Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad y Estadistica - Unam
Probabilidad y Estadistica - Unam
UNAM
PROBABILIDAD
Y
ESTADSTICA
Irene Patricia Valdez y Alfaro
irenev@unam.mx
T E M A S DEL CURSO
4.
CONTENIDO TEMA 4
Modelos probabilsticos comunes.
Objetivo: El alumno conocer algunas de las distribuciones
ms utilizadas en la prctica de la ingeniera y
seleccionar la ms adecuada para analizar algn
fenmeno aleatorio en particular.
4.1 Ensayo de Bernoulli y Distribucin de Bernoulli.
4.2 Distribucion Binomial, Geomtrica, Pascal e Hipergeomtrica.
4.3 Proceso de Poisson y Distribucin de Poisson.
4.4 Distribucin uniforme continua.
4.4 Distribuciones normal y normal estndar.
4.5 Generacin de nmeros aleatorios.
MODELOS PROBABILSTICOS
COMUNES
DISTRIBUCIONES DE
PROBABILIDAD DISCRETAS
ENSAYO DE BERNOULLI
Consiste en realizar un slo experimento (ensayo) en el
cual existen nicamente dos posibles resultados:
S = { xito, fracaso }
Por ejemplo: observar un artculo y ver si es defectuoso
Definimos a la variable aleatoria de Bernoulli de la
siguiente forma:
I=
0;
1;
P( I ) =
q;
p;
0;
I=0
I=1
c.o.c
q;
p;
0;
I=0
I=1
c.o.c
E[ I ] 0q 1 p p
I p
V [ I ] (0 2 q 12 p ) p 2 p p 2 p (1 p ) pq
I2 pq
P( x ) =
q;
p;
0;
x=0
x=1
c.o.c
p x q1 x ; x 0, 1
P ( x)
c. o. c.
0
X p
X2 pq
Esta es la forma ms
usual de representar a
la distribucin de
Bernoulli
ENSAYO BINOMIAL
Consiste en realizar n veces el ensayo de bernoulli, de
manera independiente uno de otro y suponiendo que la
probabilidad de xito p permanence constante en cada uno
de ellos.
Por ejemplo: observar cinco artculos de un mismo lote
y contar el nmero de artculos con defecto.
Definimos a la variable aleatoria de Binomial de la
siguiente forma:
n
X I1 I 2 ...I n I j
j 1
Para n= 2
Para n= 3
X
0
P(x)
0 2
q q = pq
(1 vez)
p q +
1 1
q p = pq
(2 veces)
p p
2 0
pq
Para n= 4
X
0
P(x)
0 3
q q q = pq
(1 vez)
p q q +
q p q +
1 2
q q p = pq
(3 veces)
p p q +
p q p +
2 1
q p p = pq
(3 veces)
X
0
P(x)
0 4
q q q q = pq
p q q q
q p q q
q q p q
q q q p
+
+
+
1 3
= p q (4 veces)
p p q q
p q p q
p q q p
q p p q
q p q p
q q p p
+
+
+
+
+
2 2
= p q ( 6 veces)
p p p q
p p q p
p q p p
q p p p
+
+
+
3 1
= p q (4 veces
p p p p
= pq
(1 vez)
2
3 0
p p p = pq
(1 vez)
4 0
n-x fracasos
P(A)=pxqn-x
Para encontrar el nmero de formas en que se pueden obtener X
xitos y n-x fracasos, recordemos la expresin para el clculo de
permutaciones con grupos de objetos iguales:
n
m 1 , m 2 ,.., m k
n!
m 1 ! m 2 ! . .. m k !
P xn, n x
n!
C
x ! ( n - x) !
n
x
Es decir que el nmero de formas en que se pueden ordenar los xitos y los fracasos es C(n,x)
p xq
P ( x ) x ! ( n - x) !
0;
nx
x 0, 1, 2, .., n
c. o. c
n x nx
P( x) P( X x) p q ; x 0,1, 2, .., n
x
Puesto que la forma de P(x) depende de p y de n, stos son los pmetros de la
distribucin binomial:
P(x; n,p)
X np
X2 npq
F (x) P ( X x)
i0
n i
p q
i
ni
i 0, 1, 2, .., x
Ejercicio:
Se afirma que 30% de la produccin de ciertos instrumentos se
realiza con material nacional y los dems con material importado.
Si se toma una muestra aleatoria con reemplazo de 25 de estos
instrumentos:
n=25, p=0.3
1.- cul es la probabilidad de que 3 de ellos sean de material
nacional?
P(X=3)
2.- cul es la probabilidad de que no ms de 3 de ellos sean de
material nacional?
P(X3)=P(X=0)+P(X=1)+P(X=2)+P(X=3)
3.- cul es la probabilidad de que al menos 3 sean de material
nacional?
P(X3)=1-P(X 2)
E[X]=np
Distribucin Geomtrica
Definamos una variable aleatoria X como el nmero de ensayos de
Bernoulli, independientes, necesarios para obtener el primer xito.
donde la prbabilidad de xito es p
Implica que realizamos repetidamente el ensayo y nos detenemos
al obtener el primer xito. Cada ensayo es realizado de manera
independiente uno de otro y suponiendo que la probabilidad de
xito p permanence constante en cada uno de ellos.
P(X=1)=P(e)=p
P(X=2)=P(f,e)=pq
P(X=3)=P(f,f,e)=q2p
P(X=4)=P(f,f,fe)=q3p
.....
P(X=x)=qx-1p
x 1
P( x) pq ; x 1, 2,3,...
La media y varianza de la variable aletoria Geomtrica son:
1
p
X2
q
p2
Distribucin de Pascal
( Binomial Negativa)
Definamos una variable aleatoria X como el nmero de
ensayos de Bernoulli necesarios para obtener exactamente K
xitos
x 1 k xk
p q ; x k, k 1, k 2..
P( x)
k 1
La media y varianza de la variable aletoria de Pascal son:
k
p
X2
kq
p2
k = 1, 2, 3, ....
Distribucin Hipergeomtrica
Definamos una variable aleatoria X como el nmero de xitos
en n ensayos de Bernoulli, donde los ensayos se realizan
sobre una poblacin finita de tamao N
Sea K el nmero de elementos en la poblacin que poseen una
caracterstica en particular, tal que p = K/N = Prob de xito inicial.
k N k
x 0,1,2,...,n
x n x
;
x k, (n - x) N - k
P( x)
N
N, n, k enteros positivos
n
La media y varianza de la variable aletoria de Hipergeomtrica son:
X n
k
np
N
k N n
N n
k
1
npq
N 1
N N N 1
X2 n
Distribucin de Poisson
Definamos una variable aleatoria X como el nmero de
eventos independientes que ocurren a una rapidez constante
e x x 0, 1, 3, . . .
P( x)
;
x!
0
Donde es el nmero promedio de ocurrencias del evento por
unidad de tiempo o espacio.
La media y varianza de la variable aletoria de Poisson son:
X2
n!
p x q n x ; x 0, 1, 2, .., n
x! ( n - x)!
e x
lim p ( x; n, p )
; x 0, 1, 2, . . .
n
x!
p 0
la aproximacin es mejor cuando n es grande y p pequeo,
de tal forma que =np tiene un valor moderado
*Ver Canavos.
MODELOS PROBABILSTICOS
COMUNES
DISTRIBUCIONES DE
PROBABILIDAD CONTINUAS
Continuar ..