Está en la página 1de 22

Distribución Hipergeométrica, de Poisson, normal y

Distribución binomial.

Estudiante xxxxx

Código xxxxx

Métodos probabilísticos

Profesor xxxxx

Universidad Nacional Abierta y a distancia – UNAD

Carrera xxxxx

2019
UNIDAD 2

Estudio de caso:

Distribución Hipergeométrica:

La distribución Hipergeométrica considera el caso en el cual una población finita se divide

en dos grupos, uno de los cuales se considera "éxitos" y el otro "Fracasos". Por

consiguiente si se toma sin reemplazamiento una muestra de "n" elementos y se desea hallar

la probabilidad de obtener "X" éxitos. Las muestras no tienen reemplazo, por lo que cada

elemento de la muestra es diferente. Cuando se elige un elemento de la población, no se

puede volver a elegir. Por lo tanto, la probabilidad de que un elemento sea seleccionado

aumenta con cada ensayo, presuponiendo que aún no haya sido seleccionado, (Badii, 2009).
𝑵−𝒎
𝑪𝒎
𝒙 ∗𝑪𝒏−𝒌
Fórmula general para p(x), 𝑷(𝒙) =
𝑪𝑵
𝒏

Siendo,

𝒎!
𝑪𝒓𝒙 = ( )
𝒙! (𝒓 − 𝒙)!
(𝑵 − 𝒎)!
𝑪𝑵−𝒓
𝒏−𝒌 = ( )
(𝒏 − 𝒙)! {(𝑵 − 𝒎)(𝒏 − 𝒙)}!
𝑵!
𝑪𝑵
𝒏 =( )
𝒏! (𝑵 − 𝒏)!
Reemplazando en p(x),

𝒎! (𝑵 − 𝒎)!
( )∗( )
𝒙! (𝒎 − 𝒙)! (𝒏 − 𝒙)! {(𝑵 − 𝒎)(𝒏 − 𝒙)}!
𝑷(𝒙) =
𝑵!
( )
𝒏! (𝑵 − 𝒏)!

Reemplazando los valores en función del número de éxitos de la muestra queda,


𝟑! (𝟕 − 𝟑)!
( )∗( )
𝒙! (𝟑 − 𝒙)! (𝟐 − 𝒙)! {(𝟕 − 𝟑)(𝟐 − 𝒙)}!
𝑷(𝒙) =
𝟕!
( )
𝟑! (𝟕 − 𝟑)!

Ejercicio:

Una compañía tiene siete solicitantes para dos puestos de trabajo: tres mujeres y cuatro

hombres. Suponga que los siente solicitantes están igualmente calificados y que no se da

preferencia para elegir género alguno. Sea x igual al número de mujeres escogido para

ocupar las dos posiciones.

Escriba la fórmula para p(x), la distribución de probabilidad de x.

a) ¿Cuáles son la media y la varianza de esta distribución?

N=7, n=2, m=3


Ecuación para hallar la Media,

𝒎
𝝁 = 𝒏( )
𝑵
Reemplazando valores,

𝟑
𝝁 = 𝟐 ( ) = 𝟎, 𝟖𝟓
𝟕
Ecuación para hallar la Varianza:

𝒎 𝑵−𝒎 𝑵−𝒏
𝝈𝟐 = 𝒏 ( ) ( )( )
𝑵 𝑵 𝑵−𝟏
𝟑 𝟕−𝟑 𝟕−𝟐
𝝈𝟐 = 𝟐 ( ) ( )( )
𝟕 𝟕 𝟕−𝟏
𝝈𝟐 = 𝟎, 𝟒𝟎𝟒𝟕

b) Construya un histograma de probabilidad para x.

Para x=0, x=1y x=2 sería,


𝟑! 𝟒!
( )( )
𝟎! (𝟑 − 𝟎)! (𝟐 − 𝟎)! (𝟒 − (𝟐 − 𝟎))!
𝑷(𝟎) = = 𝟎, 𝟐𝟖𝟓
𝟕!
( )
𝟐! (𝟕 − 𝟐)!
𝟑! 𝟒!
( )( )
𝟏! (𝟑 − 𝟏)! (𝟐 − 𝟏)! (𝟒 − (𝟐 − 𝟏))!
𝑷(𝟏) = = 𝟎, 𝟓𝟕𝟏
𝟕!
( )
𝟐! (𝟕 − 𝟐)!
𝟑! 𝟒!
( )( )
𝟐! (𝟑 − 𝟐)! (𝟐 − 𝟐)! (𝟒 − (𝟐 − 𝟐))!
𝑷(𝟐) = = 𝟎, 𝟏𝟒𝟐
𝟕!
( )
𝟐! (𝟕 − 𝟐)!
Evento P
P(x=0) 0,285
P(x=1) 0,571
P(x=2) 0,143

0.6 0.571

0.5

0.4
0.285
0.3

0.2 0.143

0.1

0
0 1 2

Histograma

Estudio de caso 2:

Distribución Binomial:

La Distribución Binomial está relacionada con la distribución de Bernoulli que es una

distribución de variable aleatoria X que toma solamente valores de cero y uno (éxito y

fracaso), cuando se realiza un solo experimento.


La distribución binomial se aplica cuando se realizan un número "n" de veces el

experimento de Bernouilli, siendo cada ensayo independiente del anterior. La variable

puede tomar valores entre 0 (si todos los experimentos han sido fracaso) y n (si todos los

experimentos han sido éxitos), (Cubana, 2002).

𝒏
Ecuación general, (𝒙) = ( ) 𝒑𝒌 (𝒒)𝒏−𝒌
𝒌

Siendo,

p: Éxito

q: Fracaso

x = 0,1,2,…,n

 Ejercicio:

La preferencia por el color de un auto cambia con los años y de acuerdo con el modelo

particular que seleccione el cliente. En año reciente, suponga que 10% de todos los autos de

lujo que se vendieron eran negros. Si 25 autos de ese año y tipo se seleccionan al azar,

encuentre las siguientes probabilidades:

a) Al menos cinco autos sean negros.

p=0,1 n=25 q= 1 - 0,1

Para x=0, x=1, x=2, x=3 y x=4 sería,

𝟐𝟓
𝑷(𝟎) = ( ) 𝟎, 𝟏𝟎 (𝟏 − 𝟎, 𝟏)𝟐𝟓−𝟎 = 𝟎, 𝟎𝟕𝟏𝟖
𝟎

𝟐𝟓
𝑷(𝟏) = ( ) 𝟎, 𝟏𝟏 (𝟏 − 𝟎, 𝟏)𝟐𝟓−𝟏 = 𝟎, 𝟏𝟗𝟗
𝟏
𝟐𝟓
𝑷(𝟐) = ( ) 𝟎, 𝟏𝟐 (𝟏 − 𝟎, 𝟏)𝟐𝟓−𝟐 = 𝟎, 𝟐𝟔𝟓
𝟐

𝟐𝟓
𝑷(𝟑) = ( ) 𝟎, 𝟏𝟑 (𝟏 − 𝟎, 𝟏)𝟐𝟓−𝟑 = 𝟎, 𝟐𝟐𝟔
𝟑

𝟐𝟓
𝑷(𝟒) = ( ) 𝟎, 𝟏𝟒 (𝟏 − 𝟎, 𝟏)𝟐𝟓−𝟒 = 𝟎, 𝟏𝟑𝟖
𝟒

𝑷 ≥ 𝟓 = 𝟏 − 𝑷(< 𝟓) = 𝟎, 𝟎𝟗𝟗

b) A lo sumo seis autos son negros.

Para x=0, x=1, x=2, x=3, x=4, x=5 y x=6 sería,

𝟐𝟓
𝑷(𝟎) = ( ) 𝟎, 𝟏𝟎 (𝟏 − 𝟎, 𝟏)𝟐𝟓−𝟎 = 𝟎, 𝟎𝟕𝟏𝟖
𝟎
𝟐𝟓
𝑷(𝟏) = ( ) 𝟎, 𝟏𝟏 (𝟏 − 𝟎, 𝟏)𝟐𝟓−𝟏 = 𝟎, 𝟏𝟗𝟗
𝟏

𝟐𝟓
𝑷(𝟐) = ( ) 𝟎, 𝟏𝟐 (𝟏 − 𝟎, 𝟏)𝟐𝟓−𝟐 = 𝟎, 𝟐𝟔𝟓
𝟐

𝟐𝟓
𝑷(𝟑) = ( ) 𝟎, 𝟏𝟑 (𝟏 − 𝟎, 𝟏)𝟐𝟓−𝟑 = 𝟎, 𝟐𝟐𝟔
𝟑
𝟐𝟓!
𝑷(𝟒) = 𝟒!(𝟐𝟓−𝟒)! . 𝟎, 𝟏𝟒 𝟎, 𝟗𝟐𝟓−𝟒 = 𝟎, 𝟏𝟑𝟖𝟒

𝟐𝟓!
𝑷(𝟓) = . 𝟎, 𝟏𝟓 𝟎, 𝟗𝟐𝟓−𝟓 = 𝟎, 𝟎𝟔𝟒𝟓
𝟓! (𝟐𝟓 − 𝟓)!

𝟐𝟓!
𝑷(𝟔) = . 𝟎, 𝟏𝟔 𝟎, 𝟗𝟐𝟓−𝟔 = 𝟎, 𝟎𝟐𝟑𝟗
𝟔! (𝟐𝟓 − 𝟔)!

𝑷(𝒙 ≤ 𝟔) = 𝟎, 𝟗𝟗𝟎𝟓

c) Más de cuatro autos son negros.


Para x=0, x=1, x=2, x=3 y x=4 sería,

𝟐𝟓!
𝑷(𝟎) = . 𝟎, 𝟏𝟎 𝟎, 𝟗𝟐𝟓−𝟎 = 𝟎, 𝟎𝟕𝟏𝟕
𝟎! (𝟐𝟓 − 𝟎)!

𝟐𝟓!
𝑷(𝟏) = . 𝟎, 𝟏𝟏 𝟎, 𝟗𝟐𝟓−𝟏 = 𝟎, 𝟏𝟗𝟗𝟒
𝟏! (𝟐𝟓 − 𝟏)!

𝟐𝟓!
𝑷(𝟐) = . 𝟎, 𝟏𝟐 𝟎, 𝟗𝟐𝟓−𝟐 = 𝟎, 𝟐𝟔𝟓
𝟐! (𝟐𝟓 − 𝟐)!

𝟐𝟓!
𝑷(𝟑) = . 𝟎, 𝟏𝟑 𝟎, 𝟗𝟐𝟓−𝟑 = 𝟎, 𝟐𝟐𝟔𝟓
𝟑! (𝟐𝟓 − 𝟑)!

𝟐𝟓!
𝑷(𝟒) = . 𝟎, 𝟏𝟒 𝟎, 𝟗𝟐𝟓−𝟒 = 𝟎, 𝟏𝟑𝟖𝟒
𝟒! (𝟐𝟓 − 𝟒)!

𝑷(> 𝟒) = 𝟏 − 𝑷(≤ 𝟒) = 𝟎, 𝟗𝟎𝟐


d) Exactamente cuatro autos son negros.

Para x=4, sería,

𝟐𝟓!
𝑷(𝟒) = . 𝟎, 𝟏𝟒 𝟎, 𝟗𝟐𝟓−𝟒 = 𝟎, 𝟏𝟑𝟖𝟒
𝟒! (𝟐𝟓 − 𝟒)!

e) Entre tres y cinco autos (inclusive) son negros.

Para x=3, x=4 y x=5 sería,

𝟐𝟓!
𝑷(𝟑) = . 𝟎, 𝟏𝟑 𝟎, 𝟗𝟐𝟓−𝟑 = 𝟎, 𝟐𝟐𝟔𝟓
𝟑! (𝟐𝟓 − 𝟑)!

𝟐𝟓!
𝑷(𝟒) = . 𝟎, 𝟏𝟒 𝟎, 𝟗𝟐𝟓−𝟒 = 𝟎, 𝟏𝟑𝟖𝟒
𝟒! (𝟐𝟓 − 𝟒)!

𝟐𝟓!
𝑷(𝟓) = . 𝟎, 𝟏𝟓 𝟎, 𝟗𝟐𝟓−𝟓 = 𝟎, 𝟎𝟔𝟒𝟓
𝟓! (𝟐𝟓 − 𝟓)!

𝑷(𝟑 𝒆𝒏𝒕𝒓𝒆 𝟓) = 𝟎, 𝟒𝟐𝟗𝟓


f) Más de veinte autos no son negros

Para x=21, x=22, x=23, x=24 y x=25 sería,

𝟐𝟓!
𝑷(𝟐𝟏) = . 𝟎, 𝟗𝟐𝟏 𝟎, 𝟏𝟐𝟓−𝟐𝟏 = 𝟎, 𝟏𝟑𝟖𝟒
𝟐𝟏! (𝟐𝟓 − 𝟐𝟏)!

𝟐𝟓!
𝑷(𝟐𝟐) = . 𝟎, 𝟗𝟐𝟐 𝟎, 𝟏𝟐𝟓−𝟐𝟐 = 𝟎, 𝟐𝟐𝟔𝟓
𝟐𝟐! (𝟐𝟓 − 𝟐𝟐)!

𝟐𝟓!
𝑷(𝟐𝟑) = 𝟎, 𝟗𝟐𝟑 𝟎, 𝟏𝟐𝟓−𝟐𝟑 = 𝟎, 𝟐𝟔𝟓𝟗
𝟐𝟑! (𝟐𝟓 − 𝟐𝟑)!.

𝟐𝟓!
𝑷(𝟐𝟒) = . 𝟎, 𝟗𝟐𝟒 𝟎, 𝟏𝟐𝟓−𝟐𝟒 = 𝟎, 𝟏𝟗𝟗𝟒
𝟐𝟒! (𝟐𝟓 − 𝟐𝟒)!

𝟐𝟓!
𝑷(𝟐𝟓) = . 𝟎, 𝟗𝟐𝟓 𝟎, 𝟏𝟐𝟓−𝟐𝟓 = 𝟎, 𝟎𝟕𝟏𝟖
𝟐𝟓! (𝟐𝟓 − 𝟐𝟓)!

𝑷(> 𝟐𝟎) = 𝟎, 𝟗𝟎𝟐


Distribución de Poisson

La distribución de Poisson es una distribución de probabilidad discreta que se aplica a las

ocurrencias de algún suceso durante un intervalo determinado. Nuestra variable

aleatoria x representará el número de ocurrencias de un suceso en un intervalo determinado,

el cual podrá ser tiempo, distancia, área, volumen o alguna otra unidad similar o derivada

de éstas.

La probabilidad de nuestra variable aleatoria X viene dada por la siguiente expresión:

𝜆𝑥
Ecuación general, 𝑓(𝑥) = . 𝑒 −𝜆
𝑥!

Sabiendo que, 𝜆=3

 Ejercicio:

Un conmutador puede manejar un máximo de 5 llamadas por minuto. Si la experiencia

indica que se recibe un promedio de 3 llamadas por minuto. Utilice la distribución Poisson

para encontrar las probabilidades de que el número de llamadas recibidas por el

conmutador en 1 minuto sea:

a) A lo sumo 4.

Para x=0, x=1, x=2, x=3 y x=4 sería,

𝟑𝟎 −𝟑
𝒇(𝟎) = . 𝒆 = 𝟎, 𝟎𝟒𝟗𝟖
𝟎!

𝟑𝟏 −𝟑
𝒇(𝟏) = . 𝒆 = 𝟎, 𝟏𝟒𝟗𝟒
𝟏!

𝟑𝟐 −𝟑
𝒇(𝟐) = . 𝒆 = 𝟎, 𝟐𝟐𝟒
𝟐!
𝟑𝟑 −𝟑
𝒇(𝟑) = . 𝒆 = 𝟎, 𝟐𝟐𝟒
𝟑!

𝟑𝟒 −𝟑
𝒇(𝟒) = . 𝒆 = 𝟎, 𝟏𝟔𝟖
𝟒!

𝒇(≤ 𝟒) = 𝟎, 𝟖𝟏𝟓𝟐

b) Menos de 3.

Para x=0, x=1, x=3 y x=4 sería,

𝟑𝟎 −𝟑
𝒇(𝟎) = . 𝒆 = 𝟎, 𝟎𝟒𝟗𝟖
𝟎!
𝟑𝟏 −𝟑
𝒇(𝟏) = . 𝒆 = 𝟎, 𝟏𝟒𝟗𝟒
𝟏!

𝟑𝟐 −𝟑
𝒇(𝟐) = . 𝒆 = 𝟎, 𝟐𝟐𝟒
𝟐!

𝒇(< 𝟑) = 𝟎, 𝟒𝟐𝟑𝟐

c) Al menos 4.

Para x=0, x=1, x=2, y x=3 sería,

𝟑𝟎 −𝟑
𝒇(𝟎) = . 𝒆 = 𝟎, 𝟎𝟒𝟗𝟖
𝟎!

𝟑𝟏 −𝟑
𝒇(𝟏) = . 𝒆 = 𝟎, 𝟏𝟒𝟗𝟒
𝟏!
𝟑𝟐 −𝟑
𝒇(𝟐) = . 𝒆 = 𝟎, 𝟐𝟐𝟒
𝟐!

𝟑𝟑 −𝟑
𝒇(𝟑) = . 𝒆 = 𝟎, 𝟐𝟐𝟒
𝟑!

𝟏 − 𝒇(≥ 𝟒) = 𝟎, 𝟑𝟓𝟐𝟖

d) Quede saturado.

Quede saturado 𝒇(= 𝟓)

𝟑𝟓 −𝟑
𝒇(𝟓) = . 𝒆 = 𝟎, 𝟏𝟎𝟎
𝟓!

e) Entre 1 y 3.

Para x=1, x=2, x=3 sería,

𝟑𝟏 −𝟑
𝒇(𝟏) = . 𝒆 = 𝟎, 𝟏𝟒𝟗𝟒
𝟏!
𝟑𝟐 −𝟑
𝒇(𝟐) = . 𝒆 = 𝟎, 𝟐𝟐𝟒
𝟐!

𝟑𝟑 −𝟑
𝒇(𝟑) = . 𝒆 = 𝟎, 𝟐𝟐𝟒
𝟑!

𝒇(𝒆𝒏𝒕𝒓𝒆 𝟏 𝒚𝟑) = 𝟎, 𝟓𝟗𝟕𝟒

f) Una o más pero menos de 5.

Para x=1, x=2. x=3 y x=4 sería,

𝟑𝟏 −𝟑
𝒇(𝟏) = . 𝒆 = 𝟎, 𝟏𝟒𝟗𝟒
𝟏!

𝟑𝟐 −𝟑
𝒇(𝟐) = . 𝒆 = 𝟎, 𝟐𝟐𝟒
𝟐!

𝟑𝟑 −𝟑
𝒇(𝟑) = . 𝒆 = 𝟎, 𝟐𝟐𝟒
𝟑!
𝟑𝟒 −𝟑
𝒇(𝟒) = . 𝒆 = 𝟎, 𝟏𝟔𝟖
𝟒!

𝒇(𝒆𝒏𝒕𝒓𝒆 𝟏 𝒂 𝟒) = 𝟎, 𝟕𝟔𝟓𝟓

g) Más de 2 pero menos de 5.

Para x=3 y x=4 sería,

𝟑𝟑 −𝟑
𝒇(𝟑) = . 𝒆 = 𝟎, 𝟐𝟐𝟒
𝟑!

𝟑𝟒 −𝟑
𝒇(𝟒) = . 𝒆 = 𝟎, 𝟏𝟔𝟖
𝟒!

𝒇(𝒆𝒏𝒕𝒓𝒆 𝟑 𝒚 𝟒) = 𝟎, 𝟑𝟗𝟐
h) Ninguna.

Para x=0,

𝟑𝟎 −𝟑
𝒇(𝟎) = . 𝒆 = 𝟎, 𝟎𝟒𝟗𝟖
𝟎!

i) Si se cuenta el número de llamadas en 5 minutos, cual es la probabilidad de que se

reciban 4 llamadas.

La nueva Media sería,

𝝁 = 𝟑(𝟓) = 𝟏𝟓
Para x=4 sería,

𝟏𝟓𝟒 −𝟏𝟓
𝒇(𝟒) = .𝒆 = 𝟎, 𝟎𝟎𝟎𝟔
𝟒!

Caso 4

Distribución normal

La distribución normal (en ocasiones llamada distribución gaussiana) es la distribución

continua que se utiliza más comúnmente en estadística.

En la distribución normal, se puede calcular la probabilidad de que varios valores ocurran

dentro de ciertos rangos o intervalos. Sin embargo, la probabilidad exacta de un valor

particular dentro de una distribución continua, como la distribución normal, es cero. Esta

propiedad distingue a las variables continuas, que son medidas, de las variables discretas,

las cuales son contadas.

𝑿−𝝁
Ecuación general, 𝒛= 𝝈

 Ejercicio:

Distribución Normal: Supóngase que se sabe que los pesos de cierto grupo de personas

están distribuidos aproximadamente de forma normal con media 𝜇=70 𝑘𝑔 y desviación

estándar 𝜎=12,5 𝑘𝑔. Use sus conocimientos sobre la distribución normal para responder:

a) ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese ms

de 80 kg?

Tipificando la variable continua,


𝟖𝟎 − 𝟕𝟎
𝒛 = = 𝟎, 𝟖
𝟏𝟐, 𝟓

𝑷(> 𝟖𝟎) = 𝟏 − 𝟎, 𝟕𝟖𝟖𝟏 = 𝟎, 𝟐𝟏𝟏𝟗

b) ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese entre

50 kg y 85 kg?

𝑿 − 𝝁 𝟓𝟎 − 𝟕𝟎
𝒛= = = −𝟏, 𝟔
𝝈 𝟏𝟐, 𝟓
𝑿 − 𝝁 𝟖𝟓 − 𝟕𝟎
𝒛= = = 𝟏, 𝟐
𝝈 𝟏𝟐, 𝟓
𝑷( 𝟓𝟎) = 𝟎, 𝟎𝟓𝟒𝟖

𝑷( 𝟖𝟓) = 𝟎, 𝟖𝟖𝟒𝟗

𝑷(𝟓𝟎 𝒂 𝟖𝟓) = 𝟎, 𝟖𝟑𝟎𝟏

c) ¿Cuál es el peso que es superado solo por el 93% de las personas del grupo?

𝑷 = 𝟏 − 𝟎, 𝟗𝟑 = 𝟎, 𝟎𝟕
𝒙 = 𝝁 + (𝒁 ∗ 𝝈)

𝒙 = 𝝁 + (−𝟏, 𝟒𝟖 ∗ 𝟏𝟐, 𝟓) = 𝟓𝟏, 𝟓

También podría gustarte