P. 1
3. Distribuciones de Probabilidad Discretas

3. Distribuciones de Probabilidad Discretas

|Views: 3|Likes:

More info:

Published by: Ignacio Esteban Ortiz Espinoza on Dec 03, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

11/19/2015

pdf

text

original

Modelos

Estocásticos
Distribuciones de
Probabilidad discretas


Variable aleatoria
o Consideremos un experimento en estudio, sea
Ω el espacio muestral asociado a él.

o Se llamará variable aleatoria (v.a.) a una
función que asigna a cada resultado del
experimento un número real.

o Ejemplo: el lanzamiento de una moneda
genera 2 resultados cara o sello.

{ } sello cara, = O

Variable aleatoria
o Podemos definir la siguiente v.a.




o Asociada a una v.a. X está f que es la función
que define el comportamiento probabilístico del
experimento en estudio.

o En este caso

¹
´
¦
=
=
0 ) (
1 ) (
sello X
cara X
¹
´
¦
=
=
2 1 ) 0 (
2 1 ) 1 (
f
f

Variable aleatoria
o Las variables aleatorias trasladan la
probabilidad de un espacio no numérico a uno
numérico con todas las ventajas que ello
conlleva.

o Las variables aleatorias se clasifican en
discretas y continuas.

o Se dice que una variable aleatoria es discreta
cuando sólo puede tomar valores enteros.




Variable aleatoria discreta
o f (función de cuantía) de una variable aleatoria
discreta (v.a.d.) debe cumplir con las
restricciones:



o Ejemplo: sea X una v.a.d. asociada a un
experimento en estudio, y sea f dada por la
siguiente tabla:

0 ) ( . 1 > X f
1 ) ( . 2 =
¿
X f
X -1 0 2 3
f(X) 0,12 0,08 0,45 0,35

Variable aleatoria discreta
o Se comprueba que y

o Geométricamente, la función de cuantía se
puede describir mediante un gráfico de barras

0 ) ( > X f 1 ) ( =
¿
X f

Variable aleatoria continua
o Una variable aleatoria continua X (v.a.c.) es
aquella que puede tomar un número infinito de
valores dentro de cualquier intervalo dado.


Variable aleatoria continua
o Una variable aleatoria X se dirá continua
cuando existe una función definida en
tal que para cualquier suceso
se tiene que




o se dirá Función de Densidad de
probabilidad de la variable aleatoria continua X.


f ) , ( · ÷· e X
{ } b X a X A s s = /
}
= s s =
b
a
dx x f b X a P A P ) ( ) ( ) (
f

Variable aleatoria continua
o cumple con los siguientes requisitos:





o Geométricamente

área de la región =



f
}
·
· ÷
=1 ) ( . 2 dx x f
X X f ¬ > , 0 ) ( . 1
) ( ) ( b X a P dx x f
b
a
s s =
}

Distribución acumulada
o La función de distribución acumulada de una
variable aleatoria, F(x) se define como la
función que asigna a cada punto la
probabilidad de que X tome un valor igual o
inferior a x.

o Es decir


Distribución acumulada
o Las propiedades de esta función son las
siguientes:

o Su valor está comprendido entre 0 y 1,
o Es no decreciente
o Se cumple y

o Para una v.a.d.


o Para una v.a.c.



¿
= ) ( ) ( Y f X F

Distribución acumulada

Distribución acumulada
o Luego se tiene




) ( ) ( ) ( a F b F b X a P ÷ = s s
) ( 1 ) ( a F a X P ÷ = >
) ( ) ( a F a X P = s

Valor esperado
o Sea X una vad con una función de cuantía
dada por P(X).

o El valor esperado o valor medio de X es



o Propiedad



¿
· = ) ( ) ( x P x X E

Valor esperado
o El valor esperado de X describe dónde está
centrada la distribución de probabilidad








Valor esperado
o Para una vac X el valor esperado es








Varianza

Varianza
o Aunque ambas distribuciones tienen el mismo
centro, una distribución tiene mayor dispersión
o variabilidad que la otra.

o Se utilizará la varianza de X para evaluar la
cantidad de variabilidad en (la distribución de)
X.





) ( ) ( X E X DE =

Distribuciones de probabilidad
o Distribuciones de probabilidad para variables
aleatorias discretas

• Distribución uniforme
• Distribución de Bernoulli
• Distribución Binomial
• Distribución de Poisson
• Distribución Hipergeométrica
• Distribución Geométrica
• Distribución Binomial negativa








Distribución uniforme
o Una v.a.d. X tiene una distribución uniforme
discreta sobre el conjunto si la
probabilidad de que tome cualquiera de estos
valores es la misma
} ,..., , {
2 1 n
x x x
n i n x X P
i
..., , 2 , 1 1 ) ( = = =
¿
=
=
n
i
i
x
n
X E
1
1
) (
2 2
) ( ) ( ) ( X E X E X V ÷ =

Distribución uniforme
o Por ejemplo, el lanzamiento de una moneda




0
0,1
0,2
0,3
0,4
0,5
Cara Sello
Probabilidad

Distribución uniforme
o Ejemplo, lanzamiento de un dado


0
0,05
0,10
0,15
0,2
1
2 3 4 5 6
{ } 6 , 5 , 4 , 3 , 2 , 1 e X 6 1 ) ( = X P

Distribución de Bernoulli
o Este modelo sirve para describir el
comportamiento de un experimento que solo
admite 2 resultados, que genéricamente
reciben el nombre de éxito o fracaso.

o O sea, a este experimento
asociamos la v.a. tal que




{ } fracaso éxito, = O
1 ) ( = éxito X
R X ÷ O :
0 ) ( = fracaso X

Distribución de Bernoulli
o El modelo es la función de cuantía dada por





o La esperanza y varianza son





¹
´
¦
= ÷
=
= = =
0 1
1
) ( ) (
x si p
x si p
x X P X f
( ) E X p =
( )
( ) 1 V X p p = ÷

Distribución Binomial
o El experimento que se modela consiste en n
ensayos o repeticiones de un experimento
Bernoulli.

o X es el número de éxitos en n repeticiones
independientes de un experimento que sólo
admite 2 resultados posibles y mutuamente
excluyentes.

o La probabilidad de éxito p, permanece
constante en cada ensayo.


Distribución Binomial
o Si p es la probabilidad que cualquier evento
ocurra en un solo ensayo (probabilidad de
éxito) 1-p es la probabilidad que no ocurra en
un solo ensayo (probabilidad de fracaso).

o Entonces la probabilidad de que el evento
ocurra x veces en n ensayos (x éxitos y n-x
fracasos) es






( )
x n x x n x n
x
p) ( p
x!(n-x)!
n!
p) ( p x X P
÷ ÷
÷ = ÷ = = 1 1 ) (
1 2 3 2 1 · · ÷ · ÷ · = )... (n ) (n n n! 1 0 = !

Distribución Binomial









X~B(n,p)



np X E = ) (
( ) p np X V ÷ = 1 ) (

Distribución Binomial

Distribución Binomial
o Ejemplo, en un proceso la probabilidad de que
un artículo sea defectuoso es 0,05. ¿Cuál es la
probabilidad de que hayan 6 artículos
defectuoso en un lote de 20?

( ) ( )
6 14 20
( 6) 0, 05 0, 95 0, 000295
6 20 6
!
P X
!( - )!
= = =

Distribución Binomial
o En excel







Distribución Binomial
o El número esperado de artículos defectuosos
en un lote es:



o ¿Cuál es la probabilidad de que hayan 5 o 6
artículos defectuoso en un lote de 20?




( )
( ) 20 0, 05 1 E X np = = · =

Distribución Binomial
o ¿Cuál es la probabilidad de que hayan 3 o
menos artículos defectuoso en un lote de 20?





Distribución de Poisson
o La distribución de Poisson se utiliza para
determinar la probabilidad de que ocurra un
número designado de eventos, cuando éstos
ocurren en un continuo de tiempo o espacio.

o Es similar al proceso binomial excepto en que
los eventos ocurren en un continuo (por
ejemplo, en un intervalo de tiempo) en vez de
ocurrir en ensayos u observaciones fijas.



Distribución de Poisson
o La distribución de Poisson se usa para
determinar la probabilidad de un número dado
de apariciones por unidad de tiempo, cuando
los sucesos o apariciones son independientes
y el número promedio de apariciones por
unidad de tiempo permanece constante.

o X~P(λ)


Distribución de Poisson
o Ejemplos

o El número de autos que pasan a través de un
cierto punto en una ruta durante un día.
o El número de errores de ortografía que uno
comete al escribir una página.
o Fallas por componente por unidad de tiempo
o Número de accidentes durante un mes
o “Eventos” en un km de carretera
o Cantidad de documentos que llegan por día

Distribución de Poisson
o Mails que llegan a un correo electrónico
o Clientes que llegan a un banco
o Pacientes que llegan a un hospital
o Defectos en una plancha de metal
o El número de estrellas en un determinado
volumen de espacio.





Distribución de Poisson
o En general, todos aquellos en donde cada
ocurrencia se puede considerar independiente
de todas las otras, se pueden modelar por una
Distribución de Poisson




Distribución de Poisson










o El eje horizontal es X.




Distribución de Poisson
o La función solamente está definida en valores
enteros de X.

o Las líneas que conectan los puntos son solo
guías para el ojo y no indican continuidad.






Distribución de Poisson










o El eje horizontal es X.

Distribución de Poisson



o Donde:

x = número dado de apariciones
P(X=x) = probabilidad de x número de
apariciones
λ = número promedio de apariciones por
unidad de tiempo
e = base del sistema logarítmico natural
2,71828



x!
e
x X P
x ì
ì
÷
= = ) (

Distribución de Poisson
o El valor esperado es

o Y la varianza es


ì = ) (X E
ì = ) (X V

Distribución de Poisson
o Ejemplo, un departamento de policía recibe un
promedio de 5 llamadas por hora.

o La probabilidad de recibir 2 llamadas en una
hora seleccionada al azar es





08425 , 0
2
00674 , 0 25
2
5
) (
5 2
=
·
= = = =
÷ ÷
!
e
x!
e
x X P
x ì
ì

Distribución de Poisson
o ¿Cuál es la probabilidad de recibir más de 2
llamadas en una hora?


Distribución de Poisson
o El valor de λ que se utiliza debe aplicarse al
periodo de tiempo pertinente.

o Por ejemplo, a un peaje llegan en promedio 4
autos por hora, ¿cuál es la probabilidad de que
lleguen 50 autos en un intervalo de 10 horas?

o λ = 10×4 = 40 X=50




Distribución de Poisson
o Para considerar el tiempo se debe utilizar




o En el ejemplo anterior



x!
e t
x X P
t x
t
ì
ì
÷
= =
) (
) (
0177 , 0
50
) 10 4 (
) 50 (
10 4 50
10
=
·
= =
· ÷
!
e
X P
0 > t

Distribución de Poisson
o En este caso, se tiene



o Así es el promedio de eventos en el
intervalo [0,t]

o Luego, mientras mayor es la longitud del
intervalo de observación, mayor es el promedio
de eventos observados y mayor es también la
incertidumbre del número de eventos
observados.



t X E
t
ì = ) ( t X V
t
ì = ) (
t ì

Distribución de Poisson
o La distribución de Poisson es el caso límite de
la distribución binomial.

o Si los parámetros n y p de una distribución
binomial tienden a infinito y a cero de manera
que λ=np (la media) se mantenga constante, la
distribución límite obtenida es de Poisson.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->