distribuciones continuas de...
TRANSCRIPT
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
1
Distribuciones Continuas de
Probabilidad
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
2
Contenido
1. Ejemplo.2. Diferencia entre variables aleatorias discretas y
continuas.3. Diferencia de f(x) entre variables aleatorias
discretas y continuas.4. Valor Esperado, Varianza y Desviación Estándar
de una Variable Aleatoria Continua.5. Propiedades de Valor Esperado y Varianza de una
Variable Aleatoria Continua.6. Distribución de Probabilidad Normal.
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
3
1. Ejemplo.
Compañía productora de quesos de México. Plantade manufactura de Quesos procesados de Vallejo,Ciudad de México.Se lleva a cabo un muestreo para la variable peso en la presentación de 180gm, de queso tipo Crema.El objetivo es el de observar el comportamiento de la precisión del operador-maquina para la variable peso.De una producción de 27,000 Kg. diarios se tienenalrededor de 152,000 cajas.
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
4
1. Datos Muestrales.Muestra Aleatoria Fecha Operador Peso en Grs.
1 26430 19/11/2003 JQUIN 180.032 25729 19/11/2003 JQUIN 1803 25836 19/11/2003 JQUIN 181.074 25647 19/11/2003 JQUIN 181.095 25749 19/11/2003 FERNAN 182.136 25803 19/11/2003 JQUIN 181.037 25649 19/11/2003 JQUIN 180.018 25905 19/11/2003 JQUIN 181.049 25690 19/11/2003 JQUIN 181.0710 25551 19/11/2003 JQUIN 179.0511 25921 19/11/2003 FERNAN 182.1212 25451 19/11/2003 FERNAN 180.713 25634 19/11/2003 FERNAN 177.9914 25512 19/11/2003 JQUIN 181.0415 25801 19/11/2003 JQUIN 179.0216 25670 19/11/2003 JQUIN 18017 25505 19/11/2003 FERNAN 17818 25616 19/11/2003 JQUIN 179.0419 25473 19/11/2003 JQUIN 180.0720 25543 19/11/2003 FERNAN 178.9521 25495 19/11/2003 FERNAN 178.0222 25661 19/11/2003 JQUIN 18123 25455 19/11/2003 FERNAN 178.0224 25459 19/11/2003 JQUIN 181
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
5
2. Diferencia entre variables aleatorias discretas y continuas.
ExperimentoVariable aleatoria
Valores posibles de la variable aleatoria
Fabricación de barras de jabón
Humedad de la pasta de jabón. 0<x<100%
Manufactura de un detergente
Concentración de ingrediente activo 0<x<30%
Llenar un botella de cerveza. (max
365 ml)Volumen de
líquido 0<x<365 ml
ExperimentoVariable aleatoria
Valores posibles de la variable aleatoria
Inspección de una muestra de 50 radios
Número de radios
defectuosos 0, 1, 2,..., 49, 50
Llenado de un formato
Número de errores en el
llenado 0, 1, 2,...
Intento de venta de un bien raíz
Resultado del intento 0, 1
Funcionamiemto de una agencia de autos
un díaNúmero de autos
vendidos 0, 1, 2,...
VA Continuas:Conceptualmente podrían tomar TODOS los valores sobre un intervalo
VA Discretas: Solo tomalos valores 0,1,2,...,etc
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
6
3. Diferencia de f(x) entre variables aleatorias discretas y continuas.
Discreta Continua
Función de Probabilidad.
Función de Densidad de Probabilidad.
f(x)=probabilidad de observar x
f(x)= NO da directamente una
probabilidad
P( a<x<b)=área bajo f(x) encima de (a,b)
P(x)=0
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
7
3. El Área Bajo la Curva como Medida de Probabilidad
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
0 1 2 3 4 5 6 7 8
Valores de de la VA
f(x)∫=<<4
2
dx)x(f)4X2(P
)x(f
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
8
3. Distribución Continua de Probabilidad
Da la Probabilidad de que el valor de la VA continua caiga en un intervalo
Probabilidad= Area bajo la curva f(x)Condiciones de consistencia
∫ =≥ 1dx)x(f ii) 0)x(f )i
∫=<<b
a
dx)x(f)bXa(P
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
9
4. Valor Esperado de una VA Continua
Valor esperado de una VA: valor promedio de la VA si se observa una infinidad de veces.Da una medida de tendencia central de la distribución de probabilidad.Fórmula de cálculo:
dx)x(xf)x(E ∫== µ
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
10
4. Varianza y Desviación Estándar de una VA Continua
Varianza: Es una medida de variabilidad cuadrática promedio alrededor del valor esperado.Fórmula de cálculo:
Desviación Estándar: Es una medida de variabilidad promedio alrededor del valor esperado
222 )x(Edx)x(f)x()x(Var µµσ −=−== ∫
2σσ =
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
11
5. Propiedades de Valor Esperado y Varianza de una VA Continua.
Si a es una constante entonces:)x(aE)ax(E =
)x(Ea)xa(E +=+
)x(Vara)ax(Var 2=
)x(Var)xa(Var =+
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
12
6. Distribución de Probabilidad Normal.
La distribución más importante de probabilidad.Gran variedad de aplicaciones.Mediciones biológicas, físicas, astronómicas, industriales, etc.Se utiliza en Inferencia Estadística para resultados de muestreos planeados científicamente.
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
13
3. Función de Densidad de Probabilidad Normal.
µ=Valor esperado de x.σ=Desviación Estándar de x.
22 2
21 σµ
σπ/)x(e)x(f −−=
13.5
13.8
14.1
14.4
14.7 15
15.3
15.6
15.9
16.2
16.5
f(x)
µ= 15σ= 0.5
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
14
Ejemplo.
Para la variable peso del envase de queso, un posible modelo sería una distribución Normal conµ= 180.2375σ= 1.1926
175.44176.64 177.84 179.04 180.24 181.44 182.64 183.84 185.04f(x)
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
15
3. Características Distribución Normal de Probabilidad.
1. Es una familia de distribuciones de probabilidad. Para cada valor distinto de µ y σ se tiene un modelo distinto.
2. f(x) es simétrica acampanada alrededor deµ. Los extremos se extienden teóricamente hasta infinito en ambas direcciones.
3. µ = E(x). f(µ) alcanza la máxima altura. 4. µ puede ser positivo, cero ó negativo.5. σ solo puede ser +, determina el ancho y el
alto de f(x).
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
16
3. Características Distribución Normal de Probabilidad.
-4-3
.2-2
.4-1
.6-0
.8 0
0.8
1.6
2.4
3.2 4
f1(x)
0
0.5
1
1.5
Densidades Normales
f1(x)f2(x)
f1µ= 0σ= 1.33
f2µ= 2σ= .33
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
17
3. Características Distribución Normal de Probabilidad.
6. Área total=1. Área total a la izquierda de µ= Área total a la derecha de µ=0.5. Por lo tanto µ=mediana.
7. Porcentajes de intervalos de uso común. Son válidos para cualquier µ y σ . (Regla Empírica)
a) P(µ -σ<x< µ +σ ) =0.6826 ó 68.26%b) P(µ -2σ<x< µ +2σ )=0.9544 ó 95.44%c) P(µ -3σ<x< µ +3σ )=0.9972 ó 99.72%
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
18
3. Distribución de Probabilidad Normal Estándar.
Es el caso en que µ=0, σ=1.Se encuentra en la TABLA 1. -3
-2.4
-1.8
-1.2
-0.6 0
0.6
1.2
1.8
2.4 3
f(x)
P(0<z<1)=0.3413
z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.090 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.07530.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.11410.3 ...0.4
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.22240.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.25490.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.28520.8 ...0.9
1 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.36211.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.38301.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.40151.3 ...1.4
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.44411.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.45451.7 ...
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
19
3. Distribución de Probabilidad Normal Estándar.
Calcular1. P( z < 1.65)2. P(-0.5< z).3. P(-1< z <1).4. P(1< z <1.58).5. El percentil del 75%.6. El percentil del 15%.
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
20
3. Determinación de Probabilidades para Cualquier Distribución Normal.
Las probabilidades de todas las distribuciones normales se determinan con las probabilidades de la normal estándar.Supongamos que x tiene una distribución normal con µ, σ arbitrarios.
Conversión a la distribución normal estándar.
)bza(P)bxa(P
xz
σµ
σµ
σµ
−<<
−=<<
−=
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
21
3. Determinación de Probabilidades para Cualquier Distribución Normal.
Supongamos que x tiene una distribución normal con µ=10 y σ=2.Deseamos calcular P(10<x<14)Haciendo la conversión:
0.4772
=<<=
−<<
−=<<
)2z0(P
)2
1014z2
1010(P)14x10(P
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
22
3. Determinación de Probabilidades para Cualquier Distribución Normal.
Supongamos que x tiene una distribución normal con µ=10 y σ=2.Deseamos calcular el pocentil del 60%Haciendo la conversión:
52.10)2(26.010x
26.02
10x6026.0)26.0z(P
)2
10xz(P)xx(P
6.0
6.0
6.06.0
=+=
=−
=<
−<==<
entonces tablala De
0.6
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
23
3. Ejemplo. Grear Tire Co.
x=Millas que dura una llanta.Supongamos que x tiene una distribuciónnormal con µ= 36500 millas y σ= 5000 millas.¿Qué % de neumáticos durarán más de 40000 millas?Deseo garantizar solo un 10% de las llantas ¿cuál debe ser el millaje de garantía?
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
24
3. Ejemplo. Grear Tire Co. Primer pregunta.
Lo que se pregunta es la probabilidad de que la variable aleatoria exceda 40000 millas.
Entonces la proporción de llantas que excederán 40000 millas es de 24.2 %.
2420.02580.05.0)z70.0(P
)z5000
3650040000(P)x40000(P
=−=<=
<−
=<
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
25
3. Ejemplo. Grear Tire Co. Segunda pregunta.
Se desea encontrar un millaje tal que la probabilidad de que la variable aleatoria sea menor que ese millaje es de 0.1. Ese millaje debe ser el percentil del 10%.
Entonces, si la garantía es de 30100 millas, ésta se pagará a lomás al 10% de las llantas.
30100)5000(28.136500x28.15000
36500x1.0)28.1P(z
9.08997.0)28.1z(P
)5000
36500xz(P)xx(P
1.01.0
1.01.0
=−=∴−=−
=−<≈=<
−<==<
simetríapor entonces tablala De
0.1
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
26
3. Distribución de Probabilidad Normal. Cálculo con Excel.
Distribución acumulada=DISTR.NORM(40000,36500,5000,1)
Percentiles=DISTR.NORM.INV(0.1,36500,5000)
xµσAcumulado (0=no, 1=si)
pµσ
Dr. Víctor Aguirre Torres, ITAM. Guión 7.
27
Problemas recomendados Capítulo 6
Distribución Normal de Probabilidad: 13, 15,18, 24.Ejercicios complementarios: 39, 41.