DISTRIBUCIONES DE PROBABILIDAD - SERGAS

1 Epidat 4: Ayuda de DISTRIBUCIONES de PROBABILIDAD . Octubre 2014. DISTRIBUCIONES DE PROBABILIDAD Epidat 4: Ayuda de DISTRIBUCIONES de PROBABILIDAD . Octubre 2014. NDICE C lculo de probabilidades .. 3 Conceptos generales .. 3 DISTRIBUCIONES discretas .. 5 Distribuci n uniforme discreta (a,b).. 5 Distribuci n binomial (n,p).. 6 Distribuci n hipergeom trica (N,R,n) .. 8 Distribuci n geom trica (p) .. 9 Distribuci n binomial negativa (r,p) .. 10 Distribuci n Pascal (r,p) .. 12 Distribuci n poisson ( ) .. 13 DISTRIBUCIONES continuas .. 16 Distribuci n uniforme o rectangular (a,b) .. 16 Distribuci n normal ( , ).. 18 Distribuci n lognormal ( , ) .. 20 Distribuci n log stica (a, b) .. 21 Distribuci n beta (p,q) .. 22 Distribuci n gamma (a,p) .. 23 Distribuci n exponencial ( ) .. 25 Distribuci n ji-cuadrado (n) .. 26 Distribuci n t de Student (n) .. 29 Distribuci n F de Snedecor (n,m).

2 31 Distribuci n Cauchy ( , ) .. 33 Distribuci n Weibull (a, b) .. 34 Distribuci n Laplace (a, b) .. 36 Distribuci n Pareto ( , x0) .. 37 Distribuci n triangular (a, c, b) .. 39 Generaci n de DISTRIBUCIONES .. 40 Conceptos generales .. 40 DISTRIBUCIONES discretas .. 41 Distribuci n multinomial .. 41 DISTRIBUCIONES continuas .. 44 Distribuci n normal bivariante .. 44 Bibliograf a .. 46 Anexo 1: Novedades del m dulo de DISTRIBUCIONES de PROBABILIDAD .. 48 Anexo 2: F rmulas del m dulo de DISTRIBUCIONES de PROBABILIDAD .. 49 Anexo 3: Resumen de las DISTRIBUCIONES discretas .. 71 Anexo 4: Resumen de las DISTRIBUCIONES continuas .. 72 Epidat 4: Ayuda de DISTRIBUCIONES de PROBABILIDAD . Octubre 2014. 3 C lculo de probabilidades Conceptos generales Uno de los objetivos de la estad stica es el conocimiento cuantitativo de una determinada parcela de la realidad. Para ello, es necesario construir un modelo de esta realidad particular objeto de estudio, partiendo de la premisa de que lo real es siempre m s complejo y multiforme que cualquier modelo que se pueda construir.

3 De todas formas, la formulaci n de modelos aceptados por las instituciones responsables y por los usuarios, permite obviar la existencia del error o distancia entre la realidad y el modelo. Los modelos te ricos a los que se hace referencia se reducen en muchos casos a (o incluyen en su formulaci n) funciones de PROBABILIDAD . La teor a de la PROBABILIDAD tiene su origen en el estudio de los juegos de azar, que impulsaron los primeros estudios sobre c lculo de probabilidades en el siglo XVI, aunque no es hasta el siglo XVIII cuando se aborda la PROBABILIDAD desde una perspectiva matem tica con la demostraci n de la ley d bil de los grandes n meros seg n la cual, al aumentar el n mero de pruebas, la frecuencia de un suceso tiende a aproximarse a un n mero fijo denominado PROBABILIDAD . Este enfoque, denominado enfoque frecuentista, se modela matem ticamente en el siglo XX cuando el matem tico ruso Andrei Nikolaevich Kolmogorov (1903-1987) formula la teor a axiom tica de la PROBABILIDAD [1].

4 Dicha teor a define la PROBABILIDAD como una funci n que asigna a cada posible resultado de un experimento aleatorio un valor no negativo, de forma que se cumpla la propiedad aditiva. La definici n axiom tica establece las reglas que deben cumplir las probabilidades, aunque no asigna valores concretos. Uno de los conceptos m s importantes de la teor a de probabilidades es el de variable aleatoria que, intuitivamente, puede definirse como cualquier caracter stica medible que toma diferentes valores con probabilidades determinadas. Toda variable aleatoria posee una distribuci n de PROBABILIDAD que describe su comportamiento. Si la variable es discreta, es decir, si toma valores aislados dentro de un intervalo, su distribuci n de PROBABILIDAD especifica todos los valores posibles de la variable junto con la PROBABILIDAD de que cada uno ocurra. En el caso continuo, es decir, cuando la variable puede tomar cualquier valor de un intervalo, la distribuci n de PROBABILIDAD permite determinar las probabilidades correspondientes a subintervalos de valores.

5 Una forma usual de describir la distribuci n de PROBABILIDAD de una variable aleatoria es mediante la denominada funci n de densidad en el caso de variables continuas y funci n de masa de PROBABILIDAD en el caso de variables discretas, en tanto que lo que se conoce como funci n de distribuci n representa las probabilidades acumuladas [2][3][4][5][6][7]. Una de las preocupaciones de los cient ficos ha sido construir modelos de DISTRIBUCIONES de PROBABILIDAD que pudieran representar el comportamiento te rico de diferentes fen menos aleatorios que aparec an en el mundo real. La pretensi n de modelar lo observable ha constituido siempre una necesidad b sica para el cient fico emp rico, dado que a trav s de esas construcciones te ricas, los modelos, pod a experimentar sobre aquello que la realidad no le permit a. Por otra parte, un modelo resulta extremadamente til, siempre que se corresponda con la realidad que pretende representar o predecir, de manera que ponga de relieve las propiedades m s importantes del mundo que nos rodea, aunque sea a costa de la simplificaci n que implica todo modelo.

6 En la pr ctica hay unas cuantas leyes de PROBABILIDAD te ricas, como son, por ejemplo, la ley binomial o la de poisson para variables discretas o la ley normal para variables continuas, que sirven de modelo para representar las DISTRIBUCIONES emp ricas m s frecuentes. Epidat 4: Ayuda de DISTRIBUCIONES de PROBABILIDAD . Octubre 2014. 4 As , por ejemplo, la variable talla de un reci n nacido puede tener valores entre 47 cm y 53 cm, pero no todos los valores tienen la misma PROBABILIDAD , porque las m s frecuentes son las tallas pr ximas a los 50 cm. En este caso la ley normal se adapta satisfactoriamente a la distribuci n de PROBABILIDAD emp rica, que se obtendr a con una muestra grande de casos. Epidat 4 ofrece, en este m dulo, procedimientos usuales para calcular probabilidades y sus inversas, para un conjunto bastante amplio de funciones de distribuci n, discretas y continuas, que son habituales en el proceso de modelaci n.

7 Por ejemplo, el conjunto de DISTRIBUCIONES pertenecientes a la familia exponencial es de uso frecuente en metodolog as como el an lisis de supervivencia o el Modelo Lineal Generalizado. Otras DISTRIBUCIONES son comunes y habituales en el campo de actuaci n de disciplinas tales como la econom a, la biolog a, etc. La lista de DISTRIBUCIONES disponibles en Epidat 4 ha sido ampliada con respecto a la versi n anterior del programa. Cuando la opci n elegida es el c lculo de una PROBABILIDAD dado un punto x de la distribuci n, se presentan en todos los casos dos resultados: la PROBABILIDAD acumulada hasta ese punto, dicho de otra manera, la PROBABILIDAD de que la variable tome valores inferiores o iguales a x (cola izquierda); y la PROBABILIDAD de que la variable tome valores superiores a x (cola derecha), es decir, el complementario de la cola izquierda. En el caso discreto, a mayores se presenta la PROBABILIDAD de que la variable sea igual al punto x; este resultado no tiene sentido cuando estamos ante una distribuci n continua ya que la PROBABILIDAD de que la variable sea igual a un punto es igual a cero, lo que hace que la inclusi n o exclusi n del punto x no influya en el c lculo de las colas.

8 Para ciertas DISTRIBUCIONES continuas sim tricas (normal, log stica y t de Student) el programa tambi n presenta la PROBABILIDAD de dos colas, es decir, la PROBABILIDAD que queda a ambos lados del intervalo (-x, x) (x, -x) seg n el punto sea positivo o negativo, respectivamente. Epidat 4 permite calcular probabilidades para varios puntos a la vez. La otra opci n permitida en Epidat consiste en calcular un punto a partir de una PROBABILIDAD , bien sea la PROBABILIDAD de la cola izquierda, de la cola derecha o de las dos colas, siempre que sea posible. Asimismo, los resultados de Epidat 4 incluyen la media, la varianza, la asimetr a y la curtosis de la correspondiente distribuci n, as como la mediana y la moda en el caso de las DISTRIBUCIONES continuas. Epidat 4 tambi n ofrece la posibilidad de representar gr ficamente la funci n de distribuci n y la funci n de densidad, o de masa de PROBABILIDAD , de cada una de las DISTRIBUCIONES .

9 Estas gr ficas pueden ser personalizadas por medio de un editor de gr ficos que se inicia cada vez que se genera una gr fica. Aunque cada distribuci n fue estudiada de forma independiente, en general el programa representa las funciones en el intervalo 33,, que puede ser ampliado por el usuario hasta 1010, desde el editor. La justificaci n para elegir estos intervalos se basa en la desigualdad de Chebyshev, que establece que [8]: 2r1rXPr donde X es una variable aleatoria de media y varianza 2, y r es un n mero positivo. Teniendo en cuenta esta desigualdad, se obtiene que en el intervalo 33, queda sin representar una PROBABILIDAD de 0,11, que se reduce a 0,01 para el intervalo 1010,. Epidat 4: Ayuda de DISTRIBUCIONES de PROBABILIDAD . Octubre 2014. 5 DISTRIBUCIONES discretas Las DISTRIBUCIONES discretas incluidas en el m dulo de C lculo de probabilidades son: - Uniforme discreta - Binomial - Hipergeom trica - Geom trica - Binomial negativa - Pascal - poisson En el Anexo 3 se incluye una tabla que resume las caracter sticas de estas DISTRIBUCIONES .

10 Distribuci n uniforme discreta (a,b) La distribuci n uniforme discreta describe el comportamiento de una variable discreta que puede tomar n valores distintos con la misma PROBABILIDAD cada uno de ellos. Un caso particular de esta distribuci n, que es la que se incluye en este m dulo de Epidat 4, ocurre cuando los valores son enteros consecutivos. Esta distribuci n asigna igual PROBABILIDAD a todos los valores enteros entre el l mite inferior y el l mite superior que definen el recorrido de la variable. Si la variable puede tomar valores entre a y b, debe ocurrir que b sea mayor que a, y la variable toma los valores enteros empezando por a, a+1, a+2, etc. hasta el valor m ximo b. Por ejemplo, cuando se observa el n mero obtenido tras el lanzamiento de un dado perfecto, los valores posibles siguen una distribuci n uniforme discreta en {1, 2, 3, 4, 5, 6}, y la PROBABILIDAD de cada cara es 1/6.