Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIDAD Nº 3
DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
Pz n n0 Cnn0 * p n0 * 1 p
nn0
Si n2 y nN y 0 n0 n
E z n n * p
Dispz n n * p * 1 p
1/ 2
mo z n z o ; y; n * p 1 p z o n * p p; y; z o N
P(X)
0.4
0.3
0.2
0.1
0
0 1 2 3 4
Cantidad de personas que cumplen con
totalidad de requisitos
2 - En una empresa, se sabe que la probabilidad de que sus clientes abonen con retraso sus
deudas es de 0.25. Se toman aleatoriamente 5 facturas no aún no canceladas -
correspondientes a clientes distintos-. Defina la variable cantidad de facturas que se
cancelarán con retraso; su ley de probabilidad , su valor esperado, su dispersión y su valor
modal.
X P(X)
0 0.23730469
1 0.39550781
2 0.26367188
3 0.08789063
4 0.01464844
5 0.00097656
1
3 - Realice el mismo ejercicio, pero en el caso que se tomen 10 facturas y en el caso que se
tomen 100 facturas. Para el alumno: tome n=150 y n=200; compare!.
3.1- Se toman diez facturas, n=10
X P(X)
0 0.05631351
1 0.18771172
2 0.28156757
3 0.25028229
4 0.145998
5 0.0583992
6 0.016222
7 0.0030899
8 0.00038624
9 2.861E-05
10 9.5367E-07
1
Observe que 10 * 0.25 0.75 2 10 * 0.25 0.25 y que pertenece a los enteros.
X P(X)
0 3.2072E-13
1 1.0691E-11
2 1.764E-10
3 1.9208E-09
4 1.5526E-08
5 9.9367E-08
6 5.2444E-07
7 2.3475E-06
8 9.0965E-06
9 3.0995E-05
10 9.402E-05
11 0.00025642
12 0.00063392
13 0.00143038
14 0.00296294
15 0.00566251
16 0.01002735
17 0.01651564
18 0.02538515
19 0.03651899
20 0.04930064
21 0.06260399
22 0.07493508
23 0.08470922
24 0.0905918
25 0.09179969
26 0.08826893
27 0.08064075
28 0.07008066
29 0.05799778
30 0.04575381
31 0.03443835
32 0.02475256
33 0.01700176
34 0.01116782
35 0.00701977
36 0.00422486
37 0.00243596
38 0.00134619
39 0.00071336
40 0.00036263
41 0.00017689
42 8.283E-05
43 3.7241E-05
44 1.6082E-05
45 6.6708E-06
46 2.6587E-06
47 1.0182E-06
48 3.7476E-07
49 1.3257E-07
50 4.5073E-08
51 1.473E-08
52 4.6267E-09
53 1.3967E-09
54 4.0522E-10
55 1.1297E-10
56 3.026E-11
57 7.7862E-12
58 1.9242E-12
59 4.5659E-13
60 1.04E-13
61 2.2732E-14
62 4.7665E-15
63 9.5833E-16
64 1.8468E-16
65 3.4095E-17
66 6.0268E-18
67 1.0195E-18
68 1.6491E-19
69 2.5494E-20
70 3.7634E-21
71 5.3005E-22
72 7.1164E-23
73 9.0986E-24
74 1.1066E-24
75 1.2787E-25
76 1.4021E-26
77 1.4567E-27
78 1.4318E-28
79 1.3291E-29
80 1.163E-30
81 9.572E-32
82 7.393E-33
83 5.3443E-34
84 3.6053E-35
85 2.2621E-36
86 1.3152E-37
87 7.0547E-39
88 3.4739E-40
89 1.5613E-41
90 6.3609E-43
91 2.33E-44
92 7.5978E-46
93 2.1786E-47
94 5.4078E-49
95 1.1385E-50
96 1.9765E-52
97 2.7169E-54
98 2.7724E-56
99 1.8669E-58
100 6.223E-61
1
E(X) DISP(X) MODA
25 4.33012702 25
Solución:
Vea ahora, que el valor de probabilidad asociado al suceso es mayor que en el del ejercicio
anterior. Si definimos la variable aleatoria , su ley de probabilidad y de distribución
obtenemos:
X P(X) P(X<=x0)
0 0.59049 0.59049
1 0.32805 0.91854
2 0.0729 0.99144
3 0.0081 0.99954
4 0.00045 0.99999
5 0.00001 1
1
P(X>=3)
0.00856
E(X) DISP(X) MODA
0.5 0.67082039 0
Observe que ahora los valores de probabilidad hallados son mayores, ya que el suceso
favorable - de que se cometa un error - tiene una probabilidad mayor de aparecer.
Solución:
Debemos hallar primeramente la probabilidad del suceso favorable; o sea la probabilidad
que la tarea 1 le sea asignada al empleado con numero de legajo menor; a la cual
denotaremos con p.
X P(X)
0 0.13168724
1 0.32921811
2 0.32921811
3 0.16460905
4 0.04115226
5 0.00411523
1
Observe que ambos sucesos son incompatibles y que la unión de los mismos da el espacio
muestral.
6.6 - Que le toque a lo sumo 2 días; si se sabe que le ha tocado menos de 4 días.
Px 2 / x 4 Px 2 / Px 4
P( x 0) P( x 1) P( x 2)
P( x 3) P( x 2) P( x 3)
=0.79012346/0.954732528=0.8275861
6.7 - Que le toque más de 4 días, si se sabe que le ha tocado menos de 4 días
P x 4 / x 4 P x 4 x 4 / P x4
P()) 0
P(x 3
Observe que estamos esperando el suceso imposible.
Trate usted de interpretar todos los resultados dados.
7- Para realizar usted. Una máquina está compuesta por tres elementos que trabajan
independientemente. La probabilidad de que cada elemento falle en una operación es 0.03.
Determine la ley de distribución del número de elementos que fallan en una operación.
DISTRIBUCION HIPERGEOMETRICA:
Sea N el número total de elementos en una población finita, de manera tal, que k de estos
elementos presenta una cierta característica en la modalidad A y N-k presenta una cierta
característica en la modalidad no A; si se seleccionan de la población n elementos
aleastoriamente de manera tal que todos tengan la misma posibilidad de ser elegidos, la
probabilidad de que x presenten la característica en la modalidad A y n-x presenten la
característica en la modalidad noA es:
Ckx C Nn xk
P X n x
C Nn
EX n
n*k
n* p
N
N n
Disp X n n * p * 1 p
1/ 2
*
N 1
8- Una empresa tiene codificados a sus artículos en forma numérica del número 1 al
número 10. Se toman aleatoriamente y en condiciones de equiposibilidad 4 fichas técnicas
correspondientes a 4 de sus artículos; a los efectos de realizar un trabajo administrativo . Se
sabe que los artículos codificados del 1 a 6 insumen -para dicho trabajo -1 hora cada uno; y
el resto 2 horas. Definir la variable aleatoria: cantidad de fichas extraídas cuyo trabajo
administrativo insume 1 hora.
Solución:
Observe que la probabilidad del suceso favorable no permanece constante ; o sea no son
independientes los eventos que surgen en cada repetición del experimento.
Y por lo tanto:
EX n
n*k
n* p
N
N n
Disp X n n * p * 1 p
1/ 2
*
N 1
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4
DISTRIBUCION DE POISSON:
Cuando la cantidad de veces que se repite el experimento es en forma independiente para
cada repetición, lo suficientemente grande, la probabilidad asociada al suceso favorable es
lo suficientemente pequeña; y la cantidad de veces de que se presente el suceso también es
pequeña, se utiliza esta distribución. También vale comentar que cuando el suceso definido
como favorable se presenta sobre un continuo y las repeticiones son estocásticamente
independiens con probabilidad constante, el modelo probabilístico es es modelo de Poisson.
Donde:
x * e
P( X n x)
x!
E ( X n)
Disp ( X n )
10 -Una máquina produce 100000 artículos por hora; y la probabilidad que un artículo
resulte calificado de 2º es 0.0001. Hallar la probabilidad de que en la producción de una
hora se generen 4 artículos de 2º.
= 100000*0.0001 = 10
10 4 * e 10
P100000(4) 0.0189
4!
11 - Una empresa en su depósito tiene una probabilidad de rotura para sus productos de
0.0002. Hay en depósito 1000000 de artículos. Hallar las siguientes probabilidades:
11.1 - Que se produzca la rotura en un artículo.
11.2 - Que se produzca la rotura en dos artículos.
11.3 - Que se produzca la rotura en 3 artículos.
11.4 - Que se produzca la rotura en no más de 3 artículos.
11.1 - Que se produzca la rotura en más de 3 artículos.
X P(X)
0 1.3839E-87
1 2.76779E-85
2 2.76779E-83
3 1.8452E-81
P(X<=3) 1.87315E-81
P(X>3) 1
13 - El número de aviones que llegan por minuto a un aeropuerto tiene una distribución de
Poissson con =3.
Hay 4 operadores y cada uno atiene a un avión, si más de 4 aviones llegan en un minuto, el
exceso se desvía a otro aeropuerto.
A- En un minuto cuál es la probabilidad de tener que desviar aviones?
B- Cuál es el número esperado de aviones atendidos por minuto
3
x p(x)
0 0.049787068
1 0.149361205
2 0.224041808
3 0.224041808
4 0.168031356
5 0.100818813
>5 0.083917942
x p(x)
0 0.049787068
1 0.149361205
2 0.224041808
3 0.224041808
>3 0.352768111
x p(x)
0 0.006737947
1 0.033689735
2 0.084224337
3 0.140373896
4 0.17546737
5 0.17546737
6 0.146222808
7 0.104444863
8 0.065278039
9 0.036265577
10 0.018132789
>10 0.013695269
P(AF)= 1/1400
= 350* 1/1400= 0.25
P( X 350 1) 1 e 0.25 * 0.250 0.221199217
Interprete todos los resultados.
Supongamos que al hacer una prueba se pueden presentar los sucesos A1, A2,.....Ak, que
forman un sistema exhaustivo de sucesos que se excluyen mutuamente, es decir:
k k
P Ai P A1 A2 ....... Ak P A1 P A2 ....... P Ak P Ai
i 1 i 1
Supongamos que P Ai pi ; 1 i k
y que cumple la condición de estacionariedad para cada pi.
Supongamos que al realizar n pruebas independientes deseemos calcular la probabilidad
que se presente:
n1 veces el suceso A1,
n2 veces el suceso A2,
...................................
.
.
.
................................... y por último
nk veces el suceso Ak,
k
siendo n
i 1
i n1 n2 ..... nk n (1)
p
i 1
ni
i pin1 . p 2n2 ..... p knk
Si contamos todas las secuencias posibles de intercalaciones entre las Ai, podremos aplicar
la regla de la adición de las probabilidad, ya que cada una de estas secuencias es excluyente
respecto del resto.
Ahora bien, la cantidad de secuencias coincidirá con el número de permutaciones de n
elementos formado por grupos de los que ni son iguales para todo i, esto último, dicho de
otra manera, n1 son iguales, n2 son iguales,....., nk son iguales:
n n n1 n n1 n2 ......nk 2 n!
nPn1n2 ....nk .......
n1 n2 nk 1 n1!n2 !.......nk !
Por lo tanto la probabilidad de obtener en cualquier orden n1 A1, n2 A2,..... nk Ak, será:
Px1 n1 ; x2 n2 ;....... xk nk
n!
p1n1 p 2n2 ....... p knk
n1!n2 !........nk !
Se comprueba que esta Ley llamada Multinomial verifica la ley de cierre, ya que:
p1n1 p 2n2 ..... p knk p1 p 2 .... p k 1n 1
n!
n
xi n x k n xi
i 1 i 1
pone de manifiesto, que se trata de k-1 variables, y la ley de distribución puede escribirse:
n k 1
n ni
Px1 n1 ; x 2 n2 ;....... x k 1 nk 1
n!
p1n1 p 2n2 ....... p knk 11 q i 1
nk 1
n1!n2 !........nk 1! n ni !
i 1
Es oportuno puntualizar que todas las variables toman valores enteros, como mínimo al
valor cero y como máximo al valor n.
El valor esperado para cada una de las variables es:
xi Exi npi ;1 i k
Y si analizamos conjuntamente la situación, se tiene:
k
E x1 ; x2 ;.....; xk np1 ; np 2 ;......; np k ; donde npi n
i 1
El desvío esperado para cada una de las variables es:
x E xi npi 2 npi 1 pi ;1 i k
i
k k
Var x1 ; x2 ;.....; xk np1 1 p1 ; np2 1 p2 ;......; npk 1 pk ; donde npi 1 pi Var xi
i 1 i 1
La covarianza para dos cualesquiera distintas variables, por ejemplo xi y xj es:
EJEMPLO:
17º) Supongamos que en un proceso de producción se rechazan aquellas piezas que tienen
diámetro mayor a 5 mm., con una probabilidad 0.05 y las que tienen diámetro menor a 2.5
mm, con una probabilidad 0.04.
17º.1) Obtener la probabilidad que en 10 piezas haya 2 rechazables por diámetro grande y 3
rechazables por diámetro pequeño.
17º.2) Obtener las cantidades esperadas de cada una de las situaciones, sus desvíos
esperados y por último las covarianzas
17º.1)
q 1 0.05 0.04 0.91
n 10; n3 10 2 3 5
Px1 2; x 2 3
10!
0.05 2 * 0.04 3 * 0.915 0.00025161
2!.3!.5!
17º.2)
E x1 10 * 0.05 0.5
E x 2 10 * 0.04 0.4
E x3 10 * 0.91 9.1
E x1 E x 2 E x3 10
0,2
0,18
0,16
0,14
0,12
p(x1;x2;x3) 0,1
0,08
0,06
0,04
C5
0,02
0 C3 x2
0 1 C1
2 3
x1 4 5
0 1 2 3 4 5
Serie6 0,03125 0 0 0 0 0
0,2
0,15
0
0,1 p(x1;x2;x3)
2 0,05
x1
0
4
C6
C5
C4
C3
C2 x2
C1
0 1 2 3 4 5
Serie6 0,03125 0 0 0 0 0
18º.2) Cuál es la probabilidad que al menos un container tenga destino final San Pablo.
Px1 1 Px1 1 Px1 2 Px1 3 Px1 4 Px1 5 0.922
D A
20% 20%
B
25%
C
35%
19º.1) Calcular las probabilidades que surgen de tomar aleatoriamente tres facturas:
19º.1.1) Que las tres sean de la modalidad A
19º.1.2) Que dos sean de la modalidad A y la otra sea de la modalidad B o bien de la
modalidad D
19º.1.3) Que dos sean de la modalidad A y la otra sea de la modalidad B o bien de la
modalidad C
19º.1.4) Que dos sean de la modalidad A y la otra sea de la modalidad D o bien de la
modalidad C.
19º.1.5) Que todas sean de modalidades distintas
19º.1.6) Cuántas se esperan de cada modalidad y con qué desvío esperado?
19º.2) Calcular las probabilidades que surgen de tomar aleatoriamente cuatro facturas:
19º.2.1) Que tres sean de la modalidad A
19º 2.2) Que tres sean de la modalidad A y la restante de la modalidad B
19º.2.2) Que tres sean de la modalidad A y la restante de la modalidad B o C
19º 2.3) Que solo tres sean de la modalidad A y la restante no sea de la modalidad B ni de
la modalidad C
19º.2.4) Que al menos tres sean de la modalidad A y la restante no sea de la modalidad B ni
de la modalidad C
19º.2.5) Que dos sean de la modalidad A y las otras sean de la modalidad B o bien de la
modalidad D
20º) Una empresa posee 3 plantas de elaboración. En la primera realiza el 10% de los
productos, en la segunda el 20% y en la última el resto de la producción. Llamaremos Pi si
el origen es la planta iésima.
Si se eligen aleatoriamente 4 productos de la empresa y se analiza la planta de origen.