CÁLCULO DE PROBABILIDADES EN DISTRIBUCIONES NORMAL Y LA BINOMIAL

CÁLCULO DE PROBABILIDADES EN DISTRIBUCIONES NORMAL Y LA BINOMIAL

La tabla nos da las probabilidades de P (z ≤ k), siendo z la variable tipificada.

Estas probabilidades nos dan la función de distribución Φ (k).

Φ (k) = P(z ≤ k) Búsqueda en la tabla de valor de k Unidades y décimas en la columna de la izquierda. Centésimas en la fila de arriba.

P (Z ≤ a)

P (Z > a) = 1 - P(Z ≤ a)

P (Z ≤ −a) = 1 − P(Z ≤ a)

      VARIABLE ALEATORIA

En probabilidad y estadística, una variable aleatoria o variable estocástica es una variable estadística cuyos valores se obtienen de mediciones en algún tipo de experimento aleatorio. Formalmente, una variable aleatoria es una función, que asigna eventos.

Los valores posibles de una variable aleatoria pueden representar los posibles resultados de un experimento aún no realizado, o los posibles valores de una cantidad cuyo valor actualmente existente es incierto (p.e., como resultado de medición incompleta o imprecisa). Intuitivamente, una variable aleatoria puede tomarse como una cantidad cuyo valor no es fijo pero puede tomar diferentes valores; una distribución de probabilidad se usa para describir la probabilidad de que se den los diferentes valores.

Las variables aleatorias suelen tomar valores reales, pero se pueden considerar valores aleatorios como valores lógicos, funciones... El término elemento aleatorio se utiliza para englobar todo ese tipo de conceptos relacionados. Un concepto relacionado es el de proceso estocástico, un conjunto de variables aleatorias ordenadas (habitualmente por orden o tiempo).

Observe que esta variable es una variable discreta y que la suma de todas las probabilidades para todos los valores de la variable es 1.

Ejemplo: Sea X la variable aleatoria que indica la suma de los puntos en las caras superiores al lanzar dos dados, Determine el espacio muestra, el conjunto de valores de X y las probabilidades respectivas.

Solución: El espacio muestral S es el conjunto de los 36 pares ordenados que se indican a continuación:

 

Tabla 1 Probabilidad de la variable del ejemplo.

S	Valores de X : xi
(1,1)	2
(1,2) (2,1)	3
(1,3) (3,1) (2,2)	4
(1,4) (4,1) (2,3) (3,2)	5
(1,5) (5,1) (2,4) (4,2) (3,3)	6
(1,6) (6,1) (2,5) (5,2) (3,4) (4,3)	7
(2,6) (6,2) (3,5) (5,3) (4,4)	8
(3,6) (6,3) (4,5) (5,4)	9
(4,6) (6,4) (5,5)	10
(5,6) (6,5)	11
(6,6)	12

      LA TABLA DE LA Z

Z	0.00	0.01	0.02	0.03	0.04	0.05	0.06	0.07	0.08	0.09
0.0	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	0.0753
0.2	0.0793	0.0832	0.0871	0.0910	0.0948	0.0987	0.1026	0.1064	0.1103	0.1141
0.3	0.1179	0.1217	0.1255	0.1293	0.1331	0.1368	0.1406	0.1443	0.1480	0.1517
0.4	0.1554	0.1591	0.1628	0.1664	0.1700	0.1736	0.1772	0.1808	0.1844	0.1879
0.5	0.1915	0.1950	0.1985	0.2019	0.2054	0.2088	0.2123	0.2157	0.2190	0.2224
0.6	0.2257	0.2291	0.2324	0.2357	0.2389	0.2422	0.2454	0.2486	0.2517	0.2549
0.7	0.2580	0.2611	0.2642	0.2673	0.2704	0.2734	0.2764	0.2794	0.2823	0.2852
0.8	0.2881	0.2910	0.2939	0.2967	0.2995	0.3023	0.3051	0.3078	0.3106	0.3133
0.9	0.3159	0.3186	0.3212	0.3238	0.3264	0.3289	0.3315	0.3340	0.3365	0.3389
1.0	0.3413	0.3438	0.3461	0.3485	0.3508	0.3531	0.3554	0.3577	0.3599	0.3621
1.1	0.3643	0.3665	0.3686	0.3708	0.3729	0.3749	0.3770	0.3790	0.3810	0.3830
1.2	0.3849	0.3869	0.3888	0.3907	0.3925	0.3944	0.3962	0.3980	0.3997	0.4015
1.3	0.4032	0.4049	0.4066	0.4082	0.4099	0.4115	0.4131	0.4147	0.4162	0.4177
1.4	0.4192	0.4207	0.4222	0.4236	0.4251	0.4265	0.4279	0.4292	0.4306	0.4319
1.5	0.4332	0.4345	0.4357	0.4370	0.4382	0.4394	0.4406	0.4418	0.4429	0.4441
1.6	0.4452	0.4463	0.4474	0.4484	0.4495	0.4505	0.4515	0.4525	0.4535	0.4545
1.7	0.4554	0.4564	0.4573	0.4582	0.4591	0.4599	0.4608	0.4616	0.4625	0.4633
1.8	0.4641	0.4649	0.4656	0.4664	0.4671	0.4678	0.4686	0.4693	0.4699	0.4706
1.9	0.4713	0.4719	0.4726	0.4732	0.4738	0.4744	0.4750	0.4756	0.4761	0.4767
2.0	0.4772	0.4778	0.4783	0.4788	0.4793	0.4798	0.4803	0.4808	0.4812	0.4817
2.1	0.4821	0.4826	0.4830	0.4834	0.4838	0.4842	0.4846	0.4850	0.4854	0.4857
2.2	0.4861	0.4864	0.4868	0.4871	0.4875	0.4878	0.4881	0.4884	0.4887	0.4890
2.3	0.4893	0.4896	0.4898	0.4901	0.4904	0.4906	0.4909	0.4911	0.4913	0.4916
2.4	0.4918	0.4920	0.4922	0.4925	0.4927	0.4929	0.4931	0.4932	0.4934	0.4936
2.5	0.4938	0.4940	0.4941	0.4943	0.4945	0.4946	0.4948	0.4949	0.4951	0.4952
2.6	0.4953	0.4955	0.4956	0.4957	0.4959	0.4960	0.4961	0.4962	0.4963	0.4964
2.7	0.4965	0.4966	0.4967	0.4968	0.4969	0.4970	0.4971	0.4972	0.4973	0.4974
2.8	0.4974	0.4975	0.4976	0.4977	0.4977	0.4978	0.4979	0.4979	0.4980	0.4981
2.9	0.4981	0.4982	0.4982	0.4983	0.4984	0.4984	0.4985	0.4985	0.4986	0.4986
3.0	0.4987	0.4987	0.4987	0.4988	0.4988	0.4989	0.4989	0.4989	0.4990	0.4990

 

      ÁREA BAJO LA CURVA

En el estudio del comportamiento y el efecto de las drogas, la farmacocinética describe la forma como el organismo actúa sobre las drogas. En los casos más simples, las fases por las que pasa la droga varían directamente con la dosis administrada hasta el momento del aclara miento o eliminación aparente del medicamento. Se espera que estos parámetros sean constantes con la administración de diferentes dosis o si el fármaco se administra por diferentes vías, etc.

Al graficar el cambio de la dosis de la droga en función del tiempo se produce el área bajo la curva, que representa la concentración de la droga en el plasma sanguíneo, la cual, en cinéticas lineales, varía proporcionalmente con la dosis. En los momentos iníciales de la administración de la droga, su concentración aumentará con el tiempo hasta llegar a un punto en que su concentración sanguínea disminuye por razón de su metabolismo y excreción o, su aclara miento, y finalmente su concentración plasmática retornará a cero. En estos casos, independientemente de la dosis administrada, su depuración es constante. Tal es el caso de medicamentos como la cetrarina, mirtazapina y reboxetina.

La farmacocinética no-lineal es más compleja, pues sigue una cinética—depuración y volumen de distribución—saturable, conocida como farmacocinética de Michaelis-Mentel, en la que la velocidad de depuración disminuye conforme se incrementa la dosis.

      INTERVALOS DE CONFIANZA

En estadística, se llama intervalo de confianza a un par de números entre los cuales se estima que estará cierto valor desconocido con una determinada probabilidad de acierto. Formalmente, estos números determinan un intervalo, que se calcula a partir de datos de una muestra, y el valor desconocido es un parámetro poblacional. La probabilidad de éxito en la estimación se representa con 1 - α y se denomina nivel de confianza. En estas circunstancias, α es el llamado error aleatorio o nivel de significación, esto es, una medida de las posibilidades de fallar en la estimación mediante tal intervalo.¹
El nivel de confianza y la amplitud del intervalo varían conjuntamente, de forma que un intervalo más amplio tendrá más posibilidades de acierto (mayor nivel de confianza), mientras que para un intervalo más pequeño, que ofrece una estimación más precisa, aumentan sus posibilidades de error.
Para la construcción de un determinado intervalo de confianza es necesario conocer la distribución teórica que sigue el parámetro a estimar, θ. Es habitual que el parámetro presente una distribución normal. También pueden construirse intervalos de confianza con la desigualdad de Chebyshov.
En definitiva, un intervalo de confianza al 1 - α por ciento para la estimación de un parámetro poblacional θ que sigue una determinada distribución de probabilidad, es una expresión del tipo [θ₁, θ₂] tal que P[θ₁ ≤ θ ≤ θ₂] = 1 - α, donde P es la función de distribución de probabilidad de θ.