Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capítulo 5
Algunas Distribuciones
Importantes de Probabilidad
Discreta
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc. Chap 5-1
Distribución de Probabilidad de
una Variable Aleatoria Discreta
n La distribución de probabilidad para una variable
aleatoria discreta es una lista mutuamente
excluyente de todos los posibles resultados
numéricos para una variable aleatoria tal que una
probabilidad de ocurrencia específica se asocia
con cada resultado.
Número de clases tomadas Probabilidad
2 0.2
3 0.4
4 0.24
5 0.16
4 posibles resultados
Distribución de Probabilidad
E E Valor X Probabilidad
0 1/4 = 0.25
E C 1 2/4 = 0.50
2 1/4 = 0.25
C E
0.50
Probabilidad
C C 0.25
0 1 2 X
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 5-3
Valor Esperado de una Variable
Aleatoria Discreta
n Valor esperado (or Media) de una variable
aleatoria discreta (Promedio ponderado)
N
µ = E(X) = ∑ Xi P( Xi )
i=1
X P(X)
n Ejemplo: Lanzar 2 monedas, 0 0.25
X = # caras, 1 0.50
el valor esperado es: 2 0.25
E(X) = ((0)(0.25) + (1)(0.50) + (2)(0.25))
= 1.0
Donde:
E(X) = valor esperado de la variable aleatoria discreta
Xi = el i-ésimo resultado de X
P(Xi) = Probabilidad de la i-ésima ocurrencia de X
2
σ= ∑ [X − E(X)] P(X )
i i
Binomial Normal
Poisson Uniforme
Hipergeométrica Exponencial
n Posibles maneras: CCE, CEC, ECC, por lo que hay tres
maneras de obtener 2 caras.
n!
P(X = 1) = p X (1! p)n!X
X!(n ! X)!
5!
= (0.1)1 (1! 0.1)5!1
1!(5 !1)!
= (5)(0.1)(0.9)4
= 0.32805
P(X) n = 5 p = 0.5
.6
.4
.2
0
n Para, n = 5 and p = 0.5 0 1 2 3 4 5 X
Ejemplos:
n = 10, p = .35, x = 3: P(x = 3|n =10, p = .35) = .2522
n = 10, p = .75, x = 2: P(x = 2|n =10, p = .75) = .0004
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 5-16
Características de la Distribución
Binomial
n Media
µ = E(x) = np
n Varianza y Desviación Estándar
! 2 = np(1-p)
! = np(1-p)
Donde n = tamaño de la muestra
p = probabilidad de éxito en cualquier intento
(1 – p) = probabilidad de fracaso en cualquier intento
P(X) n = 5 p = 0.5
! = np = (5)(.5) = 2.5 .6
.4
! = np(1-p) = (5)(.5)(1!.5) .2
0
= 1.118
0 1 2 3 4 5 X
−λ x
e λ
P( X) =
X!
donde:
P(X) = la probabilidad de X eventos en un área de oportunidad
X = número de eventos
λ = número de eventos esperado
e = constante, base de logaritmo natural aprox. igual a
2.71828…
n Media
µ=λ
n Varianza y Desviación Estándar
σ2 = λ
σ= λ
donde λ = número de eventos esperado
e − λ λ X e −0.50 (0.50)2
P(X = 2) = = = 0.0758
X! 2!
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 5-23
Gráfico de las Probabilidades
de Poisson
0.70
Gráficamente: 0.60
λ = 0.50 0.50
λ= 0.40
P(x)
X 0.50
0.30
0 0.6065
0.20
1 0.3033
2 0.0758 0.10
3 0.0126 0.00
0 1 2 3 4 5 6 7
4 0.0016
5 0.0002 x
6 0.0000
P(X = 2) = 0.0758
7 0.0000
0.70
λ = 0.50 0.25
λ = 3.00
0.60
0.20
0.50
0.15
0.40
P(x)
P(x)
0.30 0.10
0.20
0.05
0.10
0.00 0.00
0 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 10 11 12
x x