altitud 9ue un 3luido
posea(
+($ Energa de 3lu:o) es la energa 9ue un 3luido contiene debido a la presión
9ue posee(
La siguiente ecuación conocida co1o ;Ecuación de Bernoulli; 6Trino1io de
Bernoulli7 consta de estos 1is1os t2r1inos(
?over *@A densidad del 3luido(
8/15/2019 milagroMatematica.docx
3/75
Ejemplo1:
Ejemplo 2:
$Los resultados Ccara o Ccruz en el lanza1iento de una 1oneda
"ea 5 una v( a( asociada a un e5peri1ento de Bernoulli 8 9ue to1a los
valores)
625ito7 , 63racaso7.
Entonces se dice 9ue sigue una distribución de Bernoulli B 6,0 p7( "u
3unción de probabilidad viene dada por )
Pr6 ,7 p Pr6.7 , Fp 9
8/15/2019 milagroMatematica.docx
4/75
Binomial
En estadstica0 la distribución bino1ial es una distribución de probabilidad
discreta 9ue cuenta el nú1ero de 25itos en una secuencia de n ensa8os de
Bernoulli independientes entre s0 con una probabilidad 3i:a p de ocurrencia
del 25ito entre los ensa8os( Un e5peri1ento de Bernoulli se caracteriza por
ser dicotó1ico0 esto es0 sólo son posibles dos resultados( ! uno de estos se
deno1ina 25ito 8 tiene una probabilidad de ocurrencia p 8 al otro0 3racaso0
con una probabilidad 9 , $ p( En la distribución bino1ial el anterior
e5peri1ento se repite n veces0 de 3or1a independiente0 8 se trata de calcular
la probabilidad de un deter1inado nú1ero de 25itos( Para n ,0 la bino1ial
se convierte0 de &ec&o0 en una distribución de Bernoulli(
Para representar 9ue una variable aleatoria sigue una distribución bino1ial
de par%1etros n 8 p0 se escribe)
E:e1plo ,)
• "e lanza un dado diez veces 8 se cuenta el nú1ero X de tres
obtenidos) entonces X G B6,.0 ,?H7
E:e1plo *)
• E5isten 1uc&as situaciones en las 9ue se presenta una e5periencia
bino1ial( #ada uno de los e5peri1entos es independiente de los
restantes 6la probabilidad del resultado de un e5peri1ento no depende
del resultado del resto7( El resultado de cada e5peri1ento &a de
ad1itir sólo dos categoras 6a las 9ue se deno1ina 25ito 8 3racaso7(
8/15/2019 milagroMatematica.docx
5/75
Las probabilidades de a1bas posibilidades &an de ser constantes en
todos los e5peri1entos 6se denotan co1o p 8 q o p 8 ,$ p7(
•
"e designa por X a la variable 9ue 1ide el nú1ero de 25itos 9ue se&an producido en los n e5peri1entos(
• #uando se dan estas circunstancias0 se dice 9ue la variable X sigue
una distribución de probabilidad bino1ial0 8 se denotaB(n,p)(
8/15/2019 milagroMatematica.docx
6/75
Ejemplo 4:
"i de seis a siete de la tarde se ad1ite 9ue un nú1ero de tel23ono de cada
cinco est% co1unicando0 cu%l es la probabilidad de 9ue0 cuando se
1ar9uen ,. nú1eros de tel23ono elegidos al azar0 sólo co1uni9uen dosN
B6,.0 ,?7p ,?9 O?
Ejemplo 5:
En una urna &a8 +. bolas0 ,. ro:as 8 el resto blancas( "e elige una bola al
azar 8 se anota si es ro:a el proceso se repite0 devolviendo la bola0 ,. veces(
#alcular la 1edia 8 la desviación tpica
B6,.0 ,?+7 p ,?+9 *?+
8/15/2019 milagroMatematica.docx
7/75
Normal
En estadstica 8 probabilidad se lla1a distribución nor1al0 distribución de
Qauss o distribución gaussiana0 a una de las distribuciones de
probabilidad de variable continua 9ue con 1%s 3recuencia aparece
apro5i1ada en 3enó1enos reales(
La gr%3ica de su 3unción de densidad tiene una 3or1a aca1panada 8 es
si12trica respecto de un deter1inado par%1etro estadstico( Esta curva se
conoce co1o ca1pana de Qauss 8 es el gr%3ico de una 3unción gaussiana(
La i1portancia de esta distribución radica en 9ue per1ite 1odelar
nu1erosos 3enó1enos naturales0 sociales 8 psicológicos( Mientras 9ue los
1ecanis1os 9ue sub8acen a gran parte de este tipo de 3enó1enos son
desconocidos0 por la enor1e cantidad de variables incontrolables 9ue en
ellos intervienen0 el uso del 1odelo nor1al puede :usti3icarse asu1iendo 9uecada observación se obtiene co1o la su1a de unas pocas causas
independientes(
De &ec&o0 la estadstica descriptiva sólo per1ite describir un 3enó1eno0
sin e5plicación alguna( Para la e5plicación causal es preciso el diseño
experimental 0 de a& 9ue al uso de la estadstica en psicologa 8 sociologa
sea conocido co1o método correlacional (
La distribución nor1al ta1bi2n es i1portante por su relación con la
esti1ación por 1ni1os cuadrados0 uno de los 12todos de esti1ación 1%s
si1ples 8 antiguos(
https://es.wikipedia.org/wiki/Estad%C3%ADsticahttps://es.wikipedia.org/wiki/Teor%C3%ADa_de_probabilidadeshttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidadhttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidadhttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad#Distribuciones_de_variable_continuahttps://es.wikipedia.org/wiki/Gr%C3%A1ficahttps://es.wikipedia.org/wiki/Funci%C3%B3n_de_densidadhttps://es.wikipedia.org/wiki/Par%C3%A1metro_estad%C3%ADsticohttps://es.wikipedia.org/wiki/Campana_de_Gausshttps://es.wikipedia.org/wiki/Funci%C3%B3n_gaussianahttps://es.wikipedia.org/wiki/Modelo_matem%C3%A1ticohttps://es.wikipedia.org/wiki/M%C3%ADnimos_cuadradoshttps://es.wikipedia.org/wiki/Estad%C3%ADsticahttps://es.wikipedia.org/wiki/Teor%C3%ADa_de_probabilidadeshttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidadhttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidadhttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad#Distribuciones_de_variable_continuahttps://es.wikipedia.org/wiki/Gr%C3%A1ficahttps://es.wikipedia.org/wiki/Funci%C3%B3n_de_densidadhttps://es.wikipedia.org/wiki/Par%C3%A1metro_estad%C3%ADsticohttps://es.wikipedia.org/wiki/Campana_de_Gausshttps://es.wikipedia.org/wiki/Funci%C3%B3n_gaussianahttps://es.wikipedia.org/wiki/Modelo_matem%C3%A1ticohttps://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados
8/15/2019 milagroMatematica.docx
8/75
!lgunos e:e1plos de variables asociadas a 3enó1enos naturales 9ue siguen
el 1odelo de la nor1al son)
•
caracteres 1or3ológicos de individuos co1o la estatura
• caracteres 3isiológicos co1o el e3ecto de un 3%r1aco
• caracteres sociológicos co1o el consu1o de cierto producto por un
1is1o grupo de individuos
• caracteres psicológicos co1o el cociente intelectual
• nivel de ruido en teleco1unicaciones
• errores co1etidos al 1edir ciertas 1agnitudes
• etc(
Ejemplo 1:
"i es una variable aleatoria de una distribución 6S0 70 &allar) p6SJ+
SA+7
https://es.wikipedia.org/wiki/Morfolog%C3%ADa_(biolog%C3%ADa)https://es.wikipedia.org/wiki/Estaturahttps://es.wikipedia.org/wiki/Fisiolog%C3%ADahttps://es.wikipedia.org/wiki/F%C3%A1rmacohttps://es.wikipedia.org/wiki/Sociolog%C3%ADahttps://es.wikipedia.org/wiki/Sociolog%C3%ADahttps://es.wikipedia.org/wiki/Consumohttps://es.wikipedia.org/wiki/Psicolog%C3%ADahttps://es.wikipedia.org/wiki/Psicolog%C3%ADahttps://es.wikipedia.org/wiki/Cociente_intelectualhttps://es.wikipedia.org/wiki/Ruido_(f%C3%ADsica)https://es.wikipedia.org/wiki/Telecomunicaci%C3%B3nhttps://es.wikipedia.org/wiki/Error_experimentalhttps://es.wikipedia.org/wiki/Morfolog%C3%ADa_(biolog%C3%ADa)https://es.wikipedia.org/wiki/Estaturahttps://es.wikipedia.org/wiki/Fisiolog%C3%ADahttps://es.wikipedia.org/wiki/F%C3%A1rmacohttps://es.wikipedia.org/wiki/Sociolog%C3%ADahttps://es.wikipedia.org/wiki/Consumohttps://es.wikipedia.org/wiki/Psicolog%C3%ADahttps://es.wikipedia.org/wiki/Cociente_intelectualhttps://es.wikipedia.org/wiki/Ruido_(f%C3%ADsica)https://es.wikipedia.org/wiki/Telecomunicaci%C3%B3nhttps://es.wikipedia.org/wiki/Error_experimental
8/15/2019 milagroMatematica.docx
9/75
Es decir0 9ue apro5i1ada1ente el 99!4" de los valores
de est%n a 1enos de tres desviaciones tpicas de la1edia(
Ejemplo 2:
La 1edia de los pesos de .. estudiantes de un colegio es -. g 8 la
desviación tpica + g( "uponiendo 9ue los pesos se distribu8en
nor1al1ente0 &allar cu%ntos estudiantes pesan)
$Entre H. g 8 - g
$M%s de W. g
$Menos de HO g
$HO g
$HO g o 1enos
Entre H. g 8 - g
M%s de W. g
8/15/2019 milagroMatematica.docx
10/75
Menos de HO g
HO g
HO g o 1enos
Ejemplo #:
Tras un test de cultura general se observa 9ue las puntuaciones obtenidassiguen una distribución una distribución 6H0 ,/7( "e desea clasi3icar a los
e5a1inados en tres grupos 6de ba:a cultura general0 de cultura general
aceptable0 de e5celente cultura general7 de 1odo 9ue &a8 en el pri1ero un
*.X la población0 un HX el segundo 8 un ,X en el tercero( #u%les &an
de ser las puntuaciones 9ue 1arcan el paso de un grupo al otroN
8/15/2019 milagroMatematica.docx
11/75
Ba:a cultura &asta OW puntos(
#ultura aceptable entre . 8 /+(
E5celente cultura a partir de /O puntos(
Ejemplo 4:
En una ciudad una de cada t res 3a1i lias posee tel23ono( "ise el igen al azar W. 3a1il ias0 calcular la probabi l idad de 9ue
entre ellas &a8a por lo 1enos +. tengan tel23ono
8/15/2019 milagroMatematica.docx
12/75
Ejemplo 5:
En un e5a1en tipo test de *.. preguntas de elección 1últiple0
cada pregunta t iene una respuesta correcta 8 una incorrecta( "e
aprueba si se contesta a 1%s de ,,. respuestas correctas(
"uponiendo 9ue se contesta al azar0 calcular la probabil idad de
aprobar el e5a1en
8/15/2019 milagroMatematica.docx
13/75
POISSON
La distribución de PYI""Y es ta1bi2n un caso particular de
probabilidad de variable aleatoria discreta0 el cual debe su no1bre a
"i12on Denis Poisson 6,-/,$,/O.70 un 3ranc2s 9ue la desarrolló a
partir de los estudios 9ue realizó durante la últi1a etapa de su vida( Estadistribución se utiliza para describir ciertos procesos( #aractersticas) P6*
caras7 .(*+OO Tabla Bino1ial
En este tipo de e5peri1entos los 25itos buscados son e5presados por
unidad de %rea0 tie1po0 pieza0 etc) $ Z de de3ectos de una tela por 1* $ Z de
aviones 9ue aterrizan en un aeropuerto por da0 &ora0 1inuto0 etc( $ Z de
bacterias por c 1* de cultivo $ Z de lla1adas tele3ónicas a un con1utador
por &ora0 1inuto0 etc0 etc( $ Z de llegadas de e1barcaciones a un puerto por da0 1es0 etc0 etc( Para deter1inar la probabilidad de 9ue ocurran 5 25itos
por unidad de tie1po0 %rea0 o producto0 la 3ór1ula a utilizar es) donde)
p67 probabilidad de 9ue ocurran 5 25itos0 cuando el nú1ero
pro1edio de ocurrencia de ellos es 1edia o pro1edio de 25itos por unidad
8/15/2019 milagroMatematica.docx
14/75
de tie1po0 %rea o producto e *(-,/ 6base de logarit1o neperiano o natural7
variable 9ue nos denota el nú1ero de 25itos 9ue se desea 9ue ocurra
'a8 9ue &acer notar 9ue en esta distribución el nú1ero de 25itos 9ue
ocurren por unidad de tie1po0 %rea o producto es total1ente al azar 8 9uecada intervalo de tie1po es independiente de otro intervalo dado0 as co1o
cada %rea es independiente de otra %rea dada 8 cada producto es
independiente de otro producto dado( #alculo de la distribución de
probabilidad de Poisson por tres 12todos) a7 Utilización del Minitab ,( b7
Utilización de la 3ór1ula c7 Utilización de las tablas de Poisson P60 7 [
5e$[ \ P60 7 [ 5e$[ \
Ejemplo 1:
"i 8a se conoce 9ue solo el +X de los alu1nos de contabilidad son 1u8
inteligentes calcular la probabilidad de 9ue si to1a1os ,.. alu1nos al
azar sean 1u8 inteligentes
,..
P .(.+
La1bda ,..].(.+ +
Ejemplo 2:
Tres e:ecutivos del Insalud opinan 9ue el nú1ero 1edio de pacientes 9ue
llegan a cierto servicio nocturno de guardia durante una &ora es * 0 según el
pri1ero0 + 0 según el segundo0 8 según el tercero(
8/15/2019 milagroMatematica.docx
15/75
"us opiniones pueden ponderarse teniendo en cuenta 9ue el pri1ero tiene
el doble de e5periencia pro3esional 9ue los otros dos(
Para to1ar una decisión de asignación de personal en ese servicio9uieren esti1ar el nú1ero 1edio de pacientes0 sin despreciar sus opiniones 0
por lo 9ue realiza una e5periencia controlando una &ora de actividad en el
servicio en la 9ue acuden + pacientes (Esta in3or1ación la van a co1binar
con la inicial a trav2s de un proceso Ba8esiano )có1o lo &aranN
La distribución a priori ser% tal 9ue deber% asignarse el doble de
probabilidad a la alternativa propuesta por el pri1er e5perto 9ue a las de los
otros dos( !s 9ue ser%)
i P6 i7
* .0
+ .0*
O .0*
De 1anera 9ue la esti1ación inicial de sera0la 1edia de la distribución a
priori)
8/15/2019 milagroMatematica.docx
16/75
Realizada la e5periencia0 las verosi1ilitudes de las tres alternativas nos
vendr%n dadas por la 3unción de cuanta de la distribución de Poisson0
con
i
* .0,/.OO-
+ .0**O.O*
.0,O.+-O
La 3unción de cuanta de la distribución a posteriori la obtendre1os
aplicando el Teore1a de Ba8es 8 resultar% ser)
i
* .0OW--*
+ .0+.//W,
.0,W++H
8/15/2019 milagroMatematica.docx
17/75
Esta distribución a posteriori nos dar% cuenta de toda la in3or1ación
disponible acerca del par%1etro desconocido0 6nú1ero 1edio de pacientes
por &ora7 tanto de la in3or1ación sub:etiva de los e5pertos
6conveniente1ente ponderada7 co1o de la in3or1ación e1pricasu1inistrada por la observación(
! partir de esta distribución a posteriori pode1os plantear nos dar un valor
concreto para la esti1ación de considerando una 3unción de p2rdida
cuadr%tica( La esti1ación adecuada sera la 1edia de la distribución a
posteriori)
Ejemplo #:
En una :aula con ,.. pericos , de ellos &ablan ruso calcular la probabilidad
de 9ue si to1a1os *. pericos al azar + de ellos &ablen ruso(
n *.
p .(,
+
la1bda +
P 6 +7 6 e−3
7 6 33
7 ? +\ .(**O.O,/
Ejemplo 4:
"e calcula 9ue en la ciudad el *.X de las personas tienen de3ecto de la vista
si to1a1os una 1uestra de . personas al azar #alcular la probabilidad de
9ue ,. de ellos tengan de3ecto en la vista(
8/15/2019 milagroMatematica.docx
18/75
n .
p .(*
la1bda ,.
P 6 ,.7 6 e−10
7 6 1010
7 ? ,.\ .(,*,,
Central del Límite
La Distribución del l1ite central o El Teore1a #entral del L1ite dice 9ue
si tene1os un grupo nu1eroso de variables independientes 8 todas ellas
siguen el 1is1o 1odelo de distribución 6cual9uiera 9ue 2ste sea70 la su1a
de ellas se distribu8e según una distribución nor1al(
Ejemplo 1:
La variable ;tirar una 1oneda al aire; sigue la distribución de Bernouilli( "i
lanza1os la 1oneda al aire . veces0 la su1a de estas . variables 6cada
una independiente entre s7 se distribu8e según una distribución nor1al(
Este teore1a se aplica tanto a su1a de variables discretas co1o de
variables continuas(
Los par%1etros de la distribución nor1al son)
Media) n ] 1 61edia de la variable individual 1ultiplicada por el nú1ero de
variables independientes7
Varianza) n ] s* 6varianza de la variable individual 1ultiplicada por el nú1ero
de variables individuales(
8/15/2019 milagroMatematica.docx
19/75
8/15/2019 milagroMatematica.docx
20/75
#ada renta personal es una variable independiente 9ue se distribu8e según
una 3unción uni3or1e( Por ello0 a la su1a de las rentas de ,.. personas se le
puede aplicar el Teore1a #entral del L1ite(
La 1edia 8 varianza de cada variable individual es)
1 6O A ,. 7 ? * -
s* 6,. $ O7=* ? ,* +
Por tanto0 la su1a de las ,.. variables se distribu8e según una nor1al cu8a
1edia 8 varianza son)
Media) n ] 1 ,.. ] - -..
Varianza) n ] s* ,.. ] + +..
Para calcular la probabilidad de 9ue la su1a de las rentas sea superior a -*
1illones ptas0 co1enza1os por calcular el valor e9uivalente de la variable
nor1al tipi3icada)
Luego)
P 6 ^ -*7 P 6_ ^ ,0OO7 , $P 6_ ` ,0OO7 , $ .0W*, .0.-OW
Es decir0 la probabilidad de 9ue la su1a de las rentas de ,.. personas
seleccionadas al azar supere los -* 1illones de pesetas es tan sólo del
-0OWX(
Ejemplo 4:
En una asignatura del colegio la probabilidad de 9ue te sa9uen a lapizarra en cada clase es del ,.X( ! lo largo del aKo tienes ,.. clases de esa
asignatura( #u%l es la probabilidad de tener 9ue salir a la pizarra 1%s de
,vecesN
"e vuelve a aplicar el Teore1a #entral del L1ite(
8/15/2019 milagroMatematica.docx
21/75
"alir a la pizarra es una variable independiente 9ue sigue el 1odelo de
distribución de Bernouilli)
;"alir a la pizarra;0 le da1os el valor , 8 tiene una probabilidad del .0,.
;o salir a la pizarra;0 le da1os el valor . 8 tiene una probabilidad del .0W
La 1edia 8 la varianza de cada variable independiente es)
1 .0,.
s* .0,. ] .0W. .0.W
Por tanto0 la su1a de las ,.. variables se distribu8e según una nor1a lcu8a
1edia 8 varianza son)
Media ) n ] 1 ,.. ] .0,. ,.
Varianza ) n ] s* ,.. ] .0.W W
Para calcular la probabilidad de salir a la pizarra 1%s de , veces0
calcula1os el valor e9uivalente de la variable nor1al tipi3icada)
Luego)
P 6 ^ ,7 P 6_ ^ ,0H-7 , $ P6_ ` ,0H-7 , $ .0W* .0.O-
Es decir0 la probabilidad de tener 9ue salir 1%s de , veces a la pizarra a lo
largo del curso es tan sólo del O0-X(
8/15/2019 milagroMatematica.docx
22/75
La distribución Uniforme
La distribución Uni3or1e es el 1odelo 6absoluta1ente7 continuo 1%s
si1ple( #orresponde al caso de una variable aleatoria 9ue sólo puede to1ar
valores co1prendidos entre dos e5tre1os a 8 b0 de 1anera 9ue todos los
intervalos de una 1is1a longitud 6dentro de 6a0 b77 tienen la 1is1a
probabilidad( Ta1bi2n puede e5presarse co1o el 1odelo probabilstico
correspondiente a to1ar un nú1ero al azar dentro de un intervalo 6 a0 b7(
De la anterior de3inición se desprende 9ue la 3unción de densidad debe
to1ar el 1is1o valor para todos los puntos dentro del intervalo 6a0 b7 68 cero
3uera del intervalo7( Es decir0
.
Gráficamente:
8/15/2019 milagroMatematica.docx
23/75
La 3unción de distribución se obtiene integrando la 3unción de densidad 8
viene dada por)
Qr%3ica1ente)
8/15/2019 milagroMatematica.docx
24/75
$ropiedades del modelo %ni&orme
,( "u esperanza vale 6b A a7?*
2. "u varianza es 6b J a7*
?,*
Ejemplo 1:
"ea el 1o1ento elegido al azar en 9ue un estudiante recibe clases en
un deter1inado da entre las siguientes &oras) -).. $ /).. $ W).. $ ,.).. $
,,).. $ ,*).. $ ,+)..
,7 #u%l es la 3unción de densidad de la variable N
*7 Elaborar un gr%3ico de la distribución de probabilidades+7 #alcular el valor 1edio esperado
O7 #alcular la desviación est%ndar
7 #alcular la probabilidad de 9ue llegue en la pri1era 1edia &ora
8/15/2019 milagroMatematica.docx
25/75
H7 "i recibe clases de Estadstica !plicada de ,.).. a ,*),0 calcular la
probabilidad de recibir esta asignatura(
Solu'ión:
,7 a - 8 b ,+
Ree1plazando valores en la ecuación de la 3unción de densidad se obtiene)
*7 Elaborando el gr%3ico de la distribución de probabilidade1pleando E5cel se obtiene)
(nterpreta'ión:
#ada rect%ngulo tiene , de base 8 ,?H .0,H- de altura(
El %rea de cada rect%ngulo es)
El %rea total 6rect%ngulo de base el intervalo -$,+ 8 altura ,?H.0,H-7
representa a la su1a de todas las probabilidades0 8 es igual a uno)
+7 Ree1plazando valores en la 3ór1ula del valor esperado se obtiene)
http://www.monografias.com/trabajos15/estadistica/estadistica.shtmlhttp://www.monografias.com/trabajos15/estadistica/estadistica.shtmlhttp://www.monografias.com/trabajos16/sepa-excel/sepa-excel.shtmlhttp://www.monografias.com/trabajos15/estadistica/estadistica.shtmlhttp://www.monografias.com/trabajos16/sepa-excel/sepa-excel.shtml
8/15/2019 milagroMatematica.docx
26/75
O7 Ree1plazando valores en la 3ór1ula de la varianza se obtiene)
7 Llegar en la pri1era 1edia &ora signi3ica 9ue llega a la -)+.( Por lo tanto
se debe calcular la probabilidad entre las -).. 8 las -)+.(
#o1o -)+. -&oras A +. 1inutos0 8 el porcenta:e 9ue representa +. 1inutos
de una &ora es)
Por lo tanto se debe calcular la probabilidad entre - 8 -0 !plicando la 3ór1ula de la probabilidad entre dos valores se obtiene)
En el siguiente gr%3ico se 1uestra la probabilidad calculada)
http://www.monografias.com/trabajos11/tebas/tebas.shtmlhttp://www.monografias.com/trabajos11/tebas/tebas.shtmlhttp://www.monografias.com/trabajos11/tebas/tebas.shtml
8/15/2019 milagroMatematica.docx
27/75
H7 "e debe calcular la probabilidad entre las ,.).. 8 las ,*),
#o1o ,*), ,*&oras A , 1inutos0 8 el porcenta:e 9ue representa ,
1inutos de una &ora es)
Por lo tanto de debe calcular la probabilidad entre ,. 8 ,*0*
!plicando la 3ór1ula de la probabilidad entre dos valores se obtiene)
En el siguiente gr%3ico se 1uestra la probabilidad calculada)
8/15/2019 milagroMatematica.docx
28/75
Multinomial
En teora de probabilidad0 la distribución 1ultino1ial es una generalización de
la distribución bino1ial(
La distribución bino1ial es la probabilidad de un nú1ero de 25itos en sucesos de
Bernoulli independientes0 con la 1is1a probabilidad de 25ito en cada suceso( En una
distribución 1ultino1ial0 el an%logo a la distribución de Bernoulli es la distribución
categórica0 donde cada suceso conclu8e en única1ente un resultado de un nú1ero
3inito de los posibles0 con probabilidades 6tal 9ue para i entre , 8 8 7 8 con nsucesos independientes(
Entonces sea la variable aleatoria 0 9ue indica el nú1ero de veces 9ue se &a dado el
resultado i sobre los n sucesos( El vector sigue una distribución 1ultino1ial con
par%1etros n 8 p0 donde (
ótese 9ue en algunos ca1pos las distribuciones categóricas 8 1ultino1ial se
encuentran unidas0 8 es co1ún &ablar de una distribución 1ultino1ial cuando el t2r1ino
1%s preciso sera una distribución categórica(
DI"TRIBU#I MULTIYMI!L(
#aractersticas)
a7 !l llevar a cabo un e5peri1ento con esta distribución se esperan
1%s de dos tipos de resultados(
b7 Las probabilidades asociadas a cada uno de los resultados son
constantes(
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomialhttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomialhttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial
8/15/2019 milagroMatematica.docx
29/75
c7 #ada uno de los ensa8os o repeticiones del e5peri1ento son
independientes(
d7 El nú1ero de repeticiones del e5peri1ento0 n es constante(
!l igual 9ue &ici1os con la distribución bino1ial0 en este caso partire1os
de un e:e1plo para obtener la 3ór1ula general para resolver proble1as
9ue tengan este tipo de distribución(
Ejemplo 1)
"e lanza al aire un dado nor1al0 veces0 deter1ine la probabilidad de
9ue aparezca dos nú1eros uno0 dos nú1eros tres 8 un nú1ero cinco(
Del diagra1a de %rbol se obtendra el espacio 1uestral 8 enseguida se
deter1inaran las probabilidades re9ueridas( En lugar de lo anterior0
obtendre1os una 3ór1ula a partir de la siguiente e5presión)
p6aparezcan dos unos0 dos tres 8 un cinco76nú1ero de ra1as en donde
&a8a dos unos0 dos tres 8 un cinco76probabilidad asociada a cada una de las
ra1as7
Para esto de3inire1os lo siguiente)
n nú1ero de lanza1ientos del dado
5, nú1ero de veces 9ue aparece el nú1ero , *
5* nú1ero de veces 9ue aparece el nú1ero * .
5+ nú1ero de veces 9ue aparece el nú1ero + *5O nú1ero de veces 9ue aparece el nú1ero O .
5 nú1ero de veces 9ue aparece el nú1ero ,
p, probabilidad de 9ue aparezca el nú1ero , ,?H
p* probabilidad de 9ue aparezca el nú1ero * ,?H
8/15/2019 milagroMatematica.docx
30/75
p+ probabilidad de 9ue aparezca el nú1ero + ,?H
pO probabilidad de 9ue aparezca el nú1ero O ,?H
p probabilidad de 9ue aparezca el nú1ero ,?H
pH probabilidad de 9ue aparezca el nú1ero H ,?H
Luego0 có1o obtendre1os el nú1ero de ra1as donde aparecen dos
nú1eros ,0 dos nú1eros + 8 un nú1ero N
Enunciando algunas de las ra1as0 tene1os lo siguiente
6,0 ,0 0 +0 +70 60 ,0 ,0 +0 +70 6,0 +0 +0 ,0 70 ((( etc0 etc(
u2 tipo de arreglos son estos0 co1binaciones0 per1utaciones o 9ueN
"Y PERMUT!#IYE" E DYDE '!_ YBETY" IQU!LE"(
Por tanto el nú1ero de ra1as se puede obtener de la siguiente 1anera)
El nú1ero de ra1as
_ en 3or1a general0
Luego la probabilidad asociada a cada una de las ra1as0 sera
p6asociada a cada una de las ra1as7
p6Z,7p6Z,7p6Z+7p6Z+7p6Z7p,]p,]p+]p+]p
p,*]p+*]p
8/15/2019 milagroMatematica.docx
31/75
8/15/2019 milagroMatematica.docx
32/75
8/15/2019 milagroMatematica.docx
33/75
c7
nW
5, lleguen en auto p, .(+.
5* O 6lleguen por aire o autobús o tren7 p* .(O.A.(*.A.(,. .(-.
Ejemplo #:
De acuerdo con la teora de la gen2tica0 un cierto cruce de cone:illo de
indias resultar% en una descendencia ro:a0 negra 8 blanca en la relación / )
O ) O( Encuentre la probabilidad de 9ue entre / descendientes0 a7 sean
ro:os0 * negros 8 un blanco0 b7 + sean ro:os 8 * sean negros(
"olución)
a7
n /
5, ro:os p, prob( "ean ro:os /?,H .(.
5* * negros p* prob( "ean negros O?,H .(*
5+ , blanco p+ prob( "ean blancos O?,H .(*
b7
n/
8/15/2019 milagroMatematica.docx
34/75
5, + ro:os p, .(.
5* * negros p* .(*
5+ + blancos p+ .(*
Ejemplo 4:
"egún una encuesta preli1inar acerca del voto 9ue los ciudadanos dar%n
por los candidatos para gobernador del estado se &a detectado 9ue
apro5i1ada1ente un *X votar% por el partido verde0 un O.X por el partido
azul 8 un /X por los partidos restantes0 si se seleccionan aleatoria1ente H
personas con edad de votar0 deter1ine la probabilidad de 9ue) a7 * voten por
el partido verde0 , por el azul 8 + por el resto de los partidos0 b7 * voten por el
partido verde 8 O por el azul(
"olución)
a7 n H
5, * voten por partido verde p, prob( de 9ue una persona vote por partido
verde .(*
5* , vote por partido azul p* prob( de 9ue una persona vote por partido
azul .(O.
5+ + voten por otros partidos p+ prob( de 9ue una persona vote por otros
partidos .(./
8/15/2019 milagroMatematica.docx
35/75
b7n H
5, * voten por el partido verde p , prob( de 9ue una persona vote por
partido verde.(*
5* O vote por partido azul p* prob( de 9ue una persona vote por
partido azul .(O.
5+ . voten por otros partidos p+ prob( de 9ue una persona vote por otrospartidos .(./
E:e1plo )
En una 3iesta0 el *.X de los asistentes son espaKoles0 el +.X
3ranceses0 el O.X italiano 8 el ,.X portugueses( En un pe9ueKo grupo se
&an reunido O invitados) cual es la probabilidad de 9ue * sean espaKoles 8
* italianosN
P .0.+/O
8/15/2019 milagroMatematica.docx
36/75
Gamma
Es una distribución adecuada para 1odelizar el co1porta1iento de
variables aleatorias continuas con asi1etra positiva( Es decir0 variables 9ue
presentan una 1a8or densidad de sucesos a la iz9uierda de la 1edia 9ue a
la derec&a( En su e5presión se encuentran dos par%1etros0 sie1pre
positivos0 67 8 6f7 de los 9ue depende su 3or1a 8 alcance por la derec&a0 8
ta1bi2n la 3unción Qa11a 670 responsable de la convergencia de la
distribución
4ór1ula 1ate1%tica)
La 3unción de densidad de la distribución Qa11a es0
3657,?6f=677]5=6$,7]e=65?f7
Donde 5^. 8 f0 son par%1etros positivos(
Este 1odelo es una generalización del 1odelo E5ponencial 8a 9ue0 enocasiones0 se utiliza para 1odelar variables 9ue describen el tiempo hasta
que se produce p veces un determinado suceso(
"u 3unción de densidad es de la 3or1a)
8/15/2019 milagroMatematica.docx
37/75
#o1o ve1os0 este 1odelo depende de dos par%1etros positivos) 8 p( La
3unción 6 p7 es la deno1inada funcin !amma de "uler 9ue representa la
siguiente integral)
ue veri3ica # 6 p A ,7 p# 6 p70 con lo 9ue0 si p es un nú1ero entero
positivo0 6 p A ,7 p\
Ejemplo 1
"e usa la distribución Qa11a para obtener la distribución de probabilidad
de la variable aleatoria Cedad de 3alleci1iento en accidentes de tr%3ico( En
este caso e5plican 9ue se asignaron los par%1etros 8 Ca o:o( El 1e:or
resultado es el 9ue parece 1ini1izar los errores cuadr%ticos 1edios despu2s
de varias asignaciones( 4inal1ente obtienen *0WO 8 ,+0WO(
Ejemplo 2
"i un co1ponente el2ctrico 3alla una vez cada &oras0 cu%l es el tie1po
1edio 9ue transcurre &asta 9ue 3allan dos co1ponentesN #u%l es laprobabilidad de 9ue transcurran ,* &oras antes de 9ue 3allen los dos
co1ponentesN
8/15/2019 milagroMatematica.docx
38/75
si γ 1
5
fallo
horas entonces0 f 1
γ
1
1
5 &oras?3allo
E ( x )=a . β=2.5=10horas
52.2
¿ .∫
0
12
μ2−1
. e μ
1
12du
P ( X >12 )=1
¿
Ejemplo #
Proble1a *
] ,
] H
] n +
] 5 .0 ,0 *0 +
P 65 .7 . H +W +,∁ ∁ ∁
P 65 *7 , 5 /OO .(,/
,*. *.\,\ 5 ,W\*.∁
+ /. /.5-W5-/5--\H 5 --\/*,H.∁
O ,.. ,..5WW5W/5W-5WH\*O5WH\+W*,**∁
,*. *.\,\ 5 ,W\*.∁
+ /. /.5-W5-/5--\H 5 --\/*,H.∁
O ,.. ,..5WW5W/5W-5WH\*O5WH\+W*,**∁
8/15/2019 milagroMatematica.docx
39/75
Cauchy
La distribución #auc&8$Lorentz0 lla1ada en &onor a !ugustin
#auc&8 8 'endri Lorentz0 es una distribución de probabilidadcontinua( Es
conocida co1o la distribución de #auc&8 8 en el %1bito de la 3sica se
conoce co1o la distribución de Lorentz0 la3unción Lorentziana ó la
distribución de Breit$higner( "u i1portancia en la 3sica es dada por ser lasolución de la ecuación di3erencial 9ue describe la resonancia 3orzada(
En espectros copia describe la 3or1a de las lneas espectrales 9ue son
a1pliadas por diversos 1ecanis1os0 en particular0 el 1ecanis1o de
ensanc&a1iento por colisión(
https://es.wikipedia.org/wiki/Cauchyhttps://es.wikipedia.org/wiki/Cauchyhttps://es.wikipedia.org/wiki/Hendrik_Lorentzhttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidadhttps://es.wikipedia.org/wiki/F%C3%ADsicahttps://es.wikipedia.org/wiki/Ecuaci%C3%B3n_diferencialhttps://es.wiktionary.org/wiki/es:resonanciahttps://es.wiktionary.org/wiki/es:resonanciahttps://es.wikipedia.org/wiki/Espectroscopiahttp://www.astro.puc.cl/~dante/cursofia2000/apuntes/node55.htmlhttps://es.wikipedia.org/wiki/Cauchyhttps://es.wikipedia.org/wiki/Cauchyhttps://es.wikipedia.org/wiki/Hendrik_Lorentzhttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidadhttps://es.wikipedia.org/wiki/F%C3%ADsicahttps://es.wikipedia.org/wiki/Ecuaci%C3%B3n_diferencialhttps://es.wiktionary.org/wiki/es:resonanciahttps://es.wikipedia.org/wiki/Espectroscopiahttp://www.astro.puc.cl/~dante/cursofia2000/apuntes/node55.html
8/15/2019 milagroMatematica.docx
40/75
La lnea verde es la distribución est%ndar de #auc&8
Ejemplo:
!nalizar si el teore1a de #auc&8 es aplicable en el intervalo
,0 Oj a las 3unciones)
3657 5 * J *5 A + 8 g657 5 + J -5* A *.5 J (
En caso a3ir1ativo0 aplicarlo(
Las 3unciones 3657 8 g657 son cont inuas 8 derivables en
por ser polinó1incas0 luego0 en particular0 son continuas en
,0 Oj 8 derivables en 6,0 O7 (
!de1%s se cu1ple 9ue g6,7 k g6O7(
Por lo tanto se veri3 ica el teore1a de #auc&8)
8/15/2019 milagroMatematica.docx
41/75
2 !nalizar si el el teore1a de #auc&8 es aplicable a las
3unciones 3657 sen 5 8 g657 cos 5 en el intervalo .0 ?*j(
Las 3unciones 3657 sen 5 8 g657 cos 5 son continuas 8
derivables en toda la recta real(
_ en particular son continuas en el intervalo .0 ?*j 8
derivables en 6.0 ?*7(
g6?*7 k g6.7
Por lo tanto pode1os aplicar el teore1a de #auc&8)
8/15/2019 milagroMatematica.docx
42/75
gm 6c7 k . Jsen6?O7 k .(
"e trata de un 1odelo continuo cu8a 3unción de densidad es)
#u8a integral nos proporciona la 3unción de distribución )
Student
En probabilidad 8 estadstica0 la distribución t 6de "tudent7 es una
distribución de probabilidad 9ue surge del proble1a de esti1ar la 1edia de
una población nor1al1ente distribuida cuando el ta1aKo de la 1uestra es
pe9ueKo(
8/15/2019 milagroMatematica.docx
43/75
!parece de 1anera natural al realizar la prueba t de "tudent para la
deter1inación de las di3erencias entre dos 1edias 1uestrales 8 para la
construcción del intervalo de con3ianza para la di3erencia entre las 1edias de
dos poblaciones cuando se desconoce la desviación tpica de una población8 2sta debe ser esti1ada a partir de los datos de una 1uestra(
Las distribuciones t de Student son parecidas a la nor1al( "e pueden
utilizar para &acer esti1aciones de la 1edia cuando se desconoce la
varianza 6es lo &abitual7 8 se usan 1uestas pe9ueKas(
Los intervalos as obtenidos son0 no podra ser de otra 1anera0 1%s
grandes 8 1enos precisos 9ue los 9ue se obtendran si upusi2ra1osconocida la varianza en una distribución nor1al(
En el applet co1para1os distribuciones t de "tudent con la nor1al
est%ndar( Pode1os elegir el valor del par%1etro Cgrados de libertad 8
1odi3icar los e5tre1os del intervalo si12trico en torno a la 1edia( #on estos
datos se obtiene unas probabilidades 6c%lculos apro5i1ados7 9ue se
1uestran( !, representa el %rea de la zona central 8 !* es el %rea de las dos
colas de los e5tre1os( La su1a de a1bas %reas es ,(
"i considera1os esos 1is1os e5tre1os del intervalo en el caso de una
distribución nor1al est%ndar co1proba1os 9ue la probabilidad de la zona
central 6!,7 es 1a8or para la distribución nor1al 9ue para la t de "tudent( "i
el par%1etro grados de libertad es grande la di3erencia es pe9ueKa(
Ejemplo 1
Los valores de las 1atriculas de estudiantes en una universidad privada
tienen un co1porta1iento apro5i1ada1ente nor1al0 donde el pro1edio es
de *(,..(...( "e seleccionan / li9uidaciones0 siendo los valores los
8/15/2019 milagroMatematica.docx
44/75
siguientes) ,(W.(...0 *(,..(...0 *(*.(...0 ,(/W.(...0 *(*.(...0
,(W.(...0 *(..(...0 *(+.(...( Deter1ine la probabilidad de 9ue)
El pro1edio sea 1enor de *(...(...(
El pro1edio se encuentre entre *(...(... 8 *(*..(...
El pro1edio sea 1a8or o igual a *(..(...
"olución 1anual)
"ea Li9uidación 1atriculas(
1 *(,..(... s N
*(.W/(-. s,H/(HOO(/./ n/
a7 P6 `*(...(...7P6 `*(...(...7
P6t`6*(...(...$*(,..(...7?6,H/HOO(/./?*(/*/O7 P6t`$,(H--7
La probabilidad se encuentra entre .(W 8 .(W0 según la tabla T 9ue se
encuentra 1%s adelante0 no obstante0 al t ser negativo0 la probabilidad est%
entre .(, 8 .(.0 es decir0 los valores co1ple1entarios
Ejemplo 2:
8/15/2019 milagroMatematica.docx
45/75
Los punta:es de un grupo de estudiantes se co1portan nor1al0 con
pro1edio de .0 sin e1bargo0 no se conoce la desviación( "e to1ó una 1(a
de W estudiantes encontrando una varianza de +H 8 un pro1edio de *( #u%l
es la probabilidad de 9ue el pro1edio)
"ea 1a8or de ON
"ea 1enor 9ue ON
Est2 co1prendido entre O/ 8 * puntosN
Solu'ión manual:
"ea Punta:e estudiantes(
1 . puntos s N
* s*+H sH nW
a7 P6 ^O7,$ P6t`6O$.7?6H?+77 ,$ P6t`*7 ,$ .(WH* .(.+-
1 $ a
% &' &'*& &'* &'+& &'+ &'+ &'++ &'++
1 1'&&& 1'- 1'+- '&* -'1. 12'&- 1'*21 -'-
* &'&- &'**+ 1'1&* 1'+ 1'*-& 2'&- 2'*+- '
#o1o se observa en la tabla0 el *(. se encuentra entre ,(/H 8 *(+.H0 valores
9ue corresponden a las %reas de .(W 8 .(W-( Realizando una esti1ación
burda0 se pro1edian los dos valores correspondientes a las %reas(
Encontrando 9ue la probabilidad de 9ue el pro1edio del punta:e de los
estudiantes sea 1a8or de O es 1u8 ba:a0 .(.+-(
c7 P6 `O7 P6t`6O$.7?6H?+77 P6t`*7 .(WH*( Por el contrario de lo
anterior0 es 1u8 probable 9ue el pro1edio del punta:e de los estudiantes sea
1enor de O0 dic&a probabilidad e9uivale al .(WH*(
d7 P6O/` ^*7P6 `*7$P6 `O/7P6t`6*$.7?6H?+77$P6t`6O/$.7?6H?+77
8/15/2019 milagroMatematica.docx
46/75
P6t`,7$ P6t`$,7 .(/* N6,$.(/*7 .(H
La probabilidad es de .(H( "e aprecia 9ue al ser si12trica la distribución t0
se calcula la probabilidad utilizando el inverso(
Ejemplo #:
,( "ea T G t6O0.(7
a7 Deter1inar μT
μt = 4
0.5=8
b7 Deter1inar
σ T
σ T =√ 4
0.5
2
=4
c7 Deter1inar P6T ≤1¿
P6T ¿1¿=1−¿ ∑ j=0
4−1
e−(0.5 ) (1) [ (0.5) (1 ) ] j
j !
,$ e F6.(76,7[(0.5)(1) ]0
0 ! $ e F6.(76,7[(0.5)(1) ]1
1! $ e F6.(76,7
[(0.5)(1) ]22! $ e 6.(76,7
[(0.5 ) (1) ] 33!
,$ .(H.H+ $.(+.+*- $.(.-/,H $.(.,*H+H
.(...,-
d7 Deter1inar P6T ≥4¿
8/15/2019 milagroMatematica.docx
47/75
P6T ¿1¿=1−¿ ∑ j=0
4−1
e−(0.5 ) (3 ) [ (0.5) (3 ) ] j
j !
e F6.(76+7 (0.5)(3) 0
0 ! $ e F6.(76+7(0.5)(3) 1
1! $ e F6.(76+7
(0.5)(3) 22! $ e 6.(76+7
[(0.5 ) (3 ) ]33!
.(**+,+ A .(++O-.A.(*,.* A.(,*,
.(W+OO
Ejemplo 4
El valor t con ,O grados de libertad 9ue de:a un %rea de .(.* a la
iz9uierda0 8 por tanto un %rea de .(W- a la derec&a0 es
t.(W-$t.(.* $*(,O
"i se observa la tabla0 el %rea so1breada de la curva es de la cola derec&a0es por esto 9ue se tiene 9ue &acer la resta de ( La 1anera de
encontrar el valor de t es buscar el valor de en el pri1er renglón de la
8/15/2019 milagroMatematica.docx
48/75
tabla 8 luego buscar los grados de libertad en la pri1er colu1na 8 donde se
intercepten 8 se obtendr% el valor de t(
Ejemplo 5:
Encuentre la probabilidad de Ft.(.* ` t ` t.(.(
"olución)
#o1o t.(. de:a un %rea de .(. a la derec&a0 8 Ft .(.* de:a un %rea de .(.* a
la iz9uierda0 encontra1os un %rea total de ,$.(.$.(.* .(W*(
P6 Ft.(.* ` t ` t.(.7 .(W*
IS!"IBUCION #I$CU%"%% &'()
En realidad la distribución :i$cuadrada es la distribución 1uestral de s*( Y
sea 9ue si se e5traen todas las 1uestras posibles de una población nor1al 8
a cada 1uestra se le calcula su varianza0 se obtendr% la distribución 1uestralde varianzas(
8/15/2019 milagroMatematica.docx
49/75
Para esti1ar la varianza poblacional o la desviación est%ndar0 se necesita
conocer el estadstico *( "i se elige una 1uestra de ta1aKo n de una
población nor1al con varianza 0 el estadstico)
Tiene una distribución 1uestral 9ue es una distribu'ión ji)'uadrada con
gln$, *rados de libertad 8 se denota * 6 es la 1inúscula de la letra
griega :i7( El estadstico :i$cuadrada esta dado por)
donde n es el ta1aKo de la 1uestra0 s* la varianza 1uestral 8 la
varianza de la población de donde se e5tra:o la 1uestra( El estadstico :i$
cuadrada ta1bi2n se puede dar con la siguiente e5presión)
Ejemplo 1:
"uponga 9ue los tie1pos re9ueridos por un cierto autobús para alcanzar
un de sus destinos en una ciudad grande 3or1an una distribución nor1al con
una desviación est%ndar , 1inuto( "i se elige al azar una 1uestra de ,-
8/15/2019 milagroMatematica.docx
50/75
tie1pos0 encuentre la probabilidad de 9ue la varianza 1uestral sea 1a8or
9ue *(
/olucin0
Pri1ero se encontrar% el valor de :i$cuadrada correspondiente a s** co1o
sigue)
El valor de +* se busca adentro de la tabla en el renglón de ,H grados de
libertad 8 se encuentra 9ue a este valor le corresponde un %rea a la derec&a
de .(.,( En consecuencia0 el valor de la probabilidad es P6s *^*7
Ejemplo 2
Encuentre la probabilidad de 9ue una 1uestra aleatoria de *
observaciones0 de una población nor1al con varianza
0 tenga una varianza 1uestral)
a( Ma8or 9ue W(,
b( Entre +(OH* 8 ,.(-O
/olucin'
8/15/2019 milagroMatematica.docx
51/75
a( Pri1ero se proceder% a calcular el valor de la :i$cuadrada)
!l buscar este nú1ero en el renglón de *O grados de libertad nos da un %rea
a la derec&a de .(.( Por lo 9ue la P6s* ^W(,7 .(.
,( "e calcular%n dos valores de :i$cuadrada)
8
!9u se tienen 9ue buscar los dos valores en el renglón de *O grados de
libertad( !l buscar el valor de ,+(/OH se encuentra un %rea a la derec&a de
.(W( El valor de O*(W/ da un %rea a la derec&a de .(.,( #o1o se est%
pidiendo la probabilidad entre dos valores se resta el %rea de .(W 1enos
.(., 9uedando .(WO(
Por lo tanto la P6+(OH* s* ,.(-O7 .(WO
Esti1ación de la Varianza
8/15/2019 milagroMatematica.docx
52/75
Para poder esti1ar la varianza de una población nor1al se utilizar% la
distribución :i$cuadrada(
!l despe:ar esta 3ór1ula la varianza poblacional nos 9ueda)
Los valores de * depender%n de nivel de con3ianza 9ue se 9uiera al cual le
lla1a1os ( "i nos ubica1os en la gr%3ica se tiene)
Ejemplo #:
,( Los siguientes son los pesos0 en decagra1os0 de ,. pa9uetes de
se1illas de pasto distribuidas por cierta co1paKa) OH(O0 OH(,0 O(/0
O-(.0 OH(,0 O(W0 O(/0 OH(W0 O(* 8 OH( Encuentre un intervalo de
con3ianza de WX para la varianza de todos los pa9uetes de se1illas
de pasto 9ue distribu8e esta co1paKa0 suponga una población
nor1al(
/olucin0
Pri1ero se calcula la desviación est%ndar de la 1uestra)
8/15/2019 milagroMatematica.docx
53/75
al elevar este resultado al cuadrado se obtiene la varianza de la1uestra s* .(*/H(
Para obtener un intervalo de con3ianza de WX se elige un .(.(
Despu2s con el uso de la tabla con W grados de libertad se obtienen
los valores de *(
"e puede observar en la gr%3ica anterior 9ue el valor de * corre en
3or1a nor1al0 esto es de iz9uierda a derec&a(
Por lo tanto0 el intervalo de con3ianza de WX para la varianza es)
Qra3ica1ente)
8/15/2019 milagroMatematica.docx
54/75
"e observa 9ue la varianza corre en sentido contrario0 pero esto es
sólo en la gr%3ica( La interpretación 9uedara si1ilar a nuestros te1as
anteriores re3erentes a esti1ación( #on un nivel de con3ianza del WX
se sabe 9ue la varianza de la población de los pesos de los pa9uetes
de se1illas de pasto esta entre .(,+ 8 .(W+ decagra1os al
cuadrado(
Ejemplo 4
En traba:o de laboratorio se desea llevar a cabo co1probaciones
cuidadosas de la variabilidad de los resultados 9ue producen 1uestras
est%ndar( En un estudio de la cantidad de calcio en el agua potable0 el cual
se e3ectúa co1o parte del control de calidad0 se analizó seis veces la 1is1a
1uestra en el laboratorio en intervalos aleatorios( Los seis resultados en
partes por 1illón 3ueron W(O0 W(H,0 W(+*0 W(O/0 W(-. 8 W(*H( Esti1ar la
varianza de los resultados de la población para este est%ndar0 usando unnivel de con3ianza del W.X(
/olucin0
!l calcular la varianza de la 1uestra se obtiene un valor de s* .(.*/(
8/15/2019 milagroMatematica.docx
55/75
"e busca en la tabla los valores correspondientes con grados de libertad0
obteni2ndose dos resultados( Para *6.(W07 ,(,O 8 para *6.(.07 ,,(.-(
Entonces el intervalo de con3ianza esta dado por)
8
istribución Geom*trica
"i una variable aleatoria discreta de3inida en un espacio de probabilidad
representa el nú1ero de repeticiones necesarias de un e5peri1ento de
Bernoulli para obtener el pri1er 25ito0 entonces tiene por 3unción de
densidad) $,
8/15/2019 milagroMatematica.docx
56/75
P 6557 3unción de densidad0 de la variable aleatoria con distribución
geo12trica(
u1ero de e5peri1entos &asta 9ue aparece el ,er 25ito(
p probabilidad de 25ito
9 probabilidad de 3racaso 6, $ p7
Ejemplo 1:
Del salon el H.X de los alu1nos son &o1bres0 calcular probabilidad de
e5traer el ,er &o1bre a la cuarta ocasión 9ue e5trae1os un alu1no(
De3inir 25ito) sea &o1bre(
5 O
p .(H.
9 .(O.
Ejemplo 2:
#alcular la probabilidad de 9ue salga el o( a la tercera vez 9ue lanza1os
un dado(
De3inir 25ito) sale o(
5 +
p ,?H .( ,HHH
8/15/2019 milagroMatematica.docx
57/75
8/15/2019 milagroMatematica.docx
58/75
Ejemplo 5:
Una 1a9uina detecta 3allas en los productos 9ue elabora una 3%brica( "ilos productos tienen una probabilidad de 3alla del X0 calcular la probabilidad
de 9ue la 1a9uina encuentre su pri1er producto de3ectuoso en la octava
ocasión 9ue selecciona un producto para su inspección(
De3inir 25ito) salga de3ectuoso el producto(
/
p .(.
9 , $ .(. .(W
P6/7 6.(W7-6.(.7 .(.+OW
Bi+ariada
En probabilidad0 dados dos eventos aleatorios 8 _0 la distribución
con:unta de 8 _ es la distribución de probabilidad de la intersección de
eventos de 8 _0 esto es0 de los eventos e _ ocurriendo de 3or1a
si1ult%nea( En el caso de solo dos variables aleatorias se deno1ina una
8/15/2019 milagroMatematica.docx
59/75
distribución bivariada0 pero el concepto se generaliza a cual9uier nú1ero de
eventos o variables aleatorias
Ejemplo 1:
Esta1os estudiando el per3il de los traba:adores de un club deportivo(
#o1o se van a i1ple1entar algunos cursos de capacitación0 se 9uiere
conocer en particular el nivel educativo con 9ue cuentan los e1pleados( "e
encontró la siguiente distribución univariada de ivel educativo)
Distribución de 3recuencias absolutas de ivel educativo del personal de la
e1presa 0 *..-
ivel Educativo 3 i X
"?Instrucción 8 Pri1aria ,
. ,,0/
"ecundaria +
. +0+
Terciaria O
*0WTYT!L /
,..0.
4uente) datos 3icticios
En base a esta in3or1ación0 predo1inan los traba:adores con un nivel
terciario de educación0 lo cual i1plicara diseKar deter1inado tipo de cursosde capacitación(
"in e1bargo0 surge in1ediata1ente la duda sobre 9ui2nes son los 9ue
tienen un nivel terciario0 en 9u2 sectores de la e1presa se encuentran( Es
decir0 pode1os to1ar una decisión sobre el nivel de los cursos conociendo
8/15/2019 milagroMatematica.docx
60/75
sola1ente la co1posición global de nivel educativoN o estar%n
predo1inando en algún sector espec3ico esto 3uncionarios de alto nivelN
#o1o es un club deportivo es probable 9ue en la plantilla e5istan 1uc&os
pro3esores de educación 3sica0 9ue se concentran en una deter1inada %reade traba:o(
Por tanto decidi1os estudiar el ivel educativo pero esta vez0 Cabriendo
nuestra in3or1ación según %rea de traba:o0 8 encontra1os la siguiente
distribución bivariada)
Distribución bivariada 6absoluta7 de ivel educativo 8 !rea de traba:o del
personal de la e1presa 0 *..-
8/15/2019 milagroMatematica.docx
61/75
ivel Educativo ED(
4sica
"ervici
o
!d1inistrativo
s
TYT!L
"?Instrucción 8
Pri1aria
. ,. . ,.
"ecundaria *. +.
Terciaria + . ,. O
TYT!L O. , +. /
4uente) datos 3icticios
E3ectiva1ente0 el predo1inio de traba:adores con nivel terciario se
concentra b%sica1ente en el %rea de Educación 3sica( Entre los
ad1inistrativos0 predo1ina el nivel secundario 8 entre los 3uncionarios de
servicio0 el nivel pri1ario( Por tanto0 debe1os pensar en varios diseKos
distintos de capacitación0 según el %rea de traba:o(
Ejemplo 2:
De un gran lote de i1presoras desco1puestas se escogen al azar cuatro( "eclasi3ica cada i1presora según el daKo0 leve o severo( "ea el nú1ero de
i1presoras con daKo leve 8 sea _ el nú1ero de i1presoras con daKo severo( Es
claro 9ue G bin 6O0p70 5.0,0*0+0O 8 _ G bin 6O0p70 8.0,0*0+0O(
Si + 0- . 4 Si + 1- . # Si + 2- . 2
Si + #- . 1 Si + 4- . 0 As/ 4
De 1anera natural el espacio de las variables aleatorias e _ estar%
con3or1ado por el con:unto de pares 650 87 tal 9ue A_O
IS!"IBUCION ,-, -IS./"
8/15/2019 milagroMatematica.docx
62/75
La necesidad de disponer de 12todos estadsticos para co1parar las
varianzas de dos poblaciones es evidente a partir del an%lisis de una sola
población( 4recuente1ente se desea co1parar la precisión de un
instru1ento de 1edición con la de otro0 la estabilidad de un proceso de1anu3actura con la de otro o &asta la 3or1a en 9ue vara el procedi1iento
para cali3icar de un pro3esor universitario con la de otro(
Intuitiva1ente0 podra1os co1parar las varianzas de dos poblaciones0
8 0 utilizando la razón de las varianzas 1uestrales s*,?s**( "i s*,?s** es
casi igual a ,0 se tendr% poca evidencia para indicar 9ue 8 no son
iguales( Por otra parte0 un valor 1u8 grande o 1u8 pe9ueKo para s *,?s**0
proporcionar% evidencia de una di3erencia en las varianzas de las
poblaciones(
Ejemplo 1:
Encontrar el valor de 40 en cada uno de los siguientes casos)
a. El %rea a la derec&a de 40 es de .(* con O 8 W(
b. El %rea a la iz9uierda de 40 es de .(W con , 8 ,.(
c. El %rea a la derec&a de 4 es de .(W con con H 8 /(
d. El %rea a la iz9uierda de 40 es de .(,. con con *O 8
*O
/olucin0
8/15/2019 milagroMatematica.docx
63/75
a( #o1o el %rea 9ue da la tabla es de cero a 4is&er0 se tiene 9uelocalizar pri1ero los grados de libertad dos 9ue son W0 luego un %reade .(- con O grados de libertad uno(
b( En este caso se puede buscar el %rea de .(W directa1ente en la tablacon sus respectivos grados de libertad(
c( "e tiene 9ue buscar en la tabla un %rea de .(.0 puesto 9ue nos piden
un %rea a la derec&a de 4 de .(W(
d( "e busca directa1ente el %rea de .(,.0 con sus respectivos grados delibertad(
8/15/2019 milagroMatematica.docx
64/75
Ejemplo 2:
Una co1paKa 3abrica propulsores para uso en 1otores de turbina( !l
ingeniero de 1anu3actura le gustara seleccionar el proceso 9ue tenga la1enor variabilidad en la rugosidad de la super3icie( Para ello to1a una
1uestra de n,,H partes del pri1er proceso0 la cual tiene una desviación
est%ndar s, O(- 1icropulgadas0 8 una 1uestra aleatoria de n*,* partes del
segundo proceso0 la cual tiene una desviación est%ndar s * (,
1icropulgadas( "e desea encontrar un intervalo de con3ianza del W.X para el
cociente de las dos varianzas ,*?
**( "uponga 9ue los dos procesos son independientes 8 9ue la rugosidad de
la super3icie est% distribuida de 1anera nor1al(
/olucin0
Por la reco1endación de 9ue la varianza 1uestral 1a8or va en el nu1erador
se tiene la siguiente 3ór1ula)
al despe:ar) (
8/15/2019 milagroMatematica.docx
65/75
8/15/2019 milagroMatematica.docx
66/75
/01onencial
Este 1odelo suele utilizarse para variables 9ue describen el tiempo hasta
que se produce un determinado suceso(
"u 3unción de densidad es de la 3or1a)
#o1o ve1os este 1odelo depende de un único par%1etro 9ue debe
ser positivo) 3 .( ! continuación se 1uestra un progra1a 9ue nos per1ite
ver có1o ca1bia la 3or1a de la 3unción de densidad según el par%1etro (
La 3unción de distribución se obtiene integrando la de densidad 8 es de la
3or1a)
8/15/2019 milagroMatematica.docx
67/75
Ejemplo 1:
El tie1po durante el cual cierta 1arca de batera traba:a en 3or1a e3ectiva
&asta 9ue 3alle 6tie1po de 3alla7 se distribu8e según el 1odelo e5ponencial
con un tie1po pro1edio de 3allas igual a +H. das(
• a7 9u2 probabilidad &a8 9ue el tie1po de 3alla sea 1a8or 9ue O..
dasN(
• b7 "i una de estas bateras &a traba:ado 8a O.. das0 9u2
probabilidad &a8 9ue traba:a 1%s de *.. das 1%sN
• c7 "i se est%n usando de tales bateras calcular la probabilidad de
9ue 1%s de dos de ellas continúen traba:ando despu2s de +H. das(
Solu'ión
"ea el tie1po 9ue traba:a la batera &asta 9ue 3alle( El tie1po pro1edio de
3alla es de +H. das( Entonces0 GE5p 6,?+H.7 8 su 3unción de densidad
es)
http://www.monografias.com/trabajos16/marca/marca.shtmlhttp://www.monografias.com/trabajos16/marca/marca.shtml
8/15/2019 milagroMatematica.docx
68/75
Ejemplo 2:
"uponga 9ue la vida de cierto tipo de tubos electrónicos tiene una
distribución e5ponencial con vida 1edia de .. &oras( "i representa la vida
del tubo 6tie1po 9 dura el tubo7(
•
a7 'allar la probabilidad 9ue se 9ue1e antes de las +.. &oras(
• b7 #u%l es la probabilidad 9ue dure por lo 1enos +.. &orasN
• c7 "i un tubo particular &a durado +.. &oras( cúal es la probabilidad
de 9ue dure otras O.. &orasN
8/15/2019 milagroMatematica.docx
69/75
Solu'ión
Este0 es una propiedad de la distribución e5ponencial 9ue se conoce co1o la
de no tener 1e1oria(
Ejemplo #:
http://www.monografias.com/trabajos16/romano-limitaciones/romano-limitaciones.shtmlhttp://www.monografias.com/trabajos16/romano-limitaciones/romano-limitaciones.shtml
8/15/2019 milagroMatematica.docx
70/75
"uponga 9ue el tie1po 9ue necesita un ca:ero de un banco para atender
a un cliente tiene una distribución e5ponencial con una 1edia de O.
segundos(
• a7 'allar la probabilidad 9ue el tie1po necesario para atender un
cliente dado sea 1a8or 9ue *. 1inutosN
• b7 #u%l es la probabilidad 9ue el tie1po necesario para atender a un
cliente est2 co1prendido entre , 8 * 1inutos(
Solu'ión
http://www.monografias.com/trabajos11/bancs/bancs.shtmlhttp://www.monografias.com/trabajos11/sercli/sercli.shtmlhttp://www.monografias.com/trabajos11/bancs/bancs.shtmlhttp://www.monografias.com/trabajos11/sercli/sercli.shtml
8/15/2019 milagroMatematica.docx
71/75
"elación /ntre La istribución e Binomial 2
Poisson
CE78EC(A ((A;)$(SS(
"e puede probar 9ue la distribución bino1ial tiende a converger a la
distribución de Poisson cuando el par%1etro n tiende a in3inito 8 el par%1etro
p tiende a ser cero0 de 1anera 9ue el producto de n por p sea una cantidad
constante( De ocurrir esto la distribución bino1ial tiende a un 1odelo de
Poisson de par%1etro l igual a n por p
Este resultado es i1portante a la &ora del c%lculo de probabilidades0 o 0
incluso a la &ora de in3erir caractersticas de la distribución bino1ial cuando
el nú1ero de pruebas sea 1u8 grande 8 la probabilidad de 25ito sea
1u8 pe9ueKa (
El resultado se prueba 0 co1probando co1o la 3unción de cuanta de
una distribución bino1ial con 8 tiende a una 3unción de
cuanta de una distribución de Poisson con sie1pre 9ue este
producto sea una cantidad constante 6 un valor 3inito7
En e3ecto ) la 3unción de cuanta de la bino1ial es
_ lla1a1os tendre1os 9ue)
https://www.uv.es/ceaces/tex1t/2%20conver/t%20conver.htmhttps://www.uv.es/ceaces/tex1t/2%20conver/t%20conver.htmhttps://www.uv.es/ceaces/tex1t/2%20conver/t%20conver.htmhttps://www.uv.es/ceaces/tex1t/2%20conver/t%20conver.htm
8/15/2019 milagroMatematica.docx
72/75
Realizando 9ue es la 3unción de cuanta deuna distribución de Poisson
8/15/2019 milagroMatematica.docx
73/75
8/15/2019 milagroMatematica.docx
74/75
8/15/2019 milagroMatematica.docx
75/75