Matemáticas aplicadas a las CCSS II Ana Pola IES Avempace

Presentación del tema: "Matemáticas aplicadas a las CCSS II Ana Pola IES Avempace"— Transcripción de la presentación:

1 Matemáticas aplicadas a las CCSS II Ana Pola IES Avempace
Distribución normal Matemáticas aplicadas a las CCSS II Ana Pola IES Avempace

2 Variable aleatoria continua
Puede tomar cualquier valor en un intervalo de tiempo. Ejemplo: Se han registrado los tiempos que le llevó a una empresa de mensajería entregar 190 paquetes con destinatarios diferentes dentro de una misma ciudad. Los datos se han agrupado en una distribución Supongamos que un posible cliente, conociendo esta información, quisiera saber qué probabilidad tiene de que su paquete sea entregado en dos días. El problema es que al manejar intervalos de cinco días estamos suponiendo que dentro de cada intervalo los datos se distribuyen uniformemente, cosa que no es real. Una solución es reducir la amplitud de los intervalos. Si lo que le interesa al futuro cliente es la probabilidad de que se haga una entrega en un cierto tiempo, lo que habría que considerar son las frecuencias relativas.

3 Del histograma a la función de densidad 1
Hemos de tener en cuenta que en un histograma la frecuencia relativa está representada por el área del rectángulo y, por tanto, la altura de la barra será lo que llamaremos densidad del intervalo Suma de las áreas = 1

4 Del histograma a la función de densidad 2

5 Del histograma a la función de densidad 3

6 Del histograma a la función de densidad 4

7 Función de densidad Como Si la amplitud del intervalo  0
podemos decir que Si la amplitud del intervalo  0 Tamaño de la muestra N  ∞ La probabilidad de que un evento ocurra en un intervalo (a,b) es el área bajo la curva de la función en ese intervalo: Además

8 Definición Si X es una variable aleatoria continua, llamaremos función de densidad de esa variable a una función f cuyo dominio son todos los valores de la variable aleatoria y tal que: el área comprendida entre la gráfica de la función f, el eje X es 1: La probabilidad de que la variable esté comprendida entre dos valores a y b, P(a ≤ X ≤ b), es el área comprendida entre la función de densidad y el eje X, desde el valor a hasta el valor b. 1

9 Ejemplo 1 Los autobuses pasan cada 15 minutos. Nos dirigimos a la parada sin preocuparnos de la hora. Calcula la probabilidad de esperar: Exactamente 8,5 minutos. No más de 10 minutos. Entre 8 y 13 minutos. La variable aleatoria es T = “tiempo de espera” y puede tomar los infinitos valores entre 0 y 15. Las probabilidades de todos los tiempos de espera entre 0 y 15 son iguales. Pero hay infinitos valores, la probabilidad de cada tiempo de espera puntual es 0. Por tanto, P(T = 8,5) = 0

10 Ejemplo 2 Los autobuses pasan por nuestra parada aproximadamente cada 8 minutos. Sabemos el horario e intentamos llegar a la parada ajustando el tiempo y así esperar lo menos posible. Supongamos que la función de densidad es Calcula la probabilidad de que: Tengamos que esperar 1 minuto como máximo. La espera esté entre 4 y 5 minutos. Tengamos que esperar más de 7 minutos

11 Solución En los tres casos tendremos que hallar el área de un trapecio:

12 La distribución normal
Es el modelo de distribución de probabilidad más importante para variables continuas. Su función de densidad es: que depende de los parámetros  y . Abreviadamente: N(, ). La gráfica de esta función es una curva en forma de campana que se suele denominar campana de Gauss.

13 Características El dominio son todos los números reales.
Cuanto mayor es , más achatada es la distribución. Un cambio en el valor de  supone un desplazamiento horizontal de la curva. Es simétrica respecto de su media . Tiene un máximo absoluto en x = , que coincide con la moda y la mediana. En los puntos x = + y x = - tiene dos puntos de inflexión. El eje de abscisas es una asíntota de la curva.

14 Una importante propiedad

15

16 La distribución N(0,1) A la distribución normal de media μ=0 y desviación típica σ=1 la denominaremos distribución normal estándar, N(0, 1). Designaremos como Z a la variable aleatoria correspondiente a esta distribución normal. Las diferentes áreas que pueden calcularse bajo la curva normal estándar y, por tanto, las probabilidades de Z, están calculadas y expuestas en una tabla.

17 Manejo de tablas 1 =

18 Manejo de tablas 2 = -

19 Manejo de tablas 3 =

20 Manejo de tablas 4 = -

21 Tipificación 1

22 Tipificación 2