Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelos Discretos
Modelos Discretos
x=0
q ,
p(x) = p ,
x=1
0 , en otro caso
donde p es la probabilidad
de observar un artculo
defectuoso (xito).
Funcin
de
Cuanta
p x q
p(x)=
0
, x=0,1
, en otro caso
p+q=1
Resumiendo, X tiene una distribucin Bernoulli si existen las condiciones siguientes:
1.- El experimento se realiza una sola vez.
2.- El resultado del experimento puede ser un xito o un fracaso.
3.- La probabilidad de xito se denota por p y la probabilidad de fracaso por q. ( p+q=1)
Ejemplos:
Lanzar una moneda y que salga cara.
p=
Elegir una persona de la poblacin y que est enfermo.
p = 1/1000 = prevalencia de la enfermedad
Una variable aleatoria es una funcin que asigna un nmero real a cada resultado en el espacio muestral de un
experimento aleatorio. Un modelo de distrib. de prob. es la representacin simblica de una poblacin.
2
E(X) =
x p(x)
Rex X
E(X 2 )
Rec X
p(x)
2
En este experimento se indica con E un cilindro cumple con las especificaciones y con D un
cilindro que no cumple con las especificaciones. Con esto, el espacio muestral (conjunto de
todos los resultados del experimento) se puede describir:
Resultado
DDDD
DDCE
DDED
DEDD
x
0
1
1
1
Resultado
DEEE
EDEE
EEDE
EEED
x
3
3
3
3
Resultado
EDDD
DDEE
DEDE
DEED
x
1
2
2
2
Resultado
EEEE
EDDE
EDED
EEDD
x
4
2
2
2
{(E,E,DD) ,
E = xito,
P(E) = 0,92
D = Fracaso
P(D) = 0,08
Como debemos suponer independencia en la realizacin del experimento (se supone que la
poblacin es infinita), entonces la probabilidad de (E,E,DD) es
Notacin: X B(n , p)
La funcin de probabilidad o funcin de cuanta es
n x n-x
p q
p(x) = x
=
0
P(X = x)
Esperanza
E(X) = n p
, x = 0,1,2, ...,n
, en otro caso
; Varianza V(X) = n p q
DISTRIBUCIN HIPERGEOMETRICA1.
Se usa para modelar situaciones de poblaciones finitas, en que:
1.- El experimento se repite un nmero determinado de n veces sin reposicin.
2.- El resultado del experimento puede ser un xito (E) o un fracaso (F).
3.- La probabilidad de xito cambia de experimento en experimento.
4.- Se conoce el tamao de la poblacin.(N)
Se defina la v.a.1
X: N de casos favorables en la muestra de tamao n
N1 N-N1
x n-x ,
p(x) =
N
=
n
P(X=x)
0
,
N N1
N1
n
x
n- x
En donde
si x = 0,1,2, ... n N1
en otro caso
E(X) = n
Esperanza
N1
N
Varianza
V(X)=
N N - N1 N - n
n 1
N N N -1
Ejemplo:
Una empresa que se dedica al rubro de la computacin, tiene para la venta 5 impresoras a color
comn; 4 impresoras lser y 6 impresoras matriciales. Una persona compre 5 impresoras Cul es
la probabilidad que i) solo 3 de ellas sean lser? ii) Por lo menos una sea lser.
Solucin:
Se define la v.a. X = N impresoras lser (L) entre las 5 vendidas
X Hipergeomtrica
L
N = 15
N N1 = 11
N1 = 4
n=5
x
Funcin de cuanta
LC
5- x
4 11
x 5 - x
,
p(x) =
15
=
5
P(X=x)
0
,
4 11
3 5-3
i) Entonces P (X = 3) = = 0,073
15
5
ii) P(
si x = 0, 1, 2, 3, 4
en otro caso
)=
Una variable aleatoria es una funcin que asigna un nmero real a cada resultado en el espacio muestral de un
experimento aleatorio. Un modelo de distrib. de prob. es la representacin simblica de una poblacin.
2
E(X) =
x p(x)
Rex X
E(X 2 )
Rec X
p(x)
DISTRIBUCIN DE POISSON1
Se utiliza para describir experimentos en el que se observan la aparicin de sucesos puntuales
sobre un soporte contnuo. Por ejemplo, el nmero de llegadas de clientes por hora, el nmero de
accidentes industriales al mes, en nmero de conexiones elctricas defectuosas por milla de
cableado de un sistema. En cada uno de estos casos los sucesos que ocurren se miden en una
unidad de tiempo o distancia.
Para aplicar la distribucin de Poisson es preciso tener en consideracin:
1. La probabilidad de que ocurra el suceso es constante para dos intervalos de tiempo o espacio
cualesquiera.
2. La aparicin de un suceso en cualquier intervalo es independiente de su aparicin en
cualquier otro intervalo.
Se define la v.a.1 de Poisson como
X: N de sucesos que ocurren en una unidad
Notacin. X ()
La funcin de probabilidad1 o funcin de cuanta es (funcin que asignas las prob.) es:
x e
p ( x)
si x 0,1, 2,3, 4,........ ; : promedio de sucesos en la unidad
x!
E(X) =
Esperanza
Varianza
V(X)=
Ejemplo.
Una empresa de pavimentacin tiene contrato con una municipalidad para el mantenimiento de
sus calles. Estas calles dan un promedio de 2 defectos por milla, despus de ser utilizadas durante
un ao. Si se consideran que los defectos se ajustan a una distribucin de Poisson. Cul es la
probabilidad que se presente un defecto en cualquier milla, despus de soportar trfico un ao?
Solucin:
Se define la v.a. X = N de defectos en el pavimento por milla, entonces X tiene una
distribucinn de Poisson con E(X) = 2 =
X ( = 2)
2x e-2
p(x) = x!
0
=
P(X = x)
, 0, 1, 2, ...
, en otro caso
21e -2
P(X = 1) =
= 0, 271
1!
X=
X ( = )
1
Una variable aleatoria es una funcin que asigna un nmero real a cada resultado en el espacio muestral de un
experimento aleatorio. Un modelo de distrib. de prob. es la representacin simblica de una poblacin.
2
E(X) =
x p(x)
Rex X
E(X 2 )
Rec X
p(x)
Ejercicios
1. Una venta particular involucra cuatro artculos seleccionados al azar de un gran lote que tiene un 10%
de defectuosos.
a. Cul es la probabilidad de que entre cuatro artculos vendidos a lo ms uno sea defectuoso?.
b. El comprador de los artculos devolver los defectuosos para ser reparados, y el costo en pesos de
reparacin es C = 3X2 + 2, siendo X el nmero de defectuosos entre los cuatro artculos vendidos.
Encuentre el costo esperado de reparacin.
2. El nmero de usuarios que no pueden acceder a un determinado sitio web, en una hora, es una variable
aleatoria distribuida Poisson con promedio de 6 usuarios por hora.
Calcule la probabilidad, de que en un periodo de media hora no puedan acceder a este sitio web, tres
o ms usuarios.
E( X )
p ( x)
1
p
p q x1
; Varianza
si
x 1,2,3,4,............
V (X )
q
p2
Ejemplo:
Un organismo de defensa del consumidor analiza unidades de un producto hasta encontrar uno,
que no presenta su fecha de vencimiento . Se sabe que en el mercado un 3% de unidades de este
producto no tiene su fecha de vencimiento . Cul es la probabilidad que se tengan que revisar
menos de 4 unidades?
r
r q
Esperanza
E( X )
; Varianza : V ( x) 2
p
p
Ejemplo.
Usando el enunciado anterior (3), Cul es la probabilidad que se revisen a lo ms 6 unidades
para encontrar 3 sin fecha de vencimiento?