1 / 25

Distribuciones Continuas de Probabilidad

Distribuciones Continuas de Probabilidad. Contenido. Distribución uniforme de probabilidad Distribución Normal de probabilidad Aproximación normal a la distribución binomial Distribución exponencial de probabilidad. Distribución Uniforme de Probabilidad.

daphne
Download Presentation

Distribuciones Continuas de Probabilidad

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Distribuciones Continuasde Probabilidad

  2. Contenido • Distribución uniforme de probabilidad • Distribución Normal de probabilidad • Aproximación normal a la distribución binomial • Distribución exponencial de probabilidad

  3. Distribución Uniforme de Probabilidad • En las distribuciones discretas la función de probabilidad toma valores específicos, sin embargo, cuando es continua se habla de una función de densidad que entrega sólo un valor evaluado • Es el área bajo la curva, definida por un intervalo, la que determina la probabilidad de una variable aleatoria continua. • Una distribución uniforme de probabilidad es una distribución continua en la que la probabilidad de que la variable aleatoria asuma un valor en cualquier intervalo es igual para todo intervalo de igual longitud

  4. a b Distribución uniforme • Siempre que la probabilidad sea proporcional a la longitud del intervalo, la variable tiene distribución uniforme

  5. ejemplo • Ejemplo: el precio medio del litro de gasolina durante el próximo año se estima que puede oscilar entre 140 y 160 ptas. Podría ser, por tanto, de 143 ptas., o de 143,4 ptas., o de 143,45 ptas., o de 143,455 ptas, etc. Hay infinitas posibilidades, todas ellas con la misma probabilidad. • Su función de densidad, aquella que nos permite conocer la probabilidad que tiene cada punto del intervalo, viene definida por: f(x) = 1/(b-a) • Donde: • b: es el extremo superior (en el ejemplo, 160 ptas.) • a: es el extremo inferior (en el ejemplo, 140 ptas.) • Por lo tanto, la función de distribución del ejemplo sería: • F(x)= 1/(160-140) = 0.05

  6. ejemplo • El valor medio de esta distribución se calcula: E(x)= (a+b)/2 • En el ejemplo: E(x) = (140 +160) /2 = 150 • Por lo tanto, el precio medio esperado de la gasolina para el próximo año es de 150 ptas. • Veamos otro ejemplo: • El volumen de precipitaciones estimado para el próximo año en la ciudad de Sevilla va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular la función de distribución y la precipitación media esperada: • F(x)= 0.01 Es decir, que el volumen de precipitaciones esté entre 400 y 401 litros tiene un 1% de probabilidades; que esté entre 401 y 402 litros, otro 1%, etc. • E(x)=450 Es decir, la precipitación media estimada en Sevilla para el próximo año es de 450 litros.

  7. De acuerdo a lo anterior se presentan 2 diferencias principales entre el manejo de variables aleatorias discretas y continuas: • Ya no se habla de un valor dado, en su lugar aparece el término un valor dentro de un intervalo • La probabilidad de que una variable aleatoria tome un valor dentro del intervalo se definen como área bajo la curva. Esto implica que la probabilidad de que esta variable asuma exactamente un valor es 0.

  8. Para este tipo de distribución se define las siguientes medidas descriptivas:

  9. Ejercicio • Se sabe que x es una variable aleatoria uniformemente distribuida entre 10 y 20. • Trace la gráfica de la función de probabilidad • Determine P(x<15) • Determine P(12x  18) • Determine E(x) • Calcule la desviación estándar

  10. Distribución Normal de Probabilidad • Abraham de Moivre publicó en 1733 la Doctrina de las Probabilidades y dedujo la distribución normal de probabilidad • Es la distribución continua más importante de probabilidad. • En casos puntuales se puede aplicar como una aproximación en el empleo de variables discretas

  11. Promedio Desviación estándar • La función de densidad normal de probabilidad se expresa como:  x m

  12. Características de esta distribución: • Hay familias de distribuciones normales. Cada una se identifica por su media y su desviación estándar • El punto más alto es la media • La media puede ser cualquier valor numérico • La distribución de probabilidad normal es simétrica. Las colas se prolongan hasta el infinito (nunca tocan el eje de las x) • Las desviaciones estándares determinan el ancho de la curva • El área total es 1

  13. 68.26% 95.44% 99.72% x m Regla empírica

  14. La altura de una distribución normal varía por lo cual en el cálculo del área se debe recurrir al cálculo infinitesimal • Cuando tenemos una distribución normal con media 0 y desviación estándar 1 se habla de una distribución normal estándar • El valor de z indica la variable aleatoria normal

  15. Ejemplo • Determine la probabilidad de que neumáticos fabricados por Goodyear puedan superar las 40.000 millas, si se tiene un promedio de 36.500 millas y una desv. estándar de 5.000. P(x40000)=?

  16. Aproximación Normal a distribución Binomial • La distribución binomial consiste en la sucesión de n intentos independientes idénticos que tienen 2 posibilidades:éxito o fracaso. • Cuando tenemos n mayores de 20, np5, y n(1-p) 5 la distribución normal da como resultado una aproximación a la distribución binomial • En este caso se iguala en la definición de la curva normal: • Sin embargo, se debe aplicar un factor de continuidad de ±0.5 ya que la evaluación de un valor en una distribución normal es 0.

  17. En una empresa se ha visto que en un 10% de sus facturas se cometen errores y se desea calcular la probabilidad que de 100 facturas, 12 de ellas los contengan z1 z2

  18. Distribución exponencial de probabilidad • Es una distribución continua de probabilidad que se aplica para determinar las probabilidades de ocurrencias de un evento en el tiempo y espacio • La función de densidad de esta distribución es: • De acuerdo a ésta la distribución exponencial de probabilidad (área bajo la curva) corresponde a:

  19. Distribución Función Tiempo Tiempo

  20. Ejemplo • Determinar la probabilidad de que un camión que llega a un puerto sea cargado en 6 minutos o menos. Se sabe que en promedio se demoran 15 minutos 0 6 Tiempo(min)

  21. Se puede llegar a establecer una relación entre la distribución exponencial y la distribución de Poisson considerando que ambas incluyen intervalos de tiempo

  22. Ejercicios • El tiempo necesario para terminar una operación de ensamblaje se distribuye uniformemente entre 30 y 40 minutos • Calcule la ecuación de la función de densidad de probabilidad • Calcule la probabilidad de que la operación requiera más de 38 minutos • Determine el valor esperado y la varianza

  23. Una máquina llena recipientes con determinado producto. Se sabe que la desviación estándar de pesos de llenado, de acuerdo a datos históricos, es de 0.6 onzas. Si sólo el 2% de los recipientes contienen menos de 18 onzas, ¿Cuál es el peso promedio de llenado de la máquina?. Suponga distribución uniforme.

  24. El tiempo, en minutos, que tarda cada llamada telefónica en entrar a una oficina de corredores de seguros tiene la siguiente distribución: • ¿Cuál es la media del tiempo entre llamadas? • ¿Cuál es la probabilidad de tener 30 segundos o menos entre llamadas telefónicas? • ¿Cuál es la probabilidad de tener 5 minutos o más sin una llamada?

More Related