Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Proba PDF
Proba PDF
MODELOS DE PROBABILIDAD
DISCRETOS
113
4.1 Distribucin binomial
( )
P ( A ) = p ; P A =1 p = q
9 Por lo tanto, X: 0, 1, 2 , 3, n
X B (n; p )
114
Funcin de probabilidad
()
P ( X = r ) = nr p r q n r
n!
= pr qn r
r !( n r )!
r : 0,1, 2,..., n
( )
n n
n p r q nr = 1
P( X = r ) = r
r =0 r =0
115
Ejemplos
116
4.1.2 La media y la varianza
Media
n
= E[ X ] = rP( X = r ) = np
r =0
Varianza
n
2
Var[ X ] = = ( r ) 2
P ( X = r ) = npq
r =0
Ejemplo
117
4.1.3 Uso de tablas
Ejemplo
a. P ( X = 2) = 0.2759
b. P ( X = 0) = 0.1969
118
c. P ( X < 4) = P ( X 3) = P ( X = 0) + P( X = 1) +
+ P ( X = 2) + P ( X = 3) = 0.1969 + 0.3474 +
+ 0.2759 + 0.1298 = 0.95
d . P ( X > 3) = 1 P ( X 3) = 1 ( P( X = 0) + P( X = 1) +
+ P ( X = 2) + P ( X = 3) ) = 1 ( 0.1969 + 0.3474 + 0.2759 +
+0.1298 ) = 0.05
e. P (2 X 5) = P ( X = 2) + P( X = 3) + P( X = 4) +
+ P ( X = 5) = 0.2759 + 0.1298 + 0.0401 + 0.0085 =
= 0.4543
119
Un hombre y una mujer, cada uno con un gen recesivo
(Azul) y uno dominante (Marrn) para el color de los ojos,
son padres de tres hijos. Cul es la distribucin de
probabilidades para X, nmero de hijos con ojos azules?
E = {(AA), (AM), (MA), (MM)}
A = Ojos Azules; P ( A ) = p =1/4; n = 3
X = {N de hijos con ojos azules de 3 hijos}
X B (n ; p) = B (3; 0.25)
1 r 3 n r
P ( X = r ) = r p q
n r n r = r
3 ; r = 0, 1, 2, 3
4 4
0 3
= 0) = 30 1
3
P( X = 0.4219
4 4
1 2
=1) = 13 1
3
P( X = 0.4219
4 4
2 1
= 2) = 32 1
3
P( X = 0.1406
4 4
3 0
= 3) = 33 1
3
P( X = 0.0156
4 4
120
4.1.4 Aditividad
Independientes entre s
Xi B ( ni ; p ), i = 1, 2,k
X = X1 + X 2 + .... + X k
X B (n1 + ... + n k ; p )
121
4.2. Distribucin de Poisson
X P ( )
Ejemplos
122
Funcin de probabilidad
r
P( X = r) = e ; r = 0,1, 2, 3,...; > 0
r!
La media
= E[X ] =
Varianza
Var [ X ] = 2 =
123
Ejemplos
124
4.2.3 Uso de tablas
a. P( X > 3) = 1- P( X 3) = 1- P( X = 0) - P( X = 1) - P( X = 2) - P( X = 3) = 0.0789
b. P(2 X 5) = P( X = 2) + P( X = 3) + P( X = 4) + P( X = 5) = 0.4689
c. P( X 1) = 1 P( X < 1) = 1 P( X = 0) = 0.7981
125
4.2.4 Aditividad
Independientes entre s
Xi P ( ), i = 1, 2,k
i
X = X1 + X 2 + .... + X k
X P ( = 1 + ... + k )
126
4.2.5 Aproximacin de una Binomial
a una Poisson
X B (n; p )
Si se verifica que
X P ( = np )
127
Ejemplo
Solucin:
Suceso A : " A un ave se le presenta reaccin negativa "
X :" n de aves a las que se les presenta tal reaccin "
X P ( = np ) = P ( = 80 0.05) = P ( = 4)
1. P ( X = 0) = 0.0183
2. P ( X 2) = 1 P( X 1) = 1 P( X = 0) P ( X = 1)
= 0.9084
3. P( X 5) = P( X = 0) + ... + P ( X = 5) = 0.7851
128