SlideShare una empresa de Scribd logo

VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES.ppt

variable discreta

1 de 58
Descargar para leer sin conexión
Variables aleatorias y sus
distribuciones
1. Variables aleatorias discretas
2. Media y varianza
3. La distribución binomial
4. Distribuciones continuas
5. La distribución normal
6. Una función de una variable
aleatoria
Características
 Una variable aleatoria es una función con valores
numéricos y definida sobre un espacio muestral
 Una variable aleatoria discreta toma diversos
valores con probabilidades especificadas por su
distribución de probabilidad
 Utilidad de una v.a.: reduce el espacio de muestra
a uno más fácil de manejar
 Ejemplo: En una familia de 3 hijos, cuál es la
probabilidad de que haya un varón o menos?
2
1
8
3
8
1
)
1
(
)
0
(
)
1
Pr( 




 p
p
X
a) Variable aleatoria X= “Cantidad de varones”
b) Diagrama de su distribución de probabilidad
Variable aleatoria general X
Variable aleatoria
 Frecuentemente interesa conocer más que el
resultado de un experimento aleatorio, una
función de dicho resultado.
 Una variable aleatoria es una función con valores
numéricos y definida sobre un espacio muestral
 Si lanzamos al aire tres monedas, podemos
definir la función como X:
X: número de caras que resultan del
experimento.
Variable aleatoria
 Hemos definido una función del espacio
muestral en la recta. Tales funciones X,
cuyos valores dependen del resultado de
un experimento aleatorio se llaman
variables aleatorias.
 Si toma ciertos valores aislados de un
intervalo, es v.a. discreta, sino continua.
 La distribución se puede representar
como:
– Tabla
– Diagrama
– Fórmula

Recomendados

Estadistica y probabilidades cap vii
Estadistica y probabilidades cap viiEstadistica y probabilidades cap vii
Estadistica y probabilidades cap viiManuel Chavez Leandro
 
VARIABLES ALEATORIAS .DIST PROBAB.pdf
VARIABLES ALEATORIAS .DIST PROBAB.pdfVARIABLES ALEATORIAS .DIST PROBAB.pdf
VARIABLES ALEATORIAS .DIST PROBAB.pdfAlbert-Montilla
 
Variables Aleatorias y Distribuciones de Probabilidad
Variables Aleatorias y Distribuciones de ProbabilidadVariables Aleatorias y Distribuciones de Probabilidad
Variables Aleatorias y Distribuciones de ProbabilidadJuliho Castillo
 
Distribuciones de variables aleatorias discretas y continuas
Distribuciones de variables aleatorias discretas y continuasDistribuciones de variables aleatorias discretas y continuas
Distribuciones de variables aleatorias discretas y continuasCristhiam Montalvan Coronel
 
Variables aleatorias y distribución de probabilidad
Variables aleatorias y distribución de probabilidadVariables aleatorias y distribución de probabilidad
Variables aleatorias y distribución de probabilidadBlanca Parra Campos
 

Más contenido relacionado

Similar a VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES.ppt

Tr bases 3
Tr bases 3Tr bases 3
Tr bases 304921
 
Que es probabilidad
Que es probabilidadQue es probabilidad
Que es probabilidadLLendy GIl
 
probabilidad, definiciones, propiedades fundamentales
probabilidad, definiciones, propiedades fundamentalesprobabilidad, definiciones, propiedades fundamentales
probabilidad, definiciones, propiedades fundamentalesfjmurield1
 
Distribución Probabilidad (Variable Aleatoria Discreta)
Distribución Probabilidad (Variable Aleatoria Discreta)Distribución Probabilidad (Variable Aleatoria Discreta)
Distribución Probabilidad (Variable Aleatoria Discreta)Daniel Gómez
 
L ochoa-distribuciones-probabilidad-discretas
L ochoa-distribuciones-probabilidad-discretasL ochoa-distribuciones-probabilidad-discretas
L ochoa-distribuciones-probabilidad-discretasleo_8a
 
Distribuciones de probabilidad continua
Distribuciones de probabilidad continuaDistribuciones de probabilidad continua
Distribuciones de probabilidad continuaLIZBETH IZA
 
2° Distribución de Prob-Variable Aleatoria y Probabilidades-2.pdf
2° Distribución de Prob-Variable Aleatoria y Probabilidades-2.pdf2° Distribución de Prob-Variable Aleatoria y Probabilidades-2.pdf
2° Distribución de Prob-Variable Aleatoria y Probabilidades-2.pdfCarlos Araya Morata
 
S02-1_Lecture_Econometrics1_Turco.pdf
S02-1_Lecture_Econometrics1_Turco.pdfS02-1_Lecture_Econometrics1_Turco.pdf
S02-1_Lecture_Econometrics1_Turco.pdfJonnellJean
 
Probabilidad y estadistica
Probabilidad y estadisticaProbabilidad y estadistica
Probabilidad y estadisticaKärIim Stark
 
Modelos de probabilidad
Modelos de probabilidadModelos de probabilidad
Modelos de probabilidadRicardo Nunfio
 
Tema 6, DISTRIBUCIONES DE PROBABILIDAD
Tema 6, DISTRIBUCIONES DE PROBABILIDADTema 6, DISTRIBUCIONES DE PROBABILIDAD
Tema 6, DISTRIBUCIONES DE PROBABILIDADJORGE JIMENEZ
 
Diplomadoooo
DiplomadooooDiplomadoooo
DiplomadooooRosmeryrc
 

Similar a VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES.ppt (20)

Tr bases 3
Tr bases 3Tr bases 3
Tr bases 3
 
Que es probabilidad
Que es probabilidadQue es probabilidad
Que es probabilidad
 
Estadistica 2
Estadistica 2Estadistica 2
Estadistica 2
 
2 distribución de probabilidad discreta
2 distribución de probabilidad discreta2 distribución de probabilidad discreta
2 distribución de probabilidad discreta
 
probabilidad, definiciones, propiedades fundamentales
probabilidad, definiciones, propiedades fundamentalesprobabilidad, definiciones, propiedades fundamentales
probabilidad, definiciones, propiedades fundamentales
 
Distribución Probabilidad (Variable Aleatoria Discreta)
Distribución Probabilidad (Variable Aleatoria Discreta)Distribución Probabilidad (Variable Aleatoria Discreta)
Distribución Probabilidad (Variable Aleatoria Discreta)
 
4 varible aleatoriadiscreta (1)
4 varible aleatoriadiscreta (1)4 varible aleatoriadiscreta (1)
4 varible aleatoriadiscreta (1)
 
L ochoa-distribuciones-probabilidad-discretas
L ochoa-distribuciones-probabilidad-discretasL ochoa-distribuciones-probabilidad-discretas
L ochoa-distribuciones-probabilidad-discretas
 
Distribuciones de probabilidad continua
Distribuciones de probabilidad continuaDistribuciones de probabilidad continua
Distribuciones de probabilidad continua
 
Clase 1 distribuciones
Clase 1 distribucionesClase 1 distribuciones
Clase 1 distribuciones
 
PROBABILIDAD IV
PROBABILIDAD IVPROBABILIDAD IV
PROBABILIDAD IV
 
Variables aleatorias
Variables aleatoriasVariables aleatorias
Variables aleatorias
 
2° Distribución de Prob-Variable Aleatoria y Probabilidades-2.pdf
2° Distribución de Prob-Variable Aleatoria y Probabilidades-2.pdf2° Distribución de Prob-Variable Aleatoria y Probabilidades-2.pdf
2° Distribución de Prob-Variable Aleatoria y Probabilidades-2.pdf
 
S02-1_Lecture_Econometrics1_Turco.pdf
S02-1_Lecture_Econometrics1_Turco.pdfS02-1_Lecture_Econometrics1_Turco.pdf
S02-1_Lecture_Econometrics1_Turco.pdf
 
Probabilidad y estadistica
Probabilidad y estadisticaProbabilidad y estadistica
Probabilidad y estadistica
 
Modelos de probabilidad
Modelos de probabilidadModelos de probabilidad
Modelos de probabilidad
 
Tema 6, DISTRIBUCIONES DE PROBABILIDAD
Tema 6, DISTRIBUCIONES DE PROBABILIDADTema 6, DISTRIBUCIONES DE PROBABILIDAD
Tema 6, DISTRIBUCIONES DE PROBABILIDAD
 
CAPITULO 6.pdf
CAPITULO 6.pdfCAPITULO 6.pdf
CAPITULO 6.pdf
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
Diplomadoooo
DiplomadooooDiplomadoooo
Diplomadoooo
 

Último

Las principales potencias geopolíticas ajustadas en el (2024).pdf
Las principales potencias geopolíticas ajustadas en el  (2024).pdfLas principales potencias geopolíticas ajustadas en el  (2024).pdf
Las principales potencias geopolíticas ajustadas en el (2024).pdfJC Díaz Herrera
 
Presentación visual del blog "Conoce(tea) su mundo: QUÉ ES EL TEA.pdf
Presentación visual del blog "Conoce(tea) su mundo: QUÉ ES EL TEA.pdfPresentación visual del blog "Conoce(tea) su mundo: QUÉ ES EL TEA.pdf
Presentación visual del blog "Conoce(tea) su mundo: QUÉ ES EL TEA.pdfNATALIACAMBEROPAREDE
 
trabajo cartas.pdf tabla excel Nicolás Giraldo Patiño
trabajo cartas.pdf tabla excel Nicolás Giraldo Patiñotrabajo cartas.pdf tabla excel Nicolás Giraldo Patiño
trabajo cartas.pdf tabla excel Nicolás Giraldo PatiñoNicolasGiraldoPatio
 
Masato Tanaka - Gran Historia Visual De La Filosofía.pdf
Masato Tanaka - Gran Historia Visual De La Filosofía.pdfMasato Tanaka - Gran Historia Visual De La Filosofía.pdf
Masato Tanaka - Gran Historia Visual De La Filosofía.pdffuera11
 
BIG DATA EJEMPLOS PARA TRABAJAR CON GRANDES.pdf
BIG DATA EJEMPLOS PARA TRABAJAR CON GRANDES.pdfBIG DATA EJEMPLOS PARA TRABAJAR CON GRANDES.pdf
BIG DATA EJEMPLOS PARA TRABAJAR CON GRANDES.pdfexpertoleonelmartine
 
Familias más ricas de Asia por períodos históricos (2024).pdf
Familias más ricas de Asia por períodos históricos  (2024).pdfFamilias más ricas de Asia por períodos históricos  (2024).pdf
Familias más ricas de Asia por períodos históricos (2024).pdfJC Díaz Herrera
 
REPORTE DE ACCIDENTES DE TRÁNSITO ANUAL 2023.pdf
REPORTE DE ACCIDENTES DE TRÁNSITO ANUAL 2023.pdfREPORTE DE ACCIDENTES DE TRÁNSITO ANUAL 2023.pdf
REPORTE DE ACCIDENTES DE TRÁNSITO ANUAL 2023.pdfIrapuatoCmovamos
 
análisis Jenifer Guillermo Hernández 2B.pdf
análisis Jenifer Guillermo Hernández 2B.pdfanálisis Jenifer Guillermo Hernández 2B.pdf
análisis Jenifer Guillermo Hernández 2B.pdf034ha23
 
Potencias geopolíticas prehispánicas en su máximo esplendor (2024).pdf
Potencias geopolíticas prehispánicas  en su máximo esplendor  (2024).pdfPotencias geopolíticas prehispánicas  en su máximo esplendor  (2024).pdf
Potencias geopolíticas prehispánicas en su máximo esplendor (2024).pdfJC Díaz Herrera
 
Billonarios sionistas en las principales potencias geopolíticas ajustadas en ...
Billonarios sionistas en las principales potencias geopolíticas ajustadas en ...Billonarios sionistas en las principales potencias geopolíticas ajustadas en ...
Billonarios sionistas en las principales potencias geopolíticas ajustadas en ...JC Díaz Herrera
 
Absa y Pablo presentación del tema 7 de la Población
Absa y Pablo presentación del tema 7 de la PoblaciónAbsa y Pablo presentación del tema 7 de la Población
Absa y Pablo presentación del tema 7 de la PoblaciónCPLAVIADA5c
 

Último (11)

Las principales potencias geopolíticas ajustadas en el (2024).pdf
Las principales potencias geopolíticas ajustadas en el  (2024).pdfLas principales potencias geopolíticas ajustadas en el  (2024).pdf
Las principales potencias geopolíticas ajustadas en el (2024).pdf
 
Presentación visual del blog "Conoce(tea) su mundo: QUÉ ES EL TEA.pdf
Presentación visual del blog "Conoce(tea) su mundo: QUÉ ES EL TEA.pdfPresentación visual del blog "Conoce(tea) su mundo: QUÉ ES EL TEA.pdf
Presentación visual del blog "Conoce(tea) su mundo: QUÉ ES EL TEA.pdf
 
trabajo cartas.pdf tabla excel Nicolás Giraldo Patiño
trabajo cartas.pdf tabla excel Nicolás Giraldo Patiñotrabajo cartas.pdf tabla excel Nicolás Giraldo Patiño
trabajo cartas.pdf tabla excel Nicolás Giraldo Patiño
 
Masato Tanaka - Gran Historia Visual De La Filosofía.pdf
Masato Tanaka - Gran Historia Visual De La Filosofía.pdfMasato Tanaka - Gran Historia Visual De La Filosofía.pdf
Masato Tanaka - Gran Historia Visual De La Filosofía.pdf
 
BIG DATA EJEMPLOS PARA TRABAJAR CON GRANDES.pdf
BIG DATA EJEMPLOS PARA TRABAJAR CON GRANDES.pdfBIG DATA EJEMPLOS PARA TRABAJAR CON GRANDES.pdf
BIG DATA EJEMPLOS PARA TRABAJAR CON GRANDES.pdf
 
Familias más ricas de Asia por períodos históricos (2024).pdf
Familias más ricas de Asia por períodos históricos  (2024).pdfFamilias más ricas de Asia por períodos históricos  (2024).pdf
Familias más ricas de Asia por períodos históricos (2024).pdf
 
REPORTE DE ACCIDENTES DE TRÁNSITO ANUAL 2023.pdf
REPORTE DE ACCIDENTES DE TRÁNSITO ANUAL 2023.pdfREPORTE DE ACCIDENTES DE TRÁNSITO ANUAL 2023.pdf
REPORTE DE ACCIDENTES DE TRÁNSITO ANUAL 2023.pdf
 
análisis Jenifer Guillermo Hernández 2B.pdf
análisis Jenifer Guillermo Hernández 2B.pdfanálisis Jenifer Guillermo Hernández 2B.pdf
análisis Jenifer Guillermo Hernández 2B.pdf
 
Potencias geopolíticas prehispánicas en su máximo esplendor (2024).pdf
Potencias geopolíticas prehispánicas  en su máximo esplendor  (2024).pdfPotencias geopolíticas prehispánicas  en su máximo esplendor  (2024).pdf
Potencias geopolíticas prehispánicas en su máximo esplendor (2024).pdf
 
Billonarios sionistas en las principales potencias geopolíticas ajustadas en ...
Billonarios sionistas en las principales potencias geopolíticas ajustadas en ...Billonarios sionistas en las principales potencias geopolíticas ajustadas en ...
Billonarios sionistas en las principales potencias geopolíticas ajustadas en ...
 
Absa y Pablo presentación del tema 7 de la Población
Absa y Pablo presentación del tema 7 de la PoblaciónAbsa y Pablo presentación del tema 7 de la Población
Absa y Pablo presentación del tema 7 de la Población
 

VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES.ppt

  • 1. Variables aleatorias y sus distribuciones 1. Variables aleatorias discretas 2. Media y varianza 3. La distribución binomial 4. Distribuciones continuas 5. La distribución normal 6. Una función de una variable aleatoria
  • 2. Características  Una variable aleatoria es una función con valores numéricos y definida sobre un espacio muestral  Una variable aleatoria discreta toma diversos valores con probabilidades especificadas por su distribución de probabilidad  Utilidad de una v.a.: reduce el espacio de muestra a uno más fácil de manejar  Ejemplo: En una familia de 3 hijos, cuál es la probabilidad de que haya un varón o menos? 2 1 8 3 8 1 ) 1 ( ) 0 ( ) 1 Pr(       p p X
  • 3. a) Variable aleatoria X= “Cantidad de varones” b) Diagrama de su distribución de probabilidad
  • 5. Variable aleatoria  Frecuentemente interesa conocer más que el resultado de un experimento aleatorio, una función de dicho resultado.  Una variable aleatoria es una función con valores numéricos y definida sobre un espacio muestral  Si lanzamos al aire tres monedas, podemos definir la función como X: X: número de caras que resultan del experimento.
  • 6. Variable aleatoria  Hemos definido una función del espacio muestral en la recta. Tales funciones X, cuyos valores dependen del resultado de un experimento aleatorio se llaman variables aleatorias.  Si toma ciertos valores aislados de un intervalo, es v.a. discreta, sino continua.  La distribución se puede representar como: – Tabla – Diagrama – Fórmula
  • 7. Distribución de probabilidad de una variable aleatoria  La distribución de probabilidad de una variable aleatoria X es el conjunto de sus posibles valores numéricos x1, x2,…,xn y las probabilidades correspondientes Pi, i=1,2,…,n tal que:  La colección de pares (xi,p(xi)) es llamada distribución de probabilidad.       1 1 ) ( , 0 ) ( i i i x p i x p
  • 8. Media y Varianza  Si el tamaño de la muestra aumentara ilimitadamente, la distribución de frecuencia relativa se fijaría en la distribución de probabilidad.  A partir de la distribución de frecuencia relativa, se puede calcular la media y la varianza de la muestra (Cap. 2)  Es natural que a partir de la distribución de probabilidad se calculen los valores análogos con las siguientes definiciones:
  • 10. Cálculo de la media y la varianza de X= número de varones
  • 11. Función de densidad de probabilidad  La función de densidad de probabilidad de una variable aleatoria X se denota como:  Se define de modo tal que:  representa la probabilidad de ocurrencia de X en el intervalo: ) (x fX x x fX  ) (           2 , 2 x x x x
  • 12. Función de densidad de una Variable aleatoria Propiedades ] [ ) ( i i x x X P x f   0 ) (  i x x f 1 ) (   i i x x f
  • 13. Esperanza de una variable aleatoria  Sea X una V.A. continua que toma los valores x1,x2,…xn con f.d. fx(xi), entonces:  Si X es una V.A continua entonces:  E(X) también se la conoce como media de X, o media de la población y se la nota E(X)=μ ) ( ) ( 1 i x n i i x f x X E    dx x Xf X E x ) ( ) (     
  • 14. Varianza de una variable aleatoria  Sea X una variable aleatoria con función de densidad fx(x), definimos varianza de X:  Si X es una variable discreta  Si X es una variable continua ] ) [( ] )) ( [( 2 2 2       X E X E X E ) ( ) ( ) ( 2 i x X i x f x X Var         dx x f X x Var x ) ( ) ( ) ( 2       
  • 15. Varianza de una variable aleatoria  La varianza sigma cuadrado es una medida de dispersión de los valores de la variable aleatoria con respecto a su centro de gravedad μ.  Consideremos una variable aleatoria con la siguiente distribución de probabilidad.  E(X)=6*0.4+7*0.4+8*0.2=6.8  Var(X)=(6-6.8)^2*0.4+(7-6.8)^2*0.4+ (8-6.8)^2*0.2=0.56 X 6 7 8 f(x) 0.4 0.4 0.2
  • 17. Transformación lineal Y de una v.a. X
  • 21. Función de distribución acumulada  Se define como la probabilidad de que la variable aleatoria X sea menor o igual que algún valor particular. F(x)=P[X≤x]  Si X es una variable aleatoria discreta  Como F(x) representa una probabilidad es claro que 0≤F(x)≤1 además:     x x i X i x X P x F ] [ ) (
  • 22. Función de distribución acumulada a. Limite Fx=0 X→-oo b. Limite Fx=1 X→+oo c. Si x1 < x2 entonces Fx(x1) ≤ Fx(x2)  La función acumulada para la variable aleatoria continua X será:      x X dh h f x X P x F ) ( ] [ ) (
  • 23. Distribuciones de variable discreta (Probability Density Functions)
  • 25. Procesos de Bernoulli  Hay un cierto número de fenómenos aleatorios conocidos como procesos de Bernoulli.  Se denominan ensayos de Bernoulli, a aquellos ensayos independientes que repetidos un número fijo de veces tienen las siguientes características: 1) Hay sólo dos resultados posibles: éxito o fracaso 2) La probabilidad de éxito es la misma en cada ensayo. Independencia.
  • 26. Ensayos de Bernoulli  Tirar una moneda, suponiendo que la moneda es perfecta, cada tirada se denomina un ensayo y tiene dos posibles resultados: uno de ellos se considera éxito. P(E)=p y P(F)=q  Extraemos de una urna con 4 fichas rojas y 3 azules una bolilla; anotamos su color y la devolvemos a la urna. P(roja)=4/7 y P(azul)=3/7  Proceso de fabricación de artículos electrónicos: elección de una muestra, defectuoso o no defectuoso.
  • 27. Distribución Binomial: para v.a. discretas  En general, para n repeticiones independientes de un ensayo de Bernoulli, la probabilidad de obtener v éxitos está dada por:  Coeficientes binomiales: P X v n v . p v .q n v
  • 28. Distribución Binomial  Se define la variable aleatoria : X= “número de éxitos en las n repeticiones”,  Se dice que sigue una distribución binomial o sigue un Modelo Binomial con parámetros n y p.  E(X)=np  Var(X)=npq  La distribución acumulada es: P X k v 0 k n v . pv . qn v
  • 29. Ejemplos de variables binomiales
  • 30.  Consideremos el experimento de lanzamiento de dos dados: 1 2 3 4 5 6 1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) 2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6) 3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) 4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) 5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6) 6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
  • 32. a) Histograma de frecuencia relativa b) Trazado a nueva escala en la densidad de f.r. La suma de frec relativas es 1 Cubre un área total igual a 1
  • 33.  Qué sucede con la densidad de frecuencia relativa de una v.a. continua a medida que aumenta el tamaño de la muestra? Influyen menos las fluctuaciones de la suerte. Permite una definición más clara de las células Mientras el área permanece fija, la densidad de frecuencia relativa tiende a la función de densidad de probabilidad.
  • 34. Relación entre la densidad de frecuencia relativa y la densidad de probabilidad
  • 35. Distribución normal (curva de Gauss)                       x Z e x f x X 2 2 1 2 1 ) ( Curva campana simétrica
  • 36. Distribución Normal Standard Una variable con distribución normal estándar (μ=0 σ=1) se nota con la letra Z. Si: Conversión: la variable Z se define como: Para que tenga una distribución Normal estándar. ) , ( 2   N X      X Z
  • 38. Distribución Normal  Se ve que -como en cualquier distribución continua- la probabilidad de que P(X=a)=0 para cualquier a. Luego lo que se calculan son áreas (gráfico).
  • 43. Distribución Normal  Es la más usada de las distribuciones continuas de probabilidad, ya que es la distribución límite de varios modelos, incluso discretos y ajusta muy bien a muchas situaciones reales. Su función de densidad es la siguiente:  Su forma es la conocida campana de Gauss. Una vez que se especifican la media μ y el desvío estándar σ, la curva normal queda completamente determinada.  Si una v.a. continua X sigue una distribución Normal con parámetros μ y σ, lo denotamos como:     2 ) ( 2 ) ( 2 1           x e x f ) , ( 2   N X 
  • 44. Distribución Normal Las cuatro distribuciones del gráfico son normales, con distintos valores de la media y la desviación típica. La verde es la "normal reducida", de media cero y desviación típica uno.
  • 45. Distribución Geométrica  Definimos sobre Ω , la variable aleatoria X que denota el número de repeticiones necesarias hasta obtener el primer éxito. Es claro que dicha variable asume los valores 1,2,3,….etc. Esta variable aleatoria así definida sigue la distribución: q=1-p  Esta variable con distribución geométrica tiene las siguientes propiedades:
  • 46. Distribución de Poisson  El modelo probabilístico de Poisson, es utilizado a menudo para variables aleatorias distribuidas en el tiempo o en el espacio. Por ej: Número de bacterias por cm3 de agua, número de accidentes con motocicletas por mes, etc.  Para que el modelo de Poisson esté presente debe verificar lo siguiente: 1) Los sucesos que ocurren en un intervalo (de tiempo, región del espacio, etc) son independientes de los que ocurren en cualquier otro intervalo (de tiempo, región del espacio, etc) 2) La probabilidad de que un suceso se presente, es proporcional a la longitud del intervalo. 3) La probabilidad de que uno o mas sucesos se presenten en un intervalo muy pequeño es tan pequeña que puede despreciarse.
  • 48. Distribución de Poisson  La función de densidad de probabilidad es: (1)  E(X)=λ Var(X)= λ  La función de distribución acumulada (fda) esta dada por: ! ) ( k e k X P k          x i i i e x F 0 ! ) (  
  • 49. Proceso de Poisson  Considere eventos aleatorios tales como el arribo de aviones a un aeropuerto, el arribo de barcos a un puerto, el arribo de llamadas a una central, la falla de máquinas en una fábrica, etc.  Estos eventos pueden ser descriptos por una función de conteo N(t) definida para todos los t >=0. Esta función de conteo representará el número de eventos que ocurrirán en [0,t]. El tiempo cero es el punto en el cual la observación comienza, ya sea que un arribo ocurra o no en ese instante.  Si los arribos ocurren de acuerdo a un proceso de Poisson, la probabilidad de que N(t)=n es: (2) ! ) ( ) ) ( ( n t e n t N P n t     
  • 50. Función de Densidad  Si comparamos la ecuación (1) con (2) vemos que N(t) tiene una distribución de Poisson con parámetro α=λt, por lo tanto su media y su varianza son: E[N(t)] = α = λt = V[N(t)] ! ) ( ) ) ( ( n t e n t N P n t      ! ) ( k e k X P k     
  • 51. Distribución uniforme  Es aquella que puede tomar cualquier valor dentro de un intervalo, todos ellos con la misma probabilidad.  Una variable aleatoria X esta uniformemente distribuida en el intervalo (a,b) si su función es la siguiente:  La función de distribución acumulada esta dada por:  La media y la varianza de la distribución están dadas por: otro b x a a b x f          , , 0 1 ) (             b x b x a a b a x a x x F , 1 , , 0 ) ( 2 ) ( b a X E   12 ) ( ) ( 2 a b X V  
  • 53. Distribución triangular  La esperanza es:                     otro c x b a c b c x c b x a a c a b a x x f , 0 ) )( ( ) ( 2 ) )( ( ) ( 2 ) ( 3 ) ( c b a X E                           c x c x b a c b c x c b x a a c a b a x a x x F 1 ) )( ( ) ( 1 ) )( ( ) ( , 0 ) ( 2 2 a b c x f(x)
  • 54. Distribución Exponencial  Esta distribución ha sido usada para modelar tiempos entre arribos cuando los arribos son totalmente aleatorios (ver relación con Poisson).  Su función de densidad de probabilidad esta dada por:  La fda se define como       otro x e x f x 0 0 ) (                0 1 0 0 ) ( 0 x e dt e x x F x t t   
  • 56. Distribución chi-cuadrado  Brinda un criterio de “bondad del ajuste”  Se usa para decidir si ciertas variables son independientes o no  Def.: sea Z1, Z2, …Zk k distribuciones normales estándar. Entonces es la distribución chi-cuadrado con k grados de libertad 2 2 2 2 1 2 .... k Z Z Z    
  • 57. Distribución para k=1,4,6,8  La distribución no es simétrica  Es sesgada a la derecha  Para valores grandes de k la distribución se acerca a la distribución normal K=4 K=1
  • 58. Lectura obligatoria  Cap. 4 Wonnacott - Págs 77-100  Cap. 6 Rao – Págs 452-487