SlideShare una empresa de Scribd logo
1 de 58
Escuela de Medicina
Departamento de Medicina Preventiva y Social
Cátedra de Bioestadística
DISTRIBUCIONES DE PROBABILIDAD
Prof. Joan Fernando Chipia Lobo
@JoanFChipiaL
INTRODUCCIÓN
Un modelo de probabilidad o la distribución
de probabilidad de una variable aleatoria,
permite la representación teórica simplificada de
un fenómeno real y la elaboración de
afirmaciones probabilísticas sobre ese fenómeno.
Lo anterior facilita la toma de decisiones y la
previsión de hechos que pueden ocurrir.
MODELOS DE PROBABILIDAD
El estudio de las probabilidades se fundamentan
en el estudio de experimentos aleatorios, es
decir, en situaciones reales en las cuales existe
incertidumbre y variabilidad sobre lo que pueda
ocurrir, aún si ésta situación se repite muchas
veces en condiciones similares.
EN LA PRÁCTICA
Un modelo para representar teóricamente la
realidad en términos probabilísticos, lo constituye
una variable aleatoria (V. A.) y su correspondiente
distribución de probabilidad, porque la primera
refleja la situación particular y la segunda expresa
el comportamiento de la variable.
A TENER PRESENTE QUE:
Cualquier modelo de probabilidad que se intente
aplicar construirá una aproximación a la realidad,
tendrá sus limitantes e idealizaciones y se basará
en supuestos que requieren de cumplimiento.
A través de inferencia estadística se decide en
base a informaciones muestrales, si es razonable
asumir que un determinado modelo de probabilidad,
es el que mejor describe el comportamiento de una
población.
MODELOS DE PROBABILIDAD
PARA V.A.
Cuando el problema que se analiza puede
representarse mediante una variable aleatoria
discreta, el correspondiente modelo de probabilidad
se categoriza como discreto, el cual se define,
como el conjunto de valores que puede tomar una
variable discreta acompañado de sus respectivas
probabilidades.
EXPERIMENTO DE BERNOULLI
Es un experimento en el cual sólo hay dos
posibles resultados que llamaremos Éxito (E) y
Fracaso (F). La denominación anterior se usará
de manera convencional, depende del interés y
naturaleza del fenómeno estudiado.
Por lo general, cualquier experimento aleatorio
puede considerarse como experimento de
Bernoulli redefiniéndolo.
EXPERIMENTO DE BERNOULLI (cont.)
EJEMPLO 1. Al realizar una biopsia el paciente
considera el resultado negativo como un éxito (E)
y el positivo como un fracaso (F)
No necesariamente se debe asociar éxito a cosas
agradables y fracaso a aspectos desagradables.
EJEMPLO 1. Experimentos de Bernoulli.
• Registrar el resultado de un examen de un
estudiante, en términos de aprobar o reprobar.
• Aprobación o negación de una solicitud de crédito
ante un banco.
• Determinar la calidad de un producto en las
opciones de defectuoso o no defectuoso.
• Determinar si un caso sospechoso, es positivo o
negativo.
EJEMPLO 1. Experimentos de Bernoulli (cont.).
• Medir la estatura de una persona y registrar si mide
igual y meno de 1,60 metros, o no.
• Observar el color de ojos de una persona
seleccionada al azar fijándose, si son negros o no.
• Seleccionar al azar un automóvil en una ciudad y
registrar, si es de fabricación italiana o no.
• Lanzar un dado y registrar si sale par o no.
Se va a denotar por p la probabilidad de éxito y por
1-p la probabilidad de fracaso.
EXPERIMENTO DE BERNOULLI
Si consideramos la variable aleatoria X, como el
número de éxitos en un experimento de Bernoulli.
Esta variable sólo puede tomar los valores 0 y 1.
DISTRIBUCIÓN DE PROBABILIDAD DE
BERNOULLI
Esta distribución depende solamente del valor de
probabilidad de éxito p y en consecuencia, para
diferentes valores de p se obtienen diferentes
distribuciones de Bernoulli, a este valor p se le
denomina parámetro de la distribución.
DISTRIBUCIÓN DE PROBABILIDAD DE
BERNOULLI (cont.)
Viene dada por:
P(X=x)
1-p si x=0
p si x=1
0 en otro caso
Alternativamente se puede expresar con la
siguiente fórmula:
P X=x =px(1−p)
1−x
x=0,1
EXPERIMENTO BINOMIAL
Es aquel que cumple con las siguientes
propiedades:
i) Consiste en n ensayos de Bernoulli, es decir, la
repetición n veces de un experimento que consta de
dos posibles resultados, que llamaremos éxito o
fracaso.
EXPERIMENTO BINOMIAL (cont.)
ii) La probabilidad p de éxito se mantiene
constante en cada uno de los n ensayos de
Bernoulli y en consecuencia la probabilidad de
fracaso 1-p, también se mantiene constante en
cada una de las pruebas o ensayos.
iii) Los n ensayos de Bernoulli son independientes
entre sí, o sea que el resultado de un ensayo no
afecta el resultado de los demás.
EJEMPLO 2. Experimentos Binomiales.
• Lanzar 10 veces una moneda.
• Responder al azar (sin pensar) una prueba de
verdadero o falso, constituida por 20 preguntas.
• Examinar 8 artículos seleccionados al azar,
producidos en una fábrica, para determinar los
defectuosos y los no defectuosos.
• Otros experimentos con n repeticiones en los
cuales se seleccionen aleatoriamente una muestra
de una población dicotómica.
EJEMPLO 3. Selección de una muestra
con reposición.
Una población está conformada por 16 personas de
las cuales 4 son hombres y 12 son mujeres. Se
desea seleccionar una muestra aleatoria con
reposición de 3 personas y registrar el sexo de cada
una.
Si denominamos éxito, al hecho de que una persona
sea del sexo femenino, entonces la situación
anterior constituye un experimento binomial con:
𝑝 = 𝑃 é𝑥𝑖𝑡𝑜 =
12
16
= 0,75
EJEMPLO 4. Selección de una muestra
sin reposición.
Consideremos la situación del ejemplo anterior,
pero en éste ejemplo se tomará la muestra sin
reposición.
No es un experimento binomial, por cuanto los
ensayos no son independientes entre sí.
EJEMPLO 5. Selección de una muestra sin
reposición cuando la población es grande.
Consideremos el caso de seleccionar una muestra
aleatoria de 3 personas, de una población
constituida por 200 hombres y 1000 mujeres
Estrictamente no es un experimento binomial,
porque los ensayos no son independientes. Pero
desde el punto de vista práctico, se puede aceptar
debido a que, cuando la muestra es grande los
valores en la muestra con reposición y sin
reposición son muy aproximados.
DISTRIBUCIÓN BINOMIAL (I)
Dado un experimento binomial cualquiera, vamos
a definir la variable aleatoria X, como el número de
éxitos que se obtienen en los n ensayos de
Bernoulli; a ésta variable se le denomina variable
binomial y su correspondiente distribución de
probabilidad, se conoce como distribución
binomial.
DISTRIBUCIÓN BINOMIAL (II)
La variable aleatoria X que representa el número de
éxitos en n ensayos de un experimento binomial,
sigue una distribución dada por:
𝑃 𝑋 = 𝑥 =
𝑛
𝑥
𝑝 𝑥(1 − 𝑝) 𝑛−𝑥 𝑥 = 0,1,2, … , 𝑛
La cual se denomina Distribución Binomial, con n
y p como parámetros, porque para diferentes
valores se obtienen diferentes distribuciones
binomiales.
DISTRIBUCIÓN BINOMIAL (III)
En algunos textos se define la distribución binomial,
con la probabilidad de fracaso por q=1-p, quedando
expresada de la siguiente manera:
𝑃 𝑋 = 𝑥 =
𝑛
𝑥
𝑝 𝑥 𝑞 𝑛−𝑥 𝑥 = 0,1,2, … , 𝑛
𝑆𝑖𝑒𝑛𝑑𝑜 𝑝 + 𝑞 = 1
Nota: el nombre de la distribución binomial proviene
del hecho de que las probabilidades binomiales
para 𝒙 = 𝟎, 𝟏, … , 𝒏 son precisamente los términos o
sumandos del desarrollo del binomio (𝑝 + 𝑞) 𝑛
,
también llamado Binomio de Newton.
EJEMPLO 6. Distribución Binomial.
Se tiene una tasa de prevalencia del 30% de
asma en los habitantes de una ciudad.
Determinar la probabilidad de que: a) ninguna
padezca de asma y b) más de dos sufran de
asma, en una muestra aleatoria de 4 personas.
SOLUCIÓN
Sea X el número de personas que sufren de asma
en una muestra de 4 personas.
X(n=4;p=0,3)
a) 𝑃 𝑋 = 0 =
4
0
0,3 0(0,7)4= 0,2401
b) 𝑃 𝑋 ≥ 3 =
4
3
0,3 3(0,7)1+
4
4
0,3 4(0,7)0
= 0,0756 + 0,0081 = 0,0837
EJEMPLO 7. Distribución Binomial.
Si 9 de cada 10 recién nacidos de una región son
niños, determinar la probabilidad de que en una
muestra aleatoria de 12 recién nacidos, haya un
máximo de 10 niños.
Si X representa el número de niños y Y el número
de niñas en el grupo de 12 recién nacidos, tenemos
que:
X(n=12, p=0,9)
Y(n=12, p=0,1)
SOLUCIÓN
Para dar respuesta con la variable X:
𝑃 𝑋 ≤ 10 = 1 − 𝑃 𝑋 ≥ 11
= 1 −
12
11
0,9 11
0,1 1
−
12
12
0,9 12
0,1 0
= 1 − 0,37657 − 0,28242 = 0,34101
Utilizando la variable Y, también se puede dar
respuesta:
𝑃 𝑋 ≤ 10 = 𝑃 𝑌 ≥ 2 = 1 − 𝑃 𝑌 ≤ 1
= 1 −
12
1
0,1 1 0,9 11 −
12
0
0,1 1 0,9 12
= 1 − 0,37657 − 0,28242 = 0,34101
USO DE LA TABLAS BINOMIAL
Ejemplo 8: n=4, x=0, p=0,45
𝑃 𝑋 = 0 =
4
0
0,45 0(0,55)4= 0,0915
DISTRIBUCIÓN NORMAL
ASPECTOS GENERALES
También llamada distribución gaussiana o de
Gauss, es un modelo continuo de probabilidad. Es
la distribución más conocida, más aplicada y de
mayor desarrollo teórico entre las diferentes
distribuciones de probabilidad, incluyendo discretas
y continuas, por tanto, mantiene un lugar de
primacía entre los modelos de probabilidad.
DISTRIBUCIÓN NORMAL
Una variable aleatoria X(µ,σ) sigue una Distribución
Normal, si su función de densidad viene dada por:
𝑓 𝑥 =
1
2𝜋𝜎2
𝑒
−
(𝑥−𝜇)2
2𝜎2
−∞ < 𝑥 < +∞
𝑆𝑖𝑒𝑛𝑑𝑜 𝜇 𝑦 𝜎𝑙𝑜𝑠 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠
𝜇 𝑦 𝜎 𝜖 𝑅, 𝜎 > 0
𝜋 = 3,14159 …
𝑒 = 2,71828 …
GRÁFICO DE LA DISTRIBUCIÓN NORMAL
Se conoce como curva normal y presenta las
siguientes características:
• Tiene forma acampanada.
• Es simétrica con respecto a la µ y unimodal, es
decir, µ=Md=Mo.
• Los extremos de la curva o colas son asintóticas
con respecto al eje X.
• El área bajo la curva es igual a uno (1).
• Curtosis y Asimetría igual a cero (0).
INTERPRETACIÓN GEOMÉTRICA X(µ,σ)
El parámetro µ es un factor de
traslación. Si aumenta µ se traslada
a la derecha, en el caso contrario se
traslada a la izquierda.
El parámetro σ es un factor de
dispersión. Si aumenta σ se
acumulan los datos en el centro de
la distribución, en el caso opuesto
se extienden a lo largo del eje X.
INTERPRETACIÓN PROBABILÍSTICA X(µ,σ)
𝑃 𝜇 − 𝜎 < 𝑥 < 𝜇 + 𝜎 = 0,6826 𝑃 𝜇 − 2𝜎 < 𝑥 < 𝜇 + 2𝜎 = 0,9545
𝑃 𝜇 − 3𝜎 < 𝑥 < 𝜇 + 3𝜎 = 0,9978
DISTRIBUCIÓN NORMAL ESTANDARIZADA
Es toda distribución normal con µ=0 y 𝜎2
=1, se
hace un proceso de transformación, que se
denomina estandarización o tipificación. Se
acostumbra a designar Z (0;1), a toda variable que
siga una distribución normal estandarizada, siendo:
𝑍 =
𝑋 − 𝜇
𝜎
EN LA DISTRIBUCIÓN NORMAL
ESTANDARIZADA SE CUMPLE:
𝑃 −1 < 𝑍 < 1 = 0,6826
𝑃 −2 < 𝑍 < 2 = 0,9545
𝑃 −3 < 𝑍 < 3 = 0,9978
Para calcular probabilidades asociadas a una
variable normal estandarizada con la tabla
correspondiente, se procede de la siguiente manera:
i) Las probabilidades del tipo 𝑃 𝑍 ≤ 𝑧 se buscan
directamente en la tabla.
ii) Las probabilidades del tipo 𝑃 𝑍 ≥ 𝑧 = 1 − 𝑃 𝑍 ≤ 𝑧 .
iii) Las probabilidades de la forma:
𝑃 𝑧1 ≤ 𝑍 ≤ 𝑧2 = 𝑃 𝑍 ≤ 𝑧2 − 𝑃(𝑍 ≤ 𝑧1)
Caso i) Caso ii) Caso iii)
EJEMPLO 8. Distribución normal estandarizada.
Hallar: i) 𝑃(𝑍 < −1,21) ii) 𝑃 𝑍 > 2,43 iii) 𝑃(−1,33 < 𝑍 < 2,2)
i) 𝑃 𝑍 < −1,21
= 0,1131
ii) 𝑃 𝑍 > 2,43 = 1 − 𝑃 𝑍 < 2,43 = 1 − 0,9925 = 0,0075
iii) 𝑃 −1,33 < 𝑍 < 2,2
𝑃 𝑍 < 2,2 = 0,9861
𝑃 𝑍 < −1,33 = 0,0918
Luego:
𝑃 −1,33 < 𝑍 < 2,2 = 𝑃 𝑍 < 2,2 − 𝑃 𝑍 < −1,33
= 0,9861 − 0,0918 = 0,8943
EJEMPLO 9. Distribución normal estandarizada.
El ingreso diario de un consultorio médico sigue una
distribución normal con µ=30000 Bs y σ=5000 Bs.
Determine:
i) La probabilidad de que en un día cualquiera los
ingresos sean superiores a 45000 Bs.
ii) Si el consultorio registra pérdidas cuando el
ingreso diario es inferior a 20000 Bs, determinar
el porcentaje de días durante el año que se
espera que el consultorio tenga pérdidas.
SOLUCIÓN i)
𝑋 = 𝑖𝑛𝑔𝑟𝑒𝑠𝑜 𝑑𝑖𝑎𝑟𝑖𝑜 𝑑𝑒𝑙 𝑐𝑜𝑛𝑠𝑢𝑙𝑡𝑜𝑟𝑖𝑜
𝑍(𝜇 = 30000; 𝜎 = 5000)
𝑖) 𝑃 𝑋 > 45000 = 𝑃
𝑋 − 30000
5000
>
45000 − 30000
5000
𝑃 𝑍 > 3 = 1 − 𝑃 𝑍 < 3 = 1 − 0,9987 = 0,0013
Lo que indica un evento poco probable.
SOLUCIÓN ii)
𝑖𝑖) 𝑃 𝑋 < 20000 = 𝑃
𝑋 − 30000
5000
<
20000 − 30000
5000
𝑃 𝑍 < −2 = 0,0228
𝐿𝑢𝑒𝑔𝑜, % 𝑍<−2 = 0,0228 𝑥 100 = 2,28%
En consecuencia 2,28% de los días del año, el
consultorio médico registrará pérdidas.
DISTRIBUCIÓN
CHI-CUADRADO
Surge como una distribución de una suma de cuadrado
de variables aleatorias independientes normalmente
distribuidas. Esta distribución dentro de sus aplicaciones,
sirve para hacer inferencia acerca de una varianza de
una población; de prueba de bondad de ajuste para
distribuciones de probabilidad; prueba de independencia,
para determinar si dos atributos son independientes
entre sí (Ovalles y Moret, 2001).
DISTRIBUCIÓN CHI-CUADRADO
Una variable aleatoria continua X, tiene una
distribución Chi-cuadrado ( 𝑋2 ) con n grados de
libertad, si su función de densidad está dada por:
Si 𝑋1, 𝑋2, … , 𝑋 𝑛 son n variables aleatorias normales
independientes, de µ=0 y 𝜎2=1, la variable definida
como:
0
2
2
1
)( 2/2/)2(








 
xex
n
xf xn
n
𝑌𝑛 = 𝑋1
2
+ ⋯ + 𝑋 𝑛
2 =
𝑖=1
𝑛
𝑋𝑖
2
CARACTERÍSTICAS
• El parámetro de la distribución Chi-cuadrado, es
el número de grados de libertad.
• Es una variable aleatoria continua.
• Es una distribución unimodal y asimétrica positiva
cuando los grados de libertad son pequeños.
• Debido a que es una suma de cuadrados, su
campo de variación va de (0, +∞)
CARACTERÍSTICAS (cont.)
• Presenta una familia de distribuciones Chi-
cuadrado, es decir, para cada grado de libertad,
existe una distribución Chi-cuadrado.
• A medida que aumentan los grados de libertad, la
distribución Chi-cuadrado, se aproxima a una
distribución normal.
USO DE LA TABLA 𝑿 𝟐
i) 𝑃(𝑋2 ≤ 0,30) 𝑐𝑜𝑛 8 𝑔𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = 𝟗, 𝟓𝟐
ii) 𝑃 𝑋2 ≥ 0,05 𝑐𝑜𝑛 6 𝑔𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = 𝟏, 𝟔𝟑
iii) 𝑃 0,1 ≤ 𝑋2 ≤ 0,9 𝑐𝑜𝑛 5 𝑔𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = 𝟗, 𝟐𝟒 ≤ 𝑋2 ≤ 𝟏, 𝟔𝟏
INTERPRETACIÓN DE LOS
RESULTADOS DE LA TABLA
i) 𝑃(𝑋2
≤ 0,30) con 8 grados de libertad = 9,52
9,52 es el valor de 𝑋2
que deja a su izquierda, un área de
0,30 o 30% en una distribución con 8 grados de libertad.
𝑖𝑖) 𝑃 𝑋2
≥ 0,05 con 6 grados de libertad= 𝑃 𝑋2
≤ 0,95 = 1,63
1,63 es el valor de 𝑋2
que deja a su derecha, un área de 0,05
o 5% en una distribución con 6 grados de libertad.
𝑖𝑖𝑖)𝑃(0,1 ≤ 𝑋2 ≤ 0,9) con 5 grados de libertad = 9,24≤ 𝑋2 ≤ 1,61
1,61 es el valor de 𝑋2
que deja a su izquierda un área de 0,1 o
10%, mientras que el 9,24 deja a la derecha un área de 0,1 o
10%, en una distribución con 5 grados de libertad, en otras
palabras el 80% de la variable 𝑋2
se encuentra entre 1,61 y 9,24.
DISTRIBUCIÓN T-STUDENT
Surge como el cociente de dos variables aleatorias
independientes: una normal estandarizada (Z) en el
numerador y la raíz cuadrada de la Chi-cuadrada
𝑋2
entre sus grados de libertad (n) en el
denominador, es decir:
La función de densidad con n grados de libertad es:



















 







 

x
n
x
n
n
n
xf
n
2
2
1
2
1
2
2
1
1
)(

DISTRIBUCIÓN T-STUDENT
𝑡 =
𝑍
𝑋2
𝑛
CARACTERÍSTICAS
• El parámetro de la distribución t, es el número de
grados de libertad.
• Es una variable aleatoria continua.
• Es una distribución unimodal y simétrica con
respecto a su media.
• Su campo de variación va de (−∞, +∞)
CARACTERÍSTICAS (cont.)
• Existe una distribución t diferente para cada grado
de libertad, con µ=0 y σ diferente dependiendo de
los grados de libertad.
• A medida que aumentan los grados de libertad, la
distribución t-student se aproxima a una
distribución normal.
USO DE LA TABLA t
i) Hallar el área derecha de t, con n=12 y α=0,05. t=1,7823
ii) Hallar el área izquierda de t, con n=12 y α=0,05. t=-1,7823
Caso i) t=1,782
0
1,7823
α=0,05
Zona de rechazo
Caso ii) t=-1,782
0
-1,7823
α=0,05
Zona de rechazo
EJEMPLO 10. T-STUDENT.
Dada una variable t de Student con 12 grados de
libertad. Hallar el valor t que deja un área total de 5%
en ambos extremos.
𝛼
2
=
0,05
2
= 0,025
Usando la tabla α=0,025 se tiene que t=2,1788 para la
cola derecha y debido a la simetría de la distribución
de t, el valor de la cola izquierda es el mismo pero con
signo cambiado, es decir, t=-21788
0 2,1788
α=0,025
Zona de rechazo
-2,1788
α=0,025
Zona de rechazo
FINALMENTE, LOS INVITO A LA PÁGINA WEB DE
BIOESTADÍSTICA:
URL http://www.webdelprofesor.ula.ve/ciencias/joanfchipia/
ACTIVIDAD EVALUADA
EN EL BLOG
Explique por qué y para qué utilizar las
Distribuciones de Probabilidad en Ciencias
de la salud y después muestre un ejemplo.
REFERENCIAS
Armas, J. (1988). Estadística sencilla: probabilidades.
Mérida: Consejo de Publicaciones de la Universidad de
Los Andes.
Ovalles, A. y Moret, C. (2001). Manual de estadística II.
Mérida: Consejo de Publicaciones de la Universidad de
Los Andes.
FINALMENTE, LOS INVITO A LA PÁGINA WEB DE
BIOESTADÍSTICA:
URL http://www.webdelprofesor.ula.ve/ciencias/joanfchipia/

Más contenido relacionado

La actualidad más candente

Prueba de hipotesis estadistica
Prueba de hipotesis estadisticaPrueba de hipotesis estadistica
Prueba de hipotesis estadisticaLennysNJ
 
Distribución muéstrales y estimación
Distribución muéstrales y estimaciónDistribución muéstrales y estimación
Distribución muéstrales y estimaciónJesus Plaza Aguilera
 
Distribuciòn muestral de la media.
Distribuciòn muestral de la media.Distribuciòn muestral de la media.
Distribuciòn muestral de la media.maryanbalmaceda
 
Estadistica I, Tabla de Distribucion de Frecuencia
Estadistica I, Tabla de Distribucion de Frecuencia Estadistica I, Tabla de Distribucion de Frecuencia
Estadistica I, Tabla de Distribucion de Frecuencia Jotanh
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidadRodolfo Mejía
 
DISTRIBUCIÓN MUESTRAL DE LA MEDIA
DISTRIBUCIÓN MUESTRAL DE LA MEDIADISTRIBUCIÓN MUESTRAL DE LA MEDIA
DISTRIBUCIÓN MUESTRAL DE LA MEDIAcheperobertt
 
Capítulo 06, Distribuciones discretas de probabilidad
Capítulo 06, Distribuciones discretas de probabilidadCapítulo 06, Distribuciones discretas de probabilidad
Capítulo 06, Distribuciones discretas de probabilidadAlejandro Ruiz
 
4. estadistica inferencial
4.  estadistica inferencial4.  estadistica inferencial
4. estadistica inferencialrbarriosm
 
DISTRIBUCION T DE STUDENT
DISTRIBUCION T DE STUDENTDISTRIBUCION T DE STUDENT
DISTRIBUCION T DE STUDENTTorimat Cordova
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomialWiwi Hdez
 
Distribución Binomial
Distribución BinomialDistribución Binomial
Distribución Binomialsamantharisa
 
Variables aleatorias discretas y continuas
Variables aleatorias discretas y continuasVariables aleatorias discretas y continuas
Variables aleatorias discretas y continuasScarlet Íglez
 
Prueba de Hipótesis para una media y proporción-estadistica
Prueba de Hipótesis para una media y proporción-estadisticaPrueba de Hipótesis para una media y proporción-estadistica
Prueba de Hipótesis para una media y proporción-estadisticaYanina C.J
 

La actualidad más candente (20)

Prueba de hipotesis estadistica
Prueba de hipotesis estadisticaPrueba de hipotesis estadistica
Prueba de hipotesis estadistica
 
Distribución muéstrales y estimación
Distribución muéstrales y estimaciónDistribución muéstrales y estimación
Distribución muéstrales y estimación
 
Distribución normal y t de student
Distribución normal y t de studentDistribución normal y t de student
Distribución normal y t de student
 
Teoria de la probabilidad
Teoria de la probabilidadTeoria de la probabilidad
Teoria de la probabilidad
 
Distribuciòn muestral de la media.
Distribuciòn muestral de la media.Distribuciòn muestral de la media.
Distribuciòn muestral de la media.
 
Estadistica I, Tabla de Distribucion de Frecuencia
Estadistica I, Tabla de Distribucion de Frecuencia Estadistica I, Tabla de Distribucion de Frecuencia
Estadistica I, Tabla de Distribucion de Frecuencia
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
Estimaciones (Estadística)
Estimaciones (Estadística)Estimaciones (Estadística)
Estimaciones (Estadística)
 
Estadística. Medidas de tendencia central.
Estadística. Medidas de tendencia central.Estadística. Medidas de tendencia central.
Estadística. Medidas de tendencia central.
 
DISTRIBUCIÓN MUESTRAL DE LA MEDIA
DISTRIBUCIÓN MUESTRAL DE LA MEDIADISTRIBUCIÓN MUESTRAL DE LA MEDIA
DISTRIBUCIÓN MUESTRAL DE LA MEDIA
 
Capítulo 06, Distribuciones discretas de probabilidad
Capítulo 06, Distribuciones discretas de probabilidadCapítulo 06, Distribuciones discretas de probabilidad
Capítulo 06, Distribuciones discretas de probabilidad
 
4. estadistica inferencial
4.  estadistica inferencial4.  estadistica inferencial
4. estadistica inferencial
 
Distribucion binomial
Distribucion binomialDistribucion binomial
Distribucion binomial
 
DISTRIBUCION T DE STUDENT
DISTRIBUCION T DE STUDENTDISTRIBUCION T DE STUDENT
DISTRIBUCION T DE STUDENT
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
 
estimacion
estimacionestimacion
estimacion
 
Distribucion Binomial
Distribucion BinomialDistribucion Binomial
Distribucion Binomial
 
Distribución Binomial
Distribución BinomialDistribución Binomial
Distribución Binomial
 
Variables aleatorias discretas y continuas
Variables aleatorias discretas y continuasVariables aleatorias discretas y continuas
Variables aleatorias discretas y continuas
 
Prueba de Hipótesis para una media y proporción-estadistica
Prueba de Hipótesis para una media y proporción-estadisticaPrueba de Hipótesis para una media y proporción-estadistica
Prueba de Hipótesis para una media y proporción-estadistica
 

Destacado

Tipos de distribuciones de probabilidad.
Tipos de distribuciones de probabilidad.Tipos de distribuciones de probabilidad.
Tipos de distribuciones de probabilidad.Roberto Dominguez
 
Cuadro comparativo entre función de distribución binomial y distribución de p...
Cuadro comparativo entre función de distribución binomial y distribución de p...Cuadro comparativo entre función de distribución binomial y distribución de p...
Cuadro comparativo entre función de distribución binomial y distribución de p...Paulina Garcia Aguilera
 
Cuadros comparativos de distribucion poisson y distribucion binomial
Cuadros comparativos de distribucion poisson y distribucion binomialCuadros comparativos de distribucion poisson y distribucion binomial
Cuadros comparativos de distribucion poisson y distribucion binomialPao Aldaco
 
Planificación y ejecución de investigaciones médicas.
Planificación y ejecución de investigaciones médicas.Planificación y ejecución de investigaciones médicas.
Planificación y ejecución de investigaciones médicas.Joan Fernando Chipia Lobo
 
Consideraciones generales de Bioestadística
Consideraciones generales de BioestadísticaConsideraciones generales de Bioestadística
Consideraciones generales de BioestadísticaJoan Fernando Chipia Lobo
 
EXPERIENCIA DE EVALUACIÓN DE UN OBJETO DE APRENDIZAJE SOBRE ESTADÍSTICA DESCR...
EXPERIENCIA DE EVALUACIÓN DE UN OBJETO DE APRENDIZAJE SOBRE ESTADÍSTICA DESCR...EXPERIENCIA DE EVALUACIÓN DE UN OBJETO DE APRENDIZAJE SOBRE ESTADÍSTICA DESCR...
EXPERIENCIA DE EVALUACIÓN DE UN OBJETO DE APRENDIZAJE SOBRE ESTADÍSTICA DESCR...Joan Fernando Chipia Lobo
 
Reseña histórica y conceptos básicos de estadística
Reseña histórica y conceptos básicos de estadísticaReseña histórica y conceptos básicos de estadística
Reseña histórica y conceptos básicos de estadísticaJoan Fernando Chipia Lobo
 
Errores más comunes en metodología de la investigación y análisis de datos
Errores más comunes en metodología de la investigación y análisis de datosErrores más comunes en metodología de la investigación y análisis de datos
Errores más comunes en metodología de la investigación y análisis de datosJoan Fernando Chipia Lobo
 

Destacado (20)

Tipos de distribuciones de probabilidad.
Tipos de distribuciones de probabilidad.Tipos de distribuciones de probabilidad.
Tipos de distribuciones de probabilidad.
 
Cuadro comparativo entre función de distribución binomial y distribución de p...
Cuadro comparativo entre función de distribución binomial y distribución de p...Cuadro comparativo entre función de distribución binomial y distribución de p...
Cuadro comparativo entre función de distribución binomial y distribución de p...
 
Cuadros comparativos de distribucion poisson y distribucion binomial
Cuadros comparativos de distribucion poisson y distribucion binomialCuadros comparativos de distribucion poisson y distribucion binomial
Cuadros comparativos de distribucion poisson y distribucion binomial
 
Tabla z
Tabla zTabla z
Tabla z
 
Estadísticas vitales
Estadísticas vitalesEstadísticas vitales
Estadísticas vitales
 
Errores de medición
Errores de mediciónErrores de medición
Errores de medición
 
Planificación y ejecución de investigaciones médicas.
Planificación y ejecución de investigaciones médicas.Planificación y ejecución de investigaciones médicas.
Planificación y ejecución de investigaciones médicas.
 
Muestreo
MuestreoMuestreo
Muestreo
 
Probabilidades
ProbabilidadesProbabilidades
Probabilidades
 
Consideraciones generales de Bioestadística
Consideraciones generales de BioestadísticaConsideraciones generales de Bioestadística
Consideraciones generales de Bioestadística
 
EXPERIENCIA DE EVALUACIÓN DE UN OBJETO DE APRENDIZAJE SOBRE ESTADÍSTICA DESCR...
EXPERIENCIA DE EVALUACIÓN DE UN OBJETO DE APRENDIZAJE SOBRE ESTADÍSTICA DESCR...EXPERIENCIA DE EVALUACIÓN DE UN OBJETO DE APRENDIZAJE SOBRE ESTADÍSTICA DESCR...
EXPERIENCIA DE EVALUACIÓN DE UN OBJETO DE APRENDIZAJE SOBRE ESTADÍSTICA DESCR...
 
Técnicas de conteo
Técnicas de conteoTécnicas de conteo
Técnicas de conteo
 
Actitudes populares de Estadística
Actitudes populares de EstadísticaActitudes populares de Estadística
Actitudes populares de Estadística
 
Teoría de conjuntos
Teoría de conjuntosTeoría de conjuntos
Teoría de conjuntos
 
Probabilidad I
Probabilidad IProbabilidad I
Probabilidad I
 
Probabilidad II
Probabilidad IIProbabilidad II
Probabilidad II
 
Reseña histórica y conceptos básicos de estadística
Reseña histórica y conceptos básicos de estadísticaReseña histórica y conceptos básicos de estadística
Reseña histórica y conceptos básicos de estadística
 
Medidas de forma
Medidas de formaMedidas de forma
Medidas de forma
 
Errores más comunes en metodología de la investigación y análisis de datos
Errores más comunes en metodología de la investigación y análisis de datosErrores más comunes en metodología de la investigación y análisis de datos
Errores más comunes en metodología de la investigación y análisis de datos
 
Validez y confiabilidad
Validez y confiabilidadValidez y confiabilidad
Validez y confiabilidad
 

Similar a Distribuciones de probabilidad

Variable aleatoria y Distribuciónes de Probabilidad
Variable aleatoria y Distribuciónes de ProbabilidadVariable aleatoria y Distribuciónes de Probabilidad
Variable aleatoria y Distribuciónes de ProbabilidadJoan Fernando Chipia Lobo
 
Universidad tecnologica de torreon
Universidad tecnologica de torreonUniversidad tecnologica de torreon
Universidad tecnologica de torreonLúaz Garcia
 
Universidad tecnologica de torreon
Universidad tecnologica de torreonUniversidad tecnologica de torreon
Universidad tecnologica de torreonLúaz Garcia
 
Presentacion estadistica II
Presentacion estadistica IIPresentacion estadistica II
Presentacion estadistica IIalexjcv
 
Presentacion diapostvas distribuciones especiales upg
Presentacion diapostvas distribuciones especiales upgPresentacion diapostvas distribuciones especiales upg
Presentacion diapostvas distribuciones especiales upgEdgar López
 
Diferentes distribuciones
Diferentes distribucionesDiferentes distribuciones
Diferentes distribucionesCarol Ramos
 
Trabajo final de estadistica
Trabajo final de estadisticaTrabajo final de estadistica
Trabajo final de estadisticaCYALE19
 
Trabajo final de estadistica
Trabajo final de estadisticaTrabajo final de estadistica
Trabajo final de estadisticaCYALE19
 
Estadisticos modelos probabilisticos 29 3-2020
Estadisticos modelos probabilisticos 29 3-2020Estadisticos modelos probabilisticos 29 3-2020
Estadisticos modelos probabilisticos 29 3-2020agustin rojas
 
Distribucionesdiscretas]
Distribucionesdiscretas]Distribucionesdiscretas]
Distribucionesdiscretas]edeannis
 
Distribucionesdiscretas]
Distribucionesdiscretas]Distribucionesdiscretas]
Distribucionesdiscretas]edeannis
 
Universidad tecnológica de Torreón Distribuciones
Universidad tecnológica de Torreón DistribucionesUniversidad tecnológica de Torreón Distribuciones
Universidad tecnológica de Torreón DistribucionesCarlos Garcia Godoy
 
Estadistica y probabilidades cap VII
Estadistica y probabilidades cap VIIEstadistica y probabilidades cap VII
Estadistica y probabilidades cap VIIRichard Huaman Durand
 

Similar a Distribuciones de probabilidad (20)

Variable aleatoria y Distribuciónes de Probabilidad
Variable aleatoria y Distribuciónes de ProbabilidadVariable aleatoria y Distribuciónes de Probabilidad
Variable aleatoria y Distribuciónes de Probabilidad
 
Universidad tecnologica de torreon
Universidad tecnologica de torreonUniversidad tecnologica de torreon
Universidad tecnologica de torreon
 
Universidad tecnologica de torreon
Universidad tecnologica de torreonUniversidad tecnologica de torreon
Universidad tecnologica de torreon
 
Presentacion estadistica II
Presentacion estadistica IIPresentacion estadistica II
Presentacion estadistica II
 
Presentacion diapostvas distribuciones especiales upg
Presentacion diapostvas distribuciones especiales upgPresentacion diapostvas distribuciones especiales upg
Presentacion diapostvas distribuciones especiales upg
 
Diferentes distribuciones
Diferentes distribucionesDiferentes distribuciones
Diferentes distribuciones
 
20121109101108
2012110910110820121109101108
20121109101108
 
Distribuciones
DistribucionesDistribuciones
Distribuciones
 
Distribuciones
DistribucionesDistribuciones
Distribuciones
 
Distribucion de probabilidad
Distribucion de probabilidadDistribucion de probabilidad
Distribucion de probabilidad
 
Trabajo final de estadistica
Trabajo final de estadisticaTrabajo final de estadistica
Trabajo final de estadistica
 
Trabajo final de estadistica
Trabajo final de estadisticaTrabajo final de estadistica
Trabajo final de estadistica
 
Estadisticos modelos probabilisticos 29 3-2020
Estadisticos modelos probabilisticos 29 3-2020Estadisticos modelos probabilisticos 29 3-2020
Estadisticos modelos probabilisticos 29 3-2020
 
Distribucionesdiscretas]
Distribucionesdiscretas]Distribucionesdiscretas]
Distribucionesdiscretas]
 
Distribucionesdiscretas]
Distribucionesdiscretas]Distribucionesdiscretas]
Distribucionesdiscretas]
 
estadistica descriptiva
estadistica descriptivaestadistica descriptiva
estadistica descriptiva
 
Universidad tecnológica de Torreón Distribuciones
Universidad tecnológica de Torreón DistribucionesUniversidad tecnológica de Torreón Distribuciones
Universidad tecnológica de Torreón Distribuciones
 
Estadistica y probabilidades cap VII
Estadistica y probabilidades cap VIIEstadistica y probabilidades cap VII
Estadistica y probabilidades cap VII
 
Estadística II
Estadística IIEstadística II
Estadística II
 
Ensayos de hipótesis de una y dos colas con medias y proporciones
Ensayos de hipótesis de una y dos colas con medias y proporcionesEnsayos de hipótesis de una y dos colas con medias y proporciones
Ensayos de hipótesis de una y dos colas con medias y proporciones
 

Más de Joan Fernando Chipia Lobo

Pensamiento bioestadístico complejo de los sistemas de salud
Pensamiento bioestadístico complejo de los sistemas de saludPensamiento bioestadístico complejo de los sistemas de salud
Pensamiento bioestadístico complejo de los sistemas de saludJoan Fernando Chipia Lobo
 
Experiencia de Construcción de la Revista GICOS, Facultad de Medicina, ULA
Experiencia de Construcción de la Revista GICOS, Facultad de Medicina, ULAExperiencia de Construcción de la Revista GICOS, Facultad de Medicina, ULA
Experiencia de Construcción de la Revista GICOS, Facultad de Medicina, ULAJoan Fernando Chipia Lobo
 
Principales causas de mortalidad por distritos sanitarios. Mérida, 2011-2015
Principales causas de mortalidad por distritos sanitarios. Mérida, 2011-2015Principales causas de mortalidad por distritos sanitarios. Mérida, 2011-2015
Principales causas de mortalidad por distritos sanitarios. Mérida, 2011-2015Joan Fernando Chipia Lobo
 
DISEÑO, VALIDACIÓN Y EVALUACIÓN DE UN PROGRAMA EDUCATIVO SOBRE BEBIDAS ALCOHÓ...
DISEÑO, VALIDACIÓN Y EVALUACIÓN DE UN PROGRAMA EDUCATIVO SOBRE BEBIDAS ALCOHÓ...DISEÑO, VALIDACIÓN Y EVALUACIÓN DE UN PROGRAMA EDUCATIVO SOBRE BEBIDAS ALCOHÓ...
DISEÑO, VALIDACIÓN Y EVALUACIÓN DE UN PROGRAMA EDUCATIVO SOBRE BEBIDAS ALCOHÓ...Joan Fernando Chipia Lobo
 
CALIDAD DE LA ATENCIÓN EN MEDICINA DE FAMILIA. CENTRO DE ATENCIÓN MÉDICA INTE...
CALIDAD DE LA ATENCIÓN EN MEDICINA DE FAMILIA. CENTRO DE ATENCIÓN MÉDICA INTE...CALIDAD DE LA ATENCIÓN EN MEDICINA DE FAMILIA. CENTRO DE ATENCIÓN MÉDICA INTE...
CALIDAD DE LA ATENCIÓN EN MEDICINA DE FAMILIA. CENTRO DE ATENCIÓN MÉDICA INTE...Joan Fernando Chipia Lobo
 
EFICACIA DEL APÓSITO BIOACTIVO NATURAL VERSUS CONVENCIONAL EN CICATRIZACIÓN C...
EFICACIA DEL APÓSITO BIOACTIVO NATURAL VERSUS CONVENCIONAL EN CICATRIZACIÓN C...EFICACIA DEL APÓSITO BIOACTIVO NATURAL VERSUS CONVENCIONAL EN CICATRIZACIÓN C...
EFICACIA DEL APÓSITO BIOACTIVO NATURAL VERSUS CONVENCIONAL EN CICATRIZACIÓN C...Joan Fernando Chipia Lobo
 
Cáncer epidermoide de laringe: prevalencia y manejo
Cáncer epidermoide de laringe: prevalencia y manejoCáncer epidermoide de laringe: prevalencia y manejo
Cáncer epidermoide de laringe: prevalencia y manejoJoan Fernando Chipia Lobo
 
Filosofía, ciencia, religión: espacios de encuentros y desencuentros
Filosofía, ciencia, religión: espacios de encuentros y desencuentrosFilosofía, ciencia, religión: espacios de encuentros y desencuentros
Filosofía, ciencia, religión: espacios de encuentros y desencuentrosJoan Fernando Chipia Lobo
 
PROYECTOS: MEDIO INTEGRADOR EN EL APRENDIZAJE DE BIOESTADÍSTICA
PROYECTOS: MEDIO INTEGRADOR EN EL APRENDIZAJE DE BIOESTADÍSTICAPROYECTOS: MEDIO INTEGRADOR EN EL APRENDIZAJE DE BIOESTADÍSTICA
PROYECTOS: MEDIO INTEGRADOR EN EL APRENDIZAJE DE BIOESTADÍSTICAJoan Fernando Chipia Lobo
 
Prevalencia del Dengue en la parroquia Lagunillas, municipio Sucre, estado ...
	 Prevalencia del Dengue en la parroquia Lagunillas, municipio Sucre, estado ...	 Prevalencia del Dengue en la parroquia Lagunillas, municipio Sucre, estado ...
Prevalencia del Dengue en la parroquia Lagunillas, municipio Sucre, estado ...Joan Fernando Chipia Lobo
 
Videocast, podcast y webquest como estrategias educacionales para las ciencia...
Videocast, podcast y webquest como estrategias educacionales para las ciencia...Videocast, podcast y webquest como estrategias educacionales para las ciencia...
Videocast, podcast y webquest como estrategias educacionales para las ciencia...Joan Fernando Chipia Lobo
 
Proyectos: medio integrador en el aprendizaje de Bioestadística
Proyectos: medio integrador en el aprendizaje de BioestadísticaProyectos: medio integrador en el aprendizaje de Bioestadística
Proyectos: medio integrador en el aprendizaje de BioestadísticaJoan Fernando Chipia Lobo
 
Instrumento sobre las actitudes de los adolescentes hacia los medios N.0 y su...
Instrumento sobre las actitudes de los adolescentes hacia los medios N.0 y su...Instrumento sobre las actitudes de los adolescentes hacia los medios N.0 y su...
Instrumento sobre las actitudes de los adolescentes hacia los medios N.0 y su...Joan Fernando Chipia Lobo
 
BLOG Y PODCASTING EN EL APRENDIZAJE DE MATEMÁTICA BÁSICA
BLOG Y PODCASTING EN EL APRENDIZAJE DE MATEMÁTICA BÁSICABLOG Y PODCASTING EN EL APRENDIZAJE DE MATEMÁTICA BÁSICA
BLOG Y PODCASTING EN EL APRENDIZAJE DE MATEMÁTICA BÁSICAJoan Fernando Chipia Lobo
 
OBJETO DE APRENDIZAJE SOBRE BEBIDAS ALCOHÓLICAS, TABACO Y MARIHUANA CON LA UT...
OBJETO DE APRENDIZAJE SOBRE BEBIDAS ALCOHÓLICAS, TABACO Y MARIHUANA CON LA UT...OBJETO DE APRENDIZAJE SOBRE BEBIDAS ALCOHÓLICAS, TABACO Y MARIHUANA CON LA UT...
OBJETO DE APRENDIZAJE SOBRE BEBIDAS ALCOHÓLICAS, TABACO Y MARIHUANA CON LA UT...Joan Fernando Chipia Lobo
 
CARACTERIZACIÓN EPIDEMIOLÓGICA DEL ACCIDENTE ESCORPIÓNICO HOSPITAL “TULIO FEB...
CARACTERIZACIÓN EPIDEMIOLÓGICA DEL ACCIDENTE ESCORPIÓNICO HOSPITAL “TULIO FEB...CARACTERIZACIÓN EPIDEMIOLÓGICA DEL ACCIDENTE ESCORPIÓNICO HOSPITAL “TULIO FEB...
CARACTERIZACIÓN EPIDEMIOLÓGICA DEL ACCIDENTE ESCORPIÓNICO HOSPITAL “TULIO FEB...Joan Fernando Chipia Lobo
 

Más de Joan Fernando Chipia Lobo (20)

ChatGPT: ALGUNAS INTERROGANTES POR DESPEJAR
ChatGPT: ALGUNAS INTERROGANTES POR DESPEJARChatGPT: ALGUNAS INTERROGANTES POR DESPEJAR
ChatGPT: ALGUNAS INTERROGANTES POR DESPEJAR
 
Pensamiento bioestadístico complejo de los sistemas de salud
Pensamiento bioestadístico complejo de los sistemas de saludPensamiento bioestadístico complejo de los sistemas de salud
Pensamiento bioestadístico complejo de los sistemas de salud
 
Experiencia de Construcción de la Revista GICOS, Facultad de Medicina, ULA
Experiencia de Construcción de la Revista GICOS, Facultad de Medicina, ULAExperiencia de Construcción de la Revista GICOS, Facultad de Medicina, ULA
Experiencia de Construcción de la Revista GICOS, Facultad de Medicina, ULA
 
Contrastes de hipótesis estadísticas
Contrastes de hipótesis estadísticasContrastes de hipótesis estadísticas
Contrastes de hipótesis estadísticas
 
Principales causas de mortalidad por distritos sanitarios. Mérida, 2011-2015
Principales causas de mortalidad por distritos sanitarios. Mérida, 2011-2015Principales causas de mortalidad por distritos sanitarios. Mérida, 2011-2015
Principales causas de mortalidad por distritos sanitarios. Mérida, 2011-2015
 
DISEÑO, VALIDACIÓN Y EVALUACIÓN DE UN PROGRAMA EDUCATIVO SOBRE BEBIDAS ALCOHÓ...
DISEÑO, VALIDACIÓN Y EVALUACIÓN DE UN PROGRAMA EDUCATIVO SOBRE BEBIDAS ALCOHÓ...DISEÑO, VALIDACIÓN Y EVALUACIÓN DE UN PROGRAMA EDUCATIVO SOBRE BEBIDAS ALCOHÓ...
DISEÑO, VALIDACIÓN Y EVALUACIÓN DE UN PROGRAMA EDUCATIVO SOBRE BEBIDAS ALCOHÓ...
 
CALIDAD DE LA ATENCIÓN EN MEDICINA DE FAMILIA. CENTRO DE ATENCIÓN MÉDICA INTE...
CALIDAD DE LA ATENCIÓN EN MEDICINA DE FAMILIA. CENTRO DE ATENCIÓN MÉDICA INTE...CALIDAD DE LA ATENCIÓN EN MEDICINA DE FAMILIA. CENTRO DE ATENCIÓN MÉDICA INTE...
CALIDAD DE LA ATENCIÓN EN MEDICINA DE FAMILIA. CENTRO DE ATENCIÓN MÉDICA INTE...
 
EFICACIA DEL APÓSITO BIOACTIVO NATURAL VERSUS CONVENCIONAL EN CICATRIZACIÓN C...
EFICACIA DEL APÓSITO BIOACTIVO NATURAL VERSUS CONVENCIONAL EN CICATRIZACIÓN C...EFICACIA DEL APÓSITO BIOACTIVO NATURAL VERSUS CONVENCIONAL EN CICATRIZACIÓN C...
EFICACIA DEL APÓSITO BIOACTIVO NATURAL VERSUS CONVENCIONAL EN CICATRIZACIÓN C...
 
Cáncer epidermoide de laringe: prevalencia y manejo
Cáncer epidermoide de laringe: prevalencia y manejoCáncer epidermoide de laringe: prevalencia y manejo
Cáncer epidermoide de laringe: prevalencia y manejo
 
Fenomenología
FenomenologíaFenomenología
Fenomenología
 
Filosofía, ciencia, religión: espacios de encuentros y desencuentros
Filosofía, ciencia, religión: espacios de encuentros y desencuentrosFilosofía, ciencia, religión: espacios de encuentros y desencuentros
Filosofía, ciencia, religión: espacios de encuentros y desencuentros
 
PROYECTOS: MEDIO INTEGRADOR EN EL APRENDIZAJE DE BIOESTADÍSTICA
PROYECTOS: MEDIO INTEGRADOR EN EL APRENDIZAJE DE BIOESTADÍSTICAPROYECTOS: MEDIO INTEGRADOR EN EL APRENDIZAJE DE BIOESTADÍSTICA
PROYECTOS: MEDIO INTEGRADOR EN EL APRENDIZAJE DE BIOESTADÍSTICA
 
Prevalencia del Dengue en la parroquia Lagunillas, municipio Sucre, estado ...
	 Prevalencia del Dengue en la parroquia Lagunillas, municipio Sucre, estado ...	 Prevalencia del Dengue en la parroquia Lagunillas, municipio Sucre, estado ...
Prevalencia del Dengue en la parroquia Lagunillas, municipio Sucre, estado ...
 
Videocast, podcast y webquest como estrategias educacionales para las ciencia...
Videocast, podcast y webquest como estrategias educacionales para las ciencia...Videocast, podcast y webquest como estrategias educacionales para las ciencia...
Videocast, podcast y webquest como estrategias educacionales para las ciencia...
 
Proyectos: medio integrador en el aprendizaje de Bioestadística
Proyectos: medio integrador en el aprendizaje de BioestadísticaProyectos: medio integrador en el aprendizaje de Bioestadística
Proyectos: medio integrador en el aprendizaje de Bioestadística
 
Instrumento sobre las actitudes de los adolescentes hacia los medios N.0 y su...
Instrumento sobre las actitudes de los adolescentes hacia los medios N.0 y su...Instrumento sobre las actitudes de los adolescentes hacia los medios N.0 y su...
Instrumento sobre las actitudes de los adolescentes hacia los medios N.0 y su...
 
BLOG Y PODCASTING EN EL APRENDIZAJE DE MATEMÁTICA BÁSICA
BLOG Y PODCASTING EN EL APRENDIZAJE DE MATEMÁTICA BÁSICABLOG Y PODCASTING EN EL APRENDIZAJE DE MATEMÁTICA BÁSICA
BLOG Y PODCASTING EN EL APRENDIZAJE DE MATEMÁTICA BÁSICA
 
2016 revista-oc
2016 revista-oc2016 revista-oc
2016 revista-oc
 
OBJETO DE APRENDIZAJE SOBRE BEBIDAS ALCOHÓLICAS, TABACO Y MARIHUANA CON LA UT...
OBJETO DE APRENDIZAJE SOBRE BEBIDAS ALCOHÓLICAS, TABACO Y MARIHUANA CON LA UT...OBJETO DE APRENDIZAJE SOBRE BEBIDAS ALCOHÓLICAS, TABACO Y MARIHUANA CON LA UT...
OBJETO DE APRENDIZAJE SOBRE BEBIDAS ALCOHÓLICAS, TABACO Y MARIHUANA CON LA UT...
 
CARACTERIZACIÓN EPIDEMIOLÓGICA DEL ACCIDENTE ESCORPIÓNICO HOSPITAL “TULIO FEB...
CARACTERIZACIÓN EPIDEMIOLÓGICA DEL ACCIDENTE ESCORPIÓNICO HOSPITAL “TULIO FEB...CARACTERIZACIÓN EPIDEMIOLÓGICA DEL ACCIDENTE ESCORPIÓNICO HOSPITAL “TULIO FEB...
CARACTERIZACIÓN EPIDEMIOLÓGICA DEL ACCIDENTE ESCORPIÓNICO HOSPITAL “TULIO FEB...
 

Último

Estrategia Nacional de Refuerzo Escolar SJA Ccesa007.pdf
Estrategia Nacional de Refuerzo Escolar  SJA  Ccesa007.pdfEstrategia Nacional de Refuerzo Escolar  SJA  Ccesa007.pdf
Estrategia Nacional de Refuerzo Escolar SJA Ccesa007.pdfDemetrio Ccesa Rayme
 
ACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLA
ACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLAACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLA
ACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLAJAVIER SOLIS NOYOLA
 
TERCER GRADO PROGRAMACION ANUAL CCSS 3° - 2024.docx
TERCER GRADO PROGRAMACION ANUAL CCSS 3° - 2024.docxTERCER GRADO PROGRAMACION ANUAL CCSS 3° - 2024.docx
TERCER GRADO PROGRAMACION ANUAL CCSS 3° - 2024.docxlitaroxselyperezmont
 
Vínculo afectivo (labor expositivo de grupo )
Vínculo afectivo (labor expositivo de grupo )Vínculo afectivo (labor expositivo de grupo )
Vínculo afectivo (labor expositivo de grupo )portafoliodigitalyos
 
ciclos biogeoquimicas y flujo de materia ecosistemas
ciclos biogeoquimicas y flujo de materia ecosistemasciclos biogeoquimicas y flujo de materia ecosistemas
ciclos biogeoquimicas y flujo de materia ecosistemasFlor Idalia Espinoza Ortega
 
METODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdf
METODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdfMETODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdf
METODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdfNilssaRojas1
 
novelas-cortas--3.pdf Analisis introspectivo y retrospectivo, sintesis
novelas-cortas--3.pdf Analisis introspectivo y retrospectivo, sintesisnovelas-cortas--3.pdf Analisis introspectivo y retrospectivo, sintesis
novelas-cortas--3.pdf Analisis introspectivo y retrospectivo, sintesisPsicClinGlendaBerrez
 
Comunidades Virtuales de Aprendizaje Caracteristicas.pptx
Comunidades Virtuales de Aprendizaje Caracteristicas.pptxComunidades Virtuales de Aprendizaje Caracteristicas.pptx
Comunidades Virtuales de Aprendizaje Caracteristicas.pptxJunkotantik
 
Estudios Sociales libro 8vo grado Básico
Estudios Sociales libro 8vo grado BásicoEstudios Sociales libro 8vo grado Básico
Estudios Sociales libro 8vo grado Básicomaxgamesofficial15
 
Lecciones 07 Esc. Sabática. Motivados por la esperanza
Lecciones 07 Esc. Sabática. Motivados por la esperanzaLecciones 07 Esc. Sabática. Motivados por la esperanza
Lecciones 07 Esc. Sabática. Motivados por la esperanzaAlejandrino Halire Ccahuana
 
Época colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la épocaÉpoca colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la épocacecifranco1981
 
A propósito de la globalización y la financiarización del mundo
A propósito de la globalización y la financiarización del mundoA propósito de la globalización y la financiarización del mundo
A propósito de la globalización y la financiarización del mundosubfabian
 
el poder del estado en el siglo XXI.pptx
el poder del estado en el siglo XXI.pptxel poder del estado en el siglo XXI.pptx
el poder del estado en el siglo XXI.pptxsubfabian
 
a propósito del estado su relevancia y definiciones
a propósito del estado su relevancia y definicionesa propósito del estado su relevancia y definiciones
a propósito del estado su relevancia y definicionessubfabian
 
2. Entornos Virtuales de Aprendizaje.pptx
2. Entornos Virtuales de Aprendizaje.pptx2. Entornos Virtuales de Aprendizaje.pptx
2. Entornos Virtuales de Aprendizaje.pptxJunkotantik
 

Último (20)

Estrategia Nacional de Refuerzo Escolar SJA Ccesa007.pdf
Estrategia Nacional de Refuerzo Escolar  SJA  Ccesa007.pdfEstrategia Nacional de Refuerzo Escolar  SJA  Ccesa007.pdf
Estrategia Nacional de Refuerzo Escolar SJA Ccesa007.pdf
 
ACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLA
ACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLAACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLA
ACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLA
 
TERCER GRADO PROGRAMACION ANUAL CCSS 3° - 2024.docx
TERCER GRADO PROGRAMACION ANUAL CCSS 3° - 2024.docxTERCER GRADO PROGRAMACION ANUAL CCSS 3° - 2024.docx
TERCER GRADO PROGRAMACION ANUAL CCSS 3° - 2024.docx
 
flujo de materia y energía ecosistemas.
flujo de materia y  energía ecosistemas.flujo de materia y  energía ecosistemas.
flujo de materia y energía ecosistemas.
 
Vínculo afectivo (labor expositivo de grupo )
Vínculo afectivo (labor expositivo de grupo )Vínculo afectivo (labor expositivo de grupo )
Vínculo afectivo (labor expositivo de grupo )
 
ciclos biogeoquimicas y flujo de materia ecosistemas
ciclos biogeoquimicas y flujo de materia ecosistemasciclos biogeoquimicas y flujo de materia ecosistemas
ciclos biogeoquimicas y flujo de materia ecosistemas
 
¿Que es Fuerza? online 2024 Repaso CRECE.pptx
¿Que es Fuerza? online 2024 Repaso CRECE.pptx¿Que es Fuerza? online 2024 Repaso CRECE.pptx
¿Que es Fuerza? online 2024 Repaso CRECE.pptx
 
Power Point : Motivados por la esperanza
Power Point : Motivados por la esperanzaPower Point : Motivados por la esperanza
Power Point : Motivados por la esperanza
 
METODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdf
METODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdfMETODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdf
METODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdf
 
novelas-cortas--3.pdf Analisis introspectivo y retrospectivo, sintesis
novelas-cortas--3.pdf Analisis introspectivo y retrospectivo, sintesisnovelas-cortas--3.pdf Analisis introspectivo y retrospectivo, sintesis
novelas-cortas--3.pdf Analisis introspectivo y retrospectivo, sintesis
 
Sesión de clase Motivados por la esperanza.pdf
Sesión de clase Motivados por la esperanza.pdfSesión de clase Motivados por la esperanza.pdf
Sesión de clase Motivados por la esperanza.pdf
 
La historia de la vida estudiantil a 102 años de la fundación de las Normales...
La historia de la vida estudiantil a 102 años de la fundación de las Normales...La historia de la vida estudiantil a 102 años de la fundación de las Normales...
La historia de la vida estudiantil a 102 años de la fundación de las Normales...
 
Comunidades Virtuales de Aprendizaje Caracteristicas.pptx
Comunidades Virtuales de Aprendizaje Caracteristicas.pptxComunidades Virtuales de Aprendizaje Caracteristicas.pptx
Comunidades Virtuales de Aprendizaje Caracteristicas.pptx
 
Estudios Sociales libro 8vo grado Básico
Estudios Sociales libro 8vo grado BásicoEstudios Sociales libro 8vo grado Básico
Estudios Sociales libro 8vo grado Básico
 
Lecciones 07 Esc. Sabática. Motivados por la esperanza
Lecciones 07 Esc. Sabática. Motivados por la esperanzaLecciones 07 Esc. Sabática. Motivados por la esperanza
Lecciones 07 Esc. Sabática. Motivados por la esperanza
 
Época colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la épocaÉpoca colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la época
 
A propósito de la globalización y la financiarización del mundo
A propósito de la globalización y la financiarización del mundoA propósito de la globalización y la financiarización del mundo
A propósito de la globalización y la financiarización del mundo
 
el poder del estado en el siglo XXI.pptx
el poder del estado en el siglo XXI.pptxel poder del estado en el siglo XXI.pptx
el poder del estado en el siglo XXI.pptx
 
a propósito del estado su relevancia y definiciones
a propósito del estado su relevancia y definicionesa propósito del estado su relevancia y definiciones
a propósito del estado su relevancia y definiciones
 
2. Entornos Virtuales de Aprendizaje.pptx
2. Entornos Virtuales de Aprendizaje.pptx2. Entornos Virtuales de Aprendizaje.pptx
2. Entornos Virtuales de Aprendizaje.pptx
 

Distribuciones de probabilidad

  • 1. Escuela de Medicina Departamento de Medicina Preventiva y Social Cátedra de Bioestadística DISTRIBUCIONES DE PROBABILIDAD Prof. Joan Fernando Chipia Lobo @JoanFChipiaL
  • 2. INTRODUCCIÓN Un modelo de probabilidad o la distribución de probabilidad de una variable aleatoria, permite la representación teórica simplificada de un fenómeno real y la elaboración de afirmaciones probabilísticas sobre ese fenómeno. Lo anterior facilita la toma de decisiones y la previsión de hechos que pueden ocurrir.
  • 3. MODELOS DE PROBABILIDAD El estudio de las probabilidades se fundamentan en el estudio de experimentos aleatorios, es decir, en situaciones reales en las cuales existe incertidumbre y variabilidad sobre lo que pueda ocurrir, aún si ésta situación se repite muchas veces en condiciones similares.
  • 4. EN LA PRÁCTICA Un modelo para representar teóricamente la realidad en términos probabilísticos, lo constituye una variable aleatoria (V. A.) y su correspondiente distribución de probabilidad, porque la primera refleja la situación particular y la segunda expresa el comportamiento de la variable.
  • 5. A TENER PRESENTE QUE: Cualquier modelo de probabilidad que se intente aplicar construirá una aproximación a la realidad, tendrá sus limitantes e idealizaciones y se basará en supuestos que requieren de cumplimiento. A través de inferencia estadística se decide en base a informaciones muestrales, si es razonable asumir que un determinado modelo de probabilidad, es el que mejor describe el comportamiento de una población.
  • 6. MODELOS DE PROBABILIDAD PARA V.A. Cuando el problema que se analiza puede representarse mediante una variable aleatoria discreta, el correspondiente modelo de probabilidad se categoriza como discreto, el cual se define, como el conjunto de valores que puede tomar una variable discreta acompañado de sus respectivas probabilidades.
  • 7. EXPERIMENTO DE BERNOULLI Es un experimento en el cual sólo hay dos posibles resultados que llamaremos Éxito (E) y Fracaso (F). La denominación anterior se usará de manera convencional, depende del interés y naturaleza del fenómeno estudiado.
  • 8. Por lo general, cualquier experimento aleatorio puede considerarse como experimento de Bernoulli redefiniéndolo. EXPERIMENTO DE BERNOULLI (cont.) EJEMPLO 1. Al realizar una biopsia el paciente considera el resultado negativo como un éxito (E) y el positivo como un fracaso (F) No necesariamente se debe asociar éxito a cosas agradables y fracaso a aspectos desagradables.
  • 9. EJEMPLO 1. Experimentos de Bernoulli. • Registrar el resultado de un examen de un estudiante, en términos de aprobar o reprobar. • Aprobación o negación de una solicitud de crédito ante un banco. • Determinar la calidad de un producto en las opciones de defectuoso o no defectuoso. • Determinar si un caso sospechoso, es positivo o negativo.
  • 10. EJEMPLO 1. Experimentos de Bernoulli (cont.). • Medir la estatura de una persona y registrar si mide igual y meno de 1,60 metros, o no. • Observar el color de ojos de una persona seleccionada al azar fijándose, si son negros o no. • Seleccionar al azar un automóvil en una ciudad y registrar, si es de fabricación italiana o no. • Lanzar un dado y registrar si sale par o no.
  • 11. Se va a denotar por p la probabilidad de éxito y por 1-p la probabilidad de fracaso. EXPERIMENTO DE BERNOULLI Si consideramos la variable aleatoria X, como el número de éxitos en un experimento de Bernoulli. Esta variable sólo puede tomar los valores 0 y 1.
  • 12. DISTRIBUCIÓN DE PROBABILIDAD DE BERNOULLI Esta distribución depende solamente del valor de probabilidad de éxito p y en consecuencia, para diferentes valores de p se obtienen diferentes distribuciones de Bernoulli, a este valor p se le denomina parámetro de la distribución.
  • 13. DISTRIBUCIÓN DE PROBABILIDAD DE BERNOULLI (cont.) Viene dada por: P(X=x) 1-p si x=0 p si x=1 0 en otro caso Alternativamente se puede expresar con la siguiente fórmula: P X=x =px(1−p) 1−x x=0,1
  • 14. EXPERIMENTO BINOMIAL Es aquel que cumple con las siguientes propiedades: i) Consiste en n ensayos de Bernoulli, es decir, la repetición n veces de un experimento que consta de dos posibles resultados, que llamaremos éxito o fracaso.
  • 15. EXPERIMENTO BINOMIAL (cont.) ii) La probabilidad p de éxito se mantiene constante en cada uno de los n ensayos de Bernoulli y en consecuencia la probabilidad de fracaso 1-p, también se mantiene constante en cada una de las pruebas o ensayos. iii) Los n ensayos de Bernoulli son independientes entre sí, o sea que el resultado de un ensayo no afecta el resultado de los demás.
  • 16. EJEMPLO 2. Experimentos Binomiales. • Lanzar 10 veces una moneda. • Responder al azar (sin pensar) una prueba de verdadero o falso, constituida por 20 preguntas. • Examinar 8 artículos seleccionados al azar, producidos en una fábrica, para determinar los defectuosos y los no defectuosos. • Otros experimentos con n repeticiones en los cuales se seleccionen aleatoriamente una muestra de una población dicotómica.
  • 17. EJEMPLO 3. Selección de una muestra con reposición. Una población está conformada por 16 personas de las cuales 4 son hombres y 12 son mujeres. Se desea seleccionar una muestra aleatoria con reposición de 3 personas y registrar el sexo de cada una. Si denominamos éxito, al hecho de que una persona sea del sexo femenino, entonces la situación anterior constituye un experimento binomial con: 𝑝 = 𝑃 é𝑥𝑖𝑡𝑜 = 12 16 = 0,75
  • 18. EJEMPLO 4. Selección de una muestra sin reposición. Consideremos la situación del ejemplo anterior, pero en éste ejemplo se tomará la muestra sin reposición. No es un experimento binomial, por cuanto los ensayos no son independientes entre sí.
  • 19. EJEMPLO 5. Selección de una muestra sin reposición cuando la población es grande. Consideremos el caso de seleccionar una muestra aleatoria de 3 personas, de una población constituida por 200 hombres y 1000 mujeres Estrictamente no es un experimento binomial, porque los ensayos no son independientes. Pero desde el punto de vista práctico, se puede aceptar debido a que, cuando la muestra es grande los valores en la muestra con reposición y sin reposición son muy aproximados.
  • 20. DISTRIBUCIÓN BINOMIAL (I) Dado un experimento binomial cualquiera, vamos a definir la variable aleatoria X, como el número de éxitos que se obtienen en los n ensayos de Bernoulli; a ésta variable se le denomina variable binomial y su correspondiente distribución de probabilidad, se conoce como distribución binomial.
  • 21. DISTRIBUCIÓN BINOMIAL (II) La variable aleatoria X que representa el número de éxitos en n ensayos de un experimento binomial, sigue una distribución dada por: 𝑃 𝑋 = 𝑥 = 𝑛 𝑥 𝑝 𝑥(1 − 𝑝) 𝑛−𝑥 𝑥 = 0,1,2, … , 𝑛 La cual se denomina Distribución Binomial, con n y p como parámetros, porque para diferentes valores se obtienen diferentes distribuciones binomiales.
  • 22. DISTRIBUCIÓN BINOMIAL (III) En algunos textos se define la distribución binomial, con la probabilidad de fracaso por q=1-p, quedando expresada de la siguiente manera: 𝑃 𝑋 = 𝑥 = 𝑛 𝑥 𝑝 𝑥 𝑞 𝑛−𝑥 𝑥 = 0,1,2, … , 𝑛 𝑆𝑖𝑒𝑛𝑑𝑜 𝑝 + 𝑞 = 1 Nota: el nombre de la distribución binomial proviene del hecho de que las probabilidades binomiales para 𝒙 = 𝟎, 𝟏, … , 𝒏 son precisamente los términos o sumandos del desarrollo del binomio (𝑝 + 𝑞) 𝑛 , también llamado Binomio de Newton.
  • 23. EJEMPLO 6. Distribución Binomial. Se tiene una tasa de prevalencia del 30% de asma en los habitantes de una ciudad. Determinar la probabilidad de que: a) ninguna padezca de asma y b) más de dos sufran de asma, en una muestra aleatoria de 4 personas.
  • 24. SOLUCIÓN Sea X el número de personas que sufren de asma en una muestra de 4 personas. X(n=4;p=0,3) a) 𝑃 𝑋 = 0 = 4 0 0,3 0(0,7)4= 0,2401 b) 𝑃 𝑋 ≥ 3 = 4 3 0,3 3(0,7)1+ 4 4 0,3 4(0,7)0 = 0,0756 + 0,0081 = 0,0837
  • 25. EJEMPLO 7. Distribución Binomial. Si 9 de cada 10 recién nacidos de una región son niños, determinar la probabilidad de que en una muestra aleatoria de 12 recién nacidos, haya un máximo de 10 niños. Si X representa el número de niños y Y el número de niñas en el grupo de 12 recién nacidos, tenemos que: X(n=12, p=0,9) Y(n=12, p=0,1)
  • 26. SOLUCIÓN Para dar respuesta con la variable X: 𝑃 𝑋 ≤ 10 = 1 − 𝑃 𝑋 ≥ 11 = 1 − 12 11 0,9 11 0,1 1 − 12 12 0,9 12 0,1 0 = 1 − 0,37657 − 0,28242 = 0,34101 Utilizando la variable Y, también se puede dar respuesta: 𝑃 𝑋 ≤ 10 = 𝑃 𝑌 ≥ 2 = 1 − 𝑃 𝑌 ≤ 1 = 1 − 12 1 0,1 1 0,9 11 − 12 0 0,1 1 0,9 12 = 1 − 0,37657 − 0,28242 = 0,34101
  • 27. USO DE LA TABLAS BINOMIAL Ejemplo 8: n=4, x=0, p=0,45 𝑃 𝑋 = 0 = 4 0 0,45 0(0,55)4= 0,0915
  • 29. ASPECTOS GENERALES También llamada distribución gaussiana o de Gauss, es un modelo continuo de probabilidad. Es la distribución más conocida, más aplicada y de mayor desarrollo teórico entre las diferentes distribuciones de probabilidad, incluyendo discretas y continuas, por tanto, mantiene un lugar de primacía entre los modelos de probabilidad.
  • 30. DISTRIBUCIÓN NORMAL Una variable aleatoria X(µ,σ) sigue una Distribución Normal, si su función de densidad viene dada por: 𝑓 𝑥 = 1 2𝜋𝜎2 𝑒 − (𝑥−𝜇)2 2𝜎2 −∞ < 𝑥 < +∞ 𝑆𝑖𝑒𝑛𝑑𝑜 𝜇 𝑦 𝜎𝑙𝑜𝑠 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝜇 𝑦 𝜎 𝜖 𝑅, 𝜎 > 0 𝜋 = 3,14159 … 𝑒 = 2,71828 …
  • 31. GRÁFICO DE LA DISTRIBUCIÓN NORMAL Se conoce como curva normal y presenta las siguientes características: • Tiene forma acampanada. • Es simétrica con respecto a la µ y unimodal, es decir, µ=Md=Mo. • Los extremos de la curva o colas son asintóticas con respecto al eje X. • El área bajo la curva es igual a uno (1). • Curtosis y Asimetría igual a cero (0).
  • 32. INTERPRETACIÓN GEOMÉTRICA X(µ,σ) El parámetro µ es un factor de traslación. Si aumenta µ se traslada a la derecha, en el caso contrario se traslada a la izquierda. El parámetro σ es un factor de dispersión. Si aumenta σ se acumulan los datos en el centro de la distribución, en el caso opuesto se extienden a lo largo del eje X.
  • 33. INTERPRETACIÓN PROBABILÍSTICA X(µ,σ) 𝑃 𝜇 − 𝜎 < 𝑥 < 𝜇 + 𝜎 = 0,6826 𝑃 𝜇 − 2𝜎 < 𝑥 < 𝜇 + 2𝜎 = 0,9545 𝑃 𝜇 − 3𝜎 < 𝑥 < 𝜇 + 3𝜎 = 0,9978
  • 34. DISTRIBUCIÓN NORMAL ESTANDARIZADA Es toda distribución normal con µ=0 y 𝜎2 =1, se hace un proceso de transformación, que se denomina estandarización o tipificación. Se acostumbra a designar Z (0;1), a toda variable que siga una distribución normal estandarizada, siendo: 𝑍 = 𝑋 − 𝜇 𝜎
  • 35. EN LA DISTRIBUCIÓN NORMAL ESTANDARIZADA SE CUMPLE: 𝑃 −1 < 𝑍 < 1 = 0,6826 𝑃 −2 < 𝑍 < 2 = 0,9545 𝑃 −3 < 𝑍 < 3 = 0,9978
  • 36. Para calcular probabilidades asociadas a una variable normal estandarizada con la tabla correspondiente, se procede de la siguiente manera: i) Las probabilidades del tipo 𝑃 𝑍 ≤ 𝑧 se buscan directamente en la tabla. ii) Las probabilidades del tipo 𝑃 𝑍 ≥ 𝑧 = 1 − 𝑃 𝑍 ≤ 𝑧 . iii) Las probabilidades de la forma: 𝑃 𝑧1 ≤ 𝑍 ≤ 𝑧2 = 𝑃 𝑍 ≤ 𝑧2 − 𝑃(𝑍 ≤ 𝑧1) Caso i) Caso ii) Caso iii)
  • 37. EJEMPLO 8. Distribución normal estandarizada. Hallar: i) 𝑃(𝑍 < −1,21) ii) 𝑃 𝑍 > 2,43 iii) 𝑃(−1,33 < 𝑍 < 2,2) i) 𝑃 𝑍 < −1,21 = 0,1131
  • 38. ii) 𝑃 𝑍 > 2,43 = 1 − 𝑃 𝑍 < 2,43 = 1 − 0,9925 = 0,0075
  • 39. iii) 𝑃 −1,33 < 𝑍 < 2,2 𝑃 𝑍 < 2,2 = 0,9861 𝑃 𝑍 < −1,33 = 0,0918 Luego: 𝑃 −1,33 < 𝑍 < 2,2 = 𝑃 𝑍 < 2,2 − 𝑃 𝑍 < −1,33 = 0,9861 − 0,0918 = 0,8943
  • 40. EJEMPLO 9. Distribución normal estandarizada. El ingreso diario de un consultorio médico sigue una distribución normal con µ=30000 Bs y σ=5000 Bs. Determine: i) La probabilidad de que en un día cualquiera los ingresos sean superiores a 45000 Bs. ii) Si el consultorio registra pérdidas cuando el ingreso diario es inferior a 20000 Bs, determinar el porcentaje de días durante el año que se espera que el consultorio tenga pérdidas.
  • 41. SOLUCIÓN i) 𝑋 = 𝑖𝑛𝑔𝑟𝑒𝑠𝑜 𝑑𝑖𝑎𝑟𝑖𝑜 𝑑𝑒𝑙 𝑐𝑜𝑛𝑠𝑢𝑙𝑡𝑜𝑟𝑖𝑜 𝑍(𝜇 = 30000; 𝜎 = 5000) 𝑖) 𝑃 𝑋 > 45000 = 𝑃 𝑋 − 30000 5000 > 45000 − 30000 5000 𝑃 𝑍 > 3 = 1 − 𝑃 𝑍 < 3 = 1 − 0,9987 = 0,0013 Lo que indica un evento poco probable.
  • 42. SOLUCIÓN ii) 𝑖𝑖) 𝑃 𝑋 < 20000 = 𝑃 𝑋 − 30000 5000 < 20000 − 30000 5000 𝑃 𝑍 < −2 = 0,0228 𝐿𝑢𝑒𝑔𝑜, % 𝑍<−2 = 0,0228 𝑥 100 = 2,28% En consecuencia 2,28% de los días del año, el consultorio médico registrará pérdidas.
  • 43. DISTRIBUCIÓN CHI-CUADRADO Surge como una distribución de una suma de cuadrado de variables aleatorias independientes normalmente distribuidas. Esta distribución dentro de sus aplicaciones, sirve para hacer inferencia acerca de una varianza de una población; de prueba de bondad de ajuste para distribuciones de probabilidad; prueba de independencia, para determinar si dos atributos son independientes entre sí (Ovalles y Moret, 2001).
  • 44. DISTRIBUCIÓN CHI-CUADRADO Una variable aleatoria continua X, tiene una distribución Chi-cuadrado ( 𝑋2 ) con n grados de libertad, si su función de densidad está dada por: Si 𝑋1, 𝑋2, … , 𝑋 𝑛 son n variables aleatorias normales independientes, de µ=0 y 𝜎2=1, la variable definida como: 0 2 2 1 )( 2/2/)2(           xex n xf xn n 𝑌𝑛 = 𝑋1 2 + ⋯ + 𝑋 𝑛 2 = 𝑖=1 𝑛 𝑋𝑖 2
  • 45. CARACTERÍSTICAS • El parámetro de la distribución Chi-cuadrado, es el número de grados de libertad. • Es una variable aleatoria continua. • Es una distribución unimodal y asimétrica positiva cuando los grados de libertad son pequeños. • Debido a que es una suma de cuadrados, su campo de variación va de (0, +∞)
  • 46. CARACTERÍSTICAS (cont.) • Presenta una familia de distribuciones Chi- cuadrado, es decir, para cada grado de libertad, existe una distribución Chi-cuadrado. • A medida que aumentan los grados de libertad, la distribución Chi-cuadrado, se aproxima a una distribución normal.
  • 47. USO DE LA TABLA 𝑿 𝟐 i) 𝑃(𝑋2 ≤ 0,30) 𝑐𝑜𝑛 8 𝑔𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = 𝟗, 𝟓𝟐 ii) 𝑃 𝑋2 ≥ 0,05 𝑐𝑜𝑛 6 𝑔𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = 𝟏, 𝟔𝟑 iii) 𝑃 0,1 ≤ 𝑋2 ≤ 0,9 𝑐𝑜𝑛 5 𝑔𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = 𝟗, 𝟐𝟒 ≤ 𝑋2 ≤ 𝟏, 𝟔𝟏
  • 48. INTERPRETACIÓN DE LOS RESULTADOS DE LA TABLA i) 𝑃(𝑋2 ≤ 0,30) con 8 grados de libertad = 9,52 9,52 es el valor de 𝑋2 que deja a su izquierda, un área de 0,30 o 30% en una distribución con 8 grados de libertad. 𝑖𝑖) 𝑃 𝑋2 ≥ 0,05 con 6 grados de libertad= 𝑃 𝑋2 ≤ 0,95 = 1,63 1,63 es el valor de 𝑋2 que deja a su derecha, un área de 0,05 o 5% en una distribución con 6 grados de libertad. 𝑖𝑖𝑖)𝑃(0,1 ≤ 𝑋2 ≤ 0,9) con 5 grados de libertad = 9,24≤ 𝑋2 ≤ 1,61 1,61 es el valor de 𝑋2 que deja a su izquierda un área de 0,1 o 10%, mientras que el 9,24 deja a la derecha un área de 0,1 o 10%, en una distribución con 5 grados de libertad, en otras palabras el 80% de la variable 𝑋2 se encuentra entre 1,61 y 9,24.
  • 50. Surge como el cociente de dos variables aleatorias independientes: una normal estandarizada (Z) en el numerador y la raíz cuadrada de la Chi-cuadrada 𝑋2 entre sus grados de libertad (n) en el denominador, es decir: La función de densidad con n grados de libertad es:                                x n x n n n xf n 2 2 1 2 1 2 2 1 1 )(  DISTRIBUCIÓN T-STUDENT 𝑡 = 𝑍 𝑋2 𝑛
  • 51. CARACTERÍSTICAS • El parámetro de la distribución t, es el número de grados de libertad. • Es una variable aleatoria continua. • Es una distribución unimodal y simétrica con respecto a su media. • Su campo de variación va de (−∞, +∞)
  • 52. CARACTERÍSTICAS (cont.) • Existe una distribución t diferente para cada grado de libertad, con µ=0 y σ diferente dependiendo de los grados de libertad. • A medida que aumentan los grados de libertad, la distribución t-student se aproxima a una distribución normal.
  • 53. USO DE LA TABLA t i) Hallar el área derecha de t, con n=12 y α=0,05. t=1,7823 ii) Hallar el área izquierda de t, con n=12 y α=0,05. t=-1,7823
  • 54. Caso i) t=1,782 0 1,7823 α=0,05 Zona de rechazo Caso ii) t=-1,782 0 -1,7823 α=0,05 Zona de rechazo
  • 55. EJEMPLO 10. T-STUDENT. Dada una variable t de Student con 12 grados de libertad. Hallar el valor t que deja un área total de 5% en ambos extremos. 𝛼 2 = 0,05 2 = 0,025 Usando la tabla α=0,025 se tiene que t=2,1788 para la cola derecha y debido a la simetría de la distribución de t, el valor de la cola izquierda es el mismo pero con signo cambiado, es decir, t=-21788
  • 56. 0 2,1788 α=0,025 Zona de rechazo -2,1788 α=0,025 Zona de rechazo FINALMENTE, LOS INVITO A LA PÁGINA WEB DE BIOESTADÍSTICA: URL http://www.webdelprofesor.ula.ve/ciencias/joanfchipia/
  • 57. ACTIVIDAD EVALUADA EN EL BLOG Explique por qué y para qué utilizar las Distribuciones de Probabilidad en Ciencias de la salud y después muestre un ejemplo.
  • 58. REFERENCIAS Armas, J. (1988). Estadística sencilla: probabilidades. Mérida: Consejo de Publicaciones de la Universidad de Los Andes. Ovalles, A. y Moret, C. (2001). Manual de estadística II. Mérida: Consejo de Publicaciones de la Universidad de Los Andes. FINALMENTE, LOS INVITO A LA PÁGINA WEB DE BIOESTADÍSTICA: URL http://www.webdelprofesor.ula.ve/ciencias/joanfchipia/