Documentos de Académico
Documentos de Profesional
Documentos de Cultura
____________________________________________________________________________________________
1.- Probabilidad Condicional, Bayes, Independencia
1.1.- Probabilidad Condicional:
DEF:
Sea E un evento arbitrario de un espacio muestral M con IP(E)>0.
Se define la probabilidad condicional de A dado E (se denota IP(A/E)),
como sigue:
IP A E
IP A E
IP E
( / )
( )
( )
(**)
OBS:
a probabilidad condicional de A dado E (o bien, la IP del suceso A s! "a #a
sucedido el suceso E, o bien, la IP del suceso A condicionado a E), se
puede visuali$ar en un diagrama de %enn como se aprecia a continuaci&n:
'ota:
a probabilidad condicional es una probabilidad relativa del suceso A con
relaci&n al suceso E.
En particular, si M es un espacio finito " |A| denota la cardinalidad de un
evento A, entonces:
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
11#
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
( )
( )
IP A E
IP A E
IP E
A E
E
( ) $
o
IP A E
cardinalidad de A E
cardinalidad de E
( )
o
suceder puede E que en maneras de nmero
suceder pueden E y A que en maneras de nmero
IP ) ( % A
Eercicio:
Si al lan$ar un par de dados insesgados se obtiene (ue la suma es ), #allar
la probabilidad de (ue uno de los dados sea *, es decir:
E+, suma es )-+,(.,/),(*,0),(0,*),(/,.)- +1 |E|+/ "
A+,un dos aparece por lo menos en un dado-+, (*,.) , (*,*), (*,0), (*,/) ,
(*,)) , (*,2), (.,*),(0,*),(/,*),(),*), (2,*)-+1|A|+...
3allar IP(A4E)
Soluci&n:
E consta de / elementos " en * de ellos aparece el n5mero *,
entonces pertenece a A:
AE+ ,(*,0), (0,*)- +1 |AE|+*
Entonces
IP(A4E)+*//+ ./*.
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
11&
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
!eore"a de la "#l$iplicaci%n de la probabilidad condicional:
Si despe6amos de la ecuaci&n (**) (ue define la probabilidad condicional "
usamos el #ec#o de (ue AE + EA, obtenemos la siguiente f&rmula:
7eorema .:
( ) IP E A IP E IP A E ( ) ' (
8bs.
este teorema puede e9tenderse de la siguiente manera por inducci&n
matem:tica:
Para los eventos A
1
,A
2
,.....,A
n
se cumple (ue
( ) ( ) ( )
( ) A IP A IP A A IP A A A P A A A A
n n 1 1 ) 1 * 1 ) 1 ) 1
A A
) n
' (
Eercicios res#el$os
1. Suponer (ue se tiene una ca6a (*; botellas) de <oca=<ola para la venta,
" se sabe (ue e9isten .; (ue en su tapa traen un premio, determinar:
a= a probabilidad de (ue la tercera botella (ue se venda sea la primera
(ue tenga su tapa con premio
b= a probabilidad de (ue la tercera botella sea la segunda premiada
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
1)+
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Sol#ci%n:
a Este e9perimento ocurre sin devoluci&n, gr:ficamente ser!a:
S i n p r e m i o S i n p r e m i o , o n p r e m i o
Sean los sucesos:
S
P
+ Sin Premio
<
P
+ <on Premio
P
.
+ a primera premiada
P
*
+ a segunda premiada
IP(S
P
S
P
<
P
)+IP(<
P
/ S
P
S
P
) IP(S
P
/ S
P
)IP(S
P
)+
+casos favorables/casos posibles+
+(.;>.;)/(*;.>.?) ;..0*.0.*@
7ambiAn para el desarrollo de este e6ercicio se pueden #acer uso de
:rboles, (ue indican la condicionalidad en las ramas.
*=b
S i n p r e m i o , o n p r e m i o , o n p r e m i o
, o n p r e m i o S i n p r e m i o
IP(sale *da premiada en la tercera prueba)+IP(P
.
S
P
P
*
)BIP(S
P
P
.
P
*
)
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
1)1
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
+IP(P
.
) IP(S
P
/ P
.
) IP(P
*
/ P
.
S
P
)BIP(S
P
) IP(P
.
/ S
P
) IP(P
*
/ S
P
P
.
)
+((.;.; >)/(*; .> .?) )B((.;.;>)/(*;.>.?)) ;,*20*2,0@
(<omo e6ercicio podr!a reali$arlo usando un :rbol).
&- En un costurero se tienen ) carretes de #ilo de los cuales * son de color
ro6o " 0 son de color negro.
a= C<u:l es la probabilidad de (ue al sacar los carretes el tercero sea el
segundo de color negroD
b= C<u:l es la probabilidad de encontrar el 5ltimo ro6o en la cuarta
e9tracci&nD
Sol#ci%n
a- Sean los sucesos:
' + color negro
E + color ro6o
E9isten * eventos " la IP(de (ue al sacar los carretes el tercero sea el
segundo de color negro) es:
IP(.)+IP('E') B IP(E'') + IP(') IP(E/') IP('/'E) BIP(E) IP('/E)IP('/E')
IP(.)+((*0*)/()/0))B((0**)/()/0))+;./+/;@
b-
E9isten 0 eventos cu"as probabilidades son
IP (encontrar el 5ltimo ro6o en la cuarta e9tracci&n)+
IP((ue el 5ltimo ro6o sea el cuarto)+
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
1))
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
IP(E''E) BIP('E'E) BIP(''EE)+
+IP(E)IP('/E) IP('/E') IP(E/E'') B IP(') IP(E/') IP('/'E) IP(E/'E')
B IP(') IP('/') IP(E/'') IP(E/''E)
+((0**.)/()/0*))B((*0*.)/()/0*))B((0**.)/()/0*))
+ ;,0+0;@
'- En una ca6a de .;; art!culos #a" .; defectuosos se toman al a$ar 0
art!culos uno tras otro, #allar la probabilidad de (ue los tres no sean
defectuosos.
Sean los sucesos:
A
i
+ ,el art!culo i es bueno-
F
i
+ ,el art!culo i es malo-
IP(A
.
A
*
A
0
)+ IP(A
.
) IP(A
*
/A
.
) IP(A
0
/A
.
A
*
)
-P'A
)
.A
1
(
-P'A
*
.A
1
A
)
(
-P'/
*
.A
1
A
)
(
-P'/
)
.A
1
(
-P'A
*
./
1
A
1
(
-P'/
*
./
1
A
1
(
-P'A
)
./
1
(
-P'A
*
.A
)
/
1
(
-P'/
*
.A
)
/
1
(
-P'/
)
./
1
(
-P'A
*
./
)
/
1
(
-P'/
*
./
)
/
1
(
0iciceta +.1 -P'A
1
(
0iciceta +.1 -P'/
1
(
IP(A
.
) + >;/.;;
IP(A
*
/A
.
) + ?>/>>
IP(A
0
/A
.
A
*
) + ??/>?
IP(A
.
A
*
A
0
) + ((>;?>??)/(.;;>>>?))+;,G0+G0@
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
1)*
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Es decir, se debe seguir por el :rbol buscando las rutas (ue correspondan
al problema planteado " multiplicando las probabilidades en cada ruta "
como las rutas son eventos independientes se suman todos los tramos.
1.&.- !eore"a de Bayes y par$iciones
Supongamos (ue los eventos A
1
,A
2
,.....,A
n
forman una partici&n de un
espacio muestral MH esto es, (ue los eventos A
i
son mutuamente
e9clu"entes (incompatibles) " su uni&n es M. Sea F otro evento. Entonces
B A A A B
n
M / ' (
1 )
' ( ' ( ' ( A B A B A B
n 1 )
donde los
' ( A B
i
son eventos mutuamente e9clu"entes(incompatibles). En
consecuencia por el teorema de la multiplicaci&n (ueda:
( ' ( ' ( ' ( '
) 1
B A IP B A IP B A IP B IP
n
+ + +
luego el 7eorema de la IProbabilidad 7otal (ueda:
IP B IP A IP B A IP A IP B A IP A IP B A
n n
' ( ' ( ' ( ' ( ' ( ' ( ' ( + + +
1 1 ) )
por otro lado, para cual(uier i, la probabilidad condicional A
i
dado B se
define por
( )
( )
( ) A B
IP A B
IP B
i
i
Eeempla$ando la IP(B) obtenemos el 7eorema de causa o !eore"a de
Bayes :
!eore"a de Bayes
Suponga (ue A
.
,A
*
,.....,A
n
es una partici&n (sucesos incompatibles) del
espacio muestral M " sea F un evento cual(uiera del mismo espacio
muestral M, entonces para cual(uier i tenemos,
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
1)2
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) A B
IP A IP B A
IP A IP B A IP A IP B A IP A IP B A
i
i i
n n
+ + +
1 1 ) )
Eercicio:
Ina persona puede via6ar de 0 formas, bicicleta, auto " avi&n. <ada forma
de transporte tiene una probabilidad de tener un defecto en el sistema de
rodado " no llegar al destino del 0@, /@ " )@ respectivamente.
Para escoger el mAtodo de traslado se tienen 0 fic#as, las cuales tienen
una probabilidad de aparecer del );@, 0;@ " *;@ respectivamente.
Si se toma un via6e al a$ar, " no llega a destino, #allar la probabilidad de
(ue ese via6e se reali$& en bicicleta.
a 3 t o + . *
0 i c i c e t a + . 1
a v i n + . )
e g a + . & 4
n o e g a + . + *
e g a + . & 5
n o e g a + . + 2
e g a + . & 1
n o e g a + . + 1
Sea F el evento (ue no llegue a destino.
( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) Avin B IP Avin IP Auto B IP Auto IP Bicicleta B IP Bicicleta IP
Bicicleta B IP Bicicleta IP
B Bicicleta
+ +
) (
( )( )
( )( ) ( )( ) ( )( ) +1 . + ) . + +2 . + * . + +* . + 1 . +
+* . + 1 . +
+ +
) ( B Bicicleta
IP(bicicleta/F) +;,/;)/
*4
11
X
a esta funci&n se le conoce como unci!n de cuant"a (.c.) de la variable
aleatoria discreta #.
8bs.
En la e9presi&n la igualdad siguiente se verifica s&lo en forma notacional
( ) ( < = 6 ' ( < = M '6
i i
IP IP
&.& F#nci%n de Dis$rib#ci%n (F
,
(+)).
Sea M una v.a.d. con funci&n de cuant!a (f.c.) p(9i). Se define la Nunci&n de
Kistribuci&n como :
[ ]
( ) ( )
< <
i 6
i
< p < 6 -P = '<( F <
1 8 + 9 7 F
<u"as propiedades son:
.) N
9
(=) + ;.
*) N
9
() + ..
0) N
9
es no decreciente.
/) N
9
es cont!nua por la derec#a.
&.' Esperan-a (IE.,/).
Definicin: Sea M una variable aleatoria discreta con valores 9
.
,...,9
n
,... "
sea p(9
i
)+IP(M+9
i
), i+.,*,......n,...Entonces el valor esperado de M (o la
esperan$a matem:tica de M), (ue se denota con IE[M], es el n5mero (ue se
define como :
[ ]
i
<
i i
p < 6 %
8bservaci&n :
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
1*)
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
{ } [ ] { }
i i
< m< 6 < mn IE
&.0 1o"en$o de Orden n (
n
)
Definicin : Sea M una variable aleatoria discreta con funci&n de cuant!a
p
i
(9
i
), se define el momento de orden n(con nI') de la variable aleatoria
discreta M como:
[ ] ( )
i
<
i
n
i
n
n
< p < 6 IE
&.2 1o"en$o Cen$rado en la Esperan-a.
Sea M una v.a.d. con f.c. p
i
(9
i
). Se define el momento centrado en la IEOMP
de orden n ' como :
[ ] ( ) [ ] [ ] ( ) ( p'< -% ; <
i
<
n
i
n
n
i
IE IE
&.3 (arian-a de , (((,)).
Definicin : Sea M una variable aleatoria discreta. Kefinimos la varian$a de
M, (ue se denota con %(M) como el n5mero positivo dado por:
( ) [ ] ( )
[ ]
[ ] [ ] ( )
[ ]
[ ] [ ] [ ] [ ] ( )
[ ] [ ] [ ] [ ] [ ] ( ) [ ]
( ) [ ] [ ] ( ) ( )
V
V >0
2
2 1
+
+ + +
2
2
2
2
2
2
2
2
2 2
2
2 2 1
a ra!$ cuadrada positiva de %(M) se llama desviaci&n est:ndar de M " se
designa como
X
.
P4OPIED)DES
1. IE[$#] % $IE[#]
k
constante.
2. IE[$] % $
k
constante.
&. IE[#'(] % IE[#]'IE[(] # e ( v.a.
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
1**
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
). IE[a#'b(] % aIE[#]'bIE[(] # e ( v.a. * a,b
constantes.
+. IE[#(] % IE[#]IE[(] si # e ( son v.a. independientes.
,. -[$#] % $
)
-[#]
k
constante.
.. -[$] % 0
k
constante.
/. -[#'(] % -[#]'-[(]'201-(#,() # e ( v.a.
2. -[#'(] % -[#]'-[(] si # e ( son v.a. independientes.
10. -[a#'b(] %a
)
-[#]'b
)
-[(]'2ab0ov(#,() # e ( v.a. *
a,b ctes.
11.
( )
i
n
i
i i
n
i
i
X IE X IE
1
]
1
1 1
#i v.a. * i
con i%1,2......n
constantes.
12.
( ) ( 8 ' )
1 1
j i j
j i
i i
n
i
i i
n
i
i
X X Cov X V X V
<
+
1
]
1
3333333333333333
'.- Dis$rib#ciones 5s#ales (6.a.d)
Ina v.a.d. M toma distintos valores definidos en su recorrido
9
. Adem:s, a
cada uno de estos valores tiene asociada una probabilidad p
i
, de modo (ue
p
i
puede escribirse como una funci&n de los valores 9
i
" encontrar la
e9presi&n general (ue la represente. Es esta e9presi&n (la funci&n de
cuant!a) la (ue caracteri$a el tipo de distribuci&n (ue tiene la variable
aleatoria discreta M.
'.1.- Dis$rib#ci%n P#n$#al.
Se dice (ue la variable aleatoria discreta M se distribu"e como una
distribuci&n puntual, si su funci&n de cuant!a es de la forma:
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
1*2
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
( )
p x
1 si x =a
0 si x a
i
i
i
'
<
'
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
1*1
a
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Qr:ficamente :
Si M tiene una Kistribuci&n Puntual entonces :
'.1.1.- C7lc#lo de la Esperan-a
E[M] + .a B ;b + a
'.1.&.- C7lc#lo de la (arian-a
%(M) + .a
*
B ;b
*
= (a)
*
+ ;
8bs. Esta es la nica distribucin (ue tiene varianza cero.
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
1*5
a
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
'.1.'.- )plicaci%n
a distribuci&n puntual se puede asociar, por e6emplo, al e9perimento
de lan$ar una moneda con dos caras o sacar una carta de un ma$o
en (ue todas son iguales.
'.&.- Dis$rib#ci%n de BE48O599I
Es un proceso dicot&mico, todo evento A tiene asociado una probabilidad
de A9ito p " una probabilidad de fracaso 4 + .=p.
En este tipo de procesos, la v.a.d. M asociada al evento A se distribu"e
como una distribuci&n de FEE'8II (MFEE'(p)), si su f.c. tiene la
forma :
Konde I
B
(+) se conoce como la funci&n indicatri$:
( ) I x
si x B
0 si x B
B
'
1
Qr:ficamente en este caso la funci&n de cuant!a se representa :
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
( )
p =p(x ) = I x)=
si x
si x
e.t.o.c.
i i
x
1-x
{0,1}
i
i
i
i
i
p p
q
p 1
0
1
0
'
(
1*4
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Por lo tanto su Nunci&n de Kistribuci&n N
9
(9) es :
F (x)= p
-
=
si x
si 0 x 1
si x
x i
x
i
i
i
i
<
<
+
'
0 0
1 1
q
p q
R gr:ficamente tiene la forma :
Si M tiene una Kistribuci&n de FEE'8II entonces :
'.&.1.- C7lc#lo de la Esperan-a
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
1*#
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
'.&.&.- C7lc#lo de la (arian-a
'.&.'.- Ee"plo.
Suponga (ue tiene una ca6a (ue contiene fic#as ro6as " a$ules. Se sabe
(ue al e9traer al a$ar una fic#a la probabilidad de (ue esta sea ro6a es
del *;@.
Ke este e6emplo Id. puede definir la v.a.d. M como Sa fic#a es ro6aS.
Por lo tanto, los valores (ue puede tomar M est:n dados por su recorrido
M
+,;,.-H 9
i
+; si la fic#a no es ro6a " 9
i
+. si lo es.
Adem:s se conoce la probabilidad de A9ito ( p+;.* de (ue sea ro6a). Ke
modo (ue se puede concluir (ue la v.a.d. M tiene una Kistribuci&n de
FEE'8II MFEE'(;.*) <on funci&n de cuant!a :
( )
p(x ) I x)=
8 si x
.2 si x
e.t.o.c.
i
=
x
1-x
{0,1}
i
i
i
i
i
p p 1
0 0
0 1
0
'
(
.
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
[ ]
X = x p + =
i i
x
i X
0 1 q p p
[ ] [ ] ( ) ( ) V(X)= X X
2
+
2
2 2
2
0 1 q p p p q
1*&
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
8bs.
Para no restringir los valores de M a ,;,.-, es posible plantear una
generali$aci&n para la distribuci&n de FEE'8II, " en consecuencia,
para valores de a " b distintos de ; " . tenemos:
( )
( )
( )
( )
p(x )
x b
a-b
x -a
b-a
I x)=
si x a
si x b
e.t.o.c.
i
=
i i
{a,b}
i
i
i
q p
q
p
+
_
,
'
(
0
Para (ue el alumno se familiarice con este tipo de distribuci&n, le
recomendamos la tarea de encontrar la %arian$a " la Esperan$a para la
funci&n de cuant!a general presentada.
'.'.- Dis$rib#ci%n Bino"ial.
Se efect5an SnS ensa"os independientes de FEE'8II, con probabilidad
de A9ito SpS(siendo la IP de A9ito constante) " probabilidad de fracaso S(+.=
pS, " nos interesa conocer la posibilidad de tener T A9itos en n repeticiones
del e9perimento. Ke a#! (ue la binomial es una generali$aci&n de la
distribuci&n Fernoulli.
Kefinimos M+,n5mero de A9itos en las SnS repeticiones del e9perimento-.
M
+ ;,.,*,..,n
Se dice (ue M tiene una distribuci&n binomial con par:metros n " p, se
denota como MFI'(n,p). 'os interesa conocer su funci&n de cuant!a.
Sea U+(., ., ..., ., ;, ;, ..., ;) donde tenemos un n5mero T de unos " n=T
de ceros, o, lo mismo decir STS A9itos " Sn=TS fracasos.
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
12+
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Entonces:
P(., ..., ., ;, ..., ;)+pp...p(.=p)...(.=p)
+p
T
(.=p)
n=T
C<u:ntos reordenamientos posibles #a" del tipo anterior (T unos " n=T
ceros en distintas posiciones)D
C<u:ntos subcon6untos de 9 elementos #a" en un con6unto de n
elementosD
En total #a"
n
>
_
,
,
_
,
_
n n x n x
n
x
n
x
i
i
q p q p
x
n
x p
i i
i i
<onociendo la f.c. se puede deducir la funci&n de distribuci&n de M :
( )
F (x)=P(X x)=
x
1-
X
i x x
x
- x
i
i
i
_
,
p p
Si M tiene una Kistribuci&n Finomial entonces :
'.'.1.- C7lc#lo de la Esperan-a
( ) ( ) p p p p p n ; 1
<
n
< ; 1
<
n
< = %'6(
< ; n <
n = <
1 = <
< ; n <
n = <
o = <
,
_
,
_
'.'.&.- C7lc#lo de la (arian-a
%OMP + EOM
*
P = (EVOMP)
*
+ np(.=p)
'.'.'.- F#nci%n :enera$ri- de "o"en$os
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
12)
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
n t < n < t
n
+ <
n
+ <
i
< n <
i
t<
<
( : p e ' : ( p e '
<
n
: p
<
n
e ( t '
i i
i i
i i i
+
,
_
,
_
'.'.0.- Ee"plos
..= Sup&ngase (ue los art!culos (ue salen de una l!nea de producc!&n
se clasifican como defectuosos (K) o no defectuosos (').
Se eligen al a$ar tres art!culos de la producci&n de un d!a " se clasifican
de acuerdo al siguiente es(uema.
Se define el espacio muestral M.
M+,KKK,KK',K'K,'KK,''K,'K',K'','''-
Si la probabilidad de (ue un art!culo sea defectuoso es del *;@ " de
?;@ para no defectuoso. as probabilidades son iguales para cada
art!culo " la clasificaci&n de cual(uier art!culo es independiente de la
clasificaci&n de cual(uier otro, entonces las IP de los elementos del
espacio muestral son:
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
12*
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
(;.*)
0
, (;.?)(;.*)
*
, (;.?)(;.*)
*
, (;.?)(;.*)
*
, (;.*)(;.?)
*
, (;.*)(;.?)
*
, (;.*)
(;.?)
*
, (;.?)
0
o (ue realmente nos importa es el n5mero de art!culos defectuosos,
sin importar el orden, es decir, considerar la variable aleatoria M (ue
asigna a cada uno de los resultados sM el n5mero de art!culos
defectuosos encontrados. Por lo tanto el con6unto de valores posibles
de M es ,;,.,*,0-.
Podemos obtener la distribuci&n de probabilidades para M,
p(9i)+IP(M+9i) como:
M+ ; ocurre '''.
M+ . ocurre K'','K',''K.
M+ * ocurre KK',K'K,'KK.
M+ 0 ocurre KKK.
donde
P(M + ;) + (;,?)
0
P(M+ .) + 0 (;,*) (;,?)
*
P(M+*) + 0 (;,?) (;,*)
*
P(M+0) + (;,*)
0
'&tese (ue: ;,?
0
B0W;,?
*
W;,*B0W;,*
*
W;,?B;,*
0
+ .
*.= El gerente de un restaurante (ue s&lo da servicio mediante reservaci&n
sabe, por e9periencia, (ue el .)@ de las personas (ue reservan una mesa
no asistir:n. Si el restaurante acepta *) reservaciones pero s&lo dispone de
*; mesas, Ccu:l es la probabilidad de (ue a todas las personas (ue asistan
al restaurante se les asigne una mesaD
Solucin: Sea X: <antidad de personas (ue reservan mesa pero no
asisten.
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
122
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
<omo estamos en presencia de un e9perimento de Fernoulli (ue repetimos
en forma independiente " la probabilidad de A9ito p+;,.) es constante
puesto (ue se reali$a el e9perimento con reposici&n tenemos:
6/in ')1A+811(
a probabilidad deseada es:
PB<>1C =
[ ] 2 < P 1
DDDDDDDDDDDDDDDD
=
< )1 <
2
+ <
( #1 8 + ' ( 11 8 + '
<
)1
1
,
_
= 1; +85#)1 = +8*14&
'.0.- Dis$rib#ci%n ;iper:eo"<$rica
Sea M una v.a.d. Se dice (ue M se distribu"e como una #ipergeomAtrica si
ocurre una situaci&n seme6ante a la (ue se describe a continuaci&n.
En una ca6a #a" '
.
art!culos del tipo A " '
*
art!culos del tipo F.
Supongamos (ue e9traemos una muestra de tamaJo n, una a una al a$ar, "
sin de6ol#ci%n (n '
.
B'
*
). 'os intere$a conocer la probabilidad de
obtener T elementos del tipo A en la muestra.
Sea M +, n5mero de art!culos del tipo A en la muestra-. Por lo tanto su
funci&n de cuant!a tiene la forma :
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
121
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
p(x )=
!
x
!
-x
! !
i
1
i
2
i
1 2
_
,
_
,
_
,
Konde m:9,;,n=
!
2
- 9
i
m!n ,n,'
.
-
Esto se debe al #ec#o de (ue se distingue como casos posibles a todas las
combinaciones (ue se puedan #acer para obtener una muestra de n
elementos de un n5mero total de '
.
B'
*
. Esto es :
1 2
+
_
,
R los casos favorables est:n dados por el producto entre las combinaciones
de obtener 9
i
A9itos " n=9
i
fracasos. Esto es :
!
x
!
-x
1
i
2
i
_
,
_
,
'
p p 1
1
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
124
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Esto es gr:ficamente :
Es posible demostrar (ue satisface las dos condiciones (ue debe cumplir
una funci&n de cuant!a " (ue "a fueron descritas.
a primera es (ue la funci&n de cuant!a es ma"or (ue cero para todo el
recorrido de M.
+ ( 1 ' ( p'<
1 <
i
i
>
p p
i
<
R la segunda propiedad, es (ue la suma de la funci&n de cuant!a en el
recorrido de M sea igual a ..
p p p q p
q
p
p
( )
( )
1
1
1
1
1 1
1
'-1 i
i=0 '=1
8bservaci&n:
( 1 8 1 ' 3n para
; 1
1
a converge
1 = i
i
q
q
q
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
12#
1 2 3
p * q
p * q
p
*
*
*
Xi
Pi
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
R su funci&n de distribuci&n es por lo tanto :
F x p(x
X i i
x
i-1
i=1
x
i i
( ) )
p q
Xue gr:ficamente corresponde a :
Si M tiene una Kistribuci&n QeomAtrica entonces:
'.2.1.- C7lc#lo de la Esperan-a
[ ]
( )
X x
i
x
x
i
i
p q p
q
p
1
1
2
1
1
1
8bservaci&n :
i co(e)*e a
1
(1- )
i-1
2
i=1
q
q
'.2.&.- 9a (arian-a es
[ ]
[ ] ( )
V(X)= X X
2
2
2
q
p
____________________________________________________________________________________________
Departamento de Matemticas Profesor Ae!andro Fernnde"
12&