Upload
jcarreto
View
52.751
Download
1
Embed Size (px)
Citation preview
Funciones de Distribución de Probabilidades
Ing. Julio Carreto
Ing. Julio Carreto 2
Funciones de Distribución
Hemos visto como se construye un gráfico de frecuencias con datos extraídos de una población.
Ing. Julio Carreto 3
A medida que aumentamos la cantidad de observaciones que tomamos de la población, podemos construir nuestro gráfico con un número mayor de intervalos, aunque de menor amplitud (El rango total cubierto por la población es el mismo).
Funciones de Distribución
Ing. Julio Carreto 4
Funciones de Distribución
Ing. Julio Carreto 5
Funciones de Distribución
Ing. Julio Carreto 6
Funciones de Distribución
Ing. Julio Carreto 7
Si continuamos este proceso, con intervalos cada vez mas estrechos y numerosos, los altibajos en el gráfico de la distribución de frecuencias tienden a desaparecer:
Funciones de Distribución
Ing. Julio Carreto 8
Funciones de Distribución
Ing. Julio Carreto 9
En el límite, el ancho del intervalo tiende a cero y la población puede representarse por una distribución de probabilidad continua.
Funciones de Distribución
Ing. Julio Carreto 10
Cuando, para representar esta distribución de probabilidad continua se utiliza una función matemática, esta se denomina Función de Densidad de Probabilidad.
Funciones de Distribución
Ing. Julio Carreto 11
La forma de la curva en el gráfico de la función de distribución es característica de la población de observaciones asociada con la misma, y depende de variables internas del proceso que generó los datos de la población.
Funciones de Distribución
Ing. Julio Carreto 12
Existen distintas funciones de distribución teóricas, cada una de las cuales está basada en un modelo de comportamiento del proceso que generó el universo de observaciones.
Funciones de Distribución
Ing. Julio Carreto 13
La aplicación de una de estas distribuciones teóricas a una población particular está justificada si las hipótesis (suposiciones) del modelo de comportamiento del proceso que generó la población se cumplen.
Funciones de Distribución
Ing. Julio Carreto 14
Dicho de otro modo, si conocemos el proceso, es decir, el conjunto de fenómenos que dieron lugar a nuestra población de mediciones u observaciones, y además ...
Funciones de Distribución
Ing. Julio Carreto 15
estamos seguros de que el mismo se ajusta a un modelo de comportamiento determinado, entonces podemos decir que la distribución de probabilidades de nuestra población es la que corresponde al modelo.
Funciones de Distribución
Ing. Julio Carreto 16
En la práctica, se sabe que ciertos procesos y fenómenos generan resultados numéricos cuya distribución de probabilidades se puede ajustar a determinados modelos teóricos.
Funciones de Distribución
Ing. Julio Carreto 17
Por ejemplo, el número de partículas alfa emitidas por un material radiactivo sigue una distribución de Poisson. Existen muchas otras distribuciones teóricas, como la Binomial, la Exponencial, la de Weisbull, etc.
Funciones de Distribución
Ing. Julio Carreto 18
Cada una de ellas tiene su propio campo de aplicación, que se sostiene en un determinado comportamiento de los fenómenos, y al aplicarla se está haciendo en forma implícita la suposición de que se cumplen las suposiciones del modelo subyacente.
Funciones de Distribución
Ing. Julio Carreto 19
La Distribución Normal
Ing. Julio Carreto 20
Una importante distribución teórica es la Distribución Normal o de Gauss. La ecuación matemática de la función de Gauss es la siguiente:
Funciones de Distribución
Ing. Julio Carreto 21
La distribución normal es una curva con forma de campana, con eje de simetría en el punto correspondiente al promedio del universo .
Funciones de Distribución
Ing. Julio Carreto 22
La distancia entre el eje de simetría de la campana y el punto de inflexión de la curva es igual a s, la desviación standard de la población:
Funciones de Distribución
Ing. Julio Carreto 23
Gráfico de la Distribución Normal
0,00
0,05
0,10
0,15
0,20
0,25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Variable Aleatoria X
Den
sida
d de
Pro
babi
lidad
Funciones de Distribución
Ing. Julio Carreto 24
El área total debajo de la curva es igual a 1. El área debajo de la curva comprendida entre
- y + es aproximadamente igual a 0,68 del área total; entre -2 y +2 es aproximadamente igual a 0,95 del área total:
Funciones de Distribución
Ing. Julio Carreto 25
Funciones de Distribución
Ing. Julio Carreto 26
Es importante ver que los únicos parámetros necesarios para dibujar el gráfico de la distribución normal son y (Media y desviación standard de la población).
Funciones de Distribución
Ing. Julio Carreto 27
Con estos dos parámetros sabemos donde situar la campana de Gauss (En el punto correspondiente a la media) y cual es su ancho (Determinado por la desviación standard).
Funciones de Distribución
Ing. Julio Carreto 28
Cuando nos encontramos con una población de observaciones, si podemos afirmar que la distribución correspondiente es normal, sólo hace falta estimar la media y la desviación standard para tener toda la información necesaria acerca de dicha población.
Funciones de Distribución
Ing. Julio Carreto 29
La Distribución Normal Standard
Ing. Julio Carreto 30
Podemos escribir la fórmula de la distribución normal de la siguiente manera:
Funciones de Distribución
Ing. Julio Carreto 31
Si llamamos Z a la cantidad
la función queda así:
Funciones de Distribución
Ing. Julio Carreto 32
Esta es la fórmula de la Distribución Normal Standard o Tipificada. Como podemos observar, en ella hay un sólo parámetro, Z, que incluye al promedio y la desviación standard de la población.
Funciones de Distribución
Ing. Julio Carreto 33
Esta función está tabulada, y para ingresar en la tabla es necesario calcular Z, para lo cual necesitamos la media y la desviación standard de la población.
Funciones de Distribución
Ing. Julio Carreto 34
Al calcular Z, lo que estamos haciendo, en realidad, es un cambio de variable por el cual movemos la campana de Gauss centrándola en el 0 del eje X, y modificamos el ancho para que la desviación standard sea 1:
Funciones de Distribución
Ing. Julio Carreto 35
Gráfico de la Distribución Normal
0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
-5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Variables Aleatorias X y Z
Den
sida
d de
Pro
babi
lidad
XZ
= 15 = 2,5
= 0 = 1
Cambio de variable
Funciones de Distribución
Ing. Julio Carreto 36
De esta manera tenemos tabulada una función de Gauss que no depende de cual sea el promedio y la desviación standard de nuestra población real.
Funciones de Distribución
Ing. Julio Carreto 37
El cambio de variable hace que se conserve la forma de la función y que sirva para cualquier población, siempre y cuando esa población tenga una distribución normal.
Funciones de Distribución
Ing. Julio Carreto 38
Cuando queremos calcular las probabilidades para una población real, calculamos Z y entramos en la tabla de la función normal standard:
Funciones de Distribución
Ing. Julio Carreto 39
Funciones de Distribución
Ing. Julio Carreto 40
La Distribución T de Student
Ing. Julio Carreto 41
En la generalidad de los casos, no disponemos de la desviación standard de la población, sino de una estimación calculada a partir de una muestra extraída de la misma y por lo tanto no podemos calcular Z.
Funciones de Distribución
Ing. Julio Carreto 42
En estos casos calculamos el estadístico T:
Funciones de Distribución
Ing. Julio Carreto 43
donde S es la desviación standard muestral, calculada con n-1 grados de libertad:
Funciones de Distribución
Ing. Julio Carreto 44
Notar que utilizamos S, la Desviación Standard de una Muestra, en lugar de , la Desviación Standard de la Población :
Funciones de Distribución
Desviación StandardMuestral
Ing. Julio Carreto 45
El estadístico T tiene una distribución que se denomina distribución T de Student, que está tabulada para 1, 2, 3, ... etc. grados de libertad de la muestra con la cual se calculó la desviación standard.
Funciones de Distribución
Ing. Julio Carreto 46
La distribución T tiene en cuenta la incertidumbre en la estimación de la desviación standard de la población, porque en realidad la tabla de T contiene las distribuciones de probabilidades para distintos grados de libertad:
Funciones de Distribución
Ing. Julio Carreto 47
Gráfico de la Distribución T
0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
-10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
Variable Aleatoria T
Den
sida
d de
Pro
babi
lidad Distribución T para 5
Grados de Libertad
Funciones de Distribución
Ing. Julio Carreto 48
Para un número de grados de libertad pequeño, es mas ancha que la distribución normal tipificada. Cuando los grados de libertad tienden a infinito, la distribución T tiende a coincidir con la distribución normal standard.
Funciones de Distribución
Ing. Julio Carreto 49
Es decir, en la medida que aumentemos el número de observaciones de la muestra, la desviación standard calculada estará mas próxima a la desviación standard de la población y entonces la distribución T correspondiente se acerca a la distribución normal standard.
Funciones de Distribución
Ing. Julio Carreto 50
El uso de la distribución T presupone que la población con que estamos trabajando tiene una distribución normal.
Funciones de Distribución
Ing. Julio Carreto 51
Distribución de Promedios Muestrales
Ing. Julio Carreto 52
Para comprender que significa distribución de promedios muestrales, vamos a suponer que realizamos un experimento con bolilleros como los usados en la lotería.
Funciones de Distribución
Ing. Julio Carreto 53
Colocamos un número muy grande de bolillas blancas en un bolillero blanco, en cada una de las cuales figura un dato X.
Funciones de Distribución
Ing. Julio Carreto 54
Este bolillero representa la población de observaciones X, y tiene media y varianza 2. Supongamos que a continuación hacemos los siguiente:
Funciones de Distribución
Ing. Julio Carreto 55
1) Tomamos una muestra de n=10 bolillas blancas.
Funciones de Distribución
Ing. Julio Carreto 56
2) Calculamos la media
y la anotamos en una bolilla azul.
Funciones de Distribución
Ing. Julio Carreto 57
3) Colocamos la bolilla azul en un segundo bolillero de color azul.
Funciones de Distribución
Ing. Julio Carreto 58
4) Devolvemos las bolillas blancas a su bolillero y le damos vueltas.
Funciones de Distribución
Ing. Julio Carreto 59
5) Repetimos toda la operación muchas veces hasta que el bolillero azul esté lleno de bolillas.
Funciones de Distribución
Ing. Julio Carreto 60
Entonces, los números del bolillero azul forman una población de promedios muestrales.
Funciones de Distribución
Ing. Julio Carreto 61
Esta es una población derivada de la anterior, y tiene la misma media o promedio que la distribución original, pero su varianza es un enésimo de la varianza de la distribución original:
Funciones de Distribución
Ing. Julio Carreto 62
En el caso del bolillero azul, si denominamos:
y
a la varianza
a la media
Funciones de Distribución
Ing. Julio Carreto 63
Tenemos:
Funciones de Funciones de DistribuciónDistribución
Ing. Julio Carreto 64
La distribución de medias muestrales está situada en el mismo lugar (alrededor de la misma media) que la distribución original, pero es mucho mas angosta, porque su varianza es la décima parte de la varianza original.
Funciones de Distribución
Ing. Julio Carreto 65
La distribución original de observaciones representada por el bolillero blanco se denomina comúnmente distribución madre o base.
Funciones de Distribución
Ing. Julio Carreto 66
Al construir la población de promedios muestrales, realizábamosextracciones de 10 bolillas blancas después de dar vueltas al bolillero.
Funciones de Distribución
Ing. Julio Carreto 67
Es decir, que estábamos realizando un muestreo aleatorio de la población madre, porque cada una de las bolillas blancas tenía la misma posibilidad de ser elegida para integrar la muestra.
Funciones de Distribución
Ing. Julio Carreto 68
Aunque la población original no sea de distribución normal, si el muestreo es aleatorio, la población de promedios muestrales se aproximará a la normalidad, es decir, será casi de distribución normal.
Funciones de Distribución
Ing. Julio Carreto 69
Este efecto se debe a un teorema de estadística matemática denominado Teorema Central del Límite. En resumen, si se cumple la hipótesis de muestreo aleatorio, tenemos:
Funciones de Distribución
Ing. Julio Carreto 70
Funciones de Funciones de DistribuciónDistribución
Media
Varianza
Desv. Standard
Forma de la curva
Distrib. de x Distrib. de
CualquieraMas cerca de la Normal
Ing. Julio Carreto 71
En general, en los problemas que se presentan habitualmente, existe una población de observaciones cualesquiera, de la cual tomamos una muestra aleatoria, por medio de la cual intentamos conocer todo lo que sea posible acerca de la población de la cual fue extraída.
Funciones de Distribución
Ing. Julio Carreto 72
El promedio de la muestra de n elementos pertenece a la distribución de promedios muestrales de la población original.
Funciones de Distribución
Ing. Julio Carreto 73
Es decir, que el promedio de la muestra que obtuvimos es uno de los muchos promedios muestrales que se distribuyen alrededor de m con desviación standard:
Funciones de Distribución
Ing. Julio Carreto 74
Por lo tanto, si la muestra es mas grande (n mayor), estaremos en una distribución de promedios con desviación standard mas pequeña, por lo cual, el promedio de la muestra estará mas cerca del promedio del universo.
Funciones de Distribución
Ing. Julio Carreto 75
Es por esto que es razonable pensar que el promedio de la muestra es una estimación del promedio del universo.
Funciones de Distribución
Ing. Julio Carreto 76
Fin de la
sección