APUNTE21 V 1

Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
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#
____________________________________________________________________________________________
( )
( )
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$ar un par de dados insesgados se obtiene (ue la suma es ), #allar
la probabilidad de (ue uno de los dados sea *, es decir:
E+, suma es )-+,(.,/),(*,0),(0,*),(/,.)- +1 |E|+/ "
A+,un dos aparece por lo menos en un dado-+, (*,.) , (*,*), (*,0), (*,/) ,
(*,)) , (*,2), (.,*),(0,*),(/,*),(),*), (2,*)-+1|A|+...
3allar IP(A4E)
Soluci&n:
E consta de / elementos " en * de ellos aparece el n5mero *,
entonces pertenece a A:
AE+ ,(*,0), (0,*)- +1 |AE|+*
Entonces
IP(A4E)+*//+ ./*.
____________________________________________________________________________________________
11&
____________________________________________________________________________________________
!eore"a de la "#l$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
____________________________________________________________________________________________
1)+
____________________________________________________________________________________________
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
*
)
____________________________________________________________________________________________
1)1
____________________________________________________________________________________________
+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)+
____________________________________________________________________________________________
1))
____________________________________________________________________________________________
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@
____________________________________________________________________________________________
1)*
____________________________________________________________________________________________
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,
____________________________________________________________________________________________
1)2
____________________________________________________________________________________________
( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) 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
Al usar :rboles para resolver un problema condicional de Fa"es, se debe

multiplicar los tramos de la rama (ue se busca, (en el e6emplo de (ue no
llegue " sea bicicleta), " dividirlo por la IP total del suceso no llegue a
destino.

____________________________________________________________________________________________
1)1
____________________________________________________________________________________________
1.'.- Independencia
Se dice (ue un evento B no vac!o es independiente de un evento A, si la
probabilidad de (ue F suceda no est: influenciada por(ue A #a"a o no
sucedido. En otras palabras, si la probablidad de F es igual a la
probabilidad condicional de F dado A :
IP B P B A ' ( ' . (
, " si la probabilidad
de A es igual a la probabilidad condicional de A dado F :
IP A P A B ' ( ' . (
.
Sustitu"endo IP(F) por P(F4A) en el teorema de la multiplicaci&n
IP A B P A P B A ' ( ' ( ' . (
, se obtiene
IP A B P A P B ' ( ' ( ' (
Eercicios Prop#es$os
.. Se lan$a un dado no cargado.C<u:l es la probabilidad de (ue sea
primoD (Sol: */0)
*. Se lan$a un dado no cargado. Si el n5mero es impar C<u:l es la
probabilidad de (ue sea primoD (Sol: .)
0. Se lan$a un dado no cargado. Si el n5mero es par C<u:l es la
probabilidad de (ue sea primoD (Sol: ./0)
/. En cierta Iniversidad, el *)@ son 6&venes " el .;@ de los 6&venes
son estudiantes de Estad!stica. os no estad!sticos constitu"en el
2;@ de los universitarios. Si se selecciona al a$ar un estudiante "
resulta ser no estad!stico, determinar la probabilidad de (ue el
estudiante sea 6oven. (Sol: 0G,)@)
____________________________________________________________________________________________
1)5
____________________________________________________________________________________________
). Se lan$a un par de dados insesgados. 3allar la probabilidad IP de (ue
la suma de sus n5meros sea ? en el primer lan$amiento. (Sol: p+
*5
1
)
2. En cierta universidad, /@ de los #ombres " .@ de las mu6eres tienen
mas de .,>; cm de estatura, adem:s, el 2;@ de los estudiantes son
mu6eres. Si se seleccionan al a$ar un estudiante mas alto (ue
.,>; cm. C<u:l es la probabilidad de (ue sea mu6erD. (Sol: ./))
G. In lote de .* art!culos contiene / art!culos defectuosos. Se toman al
a$ar 0 art!culos del lote uno tras otro. <u:l es la probabilidad de (ue
los tres art!culos sean buenosD. (Sol : .//)))
?. 7res m:(uinas A, F, " <, producen );@, 0;@, " *;@
respectivamente del n5mero total de art!culos de una f:brica. os
porcenta6es de art!culos defectuosos de producci&n de estas
m:(uinas son del )@ para A, /@ para F, " 0@ para <. Si se
selecciona al a$ar un art!culo, cu:l es la probabilidad de (ue el
art!culo sea defectuosoD. (Sol : ;.;/0)
>. Si el pr&9imo aJo #a" un aumento en las inversiones de capital, la
probabilidad de (ue el acero para construcciones suba de precios es
de >;@. Si no #a" incremento en dic#as inversiones, la probabilidad
de una aumento en los precios del acero es de /;@. Se estima (ue
#a" un 2;@ de probabilidad de (ue las inversiones de capital
aumenten en el pr&9imo aJo.
a) <onstru"a el :rbol de probabilidad, para el aumento " no
aumento de las inversiones de capital, " el aumento " no
aumento del precio del acero.
b) C<u:l es la probabilidad de (ue no suban los precios del acero
para cosntrucciones, aun(ue #a"a un aumento de la inversi&n
de capitalD. (Sol : ./.;)
c) C<u:l es la probabilidad global (incondicional) de un incremento
en los precios del acero para la construcci&n en el pr&9imo
aJoD. (Sol : G/.;)
____________________________________________________________________________________________
1)4
____________________________________________________________________________________________
d) Si el aJo siguiente #a" un al$a real en los precios del acero para
construcci&n, Ccu:l es la probabilidad de (ue #a"a un aumento
en la inversi&n de capitalD. (Sol : *G/0))
.;. En una ferreter!a se confunden tres ampolletas defectuosas con tres
buenas. Para encontrar las ampolletas malas se prueban una a una
#asta (ue se encuentran, entonces :
a) C<u:l es la probabilidad de encontrar la 5ltima ampolleta
defectuosa en la tercera pruebaD. (Sol : ./*;)
b) C<u:l es la probabilidad de encontrar la 5ltima ampolleta
defectuosa en la cuarta pruebaD. (Sol : 0/*;)
c) C<u:l es la probabilidad de encontrar la 5ltima ampolleta
defectuosa en la se9ta pruebaD. (Sol : ./*)
... En la oficina de un profesor se tienen * escritorios (uno cafA " otro
negro), " cada uno de estos tiene a su ve$ dos ca6ones. En el
escritorio cafA #a" un <K en un ca6&n " un dis(uet en el otro. En el
escritorio negro #a" un <K en en cada uno de los ca6ones. In ladr&n,
(ue no conoce la informaci&n anterior, esco6e al a$ar uno de los
escritorios, " de este esco6e tambiAn al a$ar uno de los ca6ones.
<omo resultado de su b5s(ueda, el ladr&n encuentra un <K. <u:l es
la probabilidad de (ue el <K provenga del escritorio negroD.
(Sol : */0)
.*. Se lan$a un dado, " en forma independiente se escoge al a$ar una
carta de una bara6a normal. <u:l e la probabilidad de (ue :
a) El dado muestre un n5mero par " la carta sea un color ro6oD
(Sol : ;.*))
b) El dado muestre un n5mero par o la carta sea un color negroD
(Sol : ;.G))
.0. En una f:brica de televisores, la probabilidad de encontrar televisores
con su control remoto defectuoso es de .;@, " con la pantalla mala
____________________________________________________________________________________________
1)#
____________________________________________________________________________________________
una probabilidad )@. a ocurrencia de estos defectos son
independientes. <u:l es la probabilidad (ue :
a) In televisor no tenga ninguno de estos defectosD. (Sol : ;.?)))
b) In televisor sea defectuosoD. (Sol : ;../))
c) Si un televisor es defectuoso, este tenga una sola clase de
defectoD. (Sol : ;../)
./. Ina nueva clase de automovil funciona b:sicamente por dos
subsistemas (uno electr&nico " uno mec:nico). KespuAs de un tiempo
considerable de pruebas se obtuvieron las siguientes probabilidades :
P(electr&nico falle)+;.*H P(mec:nico falle)+ ;..)H P(electr&nico "
mec:nico falle)+;..). <alcular la probabilidad de (ue :
a) P(electr&nico falle / mec:nico fall&). (Sol : .)
b) P(electr&nico falle solamente). (Sol : ./*;)
.). En una universidad e9isten tres medios para el env!o de
comunicaciones: memorandum, telAfono, correo electr&nico.
Mediante consulta por intermedio de estos canales, se obtuvo (ue el
*;@ utili$a memorandum, .2@ utili$a el telAfono " un ./@ utili$a el
correo electr&nico, el ?@ utili$a memorandum " telAfono, )@ utili$a
memorandum " correo electr&nico,, " el *@ los tres medios. Para un
profesor elegido al a$ar, calcular la probabilidad (ue :
a) 'o utilice ninguno de los tres medios. (Sol: 20@)
b) Itili$a uno de los tres medios. (Sol: *2@)
c) Itilice al menos memorandum " telAfono, si reconoce utili$ar al
menos uno de los tres medios en an:lisis. (Sol : ?/0G)
____________________________________________________________________________________________
1)&
____________________________________________________________________________________________
.2. Se e9traen 0 cartas de un naipe inglAs, el cual se encuentra sin sus
comodines. Encontrar la probabilidad de (ue :
a) * sean aces " . sea .;. (Sol : ;.;;..)
b) as 0 sean de la misma pinta. (Sol : ;.;)*)
c) as 0 sean de pintas distintas. (Sol : ;.0>G)
d) Ke las 0, al menos * de ellas sean re"es.(Sol : ;.;.0)
____________________________________________________________________________________________
1*+
____________________________________________________________________________________________
2.- (ariables )lea$orias Discre$as.
Ina variable aleatoria es una funci&n definida de un espacio muestral M al
con6unto de los n5meros reales IR. Lsta toma elementos de este espacio
muestral " les asocia un n5mero real, de modo (ue se aprovec#a la
relaci&n de orden definida en los reales.
( ) ( )
] ] ( ) ] ]
67 M8 98
ta :3e
6 ; 8 < A con A ; 8 <
3na ; age0ra asociada a M
3na ; age0ra asociada a os 9
;1

x IR
a variable aleatoria se define a partir de su funci&n inversa debido a (ue
ella preserva las operaciones sobre los con6untos
Definicin: Sea M una variable aleatoria. Si el espacio muestral M es finito
o infinito numerable, decimos (ue M es una variable aleatoria discreta
(v.a.d.), en otro caso se dice (ue es una variable aleatoria continua (v.a.c.).
&.1.- F#nci%n de C#an$*a (p(+
i
)).
Definicin : Sea M una variable aleatoria discreta. Sea 9, el recorrido de
la variable aleatoria disceta M, para cada resultado posible 9
i
asociamos un
n5mero p
i
+p(9
i
)+IP(M+9
i
), llamado probabilidad de 9
i
.
[ ]
( ) ( < = 6 ' ( < = M '6 = ( p'< p <
:3e Ta
1 8 + 9 7 p
i i i i 6 i
6 i

I
os n5meros p(9
i
), i+.,*,.....deben satisfacer las condiciones siguientes:
____________________________________________________________________________________________
1*1
____________________________________________________________________________________________
( )
( ) 1 < p 0(
< + < p 1 a(
i
<
i
i i
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 :
____________________________________________________________________________________________
1*)
____________________________________________________________________________________________
{ } [ ] { }
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.
____________________________________________________________________________________________
1**
____________________________________________________________________________________________
). 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:
____________________________________________________________________________________________
1*2
____________________________________________________________________________________________
( )
p x
1 si x =a
0 si x a
i
i
i
'
Qr:ficamente se representa por :

En consecuencia su Nunci&n de Kistribuci&n ser!a :
( )
F x
0 si x a
1 si x a
X
i
i
<
'
____________________________________________________________________________________________
1*1
a
____________________________________________________________________________________________
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.
____________________________________________________________________________________________
1*5
a
____________________________________________________________________________________________
'.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 :
____________________________________________________________________________________________
( )
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
____________________________________________________________________________________________
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
____________________________________________________________________________________________
1*#
____________________________________________________________________________________________
'.&.&.- 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
'
(
.
____________________________________________________________________________________________
[ ]
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*&
____________________________________________________________________________________________
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.
____________________________________________________________________________________________
12+
____________________________________________________________________________________________
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
>
_
,
elementos de obtener T A9itos en las n e9tracciones debido

a (ue no importa el orden. Entonces, podemos ver (ue la funci&n de
cuant!a para S9
i
S, n5mero de e9itos, es :
( ) ( ' ; 1
<
n
= ( < = P'6 = ( p'<
? 8....8 * 8 ) 8 1 8 + @
< ; n <
i
i i
i i
i n
x I p p
,
_
8bs. ..= a Kistribuci&n Finomial se puede asociar al e9perimento de

e9tracciones con devoluci&n.

*.= Se llama Finomial pues satisface
____________________________________________________________________________________________
121
____________________________________________________________________________________________
1 1 ( ' ( '
+ +
+
,
_

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
____________________________________________________________________________________________
12)
____________________________________________________________________________________________
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:
____________________________________________________________________________________________
12*
____________________________________________________________________________________________
(;.*)
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.
____________________________________________________________________________________________
122
____________________________________________________________________________________________
<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 :
____________________________________________________________________________________________
121
____________________________________________________________________________________________

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
_
,
_
,
Si M tiene una Kistribuci&n 3ipergeomAtrica entonces :

'.0.1.- 9a Esperan-a es
"#X$=
!
!
%o&e != ! !
1
1 2
+

'.0.&.- 9a (arian-a
E' 6 ( =
n F F 'F ; n(
F ' F ;1(
1 )
)
'.0.'.- Ee"plo
Se tienen cuatro ca6as (<., <*, <0, </) donde :
____________________________________________________________________________________________
125
____________________________________________________________________________________________
= <. contiene 0; bolitas ro6as, .; a$ules " 2; negras.
= <* contiene /; bolitas ro6as, *; a$ules " /; negras.
= <0 contiene /) bolitas ro6as, 0; a$ules " *) negras.
= </ contiene *; bolitas blancas 0; verdes.
Se sacan ) bolitas sin devoluci&n de la ca6a </. Si se obtienen a lo menos
/ bolitas blancas, se procede a sacar 0 bolitas de la ca6a <. sin devoluci&n.
Si se obtiene a lo m:s . bolita blanca, se procede a sacar * bolitas de la
ca6a <* sin devoluci&n. En cual(uier otro caso, se procede a sacar . bolita
de la ca6a <0.
C<u:l es la probabilidad de obtener una bolita a$ul con el procedimiento
seJaladoD
Eesp.: A + a$ul H F + blancas. Se pide
IP(.A)+IP(.A/<.)WIP(<.)BIP(.A/<*)WIP(<*)BIP(.A/<0)WIP(<0)
donde
IP(<.) + ;,;G)>* IP(A/<.) + *2G/.;G?
IP(<*) + ;,0*)>) IP(A/<*) + 0*/>>
IP(<0) + ;,)>?.0 IP(A/<0) + 0/.;
lo cual, implica (ue IP(A) +
***************************************************************************
'.2.- Dis$rib#ci%n =eo"<$rica
Se dice (ue la v.a.d. M se distribu"e como una QeomAtrica (MQE8(p)) si
su funci&n de cuant!a tiene la forma :
p(x
si x
0 e.t.o.c.
i
x
i
i
)
( )

'
p p 1
1
____________________________________________________________________________________________
124
____________________________________________________________________________________________
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
____________________________________________________________________________________________
12#
1 2 3
p * q
p * q
p
*
*
*
Xi
Pi
____________________________________________________________________________________________
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
____________________________________________________________________________________________
12&

APUNTE21 V 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

APUNTE21 V 1

Cargado por

Copyright:

Formatos disponibles

Universidad Tcnica Federico Santa Mara versin 1 Pg.

Al usar :rboles para resolver un problema condicional de Fa"es, se debe

Qr:ficamente se representa por :

elementos de obtener T A9itos en las n e9tracciones debido

8bs. ..= a Kistribuci&n Finomial se puede asociar al e9perimento de

Si M tiene una Kistribuci&n 3ipergeomAtrica entonces :

También podría gustarte