Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 10-Modelos de Distribucion de Probabilidad
Tema 10-Modelos de Distribucion de Probabilidad
PROBABILIDAD
Modelo de Bernouilli
Ejemplos:
defectuosos.
1
● Normalmente se denomina éxito (x=1) al suceso con
P { e x ito } P { x 1} p
P { fr a c a s o } P { x 0 } 1 p
y su desviación típica:
k
x i1
x i2 p i m 2
x 1 2 p 0 2 (1 p ) p 2
p p 2
p (1 p )
2
Ejemplo:
defectuosas.
P { x 0 } 1 p 0 ,0 3
P { x 1} p 0 ,9 7
p=0,97, luego:
m x p 0 ,9 7
x p (1 p ) 0 , 9 7 0 , 0 3 0 ,1 7 0 6
3
La distribución Binomial
Ejemplo:
personas.
vez.
4
● Para conocer la distribución de una variable binomial x
típica serán:
m x np
x
2
n p (1 p )
x n p (1 p )
5
Ejemplo: (continuación del B(12,025))
m x n p 1 2 0 ,2 5 3
x n p (1 p ) 1 2 0 ,2 5 ( 1 0 ,2 5 ) 1 ,5
café diariamente:
típica de x1.
Luego:
6
m x1 p 0 ,4
x1 p (1 p ) 0 ,4 0 ,6 0 ,4 8 9 9
(n=20 y p=0,4).
que:
P ( x 1 2 ) 0 ,0 3 5 5
m x n p 2 0 0 ,4 8
x n p (1 p ) 2 0 0 , 4 ( 1 0 , 4 ) 2 ,1 9 0 8
7
La probabilidad de que ninguna persona tome café
P (x 0) 0
P ( x 3) 1 P ( x 3) 1 P ( x 0 ) P ( x 1) P ( x 2 )
P ( x 3 ) 1 ( 0 0 ,0 0 0 5 0 ,0 0 3 1 ) 0 ,9 9 6 4
8
Sea x el nº de votantes del partido entre los encuestados,
P ( x 0 ) 0 ,0 3 5 2
de ese partido.
P (x 3) P (x 0) P (x 1) P ( x 2 ) P ( x 3)
P ( x 3 ) 0 , 0 3 5 2 0 ,1 3 1 9 0 , 2 3 0 9 0 , 2 5 0 1 0 , 6 4 8 1
P ( x 3) 1 P ( x 3) 1 P ( x 0 ) P ( x 1) P ( x 2 )
1 ( 0 , 0 3 5 2 0 ,1 3 1 9 0 , 2 3 0 9 ) 0 , 6 0 2
m x n p 1 5 0 ,2 3
x n p (1 p ) 1 5 0 ,2 ( 1 0 ,2 ) 1 ,5 4 9
9
Ejercicio 16.5 (Peña y Romo)
P ( a c e r ta r ) p 1 / 4 0 ,2 5
p=0,25).
P ( x 0 ) 0 ,0 1 3 4
P ( x 1 ) 1 P ( x 1 ) 1 P ( x 0 ) 1 0 ,0 1 3 4 0 ,9 8 6 6
10
c) Obtener la probabilidad de que responda bien a todas
las preguntas.
tendremos que:
P (x 15) 0
P ( x 8 ) P ( x 8 ) P ( x 9 ) . . . P ( x 1 5 )
0 ,0 1 3 1 0 ,0 0 3 4 0 ,0 0 0 7 0 ,0 0 0 1 0 ,0 1 7 3
P (x 3) 1 P (x 3)
tendremos que:
P ( x 3 ) 1 0 ,2 2 5 2 0 ,7 7 4 8
11
Ejercicio 16.9 (Peña y Romo)
m x n p 1 5 0 ,2 5 3 ,7 5 4
x n p (1 p ) 1 5 0 ,2 5 (1 0 ,2 5 ) 1 ,6 7 7
deudas mensualmente.
P ( x 0 ) 0 ,0 1 3 4
12
supere en más de una desviación típica al valor
esperado.
m x x 3 ,7 5 1 ,6 7 7 5 ,4 2 7
P ( x 6 ) P ( x 6 ) P ( x 7 ) . . . P ( x 1 5 )
0 ,0 9 1 7 0 ,0 3 9 3 0 ,0 1 3 1 0 ,0 0 3 4 0 ,0 0 0 7 0 ,0 0 0 1
0 ,1 4 8 3
13
La distribución geométrica
k es:
P ( x k ) p (1 p ) k 1 k 1 ,2 , . . .
Ejemplo:
P ( x 6 ) 0 ,2 5 (1 0 ,2 5 ) 6 1 0 ,0 5
14
● Si x es una variable G(p) su media y desviación típica
serán:
1
m x
p
1 p
x
p2
Ejemplo: (continuación)
1 1
m x 4
p 0 ,2 5
1 p 1 0 ,2 5
x 3 ,4 6
p2 0 ,2 5 2
15
Ejercicio 16.4 (Peña y Romo)
entrevistada.
G(0,20). Entonces:
P ( x 3 ) p ( 1 p ) k 1 0 , 2 ( 1 0 , 2 ) 3 1 0 ,1 2 8
1 1
m x 5 personas
p 0 ,2
P ( x 6 ) 1 P ( x 6 ) 1 [ P ( x 1 ) P ( x 2 ) . . . P ( x 6 ) ]
1 [ 0 ,2 0 ,8 0 0 ,2 0 ,8 1 . . . 0 ,2 0 ,8 5 ] 0 ,2 6 2 1
16
Ejercicio 16.6 (Peña y Romo)
Entonces:
P ( x 5 ) p ( 1 p ) k 1 0 ,2 5 ( 1 0 ,2 5 ) 5 1 0 ,0 7 9 1
1 1
m x 4 preguntas
p 0 ,2 5
17
La distribución de Poisson
Romo).
18
Ejemplo 16.3 de Peña y Romo:
P ( x 3 ) 0 ,0 3 8 3
varianza serán:
m x 2
x
y su desviación típica
x
19
Ejemplo 16.4 de Peña y Romo:
P ( x 0 ) 0 ,1 3 5 3
20
La variable x sigue una distribución de Poisson con
P ( x 4 ) 1 P ( x 4 ) 1 [ P ( x 0 ) P ( x 1) P ( x 2 ) P ( x 3 )]
1 ( 0 , 0 0 6 7 0 , 0 3 3 7 0 , 0 8 4 2 0 ,1 0 4 ) 0 , 7 3 5
en un cuarto de hora.
P ( x 0 ) 0 ,0 0 6 7
P (2 x 4 ) P ( x 2 ) P ( x 3) P (x 4 )
0 , 0 8 4 2 0 ,1 4 0 4 0 ,1 7 5 5 0 , 4 0 0 1
21
VARIABLES ALEATORIAS CONTINUAS
la distribución normal.
normal.
22
● En la distribución normal, la mayoría de la probabilidad
a) El 68,3% de la población.
será:
m x x 6 4 ,3 2 ,3 6 6 ,6
m x x 6 4 ,3 2 ,3 6 2
23
b) El 95,5% de la población.
m x 2 x y m x 2 x . Luego será:
m x 2 x 6 4 ,3 2 2 ,3 6 8 ,9
m x 2 x 6 4 ,3 2 2 ,3 5 9 ,7
c) El 99,7% de la población
m x 3 x y m x 3 x . Luego será:
m x 3 x 6 4 ,3 3 2 ,3 7 1 ,2
m x 3 x 6 4 ,3 3 2 ,3 5 7 ,4
24
● Las transformaciones lineales de una variable que sigue
Ejemplo:
normal con m x 1 ,5 y x 0 ,1 .
m y 60m x 6 0 1 ,5 9 0
y 6 0 x 6 0 0 ,1 6
x m
( m x , x ) la nueva variable z
x
tiene una distribución
x
25
● La Tabla 3 del Apéndice B (Peña y Romo) nos proporciona
obtener:
P (z a ) 1 P (z a )
P (a z b ) P (z b ) P (z a )
columna de 0,05)
- P ( z 0 , 8 6 ) 1 P ( z 0 , 8 6 ) 1 0 , 8 0 5 1 0 ,1 9 4 9
- P ( 0 ,3 z 0 ,8 3 ) P ( z 0 ,8 3 ) P ( z 0 ,3 )
0 ,7 9 6 7 0 ,3 8 2 1 0 ,4 1 0 5
26
Ejercicio 18.2 (Peña y Romo)
a) P ( z 2 , 2 3 ) 0 , 9 8 7 1
b) P ( z 3 , 4 8 ) 0 , 9 9 9 7
c) P ( z 1 , 7 6 ) 0 , 0 3 9 2
d) P ( z 2 , 4 5 ) 1 P ( z 2 , 4 5 ) 1 0 , 9 9 2 9 0 , 0 0 7 1
e) P ( z 3 , 2 3 ) 1 P ( z 3 , 2 3 ) 1 0 , 9 9 9 4 0 , 0 0 0 6
f) P ( z 3 , 0 7 ) 1 P ( z 3 , 0 7 ) 1 0 , 0 0 1 1 0 , 9 9 8 9
g) P ( 1 , 1 3 z 2 , 6 9 ) P ( z 2 , 6 9 ) P ( z 1 , 1 3 )
0 , 9 9 6 4 0 , 8 7 0 8 0 ,1 2 5 6
h) P ( 0 , 8 6 z 1 , 2 8 ) P ( z 1 , 2 8 ) P ( z 0 , 8 6 )
0 , 8 9 9 7 0 ,1 9 4 9 0 , 7 0 4 8
i) P ( 2 , 9 8 z 1 , 3 2 ) P ( z 1 , 3 2 ) P ( z 2 , 9 8 )
0 ,0 9 3 4 0 ,0 0 1 4 0 ,0 9 2
27
Ejercicio 18.6 (Peña y Romo)
a) P ( z a ) 0 , 2 0 3 3
a 0 ,8 3
b) P ( z a ) 0 , 7 7 3 4
a 0 ,7 5
c) P ( z a ) 0 , 9 2 2
P ( z a ) 1 0 ,9 2 2 0 ,0 7 7 8
a 1 ,4 2
d) P ( z a ) 0 , 0 3 1 4
P ( z a ) 1 0 ,0 3 1 4 0 ,9 6 8 6
a 1 ,8 6
28
● Como al tipificar cualquier variable x con una distribución
P ( x b ) de la siguiente manera:
x m b m x b m x
P (x b) P x
P z
x x x
Ejemplo:
x 3 ,2 3 ,4 5 3 ,2
- P ( x 3 ,4 5 ) P P z 0 , 2 0 0 ,5 7 9 3
1 ,2 2 1 ,2 2
2 ,9 2 3 ,2 x 3 ,2 3 ,4 3 3 ,2
- P ( 2 ,9 2 x 3 ,4 3 ) P
1 ,2 2 1 ,2 2 1 ,2 2
P 0 , 2 2 z 0 ,1 9
P ( z 0 ,1 9 ) P ( z 0 , 2 2 )
0 , 5 7 5 3 0 , 4 1 2 9 0 ,1 6 2 4
29
● Si x tiene una distribución N( m x , x ) e y una distribución N
distribución N ( m x m y , x2 y2 )
30
Ejercicio 18.4 (Peña y Romo)
a) P ( x 9 , 1 2 )
x 8 , 4 7 9 ,1 2 8 , 4 7
P ( x 9 ,1 2 ) P P z 0 ,5 6 0 ,7 1 2 3
1 ,1 5 1 ,1 5
b) P ( x 1 2 , 3 4 )
x 8 ,4 7 1 2 ,3 4 8 ,4 7
P ( x 1 2 ,3 4 ) P P z 3 ,3 6 0 ,9 9 9 6
1 ,1 5 1 ,1 5
c) P ( x 6 , 4 2 )
6 ,4 2 8 ,4 7
P ( x 6 ,4 2 ) P z P z 1 ,7 8 0 ,0 3 7 5
1 ,1 5
d) P ( x 1 0 , 5 3 )
1 0 ,5 3 8 ,4 7
P ( x 1 0 ,5 3 ) P z P z 1 ,7 9
1 ,1 5
1 P ( z 1 ,7 9 ) 1 0 ,9 6 3 3 0 ,0 3 6 7
e) P ( x 1 2 , 6 2 )
1 2 ,6 2 8 ,4 7
P ( x 1 2 ,6 2 ) P z P z 3 ,6 1
1 ,1 5
1 P ( z 3 ,6 1 ) 1 1 0
31
f) P ( x 4 , 0 1 )
4 ,0 1 8 ,4 7
P ( x 4 ,0 1 ) P z P z 3 ,8 8
1 ,1 5
1 P ( z 3 ,8 8 ) 1 0 1
g) P ( 6 , 1 2 x 1 1 , 9 2 )
6 ,1 2 8 , 4 7 1 1 ,9 2 8 ,4 7
P ( 6 ,1 2 x 1 1 , 9 2 ) P z
1 ,1 5 1 ,1 5
P 2 ,0 4 z 3
P ( z 3 ) P ( z 2 ,0 4 )
0 ,9 9 8 7 0 ,0 2 0 7 0 ,9 7 8
h) P ( 7 , 5 2 x 1 0 , 3 2 )
7 ,5 2 8 ,4 7 1 0 ,3 2 8 ,4 7
P ( 7 ,5 2 x 1 0 , 3 2 ) P z
1 ,1 5 1 ,1 5
P 0 ,8 3 z 1 , 6 1
P ( z 1 ,6 1 ) P ( z 0 ,8 3 )
0 ,9 4 6 3 0 ,2 0 3 3 0 ,7 4 3
32
i) P ( 5 , 0 6 x 6 , 8 4 )
5 ,0 6 8 ,4 7 6 ,8 4 8 ,4 7
P ( 5 ,0 6 x 6 ,8 4 ) P z
1 ,1 5 1 ,1 5
P 2 ,9 6 z 1 ,4 2
P ( z 1 ,4 2 ) P ( z 2 ,9 6 )
0 ,0 7 7 8 0 ,0 0 1 5 0 ,0 7 6 3
de a tal que:
c) P ( x a ) 0 , 7 3 8 9
x 4 ,3 a 4 ,3 a 4 ,3
P (x a) P P z 0 ,7 3 8 9
1 ,2 1 ,2 1 ,2
luego:
a 4 ,3
0 ,6 4 a 0 ,6 4 1 ,2 4 ,3 5 ,0 6 8
1 ,2
33
d) P ( x a ) 0 , 6 1 7 9
x 4 ,3 a 4 ,3 a 4 ,3
P (x a) P P z 0 ,6 1 7 9
1 ,2 1 ,2 1 ,2
luego:
a 4 ,3
0 ,3 a 0 ,3 1 ,2 4 ,3 4 ,6 6
1 ,2
a) P ( x a ) 0 , 2 9 8 1
a 4 ,3 a 4 ,3
P (x a) P z 1 P z 0 ,2 9 8 1
1 ,2 1 ,2
luego:
a 4 ,3
P z 1 0 ,2 9 8 1 0 ,7 0 1 9
1 ,2
a 4 ,3
0 ,5 3 a 0 ,5 3 1 , 2 4 , 3 4 , 9 3 6
1 ,2
b) P ( x a ) 0 , 5 8 7 1
a 4 ,3 a 4 ,3
P (x a) P z 1 P z 0 ,5 8 7 1
1 ,2 1 ,2
luego:
a 4 ,3
P z 1 0 ,5 8 7 1 0 ,4 1 2 9
1 ,2
a 4 ,3
0 ,2 2 a 0 ,2 2 1 ,2 4 ,3 4 ,0 3 6
1 ,2
34
Ejercicio 18.3 (Peña y Romo)
altura en centímetros:
y 100x
b) Obtener la distribución de y.
m y 100m x 1 0 0 1 ,8 9 1 8 9
y 1 0 0 x 1 0 0 0 ,0 7 7
180 189
P (y 180) P z 1 P z 1 , 2 8 1 0 ,1 0 0 3 0 , 8 9 9 7
7
35
Aproximación mediante la normal
x np
tipificada tiene una distribución próxima a
n p (1 p )
P ( a x b ) → P ( a 0 ,5 y b 0 ,5 )
P ( x b ) → P ( y b 0 ,5 )
P ( x a ) → P ( y a 0 ,5 )
36
Ejemplo:
Por tanto:
m x n p 2 0 0 0 ,3 5 7 0
x n p (1 p ) 2 0 0 0 ,3 5 (1 0 ,3 5 ) 6 ,7 4
tipificaremos la variable:
8 2 0 ,5 7 0 1 0 6 0 ,5 7 0
P (8 2 x 1 0 6 ) P z
6 ,7 4 6 ,7 4
P (1 ,7 0 z 5 ,4 1 ) P ( z 5 ,4 1 ) P ( z 1 ,7 0 )
1 0 ,9 5 5 4 0 ,0 4 4 6
37
El 40% de los relojes que se venden en una tienda son
distribución B(100,0,4).
m n p 1 0 0 0 ,4 4 0
x
x
n p (1 p ) 1 0 0 0 ,4 (1 0 ,4 ) 4 ,9
digitales.
3 0 0 ,5 4 0 5 0 0 ,5 4 0
P (3 0 x 5 0) P z
4 ,9 4 ,9
P ( 2 ,1 4 z 1 , 9 4 ) P ( z 1 , 9 4 ) P ( z 2 ,1 4 )
0 ,9 7 3 8 0 ,0 1 6 0 ,9 5 7 8
relojes digitales.
38
1 5 0 ,5 4 0
P (x 15) P z P ( z 5 ,2 0 )
4 ,9
1 P ( z 5 ,2 0 ) 1 0 1
relojes digitales.
6 0 0 ,5 4 0
P (x 60) P z P ( z 4 ,1 8 ) 1
4 ,9
39
Ejercicio 18.10 (Peña y Romo)
azar.
m n p 2 0 0 0 ,6 1 2 0
x
x
n p (1 p ) 2 0 0 0 ,6 (1 0 ,6 ) 6 ,9
4 0 0 ,5 1 2 0
P (x 40) P z P ( z 1 1 ,6 7 )
6 ,9
1 P ( z 1 1 ,6 7 ) 1 0 1
entre 80 y 150.
8 0 0 ,5 1 2 0 1 5 0 0 ,5 1 2 0
P (8 0 x 1 5 0 ) P z
6 ,9 6 ,9
P ( 5 ,8 7 z 4 , 4 2 ) P ( z 4 , 4 2 ) P ( z 5 ,8 7 )
1 0 1
40
c) Calcular la probabilidad de que no se pregunte a más de
150 mujeres.
1 5 0 0 ,5 1 2 0
P (x 150) P z P ( z 4 ,4 2 ) 1
6 ,9
41