Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISCRETAS DE PROBABILIDAD
DISTRIBUCÓN INDICADOR
Esta distribución está definida como:
1 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑝
𝐼={
0 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 1 − 𝑝
𝐸 𝐼 =𝑝
𝑉𝑎𝑟 𝐼 = 𝑝(1 − 𝑝)
LA DISTRIBUCIÓN BINOMIAL
Los calculos de probabilidades son particularmente simples si solo
tengo dos resultados posibles.
𝑝 𝑠𝑠𝑓𝑠𝑓𝑓 = 𝑝3 (1 − 𝑝)3
5
Entonces vamos a tener = 10 posibles resultados.
3
En número total de secuencias diferentes con x éxitos en n realizaciones
𝑛
del experimento, está dado por .
𝑥
𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑛 𝑥
𝑃 𝑥 é𝑥𝑖𝑡𝑜𝑠 𝑒𝑛 𝑛 𝑒𝑛𝑠𝑎𝑦𝑜𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 = 𝑝 (1 − 𝑝)𝑛−𝑥
𝑥
Ejemplo 2: Queremos producir 100 relojes. La probabilidad de que
un reloj sea defectuoso es 5%. Asumimos que los resultados de la
producción son independientes. ¿Cuál es la probabilidad de obtener
éxactamete 5 relojes defectuosos?
𝑋 = 𝐵𝑖𝑛[𝑛, 𝑝]
VALOR ESPERADO Y VARIANZA
Partiendo de la definición de valor esperado, tenemos para la distribución
binimial:
𝑛 𝑛
𝑛
𝐸 𝑋 = 𝑥𝑃(𝑋 = 𝑥) = 𝑥 𝑝 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥=0 𝑥=0
Para hallar este valor esperado, podemos hacer uso de la distribución indicador.
En este caso, vamos a agregar n distribuciones independientes de este tipo. Esto
nos dará el número total de éxitos en n ensayos.
Vamos a decir que cada 1 representa un éxito. Entonces, la variable aleatoria
binomial será:
𝑋 = 𝐼1 + 𝐼2 + ⋯ + 𝐼𝑛
Dado lo anterior,
𝐸 𝑋 = 𝑛𝑝
Y la varianza será:
𝑉𝑎𝑟 𝑋 = 𝑛𝑝(1 − 𝑝)
1
1 −1 𝑥2
𝑓 𝑥 = 𝑥 2 exp − ,𝑥 > 0
8 4
𝑒 −𝜆 𝜆𝑥
𝑝 𝑥; 𝜆 = { 𝑥! , 𝑥 = 0, 1, 2, … ; 𝜆 > 0
0 𝑝𝑎𝑟𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟
𝑛!
𝑝 𝑥; 𝑛, 𝑝 = 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 , 𝑥 = 0, 1, 2, … , 𝑛
𝑛−𝑥 !
Si para 𝑛 = 1, 2, … la relación 𝑝 = 𝜆/𝑛 es cierta para alguna
constante 𝜆 > 0, entonces:
𝑒 −𝜆𝜆𝑥
lim 𝑝 𝑥; 𝑛, 𝑝 =
𝑛→∞
, 𝑥 = 0, 1, 2, …
𝑥!
𝑝→0
Ejemplo 9: Un comprador de grandes cantidades de circuitos
integrados ha adoptado un plan para aceptar un envío de éstos y
que consiste en inspeccionar una muestra aleatoria de 100 circuitos
porvenientes del lote. Si el comprador encuetra no más de 2 circuitos
defectuosos en la muestra, acepta el lote; de otra forma, lo rechaza.
Si se envía al comprador un lote que contiene 1% de circuitos
defectuosos, ¿cuál es la probabilidad de que sea aceptado?
Para la variable aleatoria Poisson se tiene:
𝐸 𝑋 =𝜆
𝑉𝑎𝑟 𝑋 = 𝜆
𝜇3 = 𝜆
𝜇4 = 3𝜆2 + 𝜆
Ejemplo 10: Cada día un número grande y relativamente constante
de compradores visita un centro comercial. En este centro comercial,
hay una tienda que vende un producto muy especial. Pocos
compradores compran este producto, pero como son muchos lo que
visitan la tienda, se vende un producto por día en promedio. ¿Cuál es
la probabilidad de que la tienda venda 2 o más de esos productos
durante un día?
ALGUNAS DISTRIBUCIONES
CONTINUAS DE PROBABILIDAD
LA DISTRIBUCIÓN NORMAL (GAUSIANA)
Esta es probablemente la más importante y de mayor uso de todas
las distribuciones continuas de probabilidad.
1 1 𝑥−𝜇 2
𝑓 𝑥; 𝜇, 𝜎 = exp − ,
2𝜋𝜎 2 𝜎
−∞ < 𝑥 < ∞, −∞ < 𝜇 < ∞, 𝜎 > 0
𝐸 𝑋 = 𝜇, 𝑉𝑎𝑟 𝑋 = 𝜎 2 , 𝜇4 = 3𝜎 4
𝑥
2
1 − 𝑡−𝜇
𝑃 𝑋 ≤ 𝑥 = 𝐹 𝑥; 𝜇, 𝜎 = exp 𝑑𝑡
2𝜋𝜎 2𝜎 2
−∞
(𝑋 − 𝜇)
𝑍=
𝜎
(𝑥−𝜇)/𝜎
𝑥−𝜇 1 −𝑧 2
𝑃 𝑋≤𝑥 =𝑃 𝑍≤ = exp 𝑑𝑧
𝜎 2𝜋 2
−∞
En este sentido, si 𝑋 se encuentra distribuida normalmente con media 𝜇 y
(𝑋−𝜇)
desviación estándar 𝜎 , entonces 𝑍 = también se ecuentra
𝜎
distribuida normalmente con media cero y desviación estándar 1.
Entonces,
𝐹𝑋 𝑥; 𝜇, 𝜎 = 𝐹𝑍 (𝑧; 0, 1)
𝑋~𝑁(𝜇, 𝜎)
¿Cuál será la probabilidad de que 𝑋 se ecuentre entre 𝑎 y 𝑏, si la
variable dsitribuye normal?
Por definición:
𝑏
2
1 − 𝑥−𝜇
𝑃 𝑎≤𝑋≤𝑏 = exp 𝑑𝑥
2𝜋𝜎 2𝜎 2
𝑎
Esta probabilidad puede obtenerse como:
𝑎 −𝜇 𝑏−𝜇
𝑃 𝑎≤𝑋≤𝑏 =𝑃 ≤𝑍≤
𝜎 𝜎
𝑏−𝜇 𝑎−𝜇
= 𝐹𝑍 ; 0, 1 − 𝐹𝑍 ; 0, 1
𝜎 𝜎
Ejemplo 11: Si 𝑋~𝑁(𝜇, 𝜎), ¿cuáles son las probabilidades de que el
valor de 𝑋 se encuentre a una, dos y tres veces la desviación estándar de
la media?
𝑋 − 𝑛𝑝
𝑌=
𝑛𝑝(1 − 𝑝)
conforme 𝑛 → ∞.
DISTRIBUCIÓN UNIFORME
En esta situación, la probabilidad de que la variable aleatoria tome
un valor en cada subintervalo de igual longitud, es la misma.
Definición 4: Se dice que una variable aleatoria X está distribuida
uniformemente sobre el intervalo (𝑎, 𝑏) si su función de densidad de
probabilidad está dada por:
1
𝑎≤𝑥≤𝑏
𝑓 𝑥; 𝑎, 𝑏 = { 𝑏 − 𝑎
0 𝑝𝑎𝑟𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟
𝑃 𝑋 ≤ 𝑥 = 𝐹 𝑥; 𝑎, 𝑏 = (𝑏 − 𝑎)−1 𝑑𝑡
𝑎
0, 𝑥<𝑎
𝑥−𝑎
={ ,𝑎 ≤ 𝑥 ≤ 𝑏
𝑏−𝑎
1, 𝑥>𝑏
𝑃 𝑎1 ≤ 𝑋 ≤ 𝑏1 = 𝐹 𝑏1 ; 𝑎, 𝑏 − 𝐹 𝑎1 ; 𝑎, 𝑏 = (𝑏1 − 𝑎1 )/(𝑏 − 𝑎)
LA DISTRIBUCIÓN GAMA
Supongase que una pieza metálica se encuentra sometida a cierta
fuerza, de manera que se romperá despueés de aplicar un número
específico de ciclos de fuerza. Si los ciclos ocurren de manera
independiente y a una frecuencia promedio, entonces el tiempo que
debe transcurrir antes de que el material se rompa es una variable
aleatoria que cumple con la distribución gama.
Definición 5: Se dice que la variable aleatoria X tiene una
dsitribución gama si su función de densidad de probabilidad está
dada por:
1 𝛼−1 𝑥
𝛼 𝑥 exp − , 𝑥 > 0, 𝛼, 𝜃 > 0
𝑓 𝑥; 𝛼, 𝜃 = {Γ(𝛼)𝜃 𝜃
0 𝑝𝑎𝑟𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟
Para valores grandes de 𝛼, la distribución gama puede aproximarse,
en algún grado, por una distribución normal. Esto es, la variable
aleatoria
𝑍 = (𝑋 − 𝛼𝜃)/𝜃 𝛼
1 𝑥
𝑓 𝑥; 𝛼, 𝜃 = 𝑥 exp − , 𝑥>0
Γ 2 502 50
𝑥 𝑥
𝐹 𝑥; 𝛼, 𝜃 = 1 − 1 + exp − , 𝑥>0
50 50
𝛼 𝛼−1 𝑥 𝛼
𝑥 exp − , 𝑥 > 0; 𝛼, 𝜃 > 0
𝑓 𝑥; 𝛼, 𝜃 = {𝜃 𝛼 𝜃
0 𝑝𝑎𝑟𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟
La función de distribución acumulativa de Weibull
𝑥
𝛼
𝛼 𝑡
𝐹 𝑥; 𝛼, 𝜃 = 𝛼 𝑡 𝛼−1 exp −
𝜃 𝜃
0
𝑥 𝛼
𝐹 𝑥; 𝛼, 𝜃 = 1 − exp − ,𝑥 ≥ 0
𝜃
Ejemplo 16: Un fabricante de lavadoras garantiza sus productos
contra cualquir defecto durante el primer año de uso normal. El
fabricante ha estimado un costo por reparación de $75 durante el
primer año de garantía. Con base en la expriencia, se sabe que el
tiempo en que ocurre la primera falla es una variable aleatoria de
Weibull con parámetros de forma y escala iguales a 2 y 40,
respectivamente. Si el fabricante espera vender 100 mil unidades y
si, para la misma unidad, se descuenta el valor de las reparaciones,
se determina el costo esperado de la garantía para el fabricante.