Está en la página 1de 14

Facultad de Ingeniera Ingeniera Civil

Estadstica y Probabilidad

Estad. Rolando R. Romero Paredes

Logro de la sesin

Conoce el concepto bsico de una variable aleatoria.

Conoce las distribuciones de probabilidad.

Estad. Rolando R. Romero Paredes

1
Distribuciones discretas de probabilidad
Al terminar esta sesin podr:

1. Describir las caractersticas de la distribucin de probabilidad


binomial y calcular las probabilidades utilizando esa distribucin.
2. Describir las caractersticas de la distribucin de probabilidad
Poisson y calcular las probabilidades utilizando esa distribucin.
3. Describir las caractersticas de la distribucin de probabilidad
Hipergeomtrica y calcular las probabilidades utilizando esa
distribucin

Estad. Rolando R. Romero Paredes

Distribucin de probabilidad de
variable discreta

2
Distribucin Binomial

Todo experimento aleatorio que tenga las caractersticas abajo diremos que sigue el
modelo de la distribucin Binomial:
En cada prueba del experimento slo hay dos resultados posibles: E
(xito) y F (fracaso).
El resultado obtenido en cada prueba es independiente de los
resultados obtenidos anteriormente.
La probabilidad p de xito E es constante, no vara de una prueba a
otra.
El experimento consta de n pruebas o ensayos de Bernoulli.

Estad. Rolando R. Romero Paredes

Variable aleatoria Binomial


X~B(n,p)

La v. a. Binomial es una v.a. discreta definida como:


X = nmero de xitos obtenidos en n ensayos independientes de Bernoulli.
Rx= {0, 1, 2, , n}
La funcin de Probabilidad de la v.a. Binomial es:

P(X=x)= Probabilidad de obtener x xitos

n n!
P ( X x ) p x (1 p ) n x p x (1 p ) n x
x x!( n x )!

Estad. Rolando R. Romero Paredes

3
Variable aleatoria Binomial
X~B(n,p)
n x n x n!
P( X x)
x p (1 p ) p x (1 p) n x
x!(n x)!

Distribucin binomial para n = 5 y distintos valores de p, B(5, p)

Estad. Rolando R. Romero Paredes

Ejemplo 1:
Si se selecciona al azar a un lote con 4 televisores, la probabilidad que sea
defectuoso es igual al producto no defectuoso.
a. Cul es la probabilidad de exactamente 2 sean defectuosos?
n
p(x) p x( 1 p)n x
x
p 0.5; n 4; x2
4
p(X 2 ) ( 0.5 )2( 1-0.5 )4 - 2
2
0.375

Estad. Rolando R. Romero Paredes

4
Ejemplo 1: (preguntas)
b. Cul es la probabilidad de ninguno sea defectuoso?
c. Cul es la probabilidad de que a lo ms 2 sean
defectuosos?
d. Cul es la probabilidad de que por lo menos 3 sean
defectuosos?

Estad. Rolando R. Romero Paredes

Ejemplo 2:
Si una dcima parte de las personas est satisfecha con el nuevo diseo de un
producto, se seleccionan al azar 10 personas,
a) cul es la probabilidad de que exactamente 8 pertenezcan a este grupo?

n x n x
p(x)
x
p ( 1 p)

p 0.1; n 10; x 8
10
p(x 8 )
8 ( 0.1 ) ( 1-0.1 ) 0.0000003645
8 2

Estad. Rolando R. Romero Paredes

5
Ejemplo 2: (preguntas)
b. cul es la probabilidad de por lo menos 2 personas
pertenezcan a este grupo?
c. cul es la probabilidad de por lo menos 6 personas
pertenezcan a este grupo?
d. cul es la probabilidad de que ninguno pertenezca a
este grupo?
e. cul es la probabilidad de menos de 4 personas
pertenezcan a este grupo?

Estad. Rolando R. Romero Paredes

Media, Varianza de la v.a. Binomial

= =
= 2 = (1 )

= = (1 )

Estad. Rolando R. Romero Paredes

6
Media, Varianza de la v.a. Binomial (Si n=5, p=0.1 y p=0.5)
Media
= E(X) = n p P(X) n = 5 p = 0.1
.6
= 5 0.1 = 0.5 .4
.2
= 5 0.5 = 0.25 0 X
0 1 2 3 4 5
Desviacin estndar
np (1 p ) P(X) n = 5 p = 0.5
.6
5 0.1 (1 0.1) 0.67 .4
.2
5 0.5 (1 0.5) 1.1 0 X
0 1 2 3 4 5

Estad. Rolando R. Romero Paredes

Ejemplo 3
En una planta la probabilidad que un operario
termine una actividad a tiempo es de 0.4, se toma
una muestra de 12 operarios, encontrar:
a. La probabilidad que exactamente los 12 terminen a
tiempo.
b. La probabilidad que ninguno termine a tiempo.
c. La probabilidad que por lo menos 10 terminen a
tiempo.
d. La probabilidad a lo ms 4 terminen a tiempo.

Estad. Rolando R. Romero Paredes

7
Distribucin de Poisson X~P()

Esta distribucin fue descubierta por Simon Denis Poisson (1781


1840)
En este tipo de experimentos los xitos buscados son expresados por
unidad de rea, tiempo, pieza, etc.
La v.a. de Poisson se define como:

X = # de ocurrencias de un evento (xitos) en un


intervalo especfico de tiempo o espacio

Estad. Rolando R. Romero Paredes

Ejemplos:
1. # de llamadas telefnicas que llegan a una central por hora, minuto, etc.
2. # de siniestros por mes registrados en una compaa de seguros
3. # de defectos de una tela por m2
4. # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
5. # de bacterias por cm2 de cultivo
6. # de llegadas de embarcaciones a un puerto por hora, da, mes, etc.
Observacin:
En esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o
producto es totalmente aleatorio y cada intervalo de tiempo es independiente de
otro intervalo dado, as como cada rea es independiente de otra rea dada y cada
producto es independiente de otro producto dado.

Estad. Rolando R. Romero Paredes

8
Distribucin de Poisson
Se dice que la v.a. discreta X tiene ley de prob. de
Poisson con parmetro o X ~ P ( ) si su f.p es :
e x
f ( x ) P[ X x ] , x 0, 1, 2,...., etc
x!
Donde:
e es la base del logaritmo natural (e = 2.71828...),
x! es el factorial de k
(0) = nmero medio o esperado de eventos por
unidad de tiempo (rea, producto, etc.)

Estad. Rolando R. Romero Paredes

Media y varianza de Poisson

Media: = ,
Varianza 2 =

Estad. Rolando R. Romero Paredes

9
Ejemplo
Si un banco recibe en promedio 6 cheques sin fondo por da, cul es la
probabilidad de que reciba cuatro cheques sin fondo en un da dado?
Solucin:
X = nmero de cheques sin fondo que llegan al banco en un da cualquiera
Rx = {0, 1, 2, 3, , etc.}
= 6 cheques sin fondo por da

P(X=4, = 6 )= (2.718)-6 (64 ) = 0.13385


4!

Estad. Rolando R. Romero Paredes

Ejemplo
Una compaa tiene dos plantas de ensamblaje, cada
una de ellas con una media de averas de 4 veces por
semana, segn una distribucin de Poisson. Se supone
que los rendimientos de las plantas son
independientes.
a. Cul es la probabilidad de que falle una planta al menos
una vez en una determinada semana?
b. Cul es la probabilidad de que falle una planta a lo ms
una vez en una determinada semana?
Estad. Rolando R. Romero Paredes

10
Distribucin Hipergeomtrica

La distribucin hipergeomtrica tiene las siguientes


caractersticas:
Hay slo dos resultados posibles.
La probabilidad de un xito no es la misma en cada ensayo.
sta resulta de contar el nmero de xitos en un nmero fijo de
ensayos.

Estad. Rolando R. Romero Paredes

Distribucin hipergeomtrica
La frmula para encontrar una probabilidad utilizando la distribucin
hipergeomtrica es:

S N S

P( X x) C C
x
N
n x

C n

Donde N es el tamao de la poblacin, S es el nmero de xitos en la


poblacin, x es el nmero de xitos en una muestra de n observaciones.

Estad. Rolando R. Romero Paredes

11
Distribucin hipergeomtrica
Utilice la distribucin hipergeomtrica para encontrar la
probabilidad de un nmero especfico de xitos o
resultados si:
La muestra es seleccionada de una poblacin finita sin
reemplazo.
El tamao de la muestra n es mayor que el 5% del tamao de
la poblacin N.
Estad. Rolando R. Romero Paredes

Ejemplo
La fbrica de juguetes Andy, tiene 50 empleados en el departamento
de ensamble. De stos, 40 pertenecen a un sindicato y 10 no. Se van a
elegir cinco empleados aleatoriamente, para que integren un comit
que hablar con el gerente acerca de la hora de inicio de los distintos
turnos.
a. Cul es la probabilidad de que cuatro de los cinco elegidos
pertenezcan al sindicato?
b. Cul es la probabilidad de que a los ms 2 de los cinco elegidos
pertenezcan al sindicato?
c. Cul es la probabilidad de que por lo menos 3 de los cinco elegidos
pertenezcan al sindicato?

Estad. Rolando R. Romero Paredes

12
Ejemplo (Continuacin)

N es 50, el nmero de empleados.

S es 40, el nmero de empleados del sindicato.

x es 4, el nmero de empleados del sindicato que fueron seleccionados.

n es 5, el nmero de empleados elegidos.

40 50 40

P( x 4) C 4 C 5 4
50
(91390)(10) /(2118760) 0.431
C 5

Estad. Rolando R. Romero Paredes

Ejemplo (Continuacin)

Solucionar (b) y (c)

Estad. Rolando R. Romero Paredes

13
Media y Desviacin estndar de la
Distribucin hipergeomtrica

= =


. . = = =
1 1

Estad. Rolando R. Romero Paredes

Estad. Rolando R. Romero Paredes

14