Documentos de Académico
Documentos de Profesional
Documentos de Cultura
02 Distribuciones Binomial Poisson Hipergeo PDF
02 Distribuciones Binomial Poisson Hipergeo PDF
0.2
x f(x)
La variable aleatoria Poisson 0.15 0 1/8
La variable aleatoria hipergeometrica 0.1
1 3/8
0.05
0 2 3/8
0 1 2 3
Copyright ©2006 Brooks/Cole Copyright ©2006 Brooks/Cole
A division of Thomson Learning, Inc.
3 1/8
A division of Thomson Learning, Inc.
x F(x) Ejemplo
Probabilidades acumuladas binomiales 0 0.0003 ¿Cual es la probabilidad que exactamente
1 0.0067 3 tiros acierten en el blanco?
2 0.0579 P(x = 3) = P(x ≤ 3) – P(x ≤ 2)
3 0.2627
= .2627 - .0579
4 0.6723
= .2048
5 1.0000
Ejemplo Ejemplo
Grafica de la distribucion de probabilidad
para x = numero de aciertos. ¿Cual es la • ¿Sería raro encontrar que ninguno de
media y desviacion estandar de x? los disparos dieran en el blanco?
• El valor x = 0 se
encuentra
• A mas de 4 desviaciones
µ µ estandar bajo la media
Copyright ©2006 Brooks/Cole Copyright ©2006 Brooks/Cole
A division of Thomson Learning, Inc. Muy inusual.
A division of Thomson Learning, Inc.
Conceptos clave
I. La variable aleatoria binomial
1. Caracteristicas: n pruebas independientes, estas pruebas
tienen solamente dos posibilidades Exito o Fracaso; la
La variable
probabilidad de exito es p y permanece constante x es el
numero de exitos en n pruebas.
2. Calculo de probabilidades binomiales
a. Formula: P( x = k ) = Ck p q
n k n−k
aleatoria de
b. Funcion de distribucion
c. Software Excel
3. Media de la variable aleatoria binomial: µ = np
Poisson
4. Varianza y desviacion estandar: σ 2 = npq
21 e −2
λk e − λ Hallar en la fila el valor de λ.
P ( x = 1) = = = 2 e − 2 = . 2707
k! 1! En la columna hallar el valor de “k” ,
P(x ≤ k) = P(x = 0) +…+ P(x = k)
Ejemplo 1
¿Cuál es la probabilidad que ocurra exactamente un accidente?
k λ=2
0 .135
1 .406
2 .677
3 .857
4 .947
5 .983
6 .995
7 .999 P(x = 1) = P(x ≤ 1) – P(x ≤ 0)
8 1.000 = 0.406 - 0.135 = 0.271
Copyright ©2006 Brooks/Cole Copyright ©2006 Brooks/Cole
A division of Thomson Learning, Inc. Con la formula:
A divisionP(x = 1)Learning,
of Thomson = .2707 Inc.
Ejemplo
¿Cual es la probabilidad que ocurran 8 o mas accidentes?
EJEMPLO 1:
k λ=2 P(x ≥ 8) = 1 - P(x < 8) ¿Hasta cuantos accidentes son comunes debido al azar?
0 .135 = 1 – P(x ≤ 7)
1 .406 Los valores comunes debidos a la variabilidad
= 1 - .999 = .001
2 .677 del azar estarán entre:
3 .857
Es muy inusual (muy poco probable) ya que x = 8 Li = µ – 2σ y Ls = µ + 2σ
4 .947
x−λ 8−2
5 .983 z=
λ
=
1.414
= 4.24 µ=2 σ= √ µ = √2
6 .995
7 .999 Desviaciones estandar sobre la media.
8 1.000 Li = 2 - 2 √2 = -1
Copyright ©2006 Brooks/Cole
Ls = 2 + 2 √2 = 5 Copyright ©2006 Brooks/Cole
A division of Thomson Learning, Inc. A division of Thomson Learning, Inc.
EJEMPLO 2
CONCLUSIONES
Durante la segunda guerra mundial en un bombardeo cayeron sobre
Londres 537 bombas. El área afectada fue dividida en 576 sectores
iguales. Sea fk el número real de sectores en los cuales cayeron k 1).- La propaganda Nazi decía que el bombardeo era
bombas. Suponiendo que las bombas cayeron al azar, el número planificado sobre objetivos militares exactos. Esta
esperado de bombas por sector es λ = 537/576= 0.9323. La propaganda era falsa, porque los impactos eran al azar.
probabilidad que caigan k bombas en un sector, según la
aproximación Poisson , es: = 2).- No era necesario cambiar la ubicación de los grandes
!
cuarteles pues el bombardeo era al azar
lambda= 0.9323
27
3).- El numero esperado de impactos en un mismo lugar es
Impactos (k) 0 1 2 3 4 5 1. Es poco probable que un mismo lugar reciba mas de un
impacto. Los lugares mas seguros eran los que ya habían
Areas (fk ) 229 211 93 35 7 1 sido bombardeados.
Probabilid 0.3936 0.367 0.1711 0.0532 0.0124 0.0023
576 x Probab 227 211 99 31 7 1
Conceptos clave
I. La variable aleatoria de poisson
1. Es el numero de eventos que ocurren durante un periodo de
tiempo o espacio, con promedio de λ como valor esperado
2. Calculo de probabilidades de Poisson:
La distribucion
a. Formula:
b. Tablas de probab. acumuladas
c. Usando =POISSON(X, media, acumulado) en EXCEL
hipergeometrica
3. La media de la variable poisson es: E(x) = λ
4. La varianza y desviacion estandar: σ 2 = λ y
5. La probabilidades binomiales pueden aproximarse con
probabilidades Poisson usando λ = np cuando:
n > 30 y p < 0.05. o cuando np < 7
Copyright ©2006 Brooks/Cole Copyright ©2006 Brooks/Cole
A division of Thomson Learning, Inc. A division of Thomson Learning, Inc.
m m
m m
m m m m
m m
m
m Media y varianza m
m
CkM CnN−−kM
P( x = k ) =
CnN
Copyright ©2006 Brooks/Cole Copyright ©2006 Brooks/Cole
A division of Thomson Learning, Inc. A division of Thomson Learning, Inc.
Ejemplo Ejemplo
¿Cual es la media y varianza para el numero de
Un paquete de 8 baterias contiene 2 baterias baterias que funcionan?
malogradas. Un estudiante selecciona al azar cuatro
M 6
baterias y las instala en su calculadora. ¿Cual es la µ = n = 4 = 3
probabilidad que todas las baterias funcionen? N 8
M N − M N − n
C46C02 σ 2 = n
Exito = bateria que funciona P ( x = 4) = N N N − 1
N=8 C48
6 2 4
M=6 6(5) / 2(1) 15 = 4 = .4286
= = 8 8 7
n=4 8(7)(6)(5) / 4(3)(2)(1) 70
Copyright ©2006 Brooks/Cole Copyright ©2006 Brooks/Cole
A division of Thomson Learning, Inc. A division of Thomson Learning, Inc.
Conceptos clave
II. La variable aleatoria hipergeometrica
1. El numero de exitos en una muestra de tamaño n de una
poblacion finita que contiene M exitos y N − M fracasos
2. Con Excel : =DISTR.HIPERGEOM(x, n, M,N)
La formula de calculo es
3. Media
Y varianza: