POWER POINT-. Distribuciones de Probabilidad2

Unidad 3
DISTRIBUCIONES DE
PROBABILIDAD
1
OBJETIVOS
Al finalizar la Unidad 3, el participante será capaz de:
1. Identificar las distribuciones de probabilidad

que más se utilizan en la toma de decisiones.
2. Mostrar cuál distribución de probabilidad

utilizar, y como encontrar sus probabilidades.
3. Comprender las limitaciones de cada una de

las distribuciones que utilice.
2
CONTENIDO
DISTRIBUCIONES CONTINUAS DE
PROBABILIDAD
3
5.1. Distribuciones de Probabilidad
(A) Concepto: Es una distribución de

frecuencias teórica que describe la forma en que
se espera que varíen los resultados.
Resultan útiles para realizar inferencias y tomar
decisiones bajo incertidumbre.
4
(B) TIPOS DE DISTRIBUCIONES
a) DISCRETAS: La variable toma un número

limitado de valores. Abarca :
- Distribución binomial
- Distribución de Poisson
b) CONTINUAS: La variable puede tomar cualquier valor

dentro de un intervalo dado. Abarca:
- Distribución normal
- Distribución normal estándar o Z
- Distribución t
- Distribución Chi-cuadrado 2
- Distribución F
5
5.4 Distribuciones continuas de
probabilidad
A) La distribución normal
Se utiliza para describir el comportamiento de una variable
continua.
(a) Características
1. Tiene un sólo pico (unimodal). Forma acampanada.
2. La media cae en el centro
3. La media, media y moda coinciden
4. Es asintótica al eje horizontal
6
Media
Mediana
Moda
La distribución normal de
probabilidad es simétrica con
respecto a una línea vertical que
pase por la media
El extremo izquierdo se extiende de

manera indefinida y nunca toca el
El extremo derecho se extiende
eje horizontal
de manera indefinida y nunca
toca el eje horizontal
7
b) Fórmula
La función de densidad: f(x), para la distribución
normal tiene la siguiente formula:
 x  2
1 1  
2 
f (x)  e 
2
donde:
e : constante matemática: 2.71828
 :constante matemática: 3.14159
 : media de la población
 : desviación estándar de la población
x : cualquier valor de la variable aleatoria continua
8
Areas debajo de la curva normal
No importa cuales son los valores de  y , para una

distribución de probabilidad normal el área total bajo la
curva es 1.00, de manera que podemos pensar en áreas
bajo la curva como si fuesen probabilidades.
Matemáticamente es verdad que:
1: Aproximadamente 68% de todos los valores de una

población normalmente distribuida se encuentra datos
1 desviación estándar de la media .
9
2: Aproximadamente 95.5% de todos los valores de
una población normalmente distribuida se encuentra
datos 2 desviación estándar de la media.
3: Aproximadamente 99.7% de todos los valores de

una población normalmente distribuida se encuentra
datos 3 desviación estándar de la media
10
11
B) La distribución normal estándar (Z)
La distribución normal tiene diferente  y  para
calcular probabilidades habría que integrar la
función de densidad. Por este motivo se
estandariza la variable.
La estandarización es un proceso estadístico
que consiste en restar la media a la variable y
el resultado dividirlo por la desviación estándar.
x
Z

12
Distribución
normal estándar
 0
 1
13
Ejemplo. Utilizando la tabla de probabilidad
normal estándar, hallar:
a) P( Z  1.2) b) P(0.81  Z  1.94)
c) P(Z  -1.28) d) P(-0.46  Z  2.21)
e) P( Z  -0.68)
14
Solución.-
a) Directamente de la tabla normal estándar se
obtiene:
P( Z  1.2) = 0.5 + P( 0  Z  1.2) =
= 0.5 + 0.3849 = 0.8849
b) P(0.81  Z  1.94)= P(0  Z  1.94) –
P(0  Z  0.81) =
15
Aplicaciones
Una empresa aplica un programa de entrenamiento
diseñado para mejorar la calidad de las habilidades
de supervisión de los supervisores de línea de
producción. Debido a que el programa es
autoadministrado, los supervisores requieren un
número diferente de horas para terminarlo. Un
estudio de los participantes anteriores indica que el
tiempo medio que se lleva completar el programa es
de 500 horas y que esta variable aleatoria
normalmente distribuida tiene una desviación
estándar de 100 horas.
16
Pregunta 1. ¿Cuál es la probabilidad de que un
participante elegido al azar requiera más de 500
horas para completar el programa?
Solución:
En la figura, podemos ver que la
mitad del área bajo la curva está P(X>500)=0.5
localizada a ambos lados de la
media de 500 horas. Por lo tanto
podemos deducir que la
probabilidad de que la variable
aleatoria tiene un valor mayor a
500 es el área sombreada, es
decir, 0.5.
17
Pregunta 2:¿Cuál es la probabilidad de que un
supervisor elegido al azar se tome entre 500 y 650
horas para completar el programa de entrenamiento.
Solución:
La gráfica se muestra la
respuesta como zona
P(500 X 650)=0.4332 sombreada, representada por
el área entre la media (500
horas) y el valor de X, en el
cual estamos interesados
(650 horas). Estandarizando
la variable tenemos un valor
para Z
18
x
Z

650  500
Z  1.5
100
Si buscamos Z = 1.5 en la tabla, encontraremos una

probabilidad de 0,4332. En consecuencia, la
probabilidad de que un candidato escogido al azar
requiera entre 500 y 650 horas para terminar el
programa de entrenamiento es ligeramente mayor a
0,4.
19
Pregunta 3:¿Cuál es la probabilidad de que un
supervisor elegido al azar se tome más de 400 horas
en completar el programa?
Solución:
Estamos interesados en el área a la derecha de 700.
Estandarizamos
x P(X >700)= 0..0228

Z

700  500
Z 2
100
20
Tabla: si Z = 2.0  Area: 0.4772
En consecuencia, la probabilidad mayor a 700 será

0,5 - 0,4772 = 0,0228
Por lo tanto hay un poco más de 2 oportunidades en

100 de que un participante elegido al azar se lleve más
de 700 horas en completar el curso.
21
Pregunta 4:Suponga que el director del programa
desea saber la probabilidad de que un participante
escogido al azar requiera entre 550 y 650 horas para
completar el trabajo requerido en el programa.
Solución:
Primero calculamos el valor de Z para 650
x
Z

P(550 X 650)
650  500
Z  1.5
100
A este valor le
corresponde un área de
0,4332
22
Después calculamos un valor de Z para 550
x
Z

550  500
Z  0.5
100
Correspondiéndole un área de 0,1915
23
Para responde la pregunta debemos de
restar las áreas:
Probabilidad de que la variable aleatoria 0.4332

esté entre la media y 650 horas
Probabilidad de que la variable aleatoria

(-) 0.1915
esté entre la media y 550 horas
Probabilidad de que la variable aleatoria

(=) esté 550 y 650 horas 0.2417
24
Así pues, la probabilidad de que un supervisor
elegido al azar se tome entre 550 y 650 horas para
completar el programa de entrenamiento es un poco
menor de 1 entre 4
25
C)La distribución t
a) Características
Al igual que la normal, también es simétrica es algo
más plana que la distribución normal hay una
distribución t para cada tamaño de muestra cuando
el tamaño de la muestra es mayor a 30, la
distribución t se asemeja tanto a la normal que se
prefiere utilizar ésta.
26
27
b) Formula
x
t
s
n
c) Grados de libertad
Se definen como el número de valores que podemos
escoger libremente.
28
D) La distribución Chi-Cuadrado
a) Características
Es una distribución asimétrica a la izquierda
Sólo considera valores positivos
b) Definición
La distribución Ji-cuadrada esta definida por
n
   Zi
2 2
i 1
29
c) Aplicaciones
Las aplicaciones más importantes están en
la prueba de bondad de ajuste
la prueba de independencia estadística
d) Distribución
30
(E) La Distribución F
Características
Es una distribución asimétrica a la derecha
Sólo tiene valores positivos
Se utiliza para comparar variancias de dos
poblaciones, con distribución normal
Formula
2
S
F
mayor
2
S menor
31

POWER POINT-. Distribuciones de Probabilidad2

Cargado por

Copyright:

Formatos disponibles

POWER POINT-. Distribuciones de Probabilidad2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

POWER POINT-. Distribuciones de Probabilidad2

Cargado por

Copyright:

Formatos disponibles

Unidad 3

1. Identificar las distribuciones de probabilidad

2. Mostrar cuál distribución de probabilidad

3. Comprender las limitaciones de cada una de

(A) Concepto: Es una distribución de

a) DISCRETAS: La variable toma un número

b) CONTINUAS: La variable puede tomar cualquier valor

El extremo izquierdo se extiende de

No importa cuales son los valores de  y , para una

1: Aproximadamente 68% de todos los valores de una

3: Aproximadamente 99.7% de todos los valores de

c) P(Z  -1.28) d) P(-0.46  Z  2.21)

Si buscamos Z = 1.5 en la tabla, encontraremos una

x P(X >700)= 0..0228

En consecuencia, la probabilidad mayor a 700 será

Por lo tanto hay un poco más de 2 oportunidades en

Correspondiéndole un área de 0,1915

Probabilidad de que la variable aleatoria 0.4332

Probabilidad de que la variable aleatoria

Probabilidad de que la variable aleatoria

También podría gustarte